Untuk mengetahui hubungan suatu kejadian atau variabel dengan kejadian atau variabel
yang lain digunakan teknik analisis yang disebut korelasi. analisis korelasi ini akan
menghasilkan ukuran yang disebut koefisien korelasi yang disimbolkan dengan tanda "r"
(rho), koefisien korelasi menunjukkan seberapa kuat hubungan antar variabel thd variabel
yang lain. alat analisis yang digunakan adalah analisis regresi, hasil analisis regresi berupa
persamaan matematik atau persamaan regresi yang merupakan fungsi untuk memprediksi
niali atau harga suatu variabel dengan menggunakan niali variabel yang lain.
contoh regresi sederhana, berikut adalah data tentang nilai impor dalam triliun dan pendapatan
nasional dalam triliun selam 10 tahun
a. Persamaan regresi dan prediksi pndapatan nasional jika nilai impor 16 triliun.
b. Koefisien korelasi dan koefisien determinasi dan serta jelaskan apa maksutnya.
Jawab :
y : variabel terikat
SUMMARY
OUTPUT
Regression Statistics
Multiple R 0,974177
R Square 0,949022
Adjusted R 0,942649
Square
Standard 14,44497
Error
Observation 10
s
ANOVA
df SS MS F Significanc
eF
Regression 1 31075,14 31075,14 148,929 1,89E-06
1
Residual 8 1669,258 208,6572
Total 9 32744,4
Coefficient Standard t Stat P-value Lower 95% Upper Lower Upper 95,0
s Error 95% 95,0%
Intercept 8,68383 33,31429 0,260664 0,800936 -68,1391 85,5067 -68,1391 85,5
3
Nilai Import 26,93754 2,207334 12,20365 1,89E-06 21,84742 32,0276 21,8474 32,0
6 2
y = a + bx = 8,68 + 26,94 x
x = nilai impor
y = pendapatan nasional
x = 16, maka y = 8,68 + 26,94 . 16 = 439,72
jadi jika nilai impor 16 triliun maka diprediksi pendapatan nasional 439,72 triliun.
b) Koefisien korelasi R = 0,974 , ini menunjukkan bahwa hubungan antara nilai impor
dengan pendapatan nasional sangat kuat koefisien determinasi r2 = 0,942 = 94,2 %
Hal ini menunjukkan bahwa 94,9 % variasi/ perubahan pendapatan nasional dapat
dijelaskan/dipengaruhi oleh nilai impor. Sedangkan yang 5,1% dipengaruhi variabel atau
factor yang lain.
2. Regresi Linier berganda
Contoh soal :
sebuah perusahaan ingin memperkerjakan mahasiswa PTN sebagai tenaga lepas. untuk
melakukan perekrutan tsb perusahaan melakukan 2 test intelegency. Berdasarkan tes
tersebut perusahaan merekrut 10 orang. Sebelum memulai pekerjaan perusahaan
melakukan training terhadap ke 10 mahasiswa tersebut kemudian pada akhir training
diadakan rating oleh komite perusahaan. hasil peringkat tes intelegency ditunjukkan pada
tabel berikut.
Dari data tersebut lakukan analisis korelasi dan regresi untuk menetukan
a) Persamaan regresi dan prediksi peringkat mahasiswa jika nilai skor tes
b) pertama
koefisien 80 dan nilai
korelasi danskor tes keduaserta
determinasi 45 jelaskan apa maksudnya ?
Jawab :
Perhitungan statistik
SUMMARY
OUTPUT
Regression
Statistics
Multiple R 0,953467
R Square 0,909099
Adjusted R 0,883127
Square
Standard 3,162955
Error
Observation 10
s
ANOVA
Df SS MS F Significanc
eF
Regression 2 700,37 350,185 35,0034 0,000226
9
Residual 7 70,0300 10,0042
1 9
Total 9 770,4
jadi untuk nilai tes 1 = 80 dan nilai tes 2 = 45, prediksi peringkat mahasiswa adalah 92
Jawab :
Perhitungan statistik
Coefficientsa
Model Unstandardized Coefficients Standardized t Sig.
Coefficients
y = a + bx
y = 144000 - 52000x
x = 1 , maka y = 144000-52000 = 92000
x = 2 , maka y = 144000-52000.2 = 4000
jadi rata rata gaji salesman wanita Rp. 40.000,00 dan laki laki Rp. 92.000,00
b) Berikut adalah data penjualan untuk masing masing kuartal selama 4 tahun
Dari data tersebut buatlah persamaan regresi untuk mmprediksi hasil penjualan .
Jawab :
Perhitungan statistik
Coefficientsa
Model Unstandardized Coefficients Standardized t Sig.
Coefficients
Perhitungan statistik
Symmetric Measures
Value Approx.
Sig.
Nominal by Nominal Phi ,652 ,037
Cramer's V ,652 ,037
Contingency ,546 ,037
Coefficient
N of Valid Cases 20
a. Not assuming the null hypothesis.
b. Using the asymptotic standard error assuming the null hypothesis.
karena sig = 0,037 < = 0,05, maka Ho ditolak. Artinya ada hubungan antara
jenis kelamin dengan sikap konsumen terhadap produk makanan. dng kata lain
b) Data Ordinal ( Kuatitatif )
pendidika pemahaman
n karyawan
Berikut data antara pendidikan karyawan
5 2
dan 3 3
pemahaman karyawan terhadap peralatan
di 3 4 suatu perusahaan.
