MAKALAH

UJI KORELASI DAN UJI REGRESI

Disusun untuk melengkapi tugas Mata Kuliah
Metode Statistika

Dosen Pembimbing:
Rizki Amalia, Mpd.
Disusun oleh :
AVIKA AGUSTINA UTAYA (A1C115044)
DITA AMELIA

(A1C115047)

ELMA FITRIANA

(A1C115049)

FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN

UNIVERSITAS LAMBUNG MANGKURAT
BANJARMASIN
2016

Uji Korelasi
Secara singkat dapat kita tuliskan bahwa uji korelasi yaitu:

Menguji hubungan antar variabel

Tiga macam hubungan : simetris, sebab akibat, interaktif
Kuatnya hubungan : koefisien korelasi (r)
Nilai -1 r 1

Uji Korelasi di bagi 3

1.
2.
3.

Uji Korelasi Pearson Product Moment

Uji Korelasi Parsial
Uji Korelasi Ganda

UJI PEARSON PRODUCT MOMENT

Korelasi Pearson atau sering disebut Korelasi Product Moment (KPM) merupakan
alat uji statistik yang digunakan untuk menguji hipotesis asosiatif (uji hubungan) dua variabel
bila datanya berskala interval atau rasio. KPM dikembangkan oleh Karl Pearson (Hasan,
1999).
KPM merupakan salah satu bentuk statistik parametris karena menguji data pada
skala interval atau rasio. Oleh karena itu, ada beberapa persyaratan untuk dapat menggunakan
KPM, yaitu :

Sampel diambil dengan teknik random (acak).

Data yang akan diuji harus homogen.
Data yang akan diuji juga harus berdistribusi normal.
Data yang akan diuji bersifat linear.
Fungsi KPM sebagai salah satu statistik inferensia adalah untuk menguji

kemampuan generalisasi (signifikasi) hasil penelitian. Adapun syarat untuk bisa

menggunakan KPM selain syarat menggunakan statistik parameteris, juga ada persyaratan
lain, yaitu variabel independen (X) dan variabel (Y) harus berada pada skala interval atau
rasio.
Nilai KPM disimbolkan dengan r (rho).Nilai KPM juga berada di antara -1 < r < 1.
Bila nilai r = 0, berarti tidak ada korelasi atau tidak ada hubungan anatara variabel
independen dan dependen. Nilai r = +1 berarti terdapat hubungan yang positif antara variabel

independen dan dependen. Nilai r = -1 berarti terdapat hubungan yang negatif antara variabel
independen dan dependen. Dengan kata lain, tanda + dan - menunjukkan arah hubungan
di antara variabel yang sedang diopersionalkan.
Adapun rumus Pearson Product Moment (r) adalah sebagai berikut di bawah ini:

r=

n. ( XY )( X ) .( Y )

{n . X ( X ) }. {n . Y ( Y ) }
2

Uji signifikansi KPM menggunakan uji t, sehingga nilai t hitung dibandingkan dengan
nilai ttabel. Kekuatan hubungan antar variabel ditunjukkan melalui nilai korelasi. Berikut
adalah tabel nilai korelasi beserta makna nilai tersebut :
Interval Koefisien
0,00 0,199
0,20 0,399
0,40 0,599
0,60 0,799
0,80 1,000

Tingkat Hubungan
Sangat Rendah
Rendah
Cukup
Kuat
Sangat Kuat

Sedangkan untuk menyatakan besar kecilnya sumbangan variable X terhadap Y

dapat ditentukan dengan rumus koefisien determinan sebagai berikut :

KP=r 2 100
Keterangan :
KP = Besarnya Koefisien Penentu
R = Koefisien korelasi
LANGKAH LANGKAH UJI KORELASI PEARSON PRODUCT MOMENT :
1.
2.
3.
4.

Buatlah H1 dan H0 dalam bentuk kalimat.

Buatlah H1 dan H0 dalam bentuk statistik.
Buatlah tabel penolong untuk menghitung nilai korelasi.
Masukkan angka angka statistik dari tabel penolong dengan rumus :

r=

n. ( XY )( X ) .( Y )

{ n . X ( X ) } . {n . Y ( Y ) }
2

5. Menentukan besarnya sumbangan (koefisien determinan atau koefisien penentu)

variable X terhadap variable Y dengan rumus :

KP=r 2 100

6. Menguji signifikansi dengan rumus ttestatau thitung:

t hitung =

r n2

1r 2

Kaidah pengujian :
Jikathitung ttable, maka signifikan.
Jika thitungttable, maka tidak signifikan.
7. Ketentuan tingkat kesalahan () = 0,05 atau 0,01 dengan rumus derajat bebas

( db ) =n2 .
8. Kesimpulan.
Contoh Kasus dengan Penyelesaian SPSS:
Dalam suatu penelitian yang dimaksudkan untuk mengetahui apakah secara signifikan
terdapat korelasi antara nilai UAS di kampus (X) dengan nilai Ijazah (Y), dimana telah
ditetapkan 20 sampel. Berdasarkan 20 responden tersebut diperoleh data sebagai berikut :
N
O
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14
15
16
17
18
19
20

UAS (X)

Ijazah (Y)

65
58
72
69
76
67
62
56
68
60
64
62
72
65
63
66
58
63
74
60

75
56
66
64
69
62
59
58
61
71
74
72
63
67
65
76
59
73
78
72

Ho : tidak terdapat korelasi antara nilai UAS di kampus (X) dengan nilai Ijazah (Y)
H1 : terdapat korelasi antara nilai UAS di kampus (X) dengan nilai Ijazah (Y)

