KORELASI REGRESI Penjelasan dan

Tutorial Lengkap
Penulis
Anwar Hidayat
-
10 Agustus 2012
18
6095

Berbagi di Facebook

Tweet di Twitter

KORELASI
Korelasi adalah teknik statistik yang digunakan untuk meguji ada/tidaknya hubungan serta
arah hubungan dari dua variabel atau lebih.

Yang akan dibahas dalam pelatihan ini adalah :

1. Korelasi sederhana pearson & spearman

2. Korelasi partial
3. Korelasi ganda.

KOEFISIEN KORELASI

Besar kecilnya hubungan antara dua variabel dinyatakan dalam bilangan yang disebut
Koefisien Korelasi:

a. Besarnya Koefisien antara -1 0 +1

b. Besaran koefisien -1 & 1 adalah hubungan yang sempurna
c. Nilai Koefisien 0 atau mendekati 0 dianggap tidak berhubungan antara dua variabel yang
diuji

ARAH HUBUNGAN

a. Positif (Koefisien 0 s/d 1)

b. Negatif (Koefisien 0 s/d -1)
c. Nihil (Koefisien 0).

PEARSON CORRELATION

Digunakan untuk data interval & rasio

Distribusi data normal
Terdiri dari dua variabel
1 Variabel X (Independen)
1 Variabel Y (dependen)

CONTOH

Judul: Hubungan antara intensitas belajar dengan prestasi mata kuliah statistik

Variabel X : Intensitas belajar (diukur dari lamanya belajar dalam satu minggu)
Variabel Y : Prestasi matakuliah statistik (diukur dari nilai ujian akhir semester)

Hipotesa:

H0: Tidak ada hubungan antara Intenitas belajar dengan prestasi mata kuliah statistik
Ha: Ada hubungan antara Intenitas belajar dengan prestasi mata kuliah statistik

INPUT DATA KE SPSS

Input Data ke SPSS

SPSS

Ada dua view dalam SPSS

a. Data View : digunakan untuk memasukkan data yang akan dianalisis

b. Variabel View : digunakan untuk memberi nama variabel dan pemberian koding.

UJI NORMALITAS
 Uji Normalitas SPSS

Normalitas Plot SPSS

INTERPRESTASI NORMALITAS

TAHAP ANALISIS
INTERPRESTASI

Untuk pengambilan keputusan statistik, dapat digunakan 2 cara:

1. Koefisien Korelasi dibandingkan dengan nilai r tabel (korelasi tabel)

Apabila Koefisien Korelasi > r tabel, Maka ada hubungan yang signifikan (Ha Diterima),

Apabila Koefisien Korelasi < r tabel, Maka tidak ada hubungan yang signifikan (H0
Diterima).

2. Melihat Sig.

Apabila nilai Sig. < 0,05 Maka ada hubungan yang signifikan (Ha Diterima)
Apabila nilai Sig. > 0,05 Maka tidak ada hubungan yang signifikan (H0 Diterima)

Arah hubungan:

Dilihat dari tanda koefisien:

Tanda (-) berarti apabila variabel X tinggi maka variabel Y rendah

Tanda (+) berarti apabila variabel X tinggi maka variabel Y juga tinggi

SPEARMAN

a. Digunakan untuk jenis data ordinal

b. Cara analisis dan interpretasi sama dengan Pearson.
c. Perbedaan hanya pada waktu memilih box yang diaktifkan adalah box spearman.

KORELASI PARTIAL

Korelasi yang digunakan untuk menguji hubungan dua atau lebih variabel independen dengan
satu variabel dependen dan dilakukan pengendalian pada salah satu variabel independennya

CONTOH

Judul: Hubungan antara biaya promosi dan penjualan dengan mengendalikan jumlah outlet

Variabel X1: Biaya Promosi

Variabel X2: Jumlah outlet (dikendalikan)
Variabel Y: Penjualan
Hipotesa:

H0: Tidak ada hubungan antara biaya promosi dengan penjualan apabila jumlah outlet
dikendalikan
Ha: Ada hubungan antara biaya promosi dengan penjualan apabila jumlah outlet dikendalikan

CONTOH

Buka data : Korelasi ganda dan partial.sav Data

ANALISIS

KORELASI PARTIAL

OUTPUT PARTIAL
KORELASI GANDA

Koefisien yang digunakan untuk menguji hubungan dua atau lebih variabel independen
dengan satu variabel dependen secara bersamaan.

