ANALISIS REGRESI DAN UJI KORELASI PARAMETIK

(Makalah ini disusun sebagai bahan diskusi mata kuliah Metode Statistika
jurusan Pendidikan Matematika semester 5 kelas 5A)

Dosen pengampu : Drs. Agus Salim,M.Pd.

Disusun oleh:

Kelompok 5

Rofifah Hasna Alwinda 11160170000002

Yunita Tri Lestari 11160170000011

Alvi Mufida Salsabila 11160170000024

Nina Ayu Amaliah 11160170000026

Sarah Mawira 11160170000031

PENDIDIKAN MATEMATIKA

FAKULTAS ILMU TARBIYAH DAN KEGURUAN

UIN SYARIF HIDAYATULAH JAKARTA

1440 M/2018 H
 KATA PENGANTAR

Puji syukur kehadirat Allah SWT atas segala limpahan rahmat, taufik dan
inayah-Nya sehingga penulis dapat menyelesaikan penyusunan makalah ini tepat
waktu. Semoga makalah ini dapat dipergunakan sebagai salah satu acuan,
petunjuk maupun pedoman bagi pembaca dalam memahami pengertian dan
langkah-langkah dalam uji statistik.
Makalah dengan judul “Analisis Regresi dan Uji Korelasi Parametrik”ini
dibuat untuk memenuhi tugas mata kuliah Metode Statistika. Harapan kami
semoga makalah ini membantu menambah pengetahuan dan pengalaman bagi
para pembaca, sehingga kami dapat memperbaiki bentuk maupun isi makalah ini
sehingga kedepannya dapat lebih baik.
Penulis sangat mengharapkan adanya kritik dan saran yang positif untuk
kesempurnaan makalah ini. Semoga makalah ini dapat memberikan banyak
manfaat bagi pembaca, khususnya bagi mahasiswa program studi Bahasa dan
Sastra Indonesia. Mohon maaf apabila terdapat kesalahan baik dalam
penyampaian maupun penulisannya. Akhir kata penulis ucapkan terimakasih.

Ciputat, 28 November 2018

Penulis
 BAB I
PENDAHULUAN
A. Latar Belakang
Sepanjang sejarah umat manusia, orang melakukan penelitian tentang
ada tidaknya hubungan antar dua hal,fenomena,kejadian,atau lainnya. Ada
tidaknya pengaruh antara satu kejadian dengan kejadian lainnya. Karena itu
untuk mempermudah dalam melakukan perhitungan suatu kejadian maka
digunakan kolerasi dan regresi dalam ilmu statistika.
Regresi merupakan salah satu analisis yang bertujuan untuk
mengetahui pengaruh suatu variabel terhadap variabel lain. Dalam analisis
regresi, variabel yang mempengaruhi disebut variabel bebas (independent
variabel) dan variabel terikat (dependent variabel). Pemodelan dengan regresi
telah banyak digunakan dimulai dari bidang sosial,ekonomi,kimia,kesehatan,
dan sebagainya. Ada beberapa macam tipe dari analisis regresi. Tipe yang
pertama adalah analisis regresi sederhana, tipe kedua adalah analisis regresi
ganda dua prediktor dan tipe ketiga analisis regresi ganda tiga prediktor.
Kolerasi merupakan teknik analisis yang termasuk dalam salah satu
teknik pengukuran asosiasi/hubungan. Teknik ini berguna untuk mengukur
kekuatan hubungan antara dua variabel (atau lebih) dengan skala-skala
tertentu.
B. Rumusan Masalah
1. Apakah yang dimaksud dengan analisis regresi sederhana, analisis regresi
dua prediktor, analisis regresi tiga prediktor, uji kolerasi peringkat dan uji
kolerasi variabel dikotomi?
2. Bagaimana langkah-langkah penghitungan atau prosedur analisis regresi
sederhana, analisis regresi dua prediktor, analisis regresi tiga prediktor,
uji kolerasi peringkat dan uji kolerasi variabel dikotomi?
 BAB II
ANALISIS REGRESI DAN UJI KORELASI PARAMETRIK

A. Analisis Regresi (Anareg) Sederhana

Analisis regresi sederhana mempelajari apakah antara dua variabel

atau lebih mempunyai pengaruh/hubungan atau tidak, mengukur kekuatan
pengaruhnya, dan membuat ramalan yang didasarkan kepada kuat lemahnya
pengaruh/hubungan tersebut. Teknik analisis ini akan bermakna apabila
pengaruh antar variabel-variabel didasarkan pada kerangka teori yang terkuat.
Jika skala pengukuran data dari dua variabel yang akan dianalisis
merupakan skala interval atau rasio maka untuk menjelaskan pengaruh antara
kedua variabel tersebut dapat dilakukan dengan menggunakan regresi
sederhana. Misalkan kedua variabel tersebut adalah 𝑋 dan 𝑌, maka pengaruh
𝑋 terhadap 𝑌. variabel 𝑋 disebut variabel bebas (predictor) dan varibel Y
disebut variabel tak bebas (criterion)1. Asosiasi antara variabel 𝑋 dan 𝑌
dinyatakan dalam suatu persamaan atau model matematika sebagai berikut:
Model Regresi : 𝒀 = 𝜶 + 𝜷𝑿 + 𝒆 (populasi)
Fungsi Taksiran : Ŷ = 𝒂 + 𝒃𝑿(sampel)
Keterangan:
Ŷ= variabel terikat (dependent)
𝑎 = konstanta (jika 𝑋 = 0 maka Ŷ = 𝑎)
𝑏 = koefisien regresi (nilai peningkatan ataupun penurunan)
𝑋 = variabel bebas (independent)
𝑒 = nilai residu
Asumsi-asumsi dasar yang harus dipenuhi sebelum melakukan
analisis regresi linier sederhana yaitu: model regresi harus linier secara
parameter (uji linearitas), berdistribusi normal (uji normalitas), dan varians
data sama (uji homogenitas).2

1
Kadir,Statistika Terapan, Depok (PT Raja Grafindo Persada: 2017) edisi 3, cet.4,hlm.179.
2
http://jam-statistic.blogspot.com/2014/06/analisis-regresi-sederhana.html. Diakses pada 22
November 2018. Pukul: 11:05 WIB
 Dari perhitungan melalui pasangan daya (𝑋, 𝑌) minimal dapat
ditentukan:
1. Persamaan atau model regresi 𝑌 atas 𝑋
2. Linearitas regresi dan signifikasi regresi 𝑌 atas 𝑋
3. Koefisien korelasi dan koefisien determinasi.3

Perhitungan Analisis Regresi Sederhana Secara Manual

a. Langkah menentukan persamaan regresi 𝒀 atas 𝑿
1). Membuat tabel penolong
Tabel Penolong untuk Mencari Nilai Konstanta a dan b 4
Data Variabel Variabel
𝑋𝑌 𝑋2 𝑌2
(𝑛) Bebas (𝑋) terikat (𝑌)
1 … … … … …
2 … … … … …
3 … … … … …
… … … … … …
N … … … … …
∑𝑋𝑌 = ∑ 𝑋2 = ∑ 𝑌2 =
Jumlah ∑𝑋 = … ∑𝑌 = …
… … …
2). Mencari nilai konstanta 𝑏
𝑛(∑ 𝑋𝑌)−(∑ 𝑋)(∑ 𝑌)
Rumus: 𝑏 = 𝑛(∑ 𝑋 2 )−(∑ 𝑋)2

3). Mencari nilai konstanta 𝑎

Rumus: 𝑎 = 𝑌̅ − 𝑏𝑋̅
Dengan 𝑌̅ nilai rata-rata Y dan 𝑋̅ nilai rata-rata X
4). Membuat persamaan regresi
Ŷ = 𝑎 + 𝑏𝑋
Contoh Soal
Misalnya akan dianalisis pengaruh kompetensi (𝑋) dan kinerja
pegawai (𝑌). untuk keperluan tersebut telah diambil sampel acak sebanyak
15 pegawai sebagai berikut.