1. Input data di atas ke dalam tabel yang ada di SPSS

2. Klik Analyze >> Correlate >> Bivariate

3. Akan muncul kotak dialog, kemudian pindahkan data yang berada di sebelah kiri ke
kotak sebelah kanan.

4. Cheklist pilihan Pearson, Two-tailed dan Flag significant correlations, Klik

OK.
5. Maka akan muncul hasil seperti berikut :
Correlations

Kesimpulan :

UAS

Hubungan antara UAS

Pearson Correlation

kampus

Sig. (2-tailed)

dengan

adalah (+) 0,310,

menunjukkan
hubungan
nilai

UAS

yang
di

.310

nilai

UAS

di

.183

nilai

Ijazah
positif

20

20

tanda

Pearson Correlation

.310

bahwa

terdapat

Sig. (2-tailed)

.183

positif

antara

kampus

dengan

N
IJAZAH

IJAZAH

20

20

nilai Ijazah, berarti semakin besar nilai Ijazah maka semakin besar pula nilai UAS.
Sedangkan signifikansinya 0,183 yang berarti lebih besar daripada yaitu 0,05. Jika nilai p
(0,183) lebih besar daripada maka H o diterima. Dan hasil akhirnya adalah tidak terdapat
korelasi antara nilai UAS di kampus (X) dengan nilai Ijazah (Y).

UJI KORELASI PARSIAL (PARTIAL CORRELATION)

Koefisien korelasi parsial adalah indeks atau angka yang digunakan untuk
mengukur keeratan hubungan antara 2 variabel, jika variabel lainnya konstanta, pada
hubungan yang melibatkan lebih dari dua variabel. Koefisien korelasi parsial untuk tiga
variabel dirumuskan oleh :
1. Koefisien korelasi parsial antara Y dan X2 apabila X1 konstan.

r X ( X Y )=
1

r X Y r X Y . r X
2

(1r

2
X1Y

X2

) .(1r 2X X )
1

H1: Ada Pengaruh/Korelasi yang signifikan antara X2 dengan Y apabila X1 tetap.

H0: Tidak ada Pengaruh/Korelasi yang signifikan antara X2 dengan Y apabila X1 tetap.
2. Koefisien korelasi parsial antara Y dan X1 apabila X2 konstanta.

r X ( X Y )=
2

r X Y r X Y . r X
1

(1r

2
X2Y

X2

) .(1r 2X X )
1

H1: Ada Pengaruh/Korelasi yang signifikan antara X1 dengan Y apabila X2 tetap.

H0: Tidak ada Pengaruh/Korelasi yang signifikan antara X1 dengan Y apabila X2 tetap.
3. Koefisien korelasi parsial antara X1 dan X2 apabila Y konstanta.

rY ( X

X 2)

r X X r X Y . r X Y
1

(1r

2
X1Y

) .(1r 2X Y )
2

H1: Ada Pengaruh/Korelasi yang signifikan antara X1 dengan X2 apabila Y tetap.

H0: Tidak ada Pengaruh/Korelasi yang signifikan antara X1 dengan X2 apabila Y tetap.
Analisis korelasi parsial (Partial Correlation) digunakan untuk mengetahui
hubungan antara dua variabel dimana variabel lainnya yang dianggap berpengaruh
dikendalikan atau dibuat tetap (sebagai variabel kontrol). Nilai korelasi (r) berkisar antara 1
sampai -1, nilai semakin mendekati 1 atau -1 berarti hubungan antara dua variabel semakin
kuat, sebaliknya nilai mendekati 0 berarti hubungan antara dua variabel semakin lemah. Nilai
positif menunjukkan hubungan searah (X naik maka Y naik) dan nilai negatif menunjukkan
hubungan terbalik (X naik maka Y turun). Data yang digunakan biasanya berskala interval
atau rasio.
Selanjutnya untuk mengetahui apakah pengaruh atau hubungan pengujian ini
signifikan atau tidak ?, maka perlu diuji dengan uji signifikansi, untuk koefisien korelasi
parsial menggunakan rumus thitung sebagai berikut :

t hitung =

r parsial n3

1r

2
hitung

Keterangan :
thitung = nilai yang akan dibandingkan dengan ttable
n = jumlah sample
rparsial = nilai koefisien parsial
Contoh Kasus dengan Penyelesaian SPSS:
Seorang mahasiswa bernama Andi melakukan penelitian dengan menggunakan alat ukur
skala. Andi ingin meneliti tentang hubungan antara kecerdasan dengan prestasi belajar jika
terdapat faktor tingkat stress pada siswa yang diduga mempengaruhi akan dikendalikan.
Dengan ini Andi membuat 2 variabel yaitu kecerdasan dan prestasi belajar dan 1 variabel
kontrol yaitu tingkat stress. Tiap-tiap variabel dibuat beberapa butir pertanyaan dengan
menggunakan skala Likert, yaitu angka 1 = Sangat tidak setuju, 2 = Tidak setuju, 3 = Setuju
dan 4 = Sangat Setuju. Setelah membagikan skala kepada 12 responden didapatlah skor total
item-item yaitu sebagai berikut:
Subjek
1
2
3
4
5
6
7
8
9
10
11
12

Kecerdasan
33
32
21
34
34
35
32
21
21
35
36
21

Prestasi Belajar
58
52
48
49
52
57
55
50
48
54
56
47

1. Masuk program SPSS

2. Klik variable view pada SPSS data editor

Tingkat Stress
25
28
32
27
27
25
30
31
34
28
24
29

3. Pada kolom Name ketik X1, kolom Name pada baris kedua ketik X2, kemudian kolom
Name pada baris ketiga ketik Y.
4. Pada kolom Decimals ganti menjadi 0 untuk semua variabel
5. Pada kolom Label, untuk kolom pada baris pertama ketik Kecerdasan, untuk kolom pada
baris kedua Tingkat Stress, dan kolom pada baris ketiga ketik Prestasi Belajar.
6. Buka data view pada SPSS data editor, maka didapat kolom variabel X1, X2 dan Y.
7. Ketikkan data sesuai dengan variabelnya

8. Klik Analyze >> Correlate >> Partial

9. Klik variabel Kecerdasan dan masukkan ke kotak Variables, kemudian klik variabel
Prestasi Belajar dan masukkan ke kotak yang sama (Variables). Klik variabel Tingkat
Stres dan masukkan ke kotak Controlling for, Klik OK.

