ANALISIS KORELASI (ANALYSIS OF CORRELATION)

Analisi korelasi adalah suatu model analisis yang digunakan untuk mengetahui tingkat asosiasi
(hubungan) antaravariabel bebas dengan variable terikat baik berganda maupun parsial.
A. Analisis korelasi berganda
Tujuannya adalah untuk mengetahui tingkat asosiasi (hubungan) beberapa variable bebas
terhadap variable terikat. Rumus umumnya sebagai berikut :
R=b1 X 1 Y +b 2 X 2Y +b 3 X 3 Y + + bnXnY
Y 2
Contoh :
Apakah terdapat hubungan yang signifikan antara biaya promosi, harga perunit produk, dan
saluran distribusi dengan volume penjualan produk secara berganda dan parsial ? Alpha = 5%.
Berikut ini datanya :
Tahun ke

Volume penjualan

Biaya

Harga perunit

Saluran

(juta Rp)

promosi

(ribu Rp)

distribusi

(Juta Rp)
1
100
10
10
2
150
12
9
3
120
14
10
4
100
10
8
5
130
15
9
6
140
12
10
Catatan : criteria saluran distribusi : 1 = tidak lancer, 2= cukup lancer, 3= lancer

2
3
3
1
2
3

Jawab :
Langkah computer program SPSS:
Untuk mengetahui nilai koefisien korelasi berganda , koefisien determinasi (R square = R 2),
koefisien determinasi yang dipertimbangkan (adjusted R square = Adjusted R2) dan nilai F
hitung serta signifikasinya, melalui langkah SPSS regresi berganda.

1. Buka file data : korelasi berganda

2. Klik analyzed : pilih regression : linear
a. Kotak dependent : penjualan
b. Kotak independent (s) : diisi promosi, harga, distribusi
c. Case labels : abaikan
d. Method : enter
3. Klik OK (Muncul output data)
Model Summarry
Model

R
a

1
.917
a. Predictors : (constant),X3,X1,X2
Model
1 Regression
Residual

df

R square

Adjusted R

Std. Error of the

.841

square
.603

Estimate
13.014

Sum of squares
1794.595

Mean Square
598.198

338.739

196.369

F
3.532

Sig
a

.228

Total
2133.333
5
a. Predictors : (constant), X3,X1,X2
b. Dependent variable :Y
Langkah analisis statistic :
1. Menentukan Ho dan Ha
Ho : R = 0 (tidak terdapat hubungan yang signifikan antara biaya promosi, harga perunit
produk, dan saluran distribusi dengan volume penjualan produk secara berganda)
Ha : R 0 ( terdapat hubungan yang signifikan antara biaya promosi, harga perunit
produk, dan saluran distribusi dengan volume penjualan produk secara berganda)
2. Menentukan level og signifikan
Taraf keyakinan dalam pengujian ini sebesar 5%
3. Menentukan criteria pengujian
Nilai F table adalah F5%; (df1=3;df2=2) = 19,16

Ho diterima
19,16
Ho diterima jika F hitung 19,16
Ho di tolak jik F hitung >19,16
4. Pengujian

Ho dit

Rumus umum F hitung :

F_hitung =
R2 / k
1- R2 / n-k-1
Diketahui dari output diatas nilai R2 = 0,841
F_hitung =
0,841/3
= 0,28033333 =3,526205409 atau 3,53
1-0,841 / 6-3-1
0,0795
Nilai F hitung manual sama dengan F hitung output SPSS =3,53
Catatan :
R=0,917 berarti hubungan antara biaya promosi,harga perunit produk, dan saluran
distribusi dengan volume penjualan produk secara berganda sangat kuat.
R2 = 0,841 atau 84,1% berarti perubahan volume penjualan dapat dijelaskan dari melalui
biaya promosi, harga perunit produk dan saluran distribusi sebesar 84,1% dan sisanya
15,9% dijelaskan variable bebas lainnya.
Adjusted R2 = 0,603 atau 60,3 % berarti perubahan volume penjualan dapat dijelaskan
dari melalui biaya promosi, harga perunit produk dan saluran distribusi sebesar 60,3%
dengan memasukkan melibatkan tingkat toleransi kesalahan dalam perhitungannya.
5. Kesimpulan
Nilai F hitung =3,53 <19,16 maka Ho diterima berarti tidak terdapat hubungan yang
signifikan antara biaya promosi, harga perunit produk, dan saluran distribusi dengan
volume penjualan produk secara berganda.
B. Analisis korelasi parsial
Analisis orelasi parsial untuk mengetahui tingkat asosiasi (hubungan) antara satu variable
bebas dengan variable terikat dengan memasukkan variable bebas lainnya sebagai
variable pengendali (pengontrol). Missal ada 2 variabel bebas X1,X2, maka koefisien
korelasi parsial : r YX1.X2 dan rYX1.X1 dirumuskan sebagai berikut :
r YX 1( rYX 2 ) (rX 1 X 2)
rYX 2( rYX 1 ) (rX 1 X 2)

rYX1.X2
dan
r
YX2.X1
( 1r 2 YX 2 ) (1r 2 X 1 X 2)
( 1r 2 YX 1 ) (1r 2 X 1 X 2)
rYX1.X2 =koefisien korelasi antara Y dengan X1 dan X2 konstan
rYX1.X1=koefisien korelasi antara Y dengan X2 dan X1 konstan
Sedangkan rYX1 dan rYYX2, rX1X2 sebagai berikut :
n ( X 1Y ) ( X 1 )( Y )

ryx1 n X 1 ( X 1 ) 2(n Y 2( Y ) 2)
ryx2

n ( X 2Y ) ( X 2 )( Y )
n X 2 ( X 2 ) 2( n Y 2 (Y ) 2)

rX1X2

n ( X 1 X 2 ) ( X 1 )( X 2 )
n X 1 ( X 1 ) 2(n Y 2( Y ) 2)

jika ada 3 variabel bebas (X1,X2,X3) dan Y maka koefisien korelasi parsial sebagai
berikut :
rYX 1. X 2( rYX 3. X 2 ) (rX 1 X 3. X 2)
r YX1.X2.X3 ( 1r 2 YX 3. X 2 ) (1r 2 X 1 X 3. X 2)

r YX2.X1X3

rYX1.X2.X3

rYX 2. X 3( rYX 1. X 3 ) ( rX 2 X 1. X 3 )
( 1r 2 YX 1. X 3 ) ( 1r 2 X 2 X 1 . X 3 )
3

rYX 3. X 1( rYX 2. X 1 ) ( rX 3 X 2. X 1 )
( 1r 2 YX 2. X 1 )( 1r 2 X 3 X 2. X 1 )

C. Analisis korelasi data ordinal

Tujuannya adalah menganalisis korelasi model spearman dan kendalltau khusus untuk
data ordinal yaitu data berjenjang seperti sangat setuju, setuju,cukup setuju, kurang
setuju, tidak setuju, atau data yang diberi ranking tertentu.
1. Korelasi spearman (rs)
n

di 2
Rumus umum :rs =1- 6
i=1
n(n2-1)
2. Korelasi kendall-tau (rk)
Rumus umum : rk =
S
n(n-1)1/2
keterangan : n= jumlah pasangan data, S=selisih ranking pasangan data.
Variable untuk korelasi kendall-tau, misalnya mengukur tingkat kepuasan kerja,
tingkat motivasi, keamanan kerja, kondisi kerja, tingkat produktivitas kerja.