3
Kadir.Op.Cit., hlm.179
4
Syofian Siregar, Statistika Terapan Untuk Perguruan Tinggi, Jakarta (PT Kharisma Putra
Utama:2015)edisi 1, cet.1,hlm.221.
 No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
X 40 55 32 55 50 52 61 44 30 22 40 64 58 48 44
Y 4 16 12 24 15 24 22 17 4 14 24 26 20 9 14
a. Tentukan persamaan regresi 𝑌 atas 𝑋
b. Lakukan pengujian: 1) linearitas regresi 𝑌 atas 𝑋
2) signifikasi/keberartian regresi 𝑌 atas 𝑋
c. Hitung koefisien dan korelasi determinasi Y dan X5
Tabel Persiapan untuk analisis regresi sederhana
No X 𝑋2 Y 𝑌2 XY
1 40 1600 4 16 160
2 55 3025 16 256 880
3 32 1042 12 144 384
4 55 3025 24 576 1320
5 50 2500 15 225 750
6 52 2704 24 576 1248
7 61 3721 22 484 1342
8 44 1936 17 289 748
9 30 900 4 16 120
10 22 484 14 196 308
11 40 1600 24 576 960
12 64 4096 26 676 1664
13 58 3364 20 400 1160
14 48 2304 9 81 432
15 44 1936 14 196 616
Jumlah 695 34219 245 4707 12092
Dari tabel diatas, dapat ditentukan persamaan atau model regresi sebagai
berikut:
𝑛(∑ 𝑋 𝑌) − (∑ 𝑋)(∑ 𝑌) 15(12092) − (695)(245)
𝑏= =
𝑛(∑ 𝑋 2 ) − (∑ 𝑋)2 15(34219) − (695)2
181380 − 170275 11105
= = = 0,366986
513285 − 483025 30260
𝑎 = 𝑌̅ − 𝑏𝑋̅ = 16,33 − (0,366986)(46,33) = −0,6724614)
Ŷ = 𝑎 + 𝑏𝑋 = −0,6724614 + 0,366986𝑋

5
Kadir, Op.cit., hlm.179
 b. Uji Linearitas dan Signifikansi Regresi 𝒀 atas 𝑿
Pengujian linearitas dan signifikansi regresi 𝑌 atas 𝑋 dilakukan
dengan langkah-langkah sebagai berikut.6
1) Menghitung jumlah kuadrat (𝐽𝐾) beberapa sumber varians

𝐽𝐾(𝑇) = ∑ 𝑌 2 = 4707

(∑ 𝑌)2 2452
𝐽𝐾(𝑎) = = = 4001,667
𝑛 15
𝑏 (∑ 𝑋)(∑ 𝑌)
𝐽𝐾 ( ) = 𝑏 (∑ 𝑋𝑌 − )
𝑎 𝑛
(695)(245)
= (0,366986) (12092 − )
15
= (0,366986)(740,333) = 271,692
𝑏
𝐽𝐾(𝑆) = 𝐽𝐾(𝑇) − 𝐽𝐾(𝑎) − 𝐽𝐾 ( ) = 4707 − 4001,667 − 271,692
𝑎
= 433,641
∑(𝑌𝑖 )2
𝐽𝐾(𝐺) = ∑𝑛𝑖=1 {∑ 𝑌𝑖2 − },
𝑛𝑖

Data diurutkan terlebih dahulu menurut variabel 𝑋

No 1 2 3 4 5 6 7 8 9 10 11 12
X 22 30 32 40 40 44 44 48 50 52 55 55 58 61 64
Y 14 4 12 4 24 17 14 9 15 24 16 24 20 22 26

Selanjutnya dihitung jumlah kuadrat galat untuk data variabel

𝑌 khusus untuk variabel 𝑋 yang sama (kelompok sama) saja, karena
variabel 𝑋 yang tidak sama akan bernilai nol. Dengan perhitungan
sebagai berikut:

2
282 2 2 2
312
𝐽𝐾(𝐺) = [4 + 24 − ] + [17 + 14 − ]
2 2
402
2 2
+ [16 + 24 − ]
2
= 2236,5

6
Kadir, Op.cit., hlm.181
 𝐽𝐾(𝑇𝑐) = 𝐽𝐾(𝑆) − 𝐽𝐾(𝐺) = 433,641 − 236,5 = 197,141
2) Menentukan derajat bebas (db) beberapa sumber varians
𝑑𝑏(𝑇) = 𝑛 = 15
𝑑𝑏(𝑎) = 1
𝑑𝑏(𝑏/𝑎) = 1
𝑑𝑏(𝑆) = 𝑛 − 2 = 15 − 2 = 13
𝑑𝑏(𝐺) = 𝑛 − 𝑘 = 15 − 12 = 3 (kelompok: 𝑘 = 12)
𝑑𝑏(𝑇𝑐) = 𝑘 − 2 = 12 − 2 = 10
3) Menghitung rata-rata jumlah kuadrat (𝑅𝐽𝐾)
𝐽𝐾(𝑎) 4001,667
𝑅𝐽𝐾(𝑎) = = = 4001,667
𝑑𝑏(𝑎) 1
𝐽𝐾(𝑏/𝑎) 271,692
𝑅𝐽𝐾(𝑏/𝑎) = = = 271,692
𝑑𝑏(𝑏/𝑎) 1
𝐽𝐾(𝑆) 433,641
𝑅𝐽𝐾(𝑆) = = = 33,357
𝑑𝑏(𝑆) 13
𝐽𝐾(𝐺) 236,5
𝑅𝐽𝐾(𝐺) = = = 78,83333
𝑑𝑏(𝐺) 3
𝐽𝐾(𝑇𝑐) 197,141
𝑅𝐽𝐾(𝑇𝑐) = = = 19,7141
𝑑𝑏(𝑇𝑐) 10
4) Menentukan𝐹ℎ𝑖𝑡𝑢𝑛𝑔 berkaitan dengan linearitas dan signifikasi regresi
Uji Linearitas regresi 𝑌 atas 𝑋
𝐻0 : 𝑌 = 𝛼 + 𝛽𝑋 (regresi linear)
𝐻1 : 𝑌 ≠ 𝛼 + 𝛽𝑋 (regresi tak linear)
𝑅𝐽𝐾(𝑇𝑐) 19,7141
𝐹ℎ𝑖𝑡𝑢𝑛𝑔 (Tc)= 𝑅𝐽𝐾(𝐺) = 78,83333 = 0,250

Bandingkan dengan 𝐹𝑡𝑎𝑏𝑒𝑙 untuk α = 0,05, db(Tc) =10, dan

db(G) = 3 diperoleh 𝐹𝑡𝑎𝑏𝑒𝑙(0,05:10;3) = 8,78. Sehingga 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 (𝑇𝑐) <
𝐹𝑡𝑎𝑏𝑒𝑙 , hal ini berarti 𝐻0 diterima. Dengan demikian, persamaan
regresi Y atas X berbentuk garis linear.
Uji Signifikasi Regresi Y atas X
𝐻0 : 𝛽 = 0 (regresi tak berarti)
𝐻1 : 𝛽 ≠ 0 (regresi berarti)
 𝑅𝐽𝐾(𝑏/𝑎) 271,692
𝐹ℎ𝑖𝑡𝑢𝑛𝑔 (𝑏/𝑎) = = = 8,145
𝑅𝐽𝐾(𝑠) 33,357
Bandingkan dengan 𝐹𝑡𝑎𝑏𝑒𝑙 untuk α = 0,05, 𝑑𝑏(𝑏/𝑎) = 1, dan
𝑑𝑏(𝑆) = 13 diperoleh 𝐹𝑡𝑎𝑏𝑒𝑙(0,05:1;13) = 4,67. Sehingga 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 (𝑏/
𝑎) > 𝐹𝑡𝑎𝑏𝑒𝑙 , hal ini berarti 𝐻0 ditolak. Dengan demikian, persamaan
regresi 𝑌 atas 𝑋 adalah signifikan. Kesimpulan dari
pengujianlinearitas dan signifikasi regresi ini adalah variabel
𝑋 berpengaruh terhadap variabel 𝑌 dan bersifat linear.
5) Menyusun tabel ANOVA regresi
Tabel 3. Uji linearitas dan signifikasi

Sumber 𝐹𝑡𝑎𝑏𝑒𝑙
Db JK RJK 𝐹ℎ𝑖𝑡𝑢𝑛𝑔
Varians ∝= 0,05
Total 15 4707 - - -
Regresi (a) 1 4001,667 4001,667
Regresi (b/a) 1 271,692 4001,667 8,145* 4,67
Sisa 13 433,641 33,357
Tuna Cocok 10 197,141 19,7141
0,250𝑛(𝑠) 8,79
Galat 3 236,5 78,833
Keterangan:
* = regresi signifikan (𝐹ℎ𝑖𝑡𝑢𝑛𝑔 = 8,145 > 𝐹𝑡𝑎𝑏𝑒𝑙 = 4,67)
𝑛(𝑠) = non signifikan atau regresi linear (𝐹ℎ𝑖𝑡𝑢𝑛𝑔 = 0,250 <
𝐹𝑡𝑎𝑏𝑒𝑙 = 8,78)
𝑑𝑏 = derajat bebas
𝐽𝐾 = jumlah kuadrat
𝑅𝐽𝐾 = rata-rata jumlah kuadrat
Dari hasil analisis seperti disajikan pada tabel diatas diperoleh
𝑏
𝐹ℎ𝑖𝑡𝑢𝑛𝑔 (𝑎) = 8,145 > 𝐹𝑡𝑎𝑏𝑒𝑙 = 4,67 dan𝐹ℎ𝑖𝑡𝑢𝑛𝑔 (𝑇𝑐) = 0,250 <