10. Maka hasil output yang didapat adalah sebagai berikut:

Correlations
Control Variables
Tingkat Stres

Kecerdasan

Prestasi Belajar

Kecerdasan
Correlation

Prestasi Belajar

1.000

.436

Significance (2-tailed)

.181

Df

Correlation

.436

1.000

Significance (2-tailed)

.181

Df

Dari hasil analisis korelasi parsial (ry.x1x2) didapat korelasi antara kecerdasan
dengan prestasi belajar dimana tingkat stress dikendalikan (dibuat tetap) adalah 0,436. Hal ini
menunjukkan bahwa terjadi hubungan yang sedang atau tidak terlalu kuat antara kecerdasan
dengan prestasi belajar jika tingkat stress tetap. Sedangkan arah hubungan adalah positif
karena nilai r positif, artinya semakin tinggi kecerdasan maka semakin meningkatkan prestasi
belajar.
Uji Signifikansi Koefisien Korelasi Parsial (Uji t)

Uji signifikansi koefisien korelasi parsial digunakan untuk menguji apakah hubungan
yang terjadi itu berlaku untuk populasi (dapat digeneralisasi). Langkah-langkah
pengujian sebagai berikut:
1. Menentukan Hipotesis
Ho : Tidak ada hubungan secara signifikan antara kecerdasan dengan prestasi belajar
jika tingkat stress dibuat tetap
H1 : Ada hubungan secara signifikan antara kecerdasan dengan prestasi belajar jika
tingkat stress dibuat tetap
2. Menentukan tingkat signifikansi
Pengujian menggunakan uji dua sisi dengan tingkat signifikansi = 5%. (uji
dilakukan 2 sisi karena untuk mengetahui ada atau tidaknya hubungan yang
signifikan, jika 1 sisi digunakan untuk mengetahui hubungan lebih kecil atau lebih
besar). Tingkat signifikansi dalam hal ini berarti kita mengambil risiko salah dalam
mengambil keputusan untuk menolak heptosa yang benar sebanyak-banyaknya 5%
(signifikansi 5% atau 0,05 adalah ukuran standar yang sering digunakan dalam
penelitian).
3. Kriteria Pengujian
Berdasar probabilitas:
H1diterima jika P value > 0,05
H1ditolak jika P value < 0,05

4. Membandingkan probabilitas
Nilai P value (0,181 > 0,05) maka H1diterima
5. Kesimpulan :
Oleh karena nilai signifikan (0,181 > 0,05) maka H o diterima, artinya bahwa tidak
ada hubungan secara signifikan antara kecerdasan dengan prestasi belajar jika
tingkat stress dibuat tetap. Hal ini dapat berarti terdapat hubungan yang tidak
signifikan, artinya hubungan tersebut tidak dapat berlaku untuk populasi tetapi
hanya berlaku untuk sampel.

11.

UJI KORELASI GANDA (MULTIPLE CORRELATE)

Korelasi Berganda adalah suatu korelasi yang bermaksud untuk melihat hubungan
antara 3 atau lebih variabel (dua atau lebih variabel dependent dan satu variabel
independent). Korelasi berganda berkaitan dengan interpolasi variabel variabel independen
sebagaimana korelasi mereka dengan variabel dependen. Selain itu menurut Riduwan
(2012:238) korelasi ganda adalah suatu nilai yang memberikan kuatnya pengaruh atau
hubungan dua variabel atau lebih secara bersama sama dengan variabel lain.
Korelasi berganda (multiple correlation) merupakan korelasi yang terdiri dari
dua variabel bebas (X1, X2) atau lebih, serta satu variabel terikat (Y). Apabila

perumusan

masalahnya terdiri dari tiga masalah atau lebih, dan hubungan masing-masing variabel di
hitung menggunakan korelasi sederhana maka diperoleh alur hubungan antar masing-masing
variabel sebagai berikut :

Keterangan:

rx

x2

= koefisien korelasi berganda

X1 = Variabel Bebas X1
X2 = Variabel bebas X2

rx

= koifisien korelasi antara X1 dan Y

rx

= koifisien korelasi antara X2 dan Y

Rx

x2 y

= koefisien korelasi berganda antara X1,X2 dan Y

Y = Variabel dependent
Berikut Rumus Uji Korelasi Ganda :

R x x y=
1

r x y +r x y 2.r x y . r x y . r x x
1

1r

2
x 1x

Selanjutnya untuk mengetahui signifikansi korelasi X 1 dan X2 terhadap Y

ditentukan dengan rumus Fhitung kemudian dibandingkan dengan Ftable sebagai berikut :
2

R
k
Fhitung =
2
(1R )
(nk 1)
Keterangan :
R = Nilai koefisien korelasi ganda.
k = Jumlah variable bebas (independen).
n = Jumlah sampel.
F = Fhitung yang selanjutnya akan dibandingkan dengan Ftable.

LANGKAH LANGKAH MENJAWAB UJI KORELASI GANDA :

1.
2.
3.
4.

Buatlah H1 dan H0 dalam bentuk kalimat.

