A. Pendahuluan
B. Koefisien Korelasi
Menurut Umar (2002:314) nilai koefisien korelasi berkisar antara–1 sampai +1,
yang kriteria pemanfaatannya dijelaskan sebagai berikut:1.
Jika, nilai r > 0, artinya telah terjadi hubungan yang linier positif, yaitu makin
besar nilai variabel X makin besar pula nilai variabel Yatau makin kecil nilai variabel X
makin kecil pula nilai variabel Y.2.
Jika, nilai r < 0, artinya telah terjadi hubungan yang linier negatif, yaitu makin
besar nilai variabel X makin kecil nilai variabel Y ataumakin kecil nilai variabel X maka
makin besar pula nilai variabel Y .3.
Jika, nilai r = 0, artinya tidak ada hubungan sama sekali antaravariabel X dan
variabel Y.4.
Jika, nilai r =1 atau r = -1, maka dapat dikatakan telah terjadihubungan linier
sempurna, berupa garis lurus, sedangkan untuk r yang makin mengarah ke angka 0 (nol)
maka garis makin tidak lurus.Batas-batas nilai koefisien korelasi diinterpretasikan
sebagai berikut (Nugroho, 2005:36).
1. 0,00 sampai dengan 0,20 berarti korelasinya sangat lemah.
2. 0,21 sampai dengan 0,40 berarti korelasinya lemah.
3. 0,41 sampai dengan 0,70 berarti korelasinya kuat.
4. 0,71 sampai dengan 0,90 berarti korelasinya sangat kuat.
5. 0,91 sampai dengan 0,99 berarti korelasinya sangat kuat sekali, berarti korelasinya
sempurna.
Uji korelasi terdiri dari uji korelasi Pearson (product moment), Rank Spearman , dan
Kendall, Perbedaannya adalah :
1. Korelasi Pearson (product moment) digunakan jika :
a. Sampel datanya lebih dari 30 data (sampel besar) dan kondisidatanya normal.
b. Termasuk statistik parametric.
Mengukur keeratan hubungan di antara hasil-hasil pengamatan dari populasi yang
mempunyai dua varian (bivariate). Perhitungan ini mensyaratkan bahwa populasi asal
sampel mempunyai dua varian dan berdistribusi normal. Korelasi Pearson banyak
digunakan untuk mengukur korelasi data interval atau rasio. KorelasiPearson (product
moment) Menurut Djarwanto (1996:172) koefisien korelasidiformulasikan, sebagai
berikut
Keterangan:
r : Koefisien korelasi yang dicari
Σxy: Jumlah perkalian variabel x dan y
Σx : Jumlah nilai variabel x
Σ y : Jumlah nilai variabel y
Σx2: Jumlah pangkat dua nilai variabel x
Σ y2: Jumlah pangkat dua nilai variabel y
n : Banyaknya sampel
Kriteria untuk menyatakan bahwa korelasi kedua variabel adalahsignifikan bila nilai r hitung ≥ r
tabel.Product moment
Contoh :
Hasil Produksi
N Mesin A(x) Mesin B(y)
1 80 70
2 100 65
3 120 95
4 140 90
5 160 110
6 180 115
7 200 120
8 220 140
9 240 155
10 260 150
Penyelesaian :Hipotesis :
Ho : Tidak terdapat hubungan yang signifikan antara hasilproduksi mesin A dengan mesin B
n x y xy x² y²
1 80 70 6.400 4900
2 100 65 10.000 4225
3 120 90 14.400 8100
4 140 95 19.600 9025
5 160 110 25.600 12.100
6 180 115 32.400
7 200 120 40.000
8 220 140 48.400
9 240 155 57.600
10 260 150 67.600
jumlah 1700 1110 322.000
Kriteria pengujian :Bila nilai r hitung ≥ r table maka Ho ditolak dan bila nilai r hitung < r table
maka Ho diterima.
•Sampel datanya kurang dari 30 data (sampel kecil) dan kondisidatanya tidak normal
•Lebih mengukur keeratan hubungan antara peringkat-peringkat dibandingkan hasil
pengamatan itu sendiri (seperti pada korelasi Pearson). Perhitungan korelasi ini
dapat digunakan untuk menghitung koefisien korelasi pada data ordinal dan
penggunaan asosiasi pada statistik non parametrik.
PARTIAL
Pembahasan mengenai hubungan linier antara dua variabel dengan melakukan
kontrol terhadap satu atau lebih variabel tambahan (disebut variabel kontrol).