𝐹𝑡𝑎𝑏𝑒𝑙 = 8,78. Dengan demikian, “kompetensi berpengaruh terhadap

kinerja pegawai dan pengaruhnya bersifat linear.7

c. Uji Signifikansi Koefisien Persamaan Regresi

7
Kadir, Op.Cit., hlm.183
 Langkah-langkah perhitungan:

1) Menghitung galat baku taksiran (standar error)

𝑠𝑒 2 = RJK (S) = 33,357
2) Menghitung penduga untuk 𝛼dan 𝛽
∑ X2 34219
𝑠𝑎 2 = (𝑠𝑒
2)
= (33,357) = 37,721 ⇔ 𝑠𝑎
𝑛 ∑ 𝑥2 15(2017,333)
= 6,142
𝑠𝑒 2 33,357
𝑠𝑏 2 = 2
= = 0,01654 ⇔ 𝑠𝑏 = 0,1286
∑𝑥 2017,333
3) Menghitung statistik uji-t
Hipotesis penelitian (verval) adalah “Kompetensi berpengaruh
positif terhadap kinerja pegawai”. Sedangkan hipotesis statistiknya
adalah:
H0 = β ≤ 0
H1 = β > 0
Statistik uji yang digunakan untuk menguji signifikansi dari
koefisien a dan b pada persamaan regresi ̂
Y = −0,67 + 0,367 X
adalah statistika uji-t.
a −0,67
ta = = = −0,109
sa 6,142
b 3,67
tb = = = 2,854
sb 0,129
Bandingkan t tab untuk 𝛼 = 0,05 dan 𝑑𝑏 (𝑆) = 13, yaitu
t tab(0,05;13) = 1,77. sehingga t a < t tab atau H0 diterima, hal ini berarti
konstanta persamaan regresi tidak signifikan. Sedangkan t b > t tab atau
H0 ditolak atau koefisien regresi bersifat signifikan. Dengan demikian,
“Kompetensi berpengaruh positif terhadap kinerja pegawai”.
d. Koefisien Korelasi dan Uji Signifikansi Koefisien Korelasi 𝑿 dan 𝒀
Koefisien korelasi adalah koefisien yang memperlihatkan tingkat
keeratan hubungan antara variabel 𝑋 dan 𝑌.
 1) Koefisien korelasi antara 𝑋 dan 𝑌
∑ 𝑥𝑦 740,333
rxy = = = 0,621
√(∑ 𝑥 2 )(∑ 𝑦 2 ) √(2017,333)(705,333)
Jadi, koefisien korelasi amtara 𝑋 dan 𝑌 sebesar 0,621
2) Uji signifikansi koefisien korelasi 𝑋 dan 𝑌
H0 : 𝜌 = 0
H1 : 𝜌 ≠ 0
rxy √n − 2 0,621√13
t hitung = = = 2,849
√1 − rxy 2 √1 − (0,621)2

Bandingkan dengan t tabel untuk 𝛼 = 0,05 dan db = n − 2 =

15 − 2 = 13, diperoleh t tab(0,05;13) = 1,77, sehingga t hitung > t tabel
atau H0 ditolak. Hal ini berarti bahwa korelasi antara 𝑋 dengan
𝑌signifikan. Karena koefisien korelasi adalah positif, maka makin
tinggi kompetensi makin tinggi pula kinerja pegawai yang dapat
dicapai.
3) Koefisien determinasi
Koefisien determinasi adalah sebuah koefisien yang
memperlihatkan besarnya variasi yang ditimbulkan oleh variabel bebas
(predictor). Koefisien determinasi didefinisikan sebagai kuadrat dari
koefisien korelasi dikali 100%. Sehingga untuk hasil analisis di atas,
koefisien determinasi adalah (rxy 2 × 100 %) = (0,621)2 × 100% =
0,385 × 100% = 38,5%. Koefisien ini mengandung makna bahwa
38,5% variasi variabel kinerja pegawai dapat dijelaskan oleh variabel
kompetensi. Dalam pengertian lain, bahwa dengan mengontrol
predictor lain yang juga berhubungan dengan variabel kinerja, maka
dapat disimpulkan bahwa pengaruh variabel kompetensi terhadap
variabel kinerja pegawai sebesar 38,5%.

B. Analisis Regresi (Anareg) Ganda Dua Prediktor

 Jika skala pengukuran dari dua variabel bebas (predictor) dan sebuah
variabel tak bebas (criterion) yang akan dianalisis merupakan interval atau
rasio maka untuk menjelaskan pengaruh/hubungan antara variabel tersebut
dapat dilakukan dengan menggunakan regresi linear ganda dengan dua
prediktor.

Misalkan variabel bebas tersebut adalah X1, X2 dan variabel terikatnya

adalah Y, maka pengaruh X1, X2 terhadap Y atau di namakan regresi ganda
Y atas X1dan X2. Hubungan atau pertautan antara variabel tersebut
dinyatakan dalam persamaan matematika berikut:8

Model Regresi : 𝒀 = 𝜷𝟎 + 𝜷𝟏 𝑿𝟏 + 𝜷𝟐 𝑿𝟐 + 𝜺(𝐩𝐨𝐩𝐮𝐥𝐚𝐬𝐢)

̂ = 𝒃𝟎 + 𝒃𝟏 𝑿𝟏 + 𝒃𝟐 𝑿𝟐 (𝐬𝐚𝐦𝐩𝐞𝐥)
Fungsi Regresi :𝒀

Dimana b0 adalah konstanta, 𝑏1 dan 𝑏2 masing-masing koefisien

regresi yang berkaitan dengan variabel X1 dan X2. Nilai konstanta b0 dan
koefisien persamaan regresi b1 dan b2 diperoleh dari data sampel. Untuk
keperluan itu dibutuhkan pasangan data (X1, X2, Y), dengan persyaratan data
tersebut diambil secara random, populasi normal, dan homogen. Misalkan
pasangan data tersebut sebagai berikut:

No X1 X2 Y
1 X11 X21 Y1
2 X12 X22 Y2
3 X13 X23 Y3
4 X14 X24 Y4
. . . .
. . . .
. . . .
. . . .
. . . .
N X1n X2n Y1

8
Kadir, Op.cit., hlm.190
 Dari tabel di atas dihitung jumlah kuadrat dan jumlah hasil kali data
variabel (X1, X2, Y) yang selanjutnya dengan menggunakan metode jumlah
kuadrat terkecil (least square) ditentukan:9
1. Persamaan regresi ganda Y atas X1 dan X2.
2. Signifikansi persamaan regresi ganda Y atas X1 dan X2.
3. Koefisien korelasi ganda dan koefisien determinasinya.
4. Signifikansi koefisien persamaan regresi gandaY atas X1 dan X2.
5. Koefisien korelasi parsial dan signifikansinya.

Perhitungan analisis regresi ganda dengan duaprediktor secara manual

dipaparkan sebagai berikut:
Contoh 8.2
Misalnya kita akan membahas pengaruh variabel kompetensi (X1) dan
kompensasi (X2) terhadap variabel kinerja pegawai (Y). Untuk keperluan
tersebut telah diambil sampel secara acak, sebagai berikut:

No 1 2 3 4 5 6 7 8 9 10
X1 12 14 10 16 18 24 12 30 10 16

X2 10 11 14 13 15 20 8 16 12 9

Y 6 7 8 8 9 10 5 12 6 7
Pertanyaan:
a. Tentukan persamaan regresi ganda Y atas X1 dan X2.
b. Lakukan pengujian signifikansi regresi ganda Y atas X1 dan X2.
c. Hitung dan uji signifikansi koefisien korelasi ganda Y atas X1 dan X2.
d. Lakukan pengujian signifikansi koefisien persamaan regresi ganda Y
atas X1 dan X2.
e. Hitung dan uji signifikansi koefisien korelasi parsial.
f. Tentukan peringkat hubungan antar variabel bebas dan variabel tak
bebas.