Buatlah H1 dan H0 dalam bentuk statistik.
Buatlah tabel penolong untuk menghitung nilai korelasi ganda.
Masukkan angka angka statistik dari tabel penolong dengan rumus :

r=

n. ( XY )( X ) .( Y )

{ n . X ( X ) } . {n . Y ( Y ) }
2

Selanjutnya hasil dari korelasi kemudian hitung korelasi ganda (R) dengan rumus :

R x x y=
1

r 2x y +r 2x y 2.r x y . r x y . r x x
1

1r

2
x 1x

5. Menguji signifikansi dengan rumus :

R2
k
Fhitung =
( 1R2 )
( nk1 )
Carilah nilai Ftable menggunakan Table F dengan rumus :

Taraf signifikansinya = 0,01 atau = 0,05

Ftable

F( 1) {(db=k ) , (db=nk1 )}

6. Buat kesimpulan.

Contoh Kasus dengan Penyelesaian SPSS:

Kasus hubungan kompetensi dan motivasi terhadap Kinerja Dosen STTP Malang Tahun
2016.
Hasil Identifikasi dan ketentuan sebagai berikut.
Taraf Siginifikannya =0,05
Variabel Independen adalah Kompetensi (X1) dan Motivasi (X2)
Variabel Dependent adalah Kinerja (Y)

No
1
2
3
4
5
6
7
8
9
10
11

Kompetens
i
65
80
75
90
85
90
85
70
75
60
85

Motivasi

Kinerja

74
65
85
82
94
91
71
74
68
80
93

85
82
75
95
71
58
95
87
82
70
79

1. Buka program SPSS, klik Variabel View . Selanjutnya pada bagian Name tulis saja
X1, X2 dan Y. Pada Decimals ubah semua menjadi angka 0, pada bagian Label
tuliskan Kompetensi, Motivasi dan Kinerja.
2. Klik Data View dan masukkan data Kompetensi (X1), Motivasi (X2) dan Kinerja (Y)
yang sudah di persiapkan

3. Selanjutnya dari menu utama SPSS, pilih Analyze >> Correlate >> Bivariate

4. Muncul Kotak Dialog dengan nama Bivariate Correlations, masukkan variabel

Kompetensi (X1), Motivasi (X2) dan Kinerja (Y) ke kotak Variabel. Beri tanda ( )
pada kotak Pearson, selanjutnya pada Correlation Coefficients pilih Two-tailed dan
beri tanda( ) pada Flag Significant Correlations.

5. Klik Options lalu beri tanda( ) pada kotak Means and Standars deviations,
selanjutnya klik Continue dan klik Ok untuk mengakhiri perintah.

6. Selanjutnya akan keluar Output berupa table . Abaikan dulu outputnya namun jangan
di tutup (biarkan tetap terbuka) Silahkan di save jika diperlukan.
7. Kembali ke halaman awal. Klik menu Analyze>Regression>Linear

8. Pada Kotak dialog Linear Regression, masukkan variabel Kinerja (Y) ke kotak
Dependent selanjutnya masukkan variabel Kompetensi (X1) dan Motivasi (X2) ke
kotak Independents) kemudian klik Statistics.

9. Pada Kotak Dialog, beri tanda ( ) Estimates, Mode fit dan R Square change lalu klik
Continue. Klik Ok untuk mengakhiri perintah

Selanjutnya akan keluar Output. Jangan lupa disave outputnya atau export ke file Excel bisa
juga tabelnya langsung dicopas dari tampilan output yang ada.
Tabel yang diperlukan adalah Modal Summary untuk melihat nilai R (hubungan antara
variabel X secara simultan dengan variabel (Y) dari Tabel Correlations untuk melihat
hubungan antara variabel X1 terhadap Y dan variabel X2 terhadap Y

Descriptive Statistics
Mean

Std. Deviation

Kompetensi

78.18

10.068

11

Motivasi

79.73

10.179

11

Kinerja

79.91

11.059

11

Correlations
Kompetensi
Kompetensi

Pearson Correlation

Motivasi
1

.390

.021

.236

.952

11

11

11

Pearson Correlation

.390

-.566

Sig. (2-tailed)

.236

Sig. (2-tailed)
N
Motivasi

N
Kinerja

Kinerja

.069

11

11

11

Pearson Correlation

.021

-.566

Sig. (2-tailed)

.952

.069

11

11

11

Variables Entered/Removedb

Model
1

Variables

Variables

Entered

Removed

Motivasi,

Method
. Enter

Kompetensia
a. All requested variables entered.
b. Dependent Variable: Kinerja

Model Summary
Change Statistics

Model

.624a

R Square
.389

Adjusted R

Std. Error of

R Square

Square

the Estimate

Change

.237

a. Predictors: (Constant), Motivasi, Kompetensi

9.662

.389

Sig. F
F Change
2.550

df1

df2
2

Change
8

.139

ANOVAb
Model
1

Sum of Squares

Df

Mean Square

Regression

476.062

238.031

Residual

746.847

93.356

1222.909

10

Total

Sig.