Ada tiga penafsiran hasil analisis korelasi, meliputi: pertama, melihat kekuatan hubungan
dua variabel; kedua, melihat signifikansi hubungan; dan ketiga, melihat arah hubungan.
Untuk melakukan interpretasi kekuatan hubungan antara dua variabel dilakukan dengan
melihat angka koefesien korelasi hasil perhitungan dengan menggunakan kriteria sbb:
Jika angka koefesien korelasi menunjukkan 0, maka kedua variabel tidak mempunyai
hubungan
Jika angka koefesien korelasi mendekati 1, maka kedua variabel mempunyai hubungan
semakin kuat
Jika angka koefesien korelasi mendekati 0, maka kedua variabel mempunyai hubungan
semakin lemah
Jika angka koefesien korelasi sama dengan 1, maka kedua variabel mempunyai hubungan
linier sempurna positif.
Jika angka koefesien korelasi sama dengan -1, maka kedua variabel mempunyai
hubungan linier sempurna negatif.
Interpretasi ketiga melihat arah korelasi. Dalam korelasi ada dua arah korelasi, yaitu
searah dan tidak searah. Pada SPSS hal ini ditandai dengan pesan two tailed. Arah korelasi
dilihat dari angka koefesien korelasi. Jika koefesien korelasi positif, maka hubungan kedua
variabel searah. Searah artinya jika variabel X nilainya tinggi, maka variabel Y juga tinggi.
Jika koefesien korelasi negatif, maka hubungan kedua variabel tidak searah. Tidak searah
artinya jika variabel X nilainya tinggi, maka variabel Y akan rendah.
Dalam kasus, misalnya hubungan antara kepuasan kerja dan komitmen terhadap
organisasi sebesar 0,86 dengan angka signifikansi sebesar 0 akan mempunyai makna bahwa
hubungan antara variabel kepuasan kerja dan komitmen terhadap organisasi sangat kuat,
signifikan dan searah. Sebaliknya dalam kasus hubungan antara variabel mangkir kerja
dengan produktivitas sebesar -0,86, dengan angka signifikansi sebesar 0; maka hubungan
kedua variabel sangat kuat, signifikan dan tidak searah.
Uji Hipotesis
H0: Tidak ada hubungan antara kepuasan kerja dengan loyalitas pegawai
H1: Ada hubungan antara kepuasan kerja dengan loyalitas pegawai
Hasil t hitung sebesar 3,6
T table dengan ketentuan α= 0,05 Degree of freedom: n-2, dan n = 30 diketemukan sebesar:
2,048. Didasarkan ketentuan di atas, maka t hitung 3,6 > t table 2,048. Dengan demikian H0
ditolak dan H1 diterima. Artinya ada hubungan antara kepuasan kerja dengan loyalitas pegawai
Disamping menggunakan cara diatas, cara kedua ialah menggunakan angka signifikansi. Caranya
sebagai berikut:
H0: Tidak ada hubungan signifikan antara kepuasan kerja dengan loyalitas pegawai
H1: Ada hubungan signifikan antara kepuasan kerja dengan loyalitas pegawai
Angka signifikansi hasil perhitungan sebesar 0,03. Bandingkan dengan angka signifikansi
sebesar 0,05. Keputusan menggunakan kriteria sbb:
Didasarkan ketentuan diatas maka signifikansi hitung sebesar 0,03 < 0,05, maka H0 ditolak dan
H1 diterima. Artinya Ada hubungan signifikan antara kepuasan kerja dengan loyalitas pegawai.
Dalam SPSS pengujian dilakukan dengan menggunakan angka signifikansi. Oleh karena itu
dalam contoh analisis pada bab berikutnya akan hanya menggunakan angka signifikansi.
Koefesien Determinasi
Koefesien diterminasi dengan simbol r2 merupakan proporsi variabilitas dalam suatu data
yang dihitung didasarkan pada model statistik. Definisi berikutnya menyebutkan bahwa r2
merupakan rasio variabilitas nilai-nilai yang dibuat model dengan variabilitas nilai data asli.
Secara umum r2 digunakan sebagai informasi mengenai kecocokan suatu model. Dalam regresi
r2 ini dijadikan sebagai pengukuran seberapa baik garis regresi mendekati nilai data asli yang
dibuat model. Jika r2 sama dengan 1, maka angka tersebut menunjukkan garis regresi cocok
dengan data secara sempurna.