9
Ibid.
 Penyelesaian:
Tabel 8.3 Persiapan Regresi Ganda Dua Prediktor
No X1 X2 Y X12 X22 Y2 X1 Y X2Y X1X2
1 12 10 6 144 100 36 72 60 120
2 14 11 7 196 121 49 98 77 154
3 10 14 8 100 196 64 80 112 140
4 16 13 8 256 169 64 128 104 208
5 18 15 9 324 225 81 162 135 270
6 24 20 10 576 400 100 240 200 480
7 12 8 5 144 64 25 60 40 96
8 30 16 12 900 256 144 360 192 480
9 10 12 6 100 144 36 60 72 120
10 16 9 7 256 81 49 112 63 144
Jumlah 162 128 78 2996 1756 648 1372 1055 2212

a. Menentukan Persamaan Regresi Linear Ganda Y atas 𝑿𝟏 dan 𝑿𝟐

Untuk menentukan persamaan regresi di tentukan nilai-nilai
sebagai berikut :
∑ 𝑋1 = 162 ∑ 𝑋2 = 128 ∑ 𝑌 = 78
∑ 𝑋12 = 2996 ∑ 𝑋22 = 1756 ∑ 𝑌 2 = 648
∑ 𝑋12 = 371,6 ∑ 𝑋22 = 117,6 ∑ 𝑌 2 = 39,6
𝑋1 = 16,2 𝑋2 = 12,8 𝑌 = 7,8

∑ 𝑋1 𝑌 = 1372 ⇔ ∑ 𝑥1 𝑦 = 108,4

∑ 𝑋2 𝑌 = 1055 ⇔ ∑ 𝑥2 𝑦 = 56,6

∑ 𝑋1 𝑋2 = 2212 ⇔ ∑ 𝑥1 𝑥2 = 138,4

Selanjutnya dibentuk persamaan simultan

𝑏𝑖 ∑ 𝑥12 + 𝑏𝑖 ∑ 𝑥1 𝑥2 = ∑ 𝑥1 𝑦

𝑏𝑖 ∑ 𝑥1 𝑥2 + 𝑏𝑖 ∑ 𝑥22 = ∑ 𝑥2 𝑦

Dengan menggunakan metode determinan (Crammer), dihitung

koefisien persamaan regresi 𝑏1 dan 𝑏2 , berikut ini.
 ∑ 𝑥1 𝑦 ∑ 𝑥1 𝑥2
⌊ ⌋
∑ 𝑥2 𝑦 ∑ 𝑥22 (∑ 𝑥22 )(∑ 𝑥1 𝑦) − (∑ 𝑥1 𝑥2 )(∑ 𝑥2 𝑦)
𝑏1 = =
∑ 𝑥12 ∑ 𝑥1 𝑥2 (∑ 𝑥12 )(∑ 𝑥22 ) − (∑ 𝑥1 𝑥2 )2
⌊ ⌋
∑ 𝑥1 𝑥2 ∑ 𝑥22
(117,6)(108,4) − (138,4)(56,6) 4914,4
𝑏1 = = = 0,200215.
(371,6)(117,6) − (138,4)2 24545,6
Selanjutnya
∑ 𝑥12 ∑ 𝑥1 𝑦
⌊ ⌋
∑ 𝑥1 𝑥2 ∑ 𝑥2 𝑦 (∑ 𝑥12 )(∑ 𝑥2 𝑦) − (∑ 𝑥1 𝑥2 )(∑ 𝑥1 𝑦)
𝑏2 = =
∑ 𝑥12 ∑ 𝑥1 𝑥2 (∑ 𝑥12 )(∑ 𝑥22 ) − (∑ 𝑥1 𝑥2 )2
⌊ ⌋
∑ 𝑥1 𝑥2 ∑ 𝑥22
(371,6)(56,6) − (138,4)(108,4) 6030
𝑏2 = = = 0,412001
(372,6)(117,6) − (138,4)2 24545,6
𝑏0 = 𝑌̅ − 𝑏1 𝑋
̅̅̅1 − 𝑏2 𝑋
̅̅̅2
𝑏0 = 7,8 − (0,200215)(16,2) − (0,245665)(12,8) = 1,412001
Persamaan/model regresi ganda Y dan 𝑋1 dan 𝑋2 diekspresikan
sebagai
𝑌̂ = 1,412001 + 0,200215 𝑋1 + 0,245665 𝑋2 atau
𝑌̂ = 0,412 + 0,200 𝑋1 + 0,246 𝑋2 (pembulatan).
Cara lain menentukan koefisien persamaan regresi 𝑏1 dan 𝑏2
adalah dengan menggunakan metode invers matriks berdasarkan
persamaan simultan.

𝑏1 ∑ 𝑥12 + 𝑏2 ∑ 𝑥1 𝑥2 = ∑ 𝑥1 𝑦 371,6 𝑏1 + 138,4 𝑏2 = 108,4

}⇔
138,4 𝑏1 + 117,6 𝑏2 = 56,6
𝑏1 ∑ 𝑥1 𝑥2 + 𝑏2 ∑ 𝑥22 = ∑ 𝑥2 𝑦

371,6 138,4 𝑏1 108,4 𝑏

( )( ) = ( ) ⇔ ( 1)
138,4 117,6 𝑏2 56,6 𝑏2
371,6 138,4 −1 108,4
=( ) ( )
138,4 117,6 56,6
Catatan: cara menentukan invers matriks: tuliskan elemen
matriks yang akan dicari inversnya pada pada sheet Excel, ketik =
MINVERSE dan klik 2x pada”fx” kemudian blok matriks yang telah
ditulis tersebut, tekan ENTER akan muncul elemen baris-1 dan kolom-
 1, yaitu (0,00479). Selanjutnya blok ruang matriks 2x2 yang juga
memuat elemen (0,00479), kemudian tekan F2, SHIFT+CTRL, dan
371,6 138,4 −1
ENTER. Sehingga akan diperoleh( ) =
138,4 117,6
0,00479 −0,00564 𝑏
( ). Perhitungan selanjutnya: ( 1) =
−0,00564 0,01514 𝑏2
0,00479 −0,00564 108,4 0,200215
( )( )=( )
−0,00564 0,01514 56,6 0,245665
Catatan: untuk menentukan koefisien 𝑏1 dan 𝑏2 , tuliskan=
MMULT kemudian klik 2x pada “fx” selanjutnya blok matriks invers
(sebagai array 1) dan tulis koma atay titik koma kemudian blok matriks
108,4
konstanta ( ) (sebagai array 2) dan ENTER, akan muncul angka
56,6
(0,200215). Selanjutnya blok ruang/sell matriks ber-ordo 2x1 yang juga
memuat nilai (0,200215) dan tekan F2, SHIFT + CTRL, sehingga
0,200215
diperoleh matriks yang dicari, yaitu ( ). Hal ini berarti
0,245665
koefisien 𝑏1 = 0,200215 dan 𝑏1 = 0,245665.10

b. Uji Signifikansi Persamaan Regresi Ganda Y atas 𝑿𝟏 dan 𝑿𝟐

Pengujian signifikansi regresi linear ganda Y atas 𝑋1 dan
𝑋2 (𝑌̂ = 0,412 + 0,200 𝑋1 + 0,246 𝑋2 ) dilakukan dengan langkah-
langkah sebagai berikut:
1. Menghitung Jumlah Kuadrat (JK) beberapa sumber varians

𝐽𝐾(𝑇) = ∑ 𝑦 2 = 39,6

𝐽𝐾(𝑅𝑒𝑔) = 𝑏1 ∑ 𝑥1 𝑦 + 𝑏2 ∑ 𝑥2 𝑦

= (0,200)(108,4) + (0,246)(56,6) = 35,608

𝐽𝐾(𝑅𝑒𝑠) = 𝐽𝐾(𝑇) − 𝐽𝐾(𝑅𝑒𝑔) = 39,6 − 35,608 = 3,992

10
Ibid, hal.206.
2. Menentukan derajat bebas (db) beberapa sumber varians
𝑑𝑏(𝑇) = 𝑛 − 1 = 10 − 1 = 9
𝑑𝑏(𝑅𝑒𝑔) = 𝑘 = 2 (k adalah banyaknya prediktor)
𝑑𝑏(𝑅𝑒𝑠) = 𝑛 − 𝑘 − 1 = 10 − 2 − 1 = 7
3. Menghitung Rata-rata Jumlah Kuadrat (RJK)
𝐽𝐾(𝑅𝑒𝑔) 35,608
𝑅𝐽𝐾(𝑅𝑒𝑔) = = = 17,804
𝑑𝑏(𝑅𝑒𝑔) 2
𝐽𝐾(𝑅𝑒𝑠) 3,992
𝑅𝐽𝐾(𝑅𝑒𝑠) = 𝑑𝑏(𝑅𝑒𝑠) = 7
= 0,570

4. Menentukan 𝐹ℎ𝑖𝑡𝑢𝑛𝑔
Uji signifikansi regresi Y atas 𝑋1 dan 𝑋2
Hipotesis:
𝐻0 : 𝛽1 = 𝛽2atau𝐻0 : 𝛽1 − 𝛽2 = 0
𝐻1 : 𝛽1 ≠ 𝛽2atau𝐻0 : 𝛽1 − 𝛽2 ≠ 0
𝑅𝐽𝐾(𝑅𝑒𝑔) 17,804
𝐹ℎ𝑖𝑡 (𝑅𝑒𝑔) = 𝑅𝐽𝐾(𝑆𝑖𝑠𝑎) = = 31,219bandingkan𝐹𝑡𝑎𝑏 untuk
0,570