2.550

.139a

Sig.

a. Predictors: (Constant), Motivasi, Kompetensi

b. Dependent Variable: Kinerja

Coefficientsa
Standardized
Unstandardized Coefficients
Model
1

B
(Constant)
Kompetensi
Motivasi

Std. Error

114.102

28.733

.313

.330

-.736

.326

Coefficients
Beta

3.971

.004

.285

.949

.370

-.677

-2.257

.054

a. Dependent Variable: Kinerja

Interpretasi Data:
Berdasarkan Tabel Model Summary diketahui bahwa besarnya hubungan antara
Kompetensi (X1) dan Motivasi (X2) terhadap Kinerja (Y) yang dihitung dengan koefisien
korelasi ditunjukkan dengan nilai R sebesar 0,624. Hal ini menunjukkan pengaruh yang kuat.
Kemudian untuk mengetahui tingkat signifikan koefisien korelasi ganda d uji secara
keseluruhan. Hipotesis yang diajukan dalam pembahasan ini adalah:
Ho: kompetensi dan motivasi tidak berhubungan secara simultan dan signifikan terhadap
kinerja

H1 : kompetensi dan motivasi berhubungan secara simultan dan signifikan terhadap

kinerja
Berdasarkan tabel Model Summary diperoleh nilai probabilitas (sig. F change) =
0,139. Karena nilai sig. F Change 0,139>0,05 maka keputusannya adalah Ho diterima dan Ha
ditolak. Artinya : Kompetensi dan Motivasi tidak berhubungan secara simultan dan signifikan
terhadap kinerja Dosen STPP Malang.
Dari Tabel Correlation dapat diketahui hubungan masing-masing antara variabel X1 terhadap
Y dan Variabel X2 terhadap Y
Nilai Sig sebesar 0,236>0,05 berarti Ho diterima.
Kesimpulannya

tidak ada hubungan yang signifikan antara kompetensi dengan

kinerja Dosen STPP Malang. Begitu pula dengan nilai sig sebesar 0,814>0,05 berarti Ho
diterima. Kesimpulannya tidak ada hubungan yang signifikan antara Motivasi dengan kinerja
Dosen STPP Malang.

UJI REGRESI (REGRESION TEST)

Kegunaan uji regresi sederhana adalah untuk meramalkan (memprediksi) variabel
terikat (Y) bila variabel bebas (X) di ketahui. Regresi sederhana dapat dianalisis karena
didasari oleh hubungan fungsional atau hubungan sebab akibat (kausal) variabel bebas (X)
terhadap variabel terikat (Y). Karena perbedaan yang mendasar dari uji korelasi dan uji
regresi. Pada dasarnya uji regresi dan uji korelasi keduanya punya hubungan yang sangat
kuat dan mempunyai keeratan. Setiap uji regresi otomatis ada uji korelasinya, tetapi
sebaliknya uji korelasi belum tentu di uji regresi atau diteruskan uji regresi.
Uji korelasi yang tidak dilanjutkan dengan uji regresi adalah uji korelasi
yang kedua variabelnya tidak mempunyai hubungan fungsional sebab akibat. Apabila peneliti
mengetahui hal ini lebih lanjut, maka perlu konsep dari teori yang mendasari kedua variabel
tersebut

Y^ =a+Bx

Persamaan regresi sederhana dirumuskan :

Keterangan :

Y^

= (baca Y topi), subjek variabel terikat yang diproyeksikan

X = variabel bebas yang mempunyai nilai tertentu untuk diprediksikan

a = nilai konstanta harga Y jika X = 0
b = nilai arah sebagai penentu ramalan(prediksi) yang menunjukkan nilai peningkatan (+)
atau penurunan (-) variabel Y

b=

n . XY X . Y
2

n . X ( X )

a=

Y b . X
n

LANGKAH LANGKAH MENJAWAB UJI REGRESI SEDERHANA:

1. Buatlah H1 dan Ho dalam bentuk kalimat.
2. Buatlah H1 dan Ho dalam bentuk statistik.
3. Buatlah tabel penolong penghitung angka statistik.
4. Masukan angka-angka statistik dari tabel penolong dengan rumus :

b=

n . XY X . Y
2

n . X ( X )
2

a=

Y b . X
n

5. Hitung Jumlah Kuadrat Regresi [JkReg(a)] dengan rumus :

2

( Y )
JK Reg (a)=
n

6. Hitung Jumlah Kuadrat Regresi [JKReg(a)] dengan rumus :

JK Reg (ba)=b .

XY

X . Y
n

7. Hitung Jumlah Kuadrat Residu [JKRes] dengan rumus :

2

JK Res= Y JK Reg ( b|a )JK Reg (a)

8. Hitung rata-rata Jumlah Kuadrat Regresi (a) [RJKReg(a)] dengan rumus :
RJKReg(a) = JKReg(a)
9. Hitung rata-rata Jumlah Kuadrat Regresi (b|a) [RJKReg(b|a)] dengan rumus :
RJKReg(b|a) = JKReg(b|a)
10. Hitung rata-rata Jumlah Kuadrat Residu RJKRes dengan rumus :

RJK Res=

JK Res
n2

11. Menguji signifikansi dengan rumus Fhitung :

F Hitung =

RJK Reg (b a)
RJK Res

12. Menentukan aturan pengambilan keputusan atau kriteria uji signifikan :

Kaidah Pengujian Signifikansi :
Jika Fhitung Ftabel, maka tolak Ho (signifikan)
Jika Fhitung Ftabel, maka tolak H1 (tidak signifikan)
13. Cari nilai Ftabel menggunakan Tabel F dengan rumus :

Taraf signifikansi = 0,01 atau = 0,05

Ftabel = F(1- ) (db reg[b|a],(db Res)
14. Buat Kesimpulan
Contoh Kasus dengan Penyelesaian SPSS:
Seorang mahasiswa bernama Hermawan ingin meneliti tentang pengaruh biaya promosi
terhadap volume penjualan pada perusahaan jual beli motor. Dengan ini di dapat variabel
dependen (Y) adalah volume penjualan dan variabel independen (X) adalah biaya promosi.
Dengan ini Hermawan menganalisis dengan bantuan program SPSS dengan alat analisis
regresi linear sederhana. Data-data yang di dapat ditabulasikan sebagai berikut:
No
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

Biaya Promosi (X)

