2

BAB I
PENDAHULUAN

1.1 Latar Belakang

Perkembangan dunia industri khususnya bidang distribusi
sudah berkembang dengan sangat pesat. Distribusi adalah salah
satu aspek dari pemasaran. Distribusi juga dapat diartikan
sebagai kegiatan pemasaran yang berusaha memperlancar dan
mempermudah penyampaian barang dan jasa dari produsen
kepada konsumen. Distribusi merupakan salah satu faktor yang
mendukung peningkatan profit perusahaan, tanpa adanya
kegiatan distribusi maka produk tidak akan sampai ke tangan
konsumen. Dalam sebuah perusahaan memiliki beberapa
masalah, salah satunya perusahaan belum mengetahui variabel
apa saja yang digunakan dan variabel untuk mengetahui
seberapa besar hubungan antar variabel tersebut satu sama lain.
Perusahaan harus mampu memprediksi seberapa jauh
perubahan nilai dari variabel terikat jika varibael bebasnya
diubah. Permasalahan tersebut dapat diatasi dengan ilmu
statistik, yaitu korelasi.
Korelasi adalah indeks atau bilangan yang digunakan untuk
mengukur kekuatan hubungan antar variabel. Korelasi
digunakan oleh PT HARMONIS sebagai perusahaan tekstil yang
memproduksi celana berbahan canvas. Perusahaan tersebut
ingin mengetahui sebarapa kuat atau lemahnya hubungan antara
banyaknya produk dan banyaknya toko terhadap banyaknya
kendaraan beroperasi.
 3

Korelasi diaplikasikan pada perusahaan dengan harapan,

perusahaan dapat mengetahui hubungan antar variabel sehingga
perusahaan dapat mengontrol variabel-variabel tersebut dan
perusahaan tidak mengalami kerugian karena dengan korelasi
dapat membantu perusahaan dalam pengambilan keputusan
serta dapat meningkatkan keuntungan perusahaan.

1.2 Tujuan Penulisan

Tujuan penulisan menjelaskan hasil yang ingin dicapai
berdasarkan permasalahan yang dibahas. Berikut merupakan
tujuan dari laporan akhir modul korelasi :
1. Mengetahui nilai koefisien korelasi pearson dan determinasi
antara banyaknya produk (X1) terhadap jumlah kendaraan
beroperasi (Y), mengetahui antara banyaknya toko (X2)
terhadap jumlah kendaraan beroperasi (Y), mengetahui
banyaknya produk (X1) terhadap jumlah banyaknya toko (X2).
2. Mengetahui nilai koefisien korelasi berganda dan determinasi
antara banyaknya produk (X1) dan banyaknya toko (X2)
terhadap jumlah kendaraan yang beroperasi (Y).
3. Mengetahui nilai koefisien korelasi parsial dan determinasi
antara banyaknya produk (X1) terhadap jumlah kendaran
yang beroprasi (Y) jika banyaknya toko (X2) dianggap
konstan.
 4

BAB II
LANDASAN TEORI

2.1 Pengertian Korelasi

Korelasi menurut Hasan (2001) merupakan istilah yang
digunakan untuk mengukur kekuatan hubungan antarvariabel.
Korelasi menurut Frankel dan Wallen (2008) adalah suatu
penelitian untuk mengetahui hubungan dan tingkat tanpa ada
upaya untuk mempengaruhi variabel tersebut sehingga tidak
terdapat manipulasi variabel. Analisis korelasi menurut Hasan
(2001) adalah cara untuk mengetahui ada atau tidaknya
hubungan antarvariabel misalnya hubungan 2 variabel. Analisis
korelasi menurut Jhonatan Sarwono adalah “analisis korelasional
digunakan untuk melihat kuat atau lemahnya antara variabel
bebas dengan tergantung.”
1. Korelasi Linear Positif
Korelasi dari dua variabel, yaitu apabila variabel yang satu (X)
meningkat atau menurun maka variabel lainnya (Y)
cendererung meningkat atau menurun pula.
2. Korelasi Linear Negatif
Korelasi dari dua variabel, yaitu apabila variabel yang satu (X)
meningkat atau menurun maka variabel lainnya (Y)
cendererung menurun atau meningkat pula.
3. Tidak Berkorelasi (0)
Tidak ada korelasi terjadi apabila kedua varibel (X dan Y)
tidak menunjukkan adanya hubungan.
 5

4. Korelasi Sempurna
Korelasi dari dua variabel, yaitu apabila kenaikan penurunan
variabel yang satu (variabel X) berbanding dengan kenaikan
atau penurunan variabel lainnya (variabel Y) (Hasan, 2001).