𝛼 = 0,05; 𝑑𝑏(𝑅𝑒𝑔) = 2; dan 𝑑𝑏(𝑅𝑒𝑠) = 7, yaitu 𝐹𝑡𝑎𝑏(0,05:2;7) =

4,74. Sehingga 𝐹ℎ𝑖𝑡 (𝑅𝑒𝑔) > 𝐹𝑡𝑎𝑏 , atau𝐻0 ditolak. Sehingga
persamaan regresi (𝑌̂ = 0,412 + 0,200 𝑋1 + 0,246 𝑋2 ) signifikan
atau terdapat pengaruh linear 𝑋1 dan 𝑋2 terhadap variabel Y.
Dengan demikian, variabel 𝑋1 dan 𝑋2 secara simultan berpengaruh
terhadap variabel Y.
5. Menyusul Tabel ANOVA Regresi
Tabel Uji Signifikansi Regresi Ganda: (𝑌̂ = 0,412 + 0,200 𝑋1 +
0,246 𝑋2 )
𝐹𝑡𝑎𝑏
Sumber Varians JK db RJK 𝐹ℎ𝑖𝑡
𝛼 = 0,05
Regresi 35,608 2 17,804
31,219* 4,74
Sisa (Residu) 3,992 7 0,570
Total Tereduksi 39,6 9 - - -
Keterangan :
* = Regresi signifikan (𝐹ℎ𝑖𝑡 = 31,219 > 𝐹𝑡𝑎𝑏 = 4,74)
 Dari hasil analisis pada tabel di atas diperoleh 𝐹ℎ𝑖𝑡 (𝑅𝑒𝑔) > 𝐹𝑡𝑎𝑏 ,
atau𝐻0 ditolak. Dengan demikian, variabel kompetensi dan
Kompensasi simultan (bersama-sama) berpengaruh terhadap
variabel kinerja pegawai.

c. Uji Signifikansi Persamaan Regresi Ganda Y atas 𝑿𝟏 dan 𝑿𝟐

1. Koefisien Korelasi Ganda

2
𝐽𝐾(𝑅𝑒𝑔) 𝐽𝐾(𝑅𝑒𝑔) 35,608
𝑅𝑦.12 = = 2
= = 0,899
𝐽𝐾(𝑇) ∑𝑦 39,6
𝑅𝑦.12 = √0,899 = 0,948
2. Uji Signifikansi Koefisien Korelasi Ganda
𝐻0 : 𝜌𝑦.12 = 0
𝐻1 : 𝜌𝑦.12 ≠ 0
𝑅 2 (𝑛 − 𝑘 − 1) 2 2
𝐹ℎ𝑖𝑡 = 2
; 𝑅 = 𝑅𝑦.12 = 0,899
𝑘(1 − 𝑅 )
0,899(10 − 2 − 1)
𝐹ℎ𝑖𝑡 = = 31,219
2(1 − 0,899)
Bandingkan dengan 𝐹ℎ𝑖𝑡 > 𝐹𝑡𝑎𝑏 untuk 𝛼 = 0,05; 𝑑𝑏1 =
2; 𝑑𝑏2 = 7, yaitu 𝐹𝑡𝑎𝑏(0,05:2;7) = 4,74. Sehingga 𝐹ℎ𝑖𝑡 > 𝐹𝑡𝑎𝑏 ,
atau𝐻0 ditolak. Hal ini berarti bahwa koefisien korelasi ganda
antara 𝑋1 dan 𝑋2 dengan Y adalah signifikan atau tingkat keeratan
hubungan antara kompetensi dan kompensasi seacara bersama-
sama (secara simultan) dengan kinerja pegawai adalah signifikan.

3. Koefisien Determinasi
Koefisien determinasi diartikan sebagai kuadrat dari
koefisien korelasi.sehingga koefisien korelasi antara 𝑋1 dan 𝑋2
2
dengan Y adalah kuadrat dari 𝑅𝑦.12 = 0,948 atau 𝑅𝑦.12 = 0,899 ×
100% = 89,90%. Dapat diartikan bahwa 89,90% variasi nilai
pada variabel kinerja pegawai (Y) dapat dijelaskan oleh
kompetensi (𝑋1 ) dan kompensasi (𝑋2 ) secara bersama-
 sama.Dengan demikian, pengaruh kompetensi dan kompensasi
terhadap kinerja pegawai sebesar 89,90% .

d. Uji Signifikansi Koefisien Persamaan Regresi Ganda

1. Menghitung Galat Baku Taksiran (𝑆𝑦.12 )

𝑆𝑦.12 = √0,570 = 0,7552

2
𝑆𝑦.12 = 𝑅𝐽(𝑆) = 0,570
Sehingga Galat Baku Taksiran adalah 0,7552
2. Menghitung 𝑅𝑖2
Karena 𝑟12 = 𝑟21 maka 𝑅12 = 𝑅22
Koefisien 𝑅1 = 𝑅2 dihitung dengan rumus :
∑ 𝑥1 𝑥2
𝑅1 = , sehingga diperoleh
√(∑ 𝑥12 )(∑ 𝑥22 )

∑ 𝑥1 𝑥2 138,4
𝑅1 = = = 0,662
√(∑ 𝑥12 )(∑ 𝑥22 ) √(371,6)(117,6)
Sehingga 𝑅12 = 𝑅22 = (0,662)2 = 0,4382
2
3. Menghitung 𝑆𝑏𝑖
2
2
𝑆𝑦.12.𝑘
𝑆𝑏𝑖 =
∑ 𝑥𝑖2 (1 − 𝑅𝑖2 )
2
2
𝑆𝑦.12 0,570
𝑆𝑏1 = 2 2 = = 0,002732
∑ 𝑥1 (1 − 𝑅1 ) (371,6)(1 − 0,4382)
Sehingga diperoleh 𝑆𝑏1 = √0,002732 = 0,05226
Selanjutnya
2
2
𝑆𝑦.12 0,570
𝑆𝑏2 = 2 2 = = 0,008632
∑ 𝑥2 (1 − 𝑅2 ) (117,6)(1 − 0,4382)
Sehingga diperoleh 𝑆𝑏2 = √0,008632 = 0,09291
4. Menghitung Statistik Uji-t
Statistika uji yang digunakan untuk menentukan signifikan
dari masing-masing koefisien 𝑋1 dan 𝑋2 adalah statistika uji-t
dengan rumus:
 𝑏𝑖
𝑡𝑖 =
𝑆𝑏𝑖
Uji signifikansi koefisien (𝑏𝑖 ) berkaitan dengan variabel 𝑋1
𝐻0 ∶ 𝛽1 ≤ 0
𝐻1 ∶ 𝛽1 > 0
𝑏1 0,200
𝑡1 = = = 3,83 , dibandingkan dengan 𝑡𝑡𝑎𝑏𝑒𝑙 untuk 𝛼 =
𝑆𝑏1 0,05226

0,05 dan 𝑑𝑏 = 7, yaitu 𝑡𝑡𝑎𝑏(0,05;7) = 1,89, sehingga 𝑡1 > 𝑡𝑡𝑎𝑏

atau 𝐻0 ditolak. Hal ini berarti, koefisien yang berkaitan dengan 𝑋1
adalah signifikan atau koefisien 𝑋1 tidak bisa diabaikan, hal ini
mengungkapkan bahwa setiap peningkatan satu unit variabel 𝑋1
maka variabel 𝑌 akan mengalami peningkatan sebesar 0,200 kali
pada konstanta 1,412 sementara variabel 𝑋2dikendalikan atau
dikontrol. Simpulan umum dari pengujian ini adalah bahwa
Kompetensi berpengaruh positif terhadap Kinerja Pegawai.
Uji signifikansi koefisien (𝑏2 ) berkaitan dengan variabel 𝑋2
𝐻0 ∶ 𝛽2 ≤ 0
𝐻1 ∶ 𝛽2 > 0
𝑏2 0,246
𝑡2 = = = 2,64 , dibandingkan dengan 𝑡𝑡𝑎𝑏𝑒𝑙 untuk 𝛼 =
𝑆𝑏2 0,09291

0,05 dan 𝑑𝑏 = 7, yaitu 𝑡𝑡𝑎𝑏(0,05;7) = 1,89, sehingga 𝑡1 > 𝑡𝑡𝑎𝑏

atau 𝐻0 ditolak. Hal ini berarti, koefisien yang berkaitan dengan 𝑋2
adalah signifikan atau koefisien 𝑋2 tidak bisa diabaikan, hal ini
mengungkapkan bahwa setiap peningkatan satu unit variabel 𝑋2
maka variabel 𝑌 akan mengalami peningkatan sebesar 0,246 kali
pada konstanta 1,412 sementara variabel 𝑋1dikendalikan atau
dikontrol. Simpulan umum dari pengujian ini adalah bahwa
Kompetensi berpengaruh positif terhadap Kinerja Pegawai.

e. Korelasi Parsial dan Penentuan Peringkat Pengaruh

 Uji koefisien korelasi parsial mempunyai makna yang sama
dengan uji koefisien persamaan regresi. Untuk menghitung koefisien
korelasi parsial, diperlukan koefisien-koefisien korelasi sebagai berikut.