Interpretasi lain ialah bahwa r2 diartikan sebagai proporsi variasi tanggapan yang
diterangkan oleh regresor (variabel bebas / X) dalam model. Dengan demikian, jika r2 = 1 akan
mempunyai arti bahwa model yang sesuai menerangkan semua variabilitas dalam variabel Y.
jika r2 = 0 akan mempunyai arti bahwa tidak ada hubungan antara regresor (X) dengan variabel
Y. Dalam kasus misalnya jika r2 = 0,8 mempunyai arti bahwa sebesar 80% variasi dari variabel Y
(variabel tergantung / response) dapat diterangkan dengan variabel X (variabel bebas /
explanatory); sedang sisanya 0,2 dipengaruhi oleh variabel-variabel yang tidak diketahui atau
variabilitas yang inheren. (Rumus untuk menghitung koefesien determinasi (KD) adalah KD = r2
x 100%) Variabilitas mempunyai makna penyebaran / distribusi seperangkat nilai-nilai tertentu.
Dengan menggunakan bahasa umum, pengaruh variabel X terhadap Y adalah sebesar 80%;
sedang sisanya 20% dipengaruhi oleh faktor lain.
Ringkasan
Teknik analisis korelasi merupakan bagian dari teknik pengukuran asosiasi (measure of
association) yang berguna untuk mengukur kekuatan hubungan dua variabel (atau lebih).
Terdapat beberapa teknik analisis korelasi, diantaranya yang paling terkenal dan digunakan
secara luas diseluruh dunia ialah teknik analisis korelasi Pearson dan Spearman.
Korelasi merupakan teknik analisis yang digunakan untuk mengukur kekuatan hubungan
dua variabel. Korelasi tidak secara otomatis menunjukkan hubungan kausalitas antar variabel.
Hubungan dalam korelasi dapat berupa hubungan linier positif dan negatif. Interpretasi koefesien
korelasi akan menghasilkan makna kekuatan, signifikansi dan arah hubungan kedua variabel
yang diteliti. Untuk melihat kekuatan koefisien korelasi didasarkan pada jarak yang berkisar
antara 0 -1. Untuk melihat signifikansi hubungan digunakan angka signifikansi / probabilitas /
alpha. Untuk melihat arah korelasi dilihat dari angka koefisien korelasi yang menunjukkan
positif atau negatif.
Konsep-konsep korelasi dalam bagian ini akan dijadikan sebagai pijakan atau landasan
teori dalam menggunakan teknik korelasi di bagian-bagian berikutnya dalam buku ini. Oleh
karena itu, pembaca perlu memahami konsep dasar korelasi sebelum menggunakannya. .
UJI REGRESI
REGRESI SEDERHANA
Analisis regresi digunakan untuk tujuan peramalan, dimana dalam model tersebut
ada sebuah variabel dependen (tergantung) dan variabel independen (bebas).Sebagai contoh ada
tiga variabel, yaitu Penjualan, Biaya Promosi Penjualan dan Biaya Iklan. Dalam praktek, akan
dibahas bagaimana bagaimana hubungan antara Biaya Promosi Penjualan dan Biaya Iklan
terhadap Penjualan.
Di sini berarti ada variabel dependen yaitu Penjualan, sedangkan variabel independennya adalah
Biaya Promosi Penjualan dan Biaya Iklan. Metode Korelasi akan membahas keeratan hubungan,
dalam hal ini keeratan hubungan antara Biaya Promosi Penjualan dan Biaya Iklan terhadap
Penjualan. Sedang metode Regresi akan membahas prediksi (peramalan), dalam hal ini apakah
Penjualan di masa mendatang dapat diramalkan jika Biaya Promosi Penjualan dan Biaya Iklan
diketahui.
Regresi sederhana jika hanya ada satu variabel independen.
REGRESI LINEAR
Regresi linear bertujuan untuk memprediksi variabel dependen melalui variabel
independen. Untuk memprediksi digunakan persamaan garis regresi dengan metode Least Square
:
Keterangan :
Y = variabel Dependen
X = variabel Independen
a = Intercep
b = Slope
Dimana Slope :
Sebetulnya persamaan garis di atas merupakan model deterministik yang secara sempurna/tepat
dapat digunakan hanya untuk peristiwa alam. Namun ketika kita berhadapan dengan kondisi
ilmu sosial, ada kemungkinan terjadi kesalahan atau penyimpangan (tidak eksak) pada hubungan
antara variabel, artinya untuk beberapa nilai X yang sama akan menghasilkan nilan Y yang
berbeda. Sehingga persamaan garis yang dibentuk menjadi :
e = nilai keslahan (error) yaitu selisih anatara nilai Y individual teramati dengan nila Y yang
sesungguhnya pad titik X tertentu