PENDAHULUAN
A. Latar Belakang.
Banyak analisis data bertujuan untuk mengetahui apakah ada hubungan antara dua atau
lebih peubah. Bila hubungan demikian ini dapat dinyatakan dalam bentuk rumus matematik,
maka kita akan dapat menggunakannya untuk keperluan identifikasi selanjutnya.
Masalah identifikasi dapat dilakukan dengan menerapkan persamaan regresi dan menentukan
korelasi (hubungan) data. Sekarang ini, istilah regresi ditetapkan pada semua jenis peramalan,
dan tidak harus berimplikasi suatu regresi mendekati nilai tengah populasi. Sedangkan Teknik
korelasi merupakan teknik analisis yang melihat kecenderungan pola dalam satu variabel
berdasarkan kecenderungan pola dalam variabel yang lain. Maksudnya, ketika satu variabel
memiliki kecenderungan untuk naik maka kita melihat kecenderungan dalam variabel yang
lain apakah juga naik atau turun atau tidak menentu. Jika kecenderungan dalam satu variabel
selalu diikuti oleh kecenderungan dalam variabel lain, kita dapat mengatakan bahwa kedua
variabel ini memiliki hubungan atau korelasi.
BAB II
PEMBAHASAN
A. Data.
Data adalah catatan atas kumpulan fakta. Data merupakan bentuk jamak dari datum,
berasal dari bahasa Latin yang berarti "sesuatu yang diberikan". Dalam penggunaan seharihari data berarti suatu pernyataan yang diterima secara apa adanya. Pernyataan ini adalah
hasil pengukuran atau pengamatan suatu variabel yang bentuknya dapat berupa angka, katakata, atau citra.
Dalam keilmuan (ilmiah), fakta dikumpulkan untuk menjadi data. Data kemudian diolah
sehingga dapat diutarakan secara jelas dan tepat sehingga dapat dimengerti oleh orang lain
yang tidak langsung mengalaminya sendiri, hal ini dinamakan deskripsi. Pemilahan banyak
data sesuai dengan persamaan atau perbedaan yang dikandungnya dinamakan klasifikasi.
B. Korelasi.
Korelasi merupakan teknik analisis yang termasuk dalam salah satu teknik pengukuran
asosiasi / hubungan (measures of association). Pengukuran asosiasi merupakan istilah umum
yang mengacu pada sekelompok teknik dalam statistik bivariat yang digunakan untuk
mengukur kekuatan hubungan antara dua variabel.
Analisis korelasi sederhana (Bivariate Correlation) digunakan untuk mengetahui
keeratan hubungan antara dua variabel dan untuk mengetahui arah hubungan yang terjadi.
Koefisien korelasi sederhana menunjukkan seberapa besar hubungan yang terjadi antara dua
variabel. Dalam SPSS ada tiga metode korelasi sederhana (bivariate correlation)
diantaranya Pearson Correlation, Kendalls tau-b, dan Spearman Correlation. Pearson
Correlation digunakan untuk data berskala interval atau rasio, sedangkan Kendalls taub, dan Spearman Correlation lebih cocok untuk data berskala ordinal.
Dalam korelasi sempurna tidak diperlukan lagi pengujian hipotesis, karena kedua
variabel mempunyai hubungan linear yang sempurna. Artinya variabel X mempengaruhi
variabel Y secara sempurna. Jika korelasi sama dengan nol (0), maka tidak terdapat hubungan
antara kedua variabel tersebut. Dalam korelasi sebenarnya tidak dikenal istilah variabel bebas
2
dan variabel tergantung. Biasanya dalam penghitungan digunakan simbol X untuk variabel
pertama dan Y untuk variabel kedua.
Analisis korelasi sederhana (Bivariate Correlation) digunakan untuk mengetahui
keeratan hubungan antara dua variabel dan untuk mengetahui arah hubungan yang terjadi.
Koefisien korelasi sederhana menunjukkan seberapa besar hubungan yang terjadi antara dua
variabel.
Korelasi terbagi dua, yakni :
1. Korelasi bivarat: merupakan uji korelasi duavariabel
2. Korelasi partial: untuk menghitung koefisien korelasi antara dua variabel, tetapi dengan
dengan mengeluarkan variabel lainnya yang mungkin dianggap berpengaruh dengan kata
lain disebut kontrol.
Korelasi antara x dan y sering disebut dengan r. koefisien r merupakan taksiran dari
korelasi populasi dengan sampel normal (acak). Tingkat ke-eratan hubungan korelasi bergerak
dari 0-1, jika r mendekati 1 (misalnya 0,97) dapat dikatakan bahwa data memiliki hubungan
yang sangat erat berlaku sebaliknya.
a. Regresi
Mempelajari bentuk hubungan antar variabel mealui suatu persamaan. Regresi bisa
berupa hubungan sebab akibat. Regresi mengukur seberapa besar suatu variabel
mempengaruhi variabel yang lain, sehingga dapat digunakan untuk melakukan peramalan
nilai suatu variabel berdasarkan variabel lain.