∑ 𝑥1 𝑦 108,4 2
𝑟𝑦1 = = = 0,894 ⟺ 𝑟𝑦1
√(∑ 𝑥12 )(∑ 𝑦 2 ) √(371,6)(39,6)

= 0,8942 = 0,7992
∑ 𝑥2 𝑦 56,6 2
𝑟𝑦2 = = = 0,829 ⟺ 𝑟𝑦2
√(∑ 𝑥22 )(∑ 𝑦 2 ) √(117,6)(39,6)

= 0,8292 = 0,6872
∑ 𝑥1 𝑥2 138,4 2
𝑟12 = = = 0,662 ⟺ 𝑟12 = 0,6622
√(∑ 𝑥12 )(∑ 𝑥22 ) √(371,6)(117,6)
= 0,4382
1. Koefisien Korelasi antara 𝑋1 dan 𝑌 dengan Mengontrol Pengaruh
𝑋2 (𝑟𝑦1.2 )
𝑟𝑦1 − 𝑟𝑦2 𝑟12 0,894 − (0,829)(0,662)
𝑟𝑦1.2 = = = 0,823
2
√(1 − 𝑟𝑦2 2)
)(1 − 𝑟12 √(1 − 06872)(1 − 0,4382)

𝑟𝑦1 √𝑛−3 0,823 √10−3

𝑡ℎ𝑖𝑡𝑢𝑛𝑔 = = = 3,83.
2
√1− 𝑟𝑦1.2 √1− 0,8232

Bandingkan 𝑡𝑡𝑎𝑏(0,05;7) = 1,89, sehingga 𝑡ℎ𝑖𝑡𝑢𝑛𝑔 > 𝑡𝑡𝑎𝑏

atau 𝐻0 ditolak. Dengan demikian koefisien korelasi 𝑌 dan 𝑋1
dengan mengontrol variabel 𝑋2 adalah signifikan. Dengan kata lain
walaupun variabel 𝑋2 telah dikontrol, variabel 𝑋1 masih memiliki
pengaruh yang signifikan terhadap 𝑌.11

2. Koefisien Korelasi antara 𝑋2 dan 𝑌 dengan Mengontrol Pengaruh

𝑋1 (𝑟𝑦2.1 )

11
Ibid.,hal 198.
 𝑟𝑦2 − 𝑟𝑦1 𝑟12 0,829 − (0,894)(0,662)
𝑟𝑦2.1 = =
2
√(1 − 𝑟𝑦1 2)
)(1 − 𝑟12 √(1 − 07992)(1 − 0,4382)

= 0,7069 = 0,707
Uji signifikansi koefisien korelasi parsial
𝑟𝑦2.1 √𝑛−3 0,707√10−3
𝑡ℎ𝑖𝑡𝑢𝑛𝑔 = = = 2,65.
2
√1− 𝑟𝑦2.1 √1− 0,7072

Bandingkan 𝑡𝑡𝑎𝑏(0,05;7) = 1,89, sehingga𝑡ℎ𝑖𝑡𝑢𝑛𝑔 > 𝑡𝑡𝑎𝑏 atau

𝐻0 ditolak. Dengan demikian koefisien korelasi 𝑌 dan 𝑋2 dengan
mengontrol variabel 𝑋1 adalah signifikan.
Sebagaimana telah disinggung pada uji signifikansi
koefisien persamaan, yang memberi petunjuk bahwa besar kecilnya
koefisien regresi menentukan besar kecilnya pengaruh prediktor
terhadap kriterion (variabel tak bebas). Hal yang sama untuk uji
signifikansi koefisien korelasi parsial, yakni koefisien korelasi
parsial yang lebih besar juga akan memberikan penaruh yang lebih
besar terhadap kriterion. Untuk mempermudah melihat urutan atau
peringkat keeratan hubungan atau pengaruh antara variabel bebas
dengan variabel terikat, disajikan koefisien korelasi parsial pada
tabel berikut.
Tabel Peringkat Hubungan/Pengaruh
Koefisien Korelasi 𝑡𝑡𝑎𝑏𝑒𝑙
n db 𝑡ℎ𝑖𝑡𝑢𝑛𝑔 Peringkat
Parsial 𝛼 = 0,05
𝑟𝑦1.2 = 0,823 10 3 3,83 1,89 Pertama
𝑟𝑦2.1 = 0,707 10 3 2,65 1,89 Kedua
Dari hasil analisis pada tabel di atas, menunjukkan bahwa
peringkat pertama keeratan hubungan/pengaruh antara variabel
bebas dan variabel terikat dimiliki oleh variabel kompetensi dan
peringkat kedua adalah variabel kompensasi. Hal ini juga
berimplikasi bahwa apabila kinerja pegawai ingin ditingkatkan
maka faktor pertama yang perlu diperbaiki adalah kompetensi para
pegawai kemudian yang kedua adalah faktor kompensasinya.
 C. Uji Korelasi Koefisien
1. Cara mencari (menghitung) dan memberikan interpretasi terhadap
Angka Indeks “r” Product Moment untuk Data Tunggal, dimana N
kurang dari 30 dengan terlebih dahulu memperhitungkan Deviasi
Standarnya
a. Rumus
Apabila dalam mencari Angka Indeks Korelasi “r” Product
Moment itu perhitungannya didasarkan pada Deviasi Standar dari
data yang sedang dicari korelasinya, maka rumus yang diperlukan
adalah sebagai berikut :
∑ 𝑥𝑦
𝑟𝑥𝑦 =
𝑁. 𝑆𝐷𝑥 . 𝑆𝐷𝑦
𝑟𝑥𝑦 = Angka Indeks Korelasi antara Variabel X dan Variabel Y
∑ 𝑥𝑦 = Jumlah dari hasil perkalian antara deviasi skor-skor
Variabel X (yaitu : x) dari deviasi dari skor-skor Variabel Y
(yaitu: y)
𝑆𝐷𝑥 = Deviasi Standar dari Variabel X
𝑆𝐷𝑦 = Deviasi Standar dari Variabel Y
N = Number of Case
b. Langkah
Langkah yang perlu ditempuh adalah12:
1) Menyiapkan Tabel Kerja atau Tabel Perhitungan, yang terdiri
dari delapan kolom. Pada kolom 1 dimuat Subjek Penelitian;
Kolom 2: memuat skor variabel X; Kolom 3 memuat skor
variabel Y; Kolom 4 memuat deviasi skor variabel X terhadap
Mean grupnya (𝑀𝑥 ); Kolom 5 memuat deviasi skor variabel Y
terhadap Mean grupnya (𝑀𝑦 ); Kolom 6 memuat memuat hasil
perkalian antara deviasi x dan deviasi y (kolom 4 dikalikan
dengan kolom 5); Kolom 7 memuat hasil pengkuadratan deviasi

12
Anas Sudijono,Pengantar Statistika Pendidikan, Jakarta (PT Raja Grafindo Persada: 2007) hal
196.
 x (yaitu 𝑥 2 ) dan Kolom 8 memuat hasil pengkuadratan deviasi x
(yaitu 𝑦 2 )
2) Menghitung Mean dari variabel X (𝑀𝑥 ) dengan menggunakan
rumus:
∑𝑥
𝑀𝑥 =
𝑁
3) Menghitung Mean dari variabel Y (𝑀𝑦 ) dengan menggunakan
rumus:
∑𝑦
𝑀𝑦 =
𝑁
4) Menghitung Deviasi Standar variabel X (yaitu 𝑆𝐷𝑥 ) dengan
menggunakan rumus:

∑ 𝑥2
𝑆𝐷𝑥 = √
𝑁

5) Menghitung Deviasi Standar variabel Y (yaitu 𝑆𝐷𝑦 ) dengan

menggunakan rumus:

∑ 𝑦2
𝑆𝐷𝑦 = √
𝑁

6) Menghitung Angka Indeks Korelasi antara variabel X dan

variabel Y (𝑟𝑥𝑦 ) dengan menggunakan rumus:
∑ 𝑥𝑦
𝑟𝑥𝑦 =
𝑁. 𝑆𝐷𝑥 . 𝑆𝐷𝑦
c. Contoh Perhitungan
Misalkan dalam suatu penelitian yang dimaksudkan untuk
mengetahui apakah secara signifikan terdapat korelasi positif antara
Nilai Hasil Belajar para Mahasiswa di Fakultas (variabel X) dan
Nilai Hasil Belajar mereka pada waktu berada di Sekolah Menengah
Atas (variabel Y), dalam penelitian mana telah ditetapkan sebagai
sampel sejumlah 20 orang mahasiswa ( N kurang dari 30), telah
berhasil dihimpun data berupa: Mean Nilai Hasil Belajar para
Mahasiswa tersebut pada Ujian Semester dan Nilai dari Hasil Belajar
 mereka tersebut pada Ujian Akhir SMA (sebagaimana tercantum
dalam ijazah) seperti pada tabel berikut.
Untuk dapat mengetahui besarnya Angka Indeks yang
menunjukkan kuat-lemahnya korelasi antara variabel X dan variabel
Y itu, terlebih dahulu kita siapkan Tabel Kerja atau Tabel
Perhitungannya sebagai berikut :
Mean Nilai Hasil Ujian
Nama Mean Nilai Ijazah
No. Semester di Fakultas
Mahasiswa di SMA (Y)
(X)
1 A 6,5 7,5
2 B 5,8 5,6
3 C 7,2 6,6
4 D 6,9 6,4
5 E 7,6 6,9
6 F 6,7 6,2
7 G 6,2 5,9
8 H 5,6 5,8
9 I 6,8 6,1
10 J 6,0 7,1
11 K 6,4 7,4
12 L 6,2 7,2
13 M 7,2 6,3
14 N 6,5 6,7
15 O 6,3 6,5
16 P 6,6 7,6
17 Q 5,8 5,9
18 R 6,3 7,3
19 S 7,4 7,8
20 T 6,0 7,2