3 3
3 3
3 3
6 3
5 3
3 4
3 4
3 3
5 3
6 3
3 4
3 4
3 4
Permasalahan : apakah ada
3 3
hubungan antara
3 4
3 3
pendidikan karyawan
1 4
dengan pemahaman alat
3 4 alat di instansi tempat
1 3 karywan tersebut bekerja.
3 4
Jawab :
5 3
Perumusan masalah / hipotesis
3 4
Ho : tidak ada hubungan antara pendidikan karyawan dengan pemahamannya
3 4
terhadap alat alat.
3 3
Ha : ada hubungan antara pendidikan karyawan dengan pemahamannya terhadap alat
alat. 6 2
6 1
2 3 Perhitungan statistik
3 3
3 3
3 2
Correlations
3 2 pendidika pemahaman
3 3 n karyawan
2 3
Kendall's Pendidikan Correlation 1,000 -,272*
3 3
tau_b Coefficient
6 2
Sig. (2-tailed) . ,031
3 4
N 50 50
6 2
pemahaman
6 karyawan Correlation
2 -,272* 1,000
3 Coefficient
3
3 3 (2-tailed)
Sig. ,031 .
3 N4 50 50
7 3
*. Correlation is significant at the 0.05 level (2-tailed).
6 3
2 2
2 2
6 3
3 2
Kesimpulan :
karena sig = 0,031 < = 0,05, maka Ho ditolak, akhirnya ada hubungan antara
pendidikan Karyawan dengan pemahamannya terhadap alat alat di instansi
tempat karyawan tersebut bekerja.
Jawab :
Perhitungan statistik
Correlations
Biaya Hasil
Iklan Penjualan
Biaya Iklan Pearson Correlation 1 ,985**
Sig. (2-tailed) ,000
N 12 12
**
Hasil Penjualan Pearson Correlation ,985 1
Sig. (2-tailed) ,000
N 12 12
**. Correlation is significant at the 0.01 level (2-tailed).
Kesimpulan :
Karena sig = 0,00 < = 0,05 , maka Ho ditolak dengan kata lain ada hubungan antara
biaya iklan dengan hasil penjualan. Koefisien korelasi T = 0,985 , ini menunjukkan
bahwa biaya iklan sangat kuat pengaruhnya terhadap hasil penjualan.
5. Uji Normalitas dari Linearitas Data
Uji normalitaistrs ters diguakan untuk mengetahui apakah data terdistribusi normal
atau tidak. Penggunaan uji nrmalitas karne pada analisis statistik parametrik asumsi yang
harus dimiliki oleh data bahwa data tersebut terdistribusi secara normal maksudnya data
memusat pada nilai rata rata dan medien. analisis parametrik seperti korelasi pearson
mensyaratkan bahwa data harus terdistribusi normal. uji normalitas data dpt diuji dengan :
Kesimpulan / hipotesis
sig > 0,05 => data berdistribusi normal.
sig < 0,05 => data tidak berdistribusi normal
Sedangkan uji linearitas bertujuan untuk mengetahui apakah dua variabel yang akan
dikenai prsedur analisis statistik korelasional menunjukkan hubungan yang linear atau
tidak.
Uji linearitas : analyze - compermeans - means - options - test for linearitas
Kesimpulan :
pada deviation from linearitas : sig > 0,05 => data linear
sig < 0,05 => tidak linear
Contoh soal :
ujilah data berikut apakah berditribusi normal atau tidak dan linear atau tidak
Jawab :
ANOVA Table
Sum of df Mean F Sig.
Squares Square
Tinggi merumuskan
Betweenhipotesis
(Combined) 1040,533 15 69,369 4,162 ,089
Badanho
* : data linear Linearity
Groups 372,816 1 372,816 22,369 ,009
Berat ha : data tidak linear
Deviation 667,717 14 47,694 2,862 ,160
Badan from
Linearity
One-Sample Kolmogorov-Smirnov Test
Within Groups 66,667
Berat 4 16,667
Tinggi
Total 1107,200
Badan 19 Badan
N 20 20
Normal Parametersa,b Mean 54,35 162,20
Std. 9,132 7,634
Deviation
Most Extreme Absolute ,098 ,263
Differences Positive ,078 ,263
Negative -,098 -,123
Kolmogorov-Smirnov Z ,440 1,178
Asymp. Sig. (2-tailed) ,990 ,125
a. Test distribution is Normal.
b. Calculated from data.
Kesimpulan :
Normalitas => Untuk berat badan
Karena sig = 0,99 > 0,05 , maka data berdistribusi normal
Untuk tinggi badan
Karena sig = 0,125 > 0,05 , maka data berdistribusi normal
Karena Sig = 0,16 > 0,05 , maka data tersebut linear. Dengan kata lain berat badan dan tinggi
badan berkolerasi linear