2.2 Variabel Bebas dan Variabel Terikat

Variabel bebas (independent variable) adalah variable yang
nilai-nilainya tidak bergantung pada variabel lainnya, biasanya
disimbolkan dengan X. Variabel itu digunakan untuk meramalkan
atau menerangkan nilai variabel yang lain. Variabel terikat
adalah variabel yang yang nilai-nilainya bergantung pada
variabel lainnya, biasanya disimbolkan dengan Y. Variabel itu
merupakan variabel yang diramalkan atau diterangkan nilainya.
Variabel bebas (variabel X) memiliki hubungan dengan variabel
terikat (variabel Y) maka nilai-nilai variabel X yang sudah
diketahui dapat digunakan untuk menaksir atau memperkirakan
nilai-nilai Y (Hasan, 2001).

2.3 Nilai-nilai Koefisien Korelasi

Korelasi juga dapat diartikan merupakan indeks atau
bilangan yang digunakan untuk mengukur keeratan (kuat,
lemah, atau tidak ada) hubungan antarvariabel. Koefisien
korelasi memiliki nilai antara -1 dan +1 (-1≤ KK ≤ +1).
1. Korelasi positif
korelasi positif adalah variabel-variabel berkorelasi positif.
Semakin dekat nilai KK ke +1 semakin kuat korelasinya,
demikian pula sebaliknya.
2. Korelasi negative
Korelasi negatif adalah variabel-variabel berkorelasi negatif.
 6

Semakin dekat nilai KK ke -1 semakin kuat korelasinya,

demikian pula sebaliknya.
3. korelasi bernilai nol
korelasi bernilai nol (0) adalah variabel-variabel tidak
menunjukkan korelasi.
4. Koefisien korelasi bernilai +1 atau -1
Koefisien korelasi bernilai +1 atau -1 adalah variabel-variabel
yang menunjukkan korelasi positif atau negatif yang
sempurna.
Untuk menentukan keeratan hubungan atau korelasi
antarvariabel tersebut, berikut ini diberikan nilai-nilai dari KK
sebagi patokan
1. KK = 0, tidak ada korelasi
2. 0 < KK < 0,20 korelasi sangat rendah/lemah sekali
3. 0,20 < KK < 0,40 korelasi rendah/lemah tapi pasti
4. 0,40 < KK < 0,70 korelasi cukup berarti
5. 0,70 < KK < 0,90 korelasi yang tinggi,kuat
6. 0,90 < KK < 1,00 korelasi yang sangat tinggi, kuat sekali,
dapat diandalkan
7. KK = 1 korelasi sempurna (Hasan, 2001).

2.4 Jenis-jenis Koefisien Korelasi

Korelasi dibagi menjadi 3 yaitu : korelasi sederhana,
korelasi berganda, dan korelasi parsial. Korelasi-korelasi tersebut
juga ada jenis-jenisnya sebagai berikut.
1. Koefisien Korelasi pearson
Koefisien korelasi pearson adalah indeks atau angka yang
digunakan untuk mengukur keeratan hubungan antara dua
variabel yang datanya berbentuk data atau interval atau
 7

rasio. Untuk menghitung koefisien korelasi pearson antara

variabel bebas (independent) dengan variabel terikat
(dependent) dapat digunakan rumus sebagai berikut:

n�Xi Y -(�Xi )(�Y)

r=
(n�X2 -(�X)2 )(n�Y 2 -(�Y)2 )
………………...(2.1)
Keterangan:
r = koefisien korelasi
X = variabel bebas (independent)
Y = variabel terikat (dependent)
n = banyaknya data
2. Koefisien Korelasi Rank Spearman
Koefisifien korelasi rank spearman adalah indeks atau angka
yang digunakan untuk mengukur keeratan hubungan antara dua
variabel yang datanya berbentuk data ordinal (data bertingkat
atau data rangking). Disimbolkan dengan “r”. Untuk menghitung
koefisien korelasi rank spearman dapat digunakan rumus
sebagai berikut :