12.000
13.500
12.750
12.600
14.850
15.200
15.750
16.800
18.450
17.900
18.250
16.480
17.500
19.560
19.000
20.450
22.650
21.400
22.900
23.500

Volume Penjualan (Y)

56.000
62.430
60.850
61.300
65.825
66.354
65.260
68.798
70.470
65.200
68.000
64.200
65.300
69.562
68.750
70.256
72.351
70.287
73.564
75.642

Ho : Tidak ada pengaruh secara signifikan antara biaya promosi dengan volume penjualan
H1 : Ada pengaruh secara signifikan antara biaya promosi dengan volume penjualan
1. Masuk program SPSS
2. Klik variable view pada SPSS data editor

3. Pada kolom Name ketik Y, kolom Name pada baris kedua ketik X.
4. Pada kolom Label, untuk kolom pada baris pertama ketik Volume Penjualan, untuk
kolom pada baris kedua ketik Biaya Promosi.
5. Untuk kolom-kolom lainnya boleh dihiraukan (isian default)
6. Buka data view pada SPSS data editor, maka didapat kolom variabel Y dan X.
7. Ketikkan data sesuai dengan variabelnya

8. Klik Analyze >> Regression >> Linear

9. Klik variabel Volume Penjualan dan masukkan ke kotak Dependent, kemudian klik
variabel Biaya Promosi dan masukkan ke kotak Independent.

10. Klik Statistics, centang Casewise diagnostics, klik All cases. Klik Continue

11. Klik OK, maka hasil output yang didapat pada kolom Coefficients dan Casewise
Diagnostics adalah sebagai berikut:

Variables Entered/Removedb

Model
1

Variables

Variables

Entered

Removed

Biaya Promosia

Method
. Enter

a. All requested variables entered.

b. Dependent Variable: Volume Penjualan

Model Summaryb

Model

R
.933a

R Square

Adjusted R

Std. Error of the

Square

Estimate

.870

.863

1.750353

a. Predictors: (Constant), Biaya Promosi

b. Dependent Variable: Volume Penjualan

ANOVAb
Model
1

Sum of Squares
Regression
Residual
Total

Df

Mean Square

369.547

369.547

55.147

18

3.064

424.694

19

a. Predictors: (Constant), Biaya Promosi

b. Dependent Variable: Volume Penjualan

F
120.620

Sig.
.000a

Coefficientsa
Standardized
Unstandardized Coefficients
Model
1

B
(Constant)
Biaya Promosi

Coefficients

Std. Error
44.903

2.052

1.258

.115

Beta

.933

Sig.

21.888

.000

10.983

.000

a. Dependent Variable: Volume Penjualan

Casewise Diagnosticsa
Case
Number

Volume
Std. Residual

Penjualan

Predicted Value

Residual

-2.288

56.000

60.00451

-4.004507E0

.307

62.430

61.89224

.537761

-.056

60.850

60.94837

-.098373

.309

61.300

60.75960

.540400

1.276

65.825

63.59120

2.233801E0

1.327

66.354

64.03167

2.322330E0

.306

65.260

64.72384

.536162

1.573

68.798

66.04525

2.752749E0

1.342

70.470

68.12176

2.348244E0

10

-1.274

65.200

67.42959

-2.229588E0

11

.074

68.000

67.87006

.129941

12

-.824

64.200

65.64253

-1.442535E0

13

-.929

65.300

66.92619

-1.626193E0

14

.025

69.562

69.51868

.043322

15

-.037

68.750

68.81393

-.063925

16

-.219

70.256

70.63873

-.382733

17

-.604

72.351

73.40741

-1.056407E0

18

-.884

70.287

71.83430

-1.547297E0

19

-.090

73.564

73.72203

-.158029

20

.666

75.642

74.47712

1.164878E0

a. Dependent Variable: Volume Penjualan

Persamaan regresinya sebagai berikut:

Y^ =a+bX
Y^ =44.903+1.258 X
Angka-angka ini dapat diartikan sebagai berikut:

Konstanta sebesar

44.903 ; artinya jika biaya promosi (X) nilainya adalah 0,

maka volume penjulan (Y) nilainya postif yaitu sebesar

Koefisien regresi variabel harga (X) sebesar

44.903 .

1.258 ; artinya jika harga

mengalami kenaikan Rp.1, maka volume penjualan (Y) akan mengalami

peningkatan sebesar Rp. 1.258 . Koefisien bernilai positif artinya terjadi
hubungan positif antara harga dengan volume penjualan, semakin naik harga maka
semakin meningkatkan volume penjualan.
Nilai volume penjualan yang diprediksi (Y) dapat dilihat pada tabel Casewise
Diagnostics (kolom Predicted Value). Sedangkan Residual (unstandardized residual)
adalah selisih antara Volume Penjualan dengan Predicted Value, dan Std. Residual
(standardized residual) adalah nilai residual yang telah ter standarisasi (nilai semakin
mendekati 0 maka model regresi semakin baik dalam melakukan prediksi, sebaliknya
semakin menjauhi 0 atau lebih dari 1 atau -1 maka semakin tidak baik model regresi
dalam melakukan prediksi).

