Dosen Pembimbing:
Rizki Amalia, Mpd.
Disusun oleh :
AVIKA AGUSTINA UTAYA (A1C115044)
DITA AMELIA
(A1C115047)
ELMA FITRIANA
(A1C115049)
Uji Korelasi
Secara singkat dapat kita tuliskan bahwa uji korelasi yaitu:
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
KP=r 2 100
Keterangan :
KP = Besarnya Koefisien Penentu
R = Koefisien korelasi
LANGKAH LANGKAH UJI KORELASI PEARSON PRODUCT MOMENT :
1.
2.
3.
4.
r=
n. ( XY )( X ) .( Y )
{ n . X ( X ) } . {n . Y ( Y ) }
2
KP=r 2 100
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)
3. Akan muncul kotak dialog, kemudian pindahkan data yang berada di sebelah kiri ke
kotak sebelah kanan.
Kesimpulan :
UAS
Pearson Correlation
kampus
Sig. (2-tailed)
dengan
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).
r X ( X Y )=
1
r X Y r X Y . r X
2
(1r
2
X1Y
X2
) .(1r 2X X )
1
r X ( X Y )=
2
r X Y r X Y . r X
1
(1r
2
X2Y
X2
) .(1r 2X X )
1
rY ( X
X 2)
r X X r X Y . r X Y
1
(1r
2
X1Y
) .(1r 2X Y )
2
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
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
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.
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.
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
X1 = Variabel Bebas X1
X2 = Variabel bebas X2
rx
rx
Rx
x2 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
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.
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
R2
k
Fhitung =
( 1R2 )
( nk1 )
Carilah nilai Ftable menggunakan Table F dengan rumus :
F( 1) {(db=k ) , (db=nk1 )}
6. Buat kesimpulan.
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
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
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.
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
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
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.
Y^ =a+Bx
Y^
b=
n . XY X . Y
2
n . X ( X )
a=
Y b . X
n
b=
n . XY X . Y
2
n . X ( X )
2
a=
Y b . X
n
( Y )
JK Reg (a)=
n
JK Reg (ba)=b .
XY
X . Y
n
RJK Res=
JK Res
n2
F Hitung =
RJK Reg (b a)
RJK Res
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
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
Model Summaryb
Model
R
.933a
R Square
Adjusted R
Square
Estimate
.870
.863
1.750353
ANOVAb
Model
1
Sum of Squares
Regression
Residual
Total
Df
Mean Square
369.547
369.547
55.147
18
3.064
424.694
19
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
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
Y^ =a+bX
Y^ =44.903+1.258 X
Angka-angka ini dapat diartikan sebagai berikut:
Konstanta sebesar
44.903 .
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 . 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
( R(X 1. X 2)Y )=
b 1 . X 1 Y +b2 X 2 Y
Y2
KP=R2 .100
7. Menguji Signifikansi Korelasi Ganda dengan rumus :
Fhitung=
R2 (nm1)
M .(1R2 )
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
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
Model
1
Variables
Variables
Entered
Removed
Method
Frekuensi
Membolos, Skor
Tes Kecerdasana
. Enter
Variables Entered/Removedb
Model
1
Variables
Variables
Entered
Removed
Method
Frekuensi
Membolos, Skor
. Enter
Tes Kecerdasan
Model Summary
Model
R
.936a
R Square
Adjusted R
Square
Estimate
.876
.849
3.024
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
Coefficientsa
Standardized
Unstandardized Coefficients
Model
1
B
(Constant)
Std. Error
55.780
13.117
.527
.156
Frekuensi Membolos
-2.344
.745
Coefficients
Beta
Sig.
4.253
.002
.530
3.371
.008
-.495
-3.147
.012
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
membolos (X2) nilainya adalah 0, maka nilai ujian (Y) nilainya adalah
55.780 .
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.
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.