Tabel Kerja atau Tabel Perhitungan

No. Subjek X Y X y xy 𝑥2 𝑦2
1 A 6,5 7,5 0,0 0,8 0,00 0,00 0,64
2 B 5,8 5,6 -0,7 -1,1 0,77 0,49 1,21
3 C 7,2 6,6 0,7 -0,1 -0,07 0,49 0,01
4 D 6,9 6,4 0,4 -0,3 -0,12 0,16 0,09
5 E 7,6 6,9 1,1 0,2 0,22 1,21 0,04
6 F 6,7 6,2 0,2 -0,5 -0,1 0,04 0,25
7 G 6,2 5,9 -0,3 -0,8 0,24 0,09 0,64
8 H 5,6 5,8 -0,9 -0,9 0,81 0,81 0,81
9 I 6,8 6,1 0,3 -0,6 -0,18 0,09 0,36
10 J 6,0 7,1 -0,5 0,4 -0,2 0,25 0,16
 11 K 6,4 7,4 -0,1 0,7 -0,07 0,01 0,49
12 L 6,2 7,2 -0,3 0,5 -0,15 0,09 0,25
13 M 7,2 6,3 0,7 -0,4 -0,28 0,49 0,16
14 N 6,5 6,7 0,0 0,0 0,00 0,00 0,00
15 O 6,3 6,5 -0,2 -0,2 0,04 0,04 0,04
16 P 6,6 7,6 0,1 0,9 0,09 0,01 0,81
17 Q 5,8 5,9 -0,7 -0,8 0,56 0,49 0,64
18 R 6,3 7,3 -0,2 0,6 -0,12 0,04 0,36
19 S 7,4 7,8 0,9 1,1 0,99 0,81 1,21
20 T 6,0 7,2 -0,5 0,5 -0,25 0,25 0,25
Jml 20 130 134 0 0 2,18 5,86 8,42
Menghitung Mean dari variabel X (𝑀𝑥 ) dengan menggunakan
rumus:

∑𝑥 130
𝑀𝑥 = = = 6,5
𝑁 20

Menghitung Mean dari variabel Y (𝑀𝑦 ) dengan menggunakan

rumus:

∑𝑦 134
𝑀𝑦 = = = 6,7
𝑁 20

Menghitung Deviasi Standar variabel X (yaitu 𝑆𝐷𝑥 ) dengan

menggunakan rumus:

∑ 𝑥2 5,86
𝑆𝐷𝑥 = √ =√ = √0,294 = 0,541
𝑁 20

Menghitung Deviasi Standar variabel Y (yaitu 𝑆𝐷𝑦 ) dengan

menggunakan rumus:

∑ 𝑦2 8,42
𝑆𝐷𝑦 = √ =√ = √0,421 = 0,649
𝑁 20

Menghitung Angka Indeks Korelasi antara variabel X dan variabel Y

(𝑟𝑥𝑦 ) dengan menggunakan rumus:
 ∑ 𝑥𝑦 2,18 2,18
𝑟𝑥𝑦 = = = = 0,310
𝑁. 𝑆𝐷𝑥 . 𝑆𝐷𝑦 (20)(0,541)(0,649) 7,02218

Memberikan interpretasi terhadap 𝑟𝑥𝑦

Sepeti telah dikemukakan pada pembicaraan terdahulu,

dalam memberikan interpretasi terhadap 𝑟𝑥𝑦 dapat ditempuh dengan
dua macam cara, yaitu dengan cara kasar atau sederhana, dan dengan
cara berkonsultasi pada Tabel Nilai “r” Product Moment.

Interpretasi dengan menggunakan Tabel Nilai “r” Product Moment

Langkah I :

Merumuskan Hipotesis Alternatifnya : “Terdapat korelasi

positif yang signifikan antara Variabel X dan Variabel Y” . Dan
Hipotesis Nihilnya : “Tidak terdapatkorelasi positif yang signifikan
antara Variabel X dan Variabel Y”

Langkah II :

Mencari db, db = 20 – 2 = 18. Dengan 𝛼 = 0,05 maka diperoleh

𝑟𝑥𝑦 pada 𝑡𝑡𝑎𝑏(0,05;18) = 0,444.

Langkah III :

Membandingkan besarnya 𝑟𝑥𝑦 dengan 𝑟𝑡𝑎𝑏 , dapat dilihat

bahwa 𝑟𝑥𝑦 lebih besar dibandingkan 𝑟𝑡 , maka hipotesis alternatif
ditolak. Kesimpulannya : tidak terdapat korelasi positif antara
Prestasi Studi di Fakultas dan prestasi Studi di SMA.

2. Cara mencari (menghitung dan memberikan intepretasi terhadap angka

indeks korelasi “r” produk moment untuk data tunggal, di mana N
kurang dari 30, dengan tidak usah menghitung deviasi standarnya
a. Rumus
rumus yang kita pergunakan adalah:
 ∑ 𝑥𝑦
𝑟𝑥𝑦 =
√(∑ 𝑥 2 )(∑ 𝑦 2 )
𝑟𝑥𝑦 = angka indeks korelasi “r” product moment
∑ 𝑥2 = jumlah deviasi skor Y setelah terlebih dahulu
dikuadratkan
∑ 𝑦2 = jumlah deviasi skor Y setelah terlebih dahuku
dikuadratkan
b. Langkah
langkah yang perlu ditempuh adalah13:
1) Membuat tabel kerja atau tabel perhitungan yang terdiri dari
delapan kolom:
2) Mencari angka indeks korelasi “r” product moment antara
variabel X dan variabel Y (yaitu 𝑟𝑥𝑦 ), dengan rumus;
∑ 𝑥𝑦
𝑟𝑥𝑦 =
√(∑ 𝑥 2 )(∑ 𝑦 2 )
3) Memberikan intepretasi terhadap 𝑟𝑥𝑦 atau𝑟𝑜 serta menarik
kesimpulannya, yang dapat dilakukan secara sederhana atau
dilakukan dengan jalan berkonsultasi pada tabel nilai “r” product
moment.

c. Contoh perhitungan
Apabila data yang tercantum pada contoh sebelumnya dan
telah dihitung angka indeks korelasinya telah berhasil kita peroleh:
1. ∑ 𝑥𝑦=2,18 (lihat kolom 6 lajur paling bawah);
2. ∑ 𝑥 2 =5,86 (lihat kolom 7 lajur paling bawah);
3. ∑ 𝑦 2=8,42 (lihat kolom 8 lajur paling bawah),
Dengan mensubstitusikan ke dalam rumus kedua maka dapat
kita peroleh:

13
Ibid., hal 204.
 ∑ 𝑥𝑦 2,18 2,18 2,18
𝑟𝑥𝑦 = = = = 7,024 = 0,310 (sama
√(∑ 𝑥 2 )(∑ 𝑦 2 ) √(5,86)(8,42) √49,3412

seperi rumus pertama)

Intepretasi:
karena 𝑟𝑥𝑦 sebesar 0,310 itu telah kita berikan intepretasi
(baik secara sederhana maupun dengan jalan berkonsultasi pada
tabel nilai “r” product moment), maka cara pemberian intepretasinya
pun sama dengan apa yang telah dikemukakan diatas.
3. Cara Mencari (Menghitung) Angka Indeks Korelasi “r” Product
Moment Dimana N Kurang Dari 30, Dengan Mendasarkan Diri Pada
Skor Aslinya Atau Angka Kasarnya.