CONTOH

Judul: Hubungan antara biaya promosi dan jumlah outlet dengan penjualan

Variabel X1: Biaya Promosi

Variabel X2: Jumlah outlet
Variabel Y: Penjualan

Hipotesa:

H0: Tidak ada hubungan antara biaya promosi dan jumlah outlet dengan penjualan
Ha: Ada hubungan antara biaya promosi dan jumlah outlet dengan penjualan

CONTOH

Buka data : Korelasi ganda dan partial.sav Data

KORELASI GANDA
INTERPRESTASI KORELASI GANDA

a. Untuk menginterprestasi korelatif ganda lihat nilai R, semakin mendekati 1 maka

hubungan semakin kuat
b. Guna memperkaya analisis, sebelum dianalisis korelasi ganda dapat juga ditambahkan
analisis korelasi pada masing-masing variabel independen dengan variabel dependen
(caranya sama dengan analisis korelasi pearson).

REGRESI

a. Analisis regresi adalah analisis lanjutan dari korelasi

b. Menguji sejauh mana pengaruh variabel independen terhadap variabel dependen setelah
diketahui ada hubungan antara variabel tersebut
c. Data harus interval/rasio
d. Data Berdistribusi normal.

Yang akan dibahas dalam pelatihan ini adalah:

a. Regresi sederhana: yaitu regresi untuk 1 variabel independen dengan 1 variabel dependen
b. Regresi ganda: yaitu regresi untuk lebih dari satu variabel independen dengan 1 variabel
dependen.

REGRESI SEDERHANA

Buka data : Pearson.sav Data

INTERPRETASI REGRESI SEDERHANA

Output 1

Lihat nilai R = 0,843 ini berarti bahwa kekuatan hubungan antara variabel X dengan Y adalah
0,843

INTERPRETASI REGRESI SEDERHANA

OTPUT 2

Untuk melihat signifikansi persamaan regresi dapat dilihat dari nilai F = 81,329 dan
dibandingkan dengan F tabel
 Apabila nilai F < F tabelmaka persamaan garis regresi tidak dapat digunakan untuk
prediksi

Apabila nilai F > F tabelmaka persamaan garis regresi dapat digunakan untuk prediksi

Selain itu dapat pula dengan melihat nilai Sig. dapat digunakan untuk prediksi apabila
nilai Sig. < 0,05

INTERPRETASI REGRESI SEDERHANA

OUTPUT 3

Untuk membuat persamaan garis regresi dapat dilihat dari kolom B.

Constan = 38,481 dan intensitas belajar= 2,978

Berarti persamaan garisnya adalah: Y=38,481 + 2,978 X.

REGRESI BERGANDA

Digunakan untuk analisis regresi dengan jumlah variabel independen lebih dari satu
dengan satu variabel dependen

Ada tambahan asumsi yang harus dipenuhi, yaitu tidak boleh ada hubungan antar
variabel-variabel independennya (uji multikolinearitas).

CONTOH

Buka data : Korelasi ganda dan partial.sav

INTERPRETASI REGRESI GANDA

Output 1

Lihat nilai R = 0,976 ini berarti bahwa kekuatan hubungan antara variabel X1dan X2 secara
bersamaan dengan Y adalah 0,976.

INTERPRETASI REGRESI GANDA

Output 2

Untuk melihat signifikansi persamaan regresi dapat dilihat dari nilai F = 118,294 dan
dibandingkan dengan Tabel F: F Tabel dalam Excel
 Apabila nilai F < F tabelmaka persamaan garis regresi tidak dapat digunakan untuk
prediksi

Apabila nilai F > F tabelmaka persamaan garis regresi dapat digunakan untuk prediksi

Selain itu dapat pula dengan melihat nilai Sig. dapat digunakan untuk prediksi apabila
nilai Sig. < 0,05

INTERPRETASI REGRESI GANDA

Output 3

Untuk membuat persamaan garis regresi dapat dilihat dari kolom B.

Constan = 64,639

Biaya promosi= 2,342

Jumlah Outlet= 0,535

Berarti persamaan garisnya adalah: Y=64,639 + 2,342 biaya promosi + 0,535 Jumlah
Outlet

INTERPRETASI REGRESI GANDA

Output 4

Identifikasi kolinieritas dapat dilakukan dengan melihat:

Output 3, Kolom VIF. : terjadi kolinearitas apabila nilai VIF > 5

Output 4, Kolom eugenvalue: terjadi kolinearitas apabila nilai eugenvalue mendekati

0

Output 4, Kolom condition index: terjadi kolinearitas apabila nilai condition index >
15. Dikatakan parah apabila > 30