6�d2
rs= 1-
n(n2 -1)
………………………(2.2)
Keterangan :
rs = koefisien korelasi rank spearman
d = selisih dalam ranking
n = banyaknya pasangan rank
3. Koefisien Korelasi Rank Kendall
Koefisien korelasi rank kendall merupakan pengembangan
dari koefisien korelasi rank spearman. Disimbolkan dengan “τ”
(baca tau). Koefisien korelasi ini digunakan pada pasangan
 8

variabel atau data x dan y dalam hal ketidaksesuaian rank, yaitu

untuk mengukur ketidakteraturan. Untuk menghitung koefisien
korelasi rank kendall dapat digunakan rumus sebagai berikut :

S C-D
t= =
�I � �I �
� �N ( N………………………………..(2.3)
- 1) � �N ( N - 1)
2
�� �2 �
Keterangan :
S = statistik untuk jumlah konkordansi
C = I- konkordansi
D = I- diskordansi
I- = banyaknya pasangan
N = jumlah pasangan X dan Y
4. Koefisien Korelasi Bersyarat (Koefisien Kontingensi)
Koefisien korelasi bersyarat digunakan untuk data kualitatif.
Data kualitatif adalah data yang tidak berbentuk angka-angka,
tetapi berupa kategori-kategori, misalnya data yang
berkategorikan kurang, cukup, sangat cukup atau tinggi,
menengah atau sedang, rendah, atau gejala-gejala yang bersifat
nominal (data nominal). Koefisien korelasi bersyarat ini
disimbolkan dengan “C” dan mempunyai interval nilai antara -1
dan 1 (-1 ≤ C ≤ 1). Untuk menghitung koefisien korelasi korelasi
bersyarat dapat digunakan rumus sebagai berikut :

X2
C=
X2 +n
……….……………..(2.4)
Keterangan :
X2 = kai kuadrat
N = jumlah semua frekuensi
C = koefisien korelasi bersyarat (Hasan, 2001).
BAB III
 9

HASIL DAN PEMBAHASAN

3.1 Studi Kasus

PT. HARMONIS merupakan perusahaan yang bergerak
di bidang tekstil yang memproduksi celana. Produksi celana yang
dihasilkan merupakan celana berbahan kanvas dengan berbagai
macam model seperti cargo, convertible, softshell dan celana
hujan (waterproof). Perusahaan ingin mengirimkan produk hasil
produksi ke toko-toko yang bermitra dengan PT. HARMONIS
setiap harinya. Perusahaan ingin mengetahui hubungan yang
terjadi antara banyaknya produk, banyaknya toko dan jumlah
kendaraan beroperasi. Berikut merupakan data hasil
pengamatan yang diperoleh selama 30 hari.
Tabel 3.1 Pengamatan Banyaknya Produk dan Banyaknya Toko Selama 30 Hari
Hari Banyaknya Produk Banyaknya Toko Jumlah Kendaraan
ke- (Unit) (Unit) Beroperasi (Unit)
1 60 10 5
2 82 12 9
3 63 10 5
4 63 10 5
5 65 10 6
6 60 10 5
7 74 11 7
8 62 10 5
9 75 11 7
10 64 10 5
11 67 10 6
12 70 10 6
13 66 10 6
14 61 10 5
15 78 11 8
16 78 11 8
17 60 10 5
18 88 12 10
19 62 10 5
20 64 10 5
Tabel 3.1 Pengamatan Banyaknya Produk dan Banyaknya Toko Selama
30 Hari (Lanjutan)
Hari Banyaknya Produk Banyaknya Jumlah
ke- (Unit) Toko Kendaraan
(Unit) Beroperasi
 10

(Unit)
21 66 10 6
22 89 12 10
23 68 10 6
24 69 10 6
25 90 12 10
26 64 10 5
27 72 11 7
28 62 10 5
29 64 10 5
30 66 10 6
∑ 2072 313 189

Berdasarkan tabel tersebut, perusahaan ingin mengetahui:

1. Koefisien korelasi pearson dan koefisien determinasi antara:
a. Banyaknya Produk (X1) terhadap Jumlah Kendaraan
Beroperasi (Y)
b. Banyaknya Toko (X2) terhadap Jumlah Kendaraan
Beroperasi (Y)
c. Banyaknya Produk (X1) terhadap Banyaknya Toko (X2)
2. Koefisien korelasi berganda dan determinasi antara
Banyaknya Produk (X1) dan banyaknya toko (X2) terhadap
jumlah kendaraan beroperasi (Y).
3. Koefisien korelasi parsial dan determinasi antara Banyaknya
Produk (X1) terhadap Jumlah Kendaraan Beroperasi (Y), jika
Banyaknya Toko (X2) dianggap konstan.

3.2 Pengolahan Data

Pengolahan data dapat diartikan sebagai susunan atau
kumpulan dari suatu kegiatan atau pengumpulan serta ide
sehingga dapat menghasilkan informasi data untuk mencapai
tujuan tertentu. Pengolahan data dibagi menjadi dua macam,
yaitu pengolahan data dengan perhitungan manual dan
pengolahan data dengan menggunakan Software SPSS 16.0.
 11

3.2.1 Perhitungan Manual

Perhitungan manual adalah perhitungan yang dilakukan
secara manual atau sendiri dengan menggunakan kalkulator.
Perhitungan manual sangat membutuhkan ketelitian pada saat
perhitungan data. Perhitungan manual pada korelasi dilakukan
sebagai perbandingan antara perhitungan manual yang
dilakukan tidak memerlukan bantuan dari software atau aplikasi.
Berikut adalah perhitungan data manual yang telah dihitung.
X1 = Banyaknya Produk (variabel bebas)
X2 = Banyaknya Toko (variabel tetap)
Y = Jumlah Kendaraan Beroprasi (variabel terkait)
Tabel 3.2 Perhitungan Manual Korelasi
No X1 X2 Y X1 2 X2 2 Y2 X1 Y X2 Y X1 X2
1 60 10 5 3600 100 25 300 50 600
2 82 12 9 6724 144 81 738 108 984
3 63 10 5 3969 100 25 315 50 630
4 63 10 5 3969 100 25 315 50 630
5 65 10 6 4225 100 36 390 60 650
6 60 10 5 3600 100 25 300 50 600
7 74 11 7 5476 121 49 518 77 814
8 62 10 5 3844 100 25 310 50 620
9 75 11 7 5625 121 49 525 77 825
10 64 10 5 4096 100 25 320 50 640
11 67 10 6 4489 100 36 402 60 670
12 70 10 6 4900 100 36 420 60 700
13 66 10 6 4356 100 36 396 60 660
14 61 10 5 3721 100 25 305 50 610
15 78 11 8 6084 121 64 624 88 858
16 78 11 8 6084 121 64 624 88 858
17 60 10 5 3600 100 25 300 50 600
18 88 12 10 7744 144 100 880 120 1056
19 62 10 5 3844 100 25 310 50 620
20 64 10 5 4096 100 25 320 50 640
21 66 10 6 4356 100 36 396 60 660
22 89 12 10 7921 144 100 890 120 1068
23 68 10 6 4624 100 36 408 60 680
24 69 10 6 4761 100 36 414 60 690
Tabel 3.2 Perhitungan Manual Korelasi (Lanjutan)
No X1 X2 Y X1 2 X2 2 Y2 X1 Y X2 Y X1 X2
25 90 12 10 8100 144 100 900 120 1080
26 64 10 5 4096 100 25 320 50 640
27 72 11 7 5184 121 49 504 77 792
 12

28 62 10 5 3844 100 25 310 50 620

29 64 10 5 4096 100 25 320 50 640
30 66 10 6 4356 100 36 396 60 660
∑ 2072 313 189 145384 3281 1269 13470 2005 21795