Uji Koefisien Regresi Sederhana (Uji t)

Uji ini digunakan untuk mengetahui apakah variabel independen (X) berpengaruh
secara signifikan terhadap variabel dependen (Y). Signifikan berarti pengaruh yang
terjadi dapat berlaku untuk populasi (dapat digeneralisasikan).
Dari hasil analisis regresi di atas dapat diketahui nilai t hitung seperti pada tabel 2.
Langkah-langkah pengujian sebagai berikut:
1. Menentukan Hipotesis
Ho : Tidak ada pengaruh secara signifikan antara biaya promosi dengan volume
penjualan
H1 : Ada pengaruh secara signifikan antara biaya promosi dengan volume
penjualan
2. Menentukan tingkat signifikansi

Tingkat signifikansi menggunakan a = 5% (signifikansi 5% atau 0,05 adalah

ukuran standar yang sering digunakan dalam penelitian)
3. Menentukan t hitung
Berdasarkan tabel diperoleh thitung sebesar 10,983
4. Menentukan t tabel
Tabel distribusi t dicari pada a = 5% : 2 = 2,5% (uji 2 sisi) dengan derajat
kebebasan (df) n-k-1 atau 20-2-1 = 17 (n adalah jumlah kasus dan k adalah
jumlah variabel independen). Dengan pengujian 2 sisi (signifikansi = 0,025)
hasil diperoleh untuk t tabel sebesar 2,110 atau dapat dicari di Ms Excel
dengan cara pada cell kosong ketik =tinv(0.05,17) lalu enter.
5. Kriteria Pengujian
Ho diterima jika ttabel < thitung < ttabel
Ho ditolak jika -thitung < -ttabel atau thitung > ttabel
6. Membandingkan thitung dengan ttabel
Nilai thitung > ttabel (10,983 > 2,110) maka Ho ditolak.
7. Kesimpulan
Dari output diatas dapat diketahui nilai thitung > ttabel (10,983 > 2,110) maka Ho
ditolak, artinya bahwa ada pengaruh secara signifikan antara biaya promosi
dengan volume penjualan. Jadi dalam kasus ini dapat disimpulkan bahwa biaya
promosi berpengaruh terhadap volume penjualan pada perusahaan jual beli
motor.

UJI REGRESI GANDA (MULTIPLE REGRESION TEST)

Uji regresi ganda pengembangan dari uji regresi sederhana. Kegunaannya yaitu,
untuk meramalkan nilai variabel terikat (Y) apabila variabel bebas minimal dua atau lebih.
Uji Regresi Ganda adalah alat analisis peramalan nilai pengaruh dua variabel bebas
atau lebih terhadap suatu variabel terikat untuk membuktikan ada atau tidaknya hubungan
fungsional atau hubungan kausal antara dua variabel bebas atau lebih(X1)(X2)(X3).(Xn)
dengan satu variabel terikat
Asumsi dan arti persamaan regresi sederhana berlaku pada regresi ganda, tetapi
bedanya terletak pada rumusnya, sedangkan analisis regresi ganda dapat dihitung dengan cara
komputer dengan program Statistical Product and Service Solutions (SPSS) ada juga dengan
kalkulator atau manual.
Persamaan Regresi Ganda dirumuskan
a. Dua Variabel Bebas :

Y^ =a+ b1 X 1 +b2 X 2

^
b. Tiga Variabel Bebas : Y =a+ b1 X 1 +b2 X 2 +b 3 X 3
c. Empat Variabel Bebas :
d. Untuk n Variabel Bebas :

Y^ =a+ b1 X 1 +b2 X 2 +b 3 X 3+ b4 X 4

Y^ =a+ b1 X 1 +b2 X 2 +b 3 X 3+ +bn X n

LANGKAH LANGKAH MENJAWAB UJI REGRESI GANDA DAN KORELASI

GANDA :
1.
2.
3.
4.

Buatlah H1 dan H0 dalam bentuk kalimat.

Buatlah H1 dan H0 dalam bentuk statistik.
Buatlah tabel penolong menghitung angka statistik.
Hitung nilai-nilai a,b1 dan b2 dengan pressman :
Rumus nilai persamaan untuk 2 variabel bebas:
Cara pertama :

Y =a . n+b1 X 1 +b 2 X 2

X 1 Y =a . X 1+ b1 X 21 +b2 X 1 X 2

 X 2 Y =a . X 2 +b1 X 1 X 2 +b2 X 22

Cara kedua :

NO

X1

X2

X1

X2

1
2
3
4
n=

X1 Y

X2 Y

X1 X2

X 1 X 2 Y X 21 X 22 Y 2 X 1 Y X 2 Y X 1 X 2
( X 22 ) . ( X 1 Y )( X 1 X 2 ) .( X 2 Y )
b1=
2
;
( X 21 ) . ( X 22 )( X 1 X 2 )
( X 21 ) . ( X 2 Y )( X 1 X 2 ) .( X 1 Y )
b2=
2
( X 21 ) . ( X 22 )( X 1 X 2 )
a=

Y b . X 1
1

) ( )
b 2 .

X2
n

5. Hitung nilai Korelasi Ganda (R(X1.X2)Y) dengan rumus :

( R(X 1. X 2)Y )=

b 1 . X 1 Y +b2 X 2 Y

Y2

6. Hitung nilai Determinan Korelasi Ganda dengan rumus :

KP=R2 .100
7. Menguji Signifikansi Korelasi Ganda dengan rumus :

Fhitung=

R2 (nm1)
M .(1R2 )

8. Menentukan aturan pengambilan keputusan atau kriteria uji Signifikansi Korelasi

Ganda.
9. Kaidah Pengujian Signifikansi :

Jika Fhitung > Ftabel, maka tolak H0 (signifikan)

Jika Fhitung > Ftabel, maka tolak H1 (tidak signifikan)
Cari nilai Ftabel menggunakan tabel F dengan rumus :
Ftabel = F(1-0)(db pembilang = m),(db penyebut = n-m-1)
Dengan taraf signifikansinya = 0,01 atau = 0,05
10. Buat Kesimpulan.