1) Rumus

Rumus yang kita pergunakan ialah:

𝑁 ∑ 𝑋𝑌 − (∑ 𝑋)( ∑ 𝑌)
𝑟𝑥𝑦 =
√[𝑁 ∑ 𝑋 2 − (∑ 𝑋)2 ][𝑁 ∑ 𝑌 2 − (∑ 𝑌)2 ]

𝑟𝑥𝑦 = angka indeks korelasi “r” product moment

N = Number of Cases
∑XY = jumlah hasil perkalian antara skor X dan skor Y
∑X = jumlah seluruh skor X
∑Y = jumlah seluruh skor Y

2) Langkah

Apabila Angka Indeks Korelasi “r” Product Moment dicari

atau dihitung berdasarkan skor aslinya, maka langkah yang perlu
ditempuh berturut-turut adalah:14

a) Menyiapkan Tabel Kerja atau Tabel Perhitungannya.

b) Mencari angka korelasinya dengan rumus:
14
Ibid., hal 206.
 𝑁 ∑ 𝑋𝑌 − (∑ 𝑋)( ∑ 𝑌)
𝑟𝑥𝑦 =
√[𝑁 ∑ 𝑋 2 − (∑ 𝑋)2 ][𝑁 ∑ 𝑌 2 − (∑ 𝑌)2 ]

c) Memberikan interpretasi terhadap rxy dan menarik kesimpulan

3) Contoh Perhitungan

Dalam suatu penelitian yang dimaksudkan untuk mengetahui

apakah secara signifikan terdapat korelasi positif antara Nilai Hasil
Tes Sumatif dan Nilai Tes Formatif dalam bidang studi Bahasa Arab,
telah ditetapkan sejumlah 20 orang siswa MAN sebagai sampel,
berhasil dihimpun data sebagai berikut:

Nilai Hasil Tes Sumatif dan Nilai Tes Formatif dalam bidang studi Bahasa
Arab, yang Berhasil Dicapai oleh 20 Orang Siswa MAN

Nilai Bidang Studi Bahasa Arab pada

No. Ur. Subjek
Tes Formatif (X) Tes Sumatif (Y)
1 A 5 6
2 B 6 8
3 C 7 7
4 D 6 8
5 E 5 6
6 F 6 8
7 G 6 7
8 H 5 6
9 I 6 6
10 J 8 8
11 K 6 7
12 L 6 6
13 M 5 6
14 N 6 7
15 O 8 6
16 P 4 6
17 Q 6 8
18 R 6 7
19 S 7 9
20 T 6 8
 Seperti yang telah disebutkan, penelitian di atas antara lain
mempunyai tujuan untuk mengetahui apakah antara Variabel X
(Nilai Hasil Tes Formatif) dan Variabel Y (Nilai Hasil Tes Sumatif)
terdapat korelasi positif yang signifikan. Sebelum kita lakukan
perhitungan untuk memperoleh Angka Indeks Korelasinya (rxy),
terlebih dahulu kita rumuskan Hipotesis Alternatif (Ha) dan Hipotesis
Nihilnya (H0) sebagai berikut:

Ha : “Ada korelasi positif yang signifikanantara Variabel X

(Nilai Hasil Tes Formatif) dan Variabel Y (Nilai Hasil
Tes Sumatif).”

H0 :“Tidak ada korelasi positif yang signifikan antara Variabel

X (Nilai Hasil Tes Formatif) dan Variabel Y (Nilai Hasil
Tes Sumatif).”

Selanjutnya kita lakukan perhitungan untuk memperoleh rxy

dengan terlebih dahulu menyiapkan Tabel Kerja atau Tabel
Perhitungannya

Perhitungan untuk Memperoleh Angka Indeks Korelasi Antara

Variabel X (Nilai Hasil Tes Formatif) dan Variabel Y (Nilai Hasil Tes
Sumatif)

No. Ur. Subjek X Y XY X2 Y2

1 A 5 6 30 25 36
2 B 6 8 48 36 64
3 C 7 7 49 49 49
4 D 6 8 48 36 64
5 E 5 6 30 25 36
6 F 6 8 48 36 64
7 G 6 7 42 36 49
8 H 5 6 30 25 36
 9 I 6 6 36 36 36
10 J 8 8 64 64 64
11 K 6 7 42 36 49
12 L 6 6 36 36 36
13 M 5 6 30 25 36
14 N 6 7 42 36 49
15 O 8 6 48 64 36
16 P 4 6 24 16 36
17 Q 6 8 48 36 64
18 R 6 7 42 36 49
19 S 7 9 63 49 81
20 T 6 8 48 36 64
∑ N = 20 120 140 848 738 998
Mencari rxy dengan rumus seperti yang disebutkan di awal:
𝑁 ∑ 𝑋𝑌−(∑ 𝑋)( ∑ 𝑌) 16960−16800
𝑟𝑥𝑦 = =
2 2
√[𝑁 ∑ 𝑋 2 −(∑ 𝑋) ][𝑁 ∑ 𝑌 2 −(∑ 𝑌) ] √[14760−14400][19960−19600]

160 160 160

= = = 360 = 0,444
√360×360 √129600

Memberikan interpretasi terhadap 𝑟𝑥𝑦 :

- Interpretasi secara kasar/sederhana: Dari perhitungan di atas

ternyata angka korelasi antara variabel X dan variabel Y tidak
bertanda negatif, berarti di antara kedua variabel tersebut terdapat
korelasi positif (korelasi yang berjalan searah).
Dengan memperhatikan besarnya 𝑟𝑥𝑦 (yaitu = 0,444) yang besarnta
berkisar antara 0,40 – 0,70 berarti korelasi positif antara variabel X
dan variabel Y itu adalah termasuk korelasi positif yang sedang.
- Interpretasi dengan menggunakan Tabel Nilai “r” : df = N – nr = 20
– 2 =18.
Dengan memeriksa Tabel Nilai “r” Product Moment bahwa ternyata
dengan df sebesar 18, pada taraf signifikansi 5% diperoleh 𝑟𝑡𝑎𝑏𝑒𝑙 =
0,444 ; sedangkan pada taraf signifikansi 1% diperoleh 𝑟𝑡𝑎𝑏𝑒𝑙 =
0,561. Karena 𝑟𝑥𝑦 atau 𝑟0 pada taraf signifikansi 5% besarnya sama
dengan 𝑟𝑡𝑎𝑏𝑒𝑙 atau 𝑟𝑡 , maka pada taraf ini Hipotesis Nol Ditolak,
sedangkan Hipotesis Alternatif disetujui/ diterima, berarti bahwa
pada taraf signifikansi 5% itu memang terdapat korelasi positif yang
signifikan antara variabel X dan variabel Y. Selanjutnya, karena
pada taraf signiikansi 1% 𝑟𝑥𝑦 atau 𝑟0 lebih kecil daripada 𝑟𝑡𝑎𝑏𝑒𝑙
(0,444 < 0,561), maka pada taraf ini Hipotesis Nihil disetujui/
diterima, sedangkan Hipotesis Alternatif ditolak. Ini berarti bahwa
untuk taraf signifikansi 1% tidak terdapat korelasi positif yang
signifikan antara variabel X dan variabel Y.
Kesimpulan yang dapat kita ambilyaitu tinggi-rendahnya
nilai Tes Sumatif ada hubungannya/ dipengaruhi oleh tinggi-
rendahnya nilai hasil Tes Formatif, sekalipun korelasi positif itu
hanya cakupan saja.
 BAB III
PENUTUP

A. Kesimpulan

1. Analisis regresi merpakan suatu analisis yang dilakukan untuk

mengetahui hubungan antara satu variabel dengan variabel yang lain.
2. Analisis regresi dibagi menjadi beberapa macam, dua di antaranya yaitu
Analisis Regresi Sederhana dan Analisis Regresi Ganda Dua Prediktor.
3. Analisis korelasi adalah suatu bentuk analisis untuk mengetahui
hubungan antar dua variabel atau lebih, yaitu hubungan antara variabel
bebas (𝑋) dan variabel terikat (𝑌), dimana setelah melakukan analisis,
tidak ada perlakuan (treatment) terhadap apapun pada variabel bebasnya
4. Uji Koefisien Korelasi dapat dihitung dengan beberapa cara, dua di
antaranya; menggunakan skor asli dan menggunakan nilai standar
deviasi.
B. Saran
Makalah ini merupakan makalah yang belum sempurna, oleh sebab itu
penulis menginginkan saran maupun kritik dari para pembaca supaya
makalah ini dapat memberikan manfaat yang lebih banyak untuk pemba
 DAFTAR PUSTAKA

Kadir.StatistikaTerapan.Depok: PT RajaGrafindo Persada, edisi 3, cetakan ke-4.

2017.
Mellyana.Analisis Regresi Sederhana.Diakses dari http://jam-
statistic.blogspot.com/2014/06/analisis-regresi-sederhana.html. 22
November 2018.
Simbolon, Hotman. Statistika. Yogyakarta: Graha Ilmu, cetakan ke-2. 2013.
Siregar, Syofian. Statistika Terapan untuk Perguruan Tinggi. Jakarta:
Prenadamedia Group, cetakan ke-1. 2015.
Sudijono, Anas. Pengantar Statistik Pendidikan. Jakarta: PT Rajagrafindo
Persada. 2007.