Berikut merupakan perhitungan yang telah dilakukan secara

manual. :
1. Perhitungan Koefisien Korelasi Pearson dan Koefisien
Determinasi antara Banyaknya Produk (X1), Banyaknya Toko
(X2) dengan Jumlah Kendaraan Beroperasi (Y). Korelasi
Pearson merupakan indeks atau angka yang digunakan
untuk mengukur keeratan hubungan antara dua variabel
yang datanya berbentuk data interval atau rasio. Koefisien
determinasi menjelaskan besarnya pengaruh dari nilai suatu
variabel (variabel X) terhadap naik atau turunnya (variasi)
nilai variabel lainnya (variabel Y). koefisien determinasi di
dapat dari nilai koefisien korelasi di kuadratkan, yang
artinya penyebab perubahan pada variabel Y yang datang
dari variabel X, sebesar kuadrat koefisien korelasinya.
a. Koefisien korelasi pearson dan koefisien determinasi
antara jumlah produk (X1) antara jumlah kendaraan

beroprasi(Y).

n�X1 Y -(�X1 )(�Y)

rX1Y =
n(�Y 2.(�X1 )2 (n�X12.(�Y)2

30.13740-(189)(2072)
=
30.(1269-(189)2 ).(30.145384-(2072)2 )

414100-391608
=
(38070-35721).(4361520- 4293184)
 13

12492
=
(2349).(68336)

12492
=
160591734
12492
=
12672,479

= 0,9857
Hasil perhitungan diatas didapatkan koefisien korelasi
pearson sebesar 0,9857. Korelasi tersebut menunjukkan
korelasi yang tergolong sangat tinggi, karena termasuk
pada range 0,90 < KK < 1,00 sehingga korelasi sangat
tinggi, dan dapat diandalkan.
Koefisien Determinasi adalah salah satu analisis regresi
linier berganda ataupun regresi linier sederhana yang
mana digunakan untuk mengukur kemampuan variabel
bebas dalam menjelaskan variable terikat. Koefisien
determinasi menjelaskan tentang perbandingan variabel
terikat yang mampu dijelaskan oleh variabel penduganya.
Berikut merupakan perhitungan Koefisien Determinasi.
KD = (rX1Y) 2 x 100%
KD = (0,9857)2 x 100%
KD = 0,9716 x 100%
KD = 97,16 %
Perhitungan sebelumnya didapatkan koefisien determinasi
sebesar 97,16% artinya jumlah kendaraan yang beroperasi (Y)
dapat dijelaskan atau dipengaruhi oleh variabel jumlah
banyaknya produk sebanyak 97,16 % dan sisanya sebanyak
2,84% dipengaruhi oleh faktor lainya.
 14

b. Koefisien Korelasi Pearson dan Koefisien Determinasi

antara Banyaknya Toko (X2) dengan Jumlah Kendaraan
beroperasi (Y)
n�X2 Y.(�X2 )(�Y)
rx2y =
n.�X22.(�X2 )2 (n�Y 2.(�Y)2 )

30.2005-(313)(189)
=
30.3281-(313)2.(30.1269-(189)2 )

60150-59157
=
(98430-97969).(38070-35721)

993
=
(461).(2349)

993
=
1082889
993
=
1040,619

= 0,9542
Berdasarkan hasil perhitungan, didapatkan Koefisien
Korelasi pearson sebesar 0,9542. Korelasi tersebut
menunjukkan korelasi yang tergolong sangat kuat,
karena termasuk pada range 0,90 < KK < 1,00 sehingga
korelasi sangat tinggi, dan dapat diandalkan.
Koefisien Determinasi adalah salah satu analisis regresi
linier berganda ataupun regresi linier sederhana yang
mana digunakan untuk mengukur kemampuan variabel
bebas dalam menjelaskan variabel terikat. Koefisien
determinasi menjelaskan tentang perbandingan variabel
terikat yang mampu dijelaskan oleh variabel penduganya.
Berikut merupakan perhitungan Koefisien Determinasi.
 15

KD = (rX2Y)2 x 100%
KD = (0,9542)2 x 100%
KD = 0,9104 x 100%
KD = 91,04 %
Perhitungan sebelumnya didapatkan koefisien
determinasi sebesar 91,04% artinya jumlah kendaraan
yang beroperasi (Y) dapat dijelaskan atau dipengaruhi
oleh variabel jumlah banyaknya toko sebanyak 91,04 %
dan sisanya sebanyak 8,96% dipengaruhi oleh faktor
lainya.
c. Koefisien Korelasi Pearson dan Determinasi antara
banyaknya produk (X1) dengan banyaknya toko (X2).
n�X1X2 -(�X1 )(�X2 )
rX1X2 =
n(�X12.(�X1 )2 )(n�X22.(�X2 )2 )
30.21795-(2072)(313)
=
30.145384-(2072)2.(30.3281-(313)2
653850-648536
=
(4361520- 4293184).(98430-97969)

5314
=
(686336).(461)

5314
=
31502896
5314
=
5612,744

= 0,9467
Hasil perhitungan, didapatkan Koefisien Korelasi pearson
sebesar 0,9467. Korelasi tersebut menunjukkan korelasi
yang tergolong sangat kuat, karena termasuk pada range
 16

0,90 < KK < 1,00 sehingga korelasi sangat tinggi, dan

dapat diandalkan.
Koefisien Determianasi adalah salah satu analisis regresi
linier berganda ataupun regresi linier sederhana yang
mana digunakan untuk mengukur kemampuan variabel
bebas dalam menjelaskan tentang variabel terikat.
Koefisien determinasi menjelaskan perbandingan variabel
terikat yang mampu dijelaskan oleh variabel penduganya.
Berikut merupakan perhitungan Koefisien Determinasi.
KD = (rX1X2)2 x 100%
KD = (0,9467)2 x 100%
KD = 0,8962 x 100%
KD = 89,62 %
Perhitungan sebelumnya didapatkan koefisien
determinasi sebesar 89,62% artinya jumlah banyaknya
produk (X1) dapat dijelaskan atau dipengaruhi oleh
variabel jumlah banyaknya toko sebanyak 89,62 % dan
sisanya sebanyak 10,38% dipengaruhi oleh faktor lainya.
2. Perhitungan Manual Koefisien Korelasi Berganda dan
Determinasi antara banyaknya produk (X1) dan banyaknya
toko (X2) dengan banyaknya kendaraan beroprasi (Y).
Korelasi liniear berganda adalah suatu korelasi yang
bermaksud untuk melihat hubungan antara 3 atau lebih
variabel. Berikut merupakan perhitungan manual koefisien
korelasi berganda dan determinasi.
Diketahui :
rY1 = 0,9857
ry2 = 0,9542
ry12 = 0,9467
 17

(ry1)2 +(ry2 )2 -2(ry1 ).(ry2 ).(ry12 )

KPBY12 =
1-(r12 )2
=

(0,9857)2 +(0,9542)2 -2(0,9857).(0,9542).(0,9467)

1-(0,9467)2
(0,97160449+0,91049764)-1,7808467234
=
1-0,89624089
0,1012554066
=
0,10375911
= 0,9878
Hasil perhitungan diatas didapatkan hasil koefisien korelasi
Pearson sebesar 0,9878. Korelasi tersebut menunjukkan
korelasi yang tergolong sangat kuat.
Karena termasuk pada range 0,90 < KK < 1,00 korelasi
sangat tinggi, dan dapat diandalkan.
Koefisien Determinasi adalah salah satu analisis regresi linier
berganda ataupun regresi linier sederhana yang mana
digunakan untuk mengukur kemampuan variabel bebas dalam
menjelaskan variabel terikat. Koefisien determinasi
menjelaskan perbandingan variabel terikat yang mampu
dijelaskan oleh variabel penduganya. Berikut merupakan
perhitungan Koefisien Determinasi.
KD = (KPBY12 )2 x 100%
KD = (0,9878)2 x 100%
KD = 0,9757 x 100%
KD = 97,57%
Perhitungan sebelumnya didapatkan koefisien determinasi
sebesar 97,57% artinya jumlah banyaknya produk (X1) dan
jumlah banyaknya toko (X2) dapat mempengaruhi jumlah
 18

kendaraan beroprasi (Y) sebesar 97,57% yang sisanya

sebesar 2,43% dipengaruhi oleh faktor lainnya.
3. Koefisien Korelasi Parsial dan Koefisien Korelasi Determinasi
antara Banyaknya Produk (X1) terhadap Banyaknya jumlah
kendaraan (Y) jika Banyaknya Toko (X2) dianggap konstan.
Koefisien Korelasi Parsial merupakan koefisien korelasi antara
dua variabel jika variabel lainnya konstan. Berikut merupakan
perhitungan Koefisien Korelasi Parsial dan Koefisien Korelasi
Determinasi.
Diketahui :
ry1 = 0,9857
ry2 = 0,9542
ry12= 0,9467
ry1 -(ry2.ry12 )
ry12 =
(1-(ry12 )2 )(1-(r12 )2
0,9857-(0,9542.0,9467)
=
(1-(0,9542)2 )(1-(0,9467)2 )
0,9857-(0,90334114)
=
(0,08950236)(0,10375911)

0,08235886
=
0,009286685126

0,08235886
=
0,09636744894
= 0,8546

Hasil perhitungan didapatkan hasil koefisien korelasi Pearson

sebesar 0, 8546. Korelasi tersebut menunjukkan korelasi yang
tergolong kuat. Karena termasuk pada range 0,70 < KK <
0,90 korelasi yang tinggi.
 19

Koefisien Determinasi adalah salah satu analisis regresi linier

berganda ataupun regresi linier sederhana yang mana
digunakan untuk mengukur kemampuan variabel bebas dalam
menjelaskan variabel terikat. Koefisien determinasi
menjelaskan perbandingan variabel terikat yang mampu
dijelaskan oleh variabel penduganya. Berikut merupakan
perhitungan Koefisien Determinasi.
KD = ry12 x 100%
KD = (0,8546)2 x 100%
KD = 0,7303 x 100%
KD = 73,03%
Perhitungan sebelumnya didapatkan koefisien determinasi
sebesar 73,03% artinya jumlah banyaknya produk (X 1) dan
jumlah banyaknya toko (X2) dapat mempengaruhi jumlah
kendaraan beroprasi (Y) sebesar 73,03% yang sisanya
sebesar 26,97% dipengaruhi oleh faktor lainnya.

3.2.2 Pengolahan Software

Pengolahan software merupakan cara perhitungan yang
dilakukan dengan otomatis memakai program atau software.
Salah satu software yang dipakai untuk perhitungan ini yaitu
SPSS 16.0. SPSS (Statistical Product And Service Solution)
adalah sebuah aplikasi yang mempunyai kemampuan dalam
analisis statistic yang cukup tinggi serta sistem manajemen data
pada lingkungan dengan memakai menu-menu deskriptif dan
kotak-kotak dialog yang mudah dipahami sehingga mudah untuk
para penggunananya. Berikut adalah langkah-langkah untuk
perhitungan software.
 20

Langkah pertama, membuka software tersebut dan

memilih variabel view di sebelah kiri bawah. Baris pertama pada
kolom name diisi dengan banyakya produk, baris kedua dengan
banyaknya toko, dan baris ketiga dengan jumlah kendaraan
beroperasi, mengubah pada bagian kolom type dengan numeric,
mengubah angka yang berada dalam kolom decimals menjadi 0.

Gambar 3.1 Variabels View

Data-data dari variabel banyaknya produk (X 1), banyakya toko

(X2), jumlah kendaraan beroperasi (Y). Masukkan data-data
kedalam variables seperti dibawah ini.

Gambar 3.2 Data View

Tahap selanjutnya klik Analyze yang terdapat pada toolbar. Pilih

correlate kemudian pilih bivariate. Berikut merupakan
tampilannya.
 21

Gambar 3.3 Ilustrasi Analyze Correlate Bivariate

Buka kotak dialog seperti gambar diatas dan jendela dialog

terbuka. Pertama yang akan dihubungkan yaitu variabel (X1)
dengan variabel (Y), yaitu banyaknya produk dengan jumlah
kendaraan beroperasi. Pindahkan banyaknya_produk dan
jumlah_kendaraan_beroperasi ke kolom variabels. Kemudian
centang kotak pearson yang ada di kotak dialog pada bagian
Correlation Coefficients lalu tekan OK pada bagian bawah.

Gambar 3.4 Tampilan Kotak Dialog antara Banyaknya Produk dengan

Jumlah Kendaraan Beroperasi.

Langkah-langkah tersebut akan menghasilkan output seperti

gambar dibawah ini.Berikut merupakan output nilai koefisien
korelasi pearson antara variabel banyaknya produk (X 1) dengan
variabel jumlah kendaraan beroperasi (Y).
 