Contoh Kasus dengan Penyelesaian SPSS:

Diduga bahwa besarnya nilai tergantung pada besarnya Skor Tes Kecerdasan dan Frekuensi
Membolos. Untuk keperluan tersebut, maka dilakukan pengamatan terhadap 12 orang siswa
dengan mencatat Frekuensi Membolos, Skor Tes Kecerdasan dan Nilai Ujian, data dari
variabel di atas adalah sebagai berikut:
No.
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.

Skor Tes Kecerdasan

Frekuensi Membolos

(X1)
75
60
65
75
65
80
75
80
65
80
60
65

(X2)
4
7
6
2
2
3
2
3
4
3
5
5

Nilai Ujian (Y)

85
75
75
90
85
87
95
95
80
90
75
75

Ho : Tidak ada hubungan secara signifikan antara skor tes kecerdasan dan frekuensi
membolos secara bersama-sama berpengaruh terhadap nilai ujian
H1 : Ada hubungan secara signifikan antara skor tes kecerdasan dan frekuensi membolos
secara bersama-sama berpengaruh terhadap nilai ujian
1. Buka lembar kerja baru pada program SPSS.
2. Klik Variabel View pada SPSS Data editor.
3. Pada kolom Name, ketik X1 pada beris pertama, ketik X2 pada baris kedua dan ketik Y
pada baris ketiga.
4. Pada kolom Decimals, ketik 0 untuk baris pertama, baris kedua dan baris ketiga.

5. Pada kolom label, ketik Skor Tes Kecerdasan untuk baris pertama, ketik Frekuensi
Membolos pada baris kedua, dan ketik Nilai Ujian pada baris ketiga.
6. Abaikan kolom yang lainnya.
7. Ketik Data View pada SPSS Data editor.
8. Ketik datanya seperti data di atas sesuai dengan variabelnya.

9. Dari menu SPSS, pilih menu Analyze - regression - linear maka akan muncul kontak
dialog seperti sebagai berikut:

10. Masukkan variabel Nilai Ujian ke kolom Dependent, dan masukkan variabel Skor Tes
Kecerdasan dan Frekuensi Membolos ke kolom Independent (s)

11. Klik Statistics, centang Estimates dan Model Fit, kemudian klik Continue

12. Klik OK untuk mengakhiri perintah, maka akan menghasilkan output:

Variables Entered/Removedb

Model
1

Variables

Variables

Entered

Removed

Method

Frekuensi
Membolos, Skor
Tes Kecerdasana

a. All requested variables entered.

. Enter

Variables Entered/Removedb

Model
1

Variables

Variables

Entered

Removed

Method

Frekuensi
Membolos, Skor

. Enter

Tes Kecerdasan

b. Dependent Variable: Nilai Ujian

Model Summary

Model

R
.936a

R Square

Adjusted R

Std. Error of the

Square

Estimate

.876

.849

3.024

a. Predictors: (Constant), Frekuensi Membolos, Skor Tes Kecerdasan

ANOVAb
Model
1

Sum of Squares
Regression
Residual
Total

Df

Mean Square

582.609

291.305

82.307

9.145

664.917

11

Sig.

31.853

.000a

a. Predictors: (Constant), Frekuensi Membolos, Skor Tes Kecerdasan

b. Dependent Variable: Nilai Ujian

Coefficientsa
Standardized
Unstandardized Coefficients
Model
1

B
(Constant)

Std. Error
55.780

13.117

Skor Tes Kecerdasan

.527

.156

Frekuensi Membolos

-2.344

.745

a. Dependent Variable: Nilai Ujian

Coefficients
Beta

Sig.

4.253

.002

.530

3.371

.008

-.495

-3.147

.012

Persamaan regresinya sebagai berikut:

Y =a+b1 X 1 +b2 X 2
Y =55.780+ 0.527 X 1+(2.344) X 2
Y =55.780+ 0.527 X 12.344 X 2
Keterangan:

= Nilai Ujian

a = konstanta
b1 , b2 = koefisien regresi
X 1 = Skor Tes Kecerdasan
X 2 = Frekuensi Membolos
Persamaan regresi di atas dapat dijelaskan sebagai berikut:

Konstanta sebesar

55.780 ; artinya jika skor tes kecerdasan (X1) dan frekuensi

membolos (X2) nilainya adalah 0, maka nilai ujian (Y) nilainya adalah

55.780 .

0.527 ; artinya jika

Koefisien regresi variabel skor tes kecerdasan (X1) sebesar

variabel independen lain nilainya tetap dan skor tes kecerdasan mengalami kenaikan
1%, maka nilai ujian (Y) akan mengalami peningkatan sebesar

0.527 . Koefisien

bernilai positif artinya terjadi hubungan positif antara skor tes kecerdasan dengan nilai
ujian, semakin tinggi skor tes kecerdasan maka semakin meningkat nilai ujian.

Koefisien regresi variabel frekuensi membolos (X2) sebesar

2.344 ; artinya jika

variabel independen lain nilainya tetap dan frekuensi membolos mengalami kenaikan
1%, maka nilai ujian (Y) akan mengalami peningkatan sebesar

2.344 . Koefisien

bernilai negatif artinya terjadi hubungan negatif antara frekuensi membolos dengan
nilai ujian, semakin tinggi frekuensi membolos maka semakin turun nilai ujian.

Kesimpulan :
Skor Tes Kecerdasan nilai thitung = 3,371 dengan probabilitas 0,008 < 0,5, artinya ada pengaruh
yang signifikan. Untuk variabel Frekusnsi Membolos nilai t hitung = -3,147 dengan probabilitas
0,012 < 0,05 yang berarti ada pengaruh yang signifikan. Maka H 0 ditolak, artinya bahwa Ada
hubungan secara signifikan antara skor tes kecerdasan dan frekuensi membolos secara
bersama-sama berpengaruh terhadap nilai ujian.