Regresi adalah bentuk hubungan antara variabel bebas X dengan variabel tak bebas
Y, yang dinyatakan dalam bentuk fungsi matematis Y = f(X).
Sehingga persamaan regresi atau bentuk fungsi, sesuai dengan variabel bebas X
yang menyusunnya. Dengan demikian bentuk fungsi atau regresi dapat digolongkan
menjadi beberapa macam yaitu:
1. Regresi linier.
Regresi linier ialah bentuk hubungan di mana variabel bebas X maupun variabel
tergantung Y sebagai faktor yang berpangkat satu.
Regresi linier ini dibedakan menjadi:
1). Regresi linier sederhana dengan bentuk fungsi: Y= a + bX + e,
2). Regresi linier berganda dengan bentuk fungsi: Y= b0 +b1X1+ .. . + bpXp+e
Dari kedua fungsi di atas 1) dan 2); masing-masing berbentuk garis lurus (linier
sederhana) dan bidang datar (linier berganda).
2. Regresi non linier.
Regresi non linier ialah bentuk hubungan atau fungsi di mana variabel bebas X
dan atau variabel tak bebas Y dapat berfungsi sebagai faktor atau variabel dengan
pangkat tertentu.
sehingga regresi ini disebut regresi dengan fungsi pecahan atau fungsi
resiprok. Regresi ini mempunyai bentuk fungsi seperti:
1/Y = a + bX atau
Y = a+ b/X.
Selain itu, ada bentuk campuran seperti:
1/Y = a + bX + cX2, dan masih banyak lagi bentuk-bentuk lainnya.
c) Regresi fungsi perpangkatan atau geometrik. Pada regresi ini mempunyai
bentuk
fungsi
yang
berbeda
fungsi
bebas X mempunyai
bentuk perpangkatan.
Model regresi ini adalah:
eY= a+bX atau dapat di tulis menjadi:
Y = ln a+ b ln X (merupakan trasformasi lilier)
f) Regresi fungsi geometri.
biasanya disesuaikan dengan situasi peubah-peubah yang dipelajari hubungannya, dan juga
selera penggunanya.
E. Persamaan Mencari Hubungan Korelasi.
Koefisien korelasi untuk 2 buah variabel X dan Y dengan jumlah data sebesar N, dapat
dihitung dengan menggunakan rumus yang dikembangkan oleh Karl Pearson, yaitu :
Dimana:
ryx1= Koefisien korelasi antara variabel x1 dengan variabel y
ryx2= Koefisien korelasi antara variabel x2 dengan variabel y
Sementara itu pada keadaan dimana terdapat lebih dari 2 variabel bebas, koefisien
korelasi juga padat dicari nilainya dengan pola yang sama. Contohnya adalah untuk mencari
koefisien korelasi ketika terdapat 7 variabel bebas dan 1 variabel terikat, dapat dipergunakan
persamaan sebagai berikut:
Dimana:
1. Korelasi Linear Positif, jika semua titik (X,Y) pada diagram pencar mendekati bentuk
garis lurus dan jika arah perubahan kedua variabel sama. Jika X naik, Y juga naik.
2. Korelasi Non-Linear, jika semua titik (X,Y) pada diagram pencar tidak membentuk
garis lurus.
3. Korelasi Negatif, jika arah perubahan variabel tidak sama. Jika X naik, Y turun.
Koefisien korelasi menunjukan berapa besar varians total satu variabel berhubungan
dengan varians variabel lain. Hal ini berarti bahwa tiap nilai r perlu ditafsirkan posisinya
dalam keterkaitan tersebut. Untuk memberikan tafsiran pada nilai koefisien korelasi, dapat
digunakan referensi guilford empirical rules pada tabel 1.
Tabel 1. Penafsiran Koefisien Korelasi.
Besar ryx
Penafsiran
Hubungan kuat
0,90 1,00
Setelah nilai koefisien korelasi diperoleh, nilai koefisien determinasi juga dapat
diperoleh dengan persamaan berikut:
KP = (Rx1,x2,y)2 x 100%
Nilai KP pada persamaan di atas menunjukan seberapa besar nilai variabel bebas x 1 dan
x2 mempengaruhi nilai variabel terikat y. Nilai (1 KP) akan menunjukkan persentase
besarnya pengaruh faktor-faktor lain di luar faktor yang ada pada variabel bebas, dalam
mempengaruhi variabel terikat y.
F. Pengujian Hipotesis Koefisien Regresi Linear Sederhana
Selanjutnya dilakukan pengujian hipotesis secara statistis terhadap koefisien regresi
yang diperoleh tersebut. Ada dua jenis pengujian yaitu uji t dan uji F. Uji t digunakan untuk
menguji koefisien regesi secara individual atau untuk menguji ada tidaknya pengaruh variabel
bebas (X) terhadap variabel tidak bebas (Y). Uji F digunakan untuk menguji koefisien regresi
secara simultan serentak atau untuk menguji keberartian model regresi yang digunakan.
1. UJI t
a. Hipotesis statistiknya:
Ho : = 0 (X tidak berpengaruh terhadap Y)
H1 : 0 (X berpengaruh terhadap Y)
se2
sb
2
i
i 1
se2
2
i
i 1
n2
i 1
i 1
ei2 yi2 b 2
b.
x
i 1
2
i
b
sb
Statistik uji:
c. Kriteria uji:
Tolak H0 jika thit ttab atau thit ttab atau terima H0 jika ttab< thit < ttab
Dengan
2. UJI F
a. Hipotesis statistiknya:
Ho : = 0 (model regresi Y terhadap X tidak berarti)
H1 : 0 (model regresi Y terhadap X memiliki arti)
RJK reg
RJK
b.
Statistik uji:
RJK reg
JK reg
; JK reg
1
JK Yi
i 1
Y
i 1
X Y
i 1
i i
X Y
i 1
i 1
; RJK
JK reg
10
JK
n2
c. Kriteria uji
Tolak H0 jika Fhit Ftab
Ftab = F(v1,v2) dimana v1 = 1 dan v2 = n 2
t=
r n2
1r 2
c. Kriteria uji
Tolak H0 jika thit ttab atau thit ttab atau terima H0 jika ttab< thit < ttab
Dengan
11
DAFTAR PUSTAKA
Abdurahman, Maman, Muhidin, Sambas & Somantri, Ating. 2012. Dasar-Dasar Metode
Statistika Untuk Penelitian. Bandung: CV. Pustaka Setia.
Bevington, Philip R et al. 2003. Data Reduction. New York USA : McGraw-Hill Companies,
Inc.
Siregar, Syofian. 2013. Statistik Parametrik untuk Penelitian Kualitatif. Jakarta: Bumi Aksara.
12
CONTOH SOAL
Tabulasi hasil penelitian variabel kualitas layanan dengan volume penjualan sabun cuci
diperoleh data sebagai berikut :
Hitunglah :
1. Nilai korelasi dan determiasi
2. Persamaan regresi linier sederhana
3. Lakukan uji t dan uji F dengan menggunakan a=5%
4. Kesimpulan apa yang diperoleh dari hubungan dua variabel tersebut
13
14
Jawab:
1. Analisis korelasi
15
2. Persamaan regresi
16
sb
se2
n
2
i
i 1
se2
e
i 1
2
i
n2
i 1
i 1
ei2 yi2 b 2
x
i 1
2
i
b
sb
Statistic uji
17
4. Kesimpulan
a. Nilai
koefisien korelasi
diperoleh
sebesar
hubungan positif antara kualitas layanan dengan rata-rata penjualan, namun jika
dilihat dari nilai korelasi hubungan variabel tersebut termasuk kategori
rendah. Dengan demikian berarti kualitas layanan memiliki hubungan rendah
terhadap kenaikan rata-rata penjualan.
Nilai koefisien determinasi sebesar 0,008. Hal ini menunjukkan kemampuan
variabel kualitas layanan dalam mempengaruhi variabel rata-rata penjualan
barang sebesar 0, 8%, sedangkan sisanya sebesar 99, 2% dipengaruhi oleh
faktor lain.
b. Y = 149,114 + 0,215 X
Nilai konstanta (a) = 149,114
Nilai konstanta (a) sebesar 149,114, menunjukkan besarnya variabel rata-rata
penjualan barang yang tidak dipengaruhi oleh kualitas layanan atau dapat
diartikan pada saat nilai kualitas layanan sebesar 0, maka rata-rata penjualan
sebesar 149.114.
Koefisien regresi sebesar 0,215, berarti kualitas layanan mempunyai hubungan
positif atau searah dengan rata-rata penjualan , karena koefisien regresi
bernilai positif. Setiap peningkatan 1 satuan kualitas layanan maka akan
berpengaruh terhadap peningkatan rata-rata penjualan sebesar 0,215 satuan.
Begitu juga sebaliknya setiap penurunan kualitas layanan sebesar 1 satuan
akan berpengaruh terhadap penurunan rata-rata penjualan sebesar 0,215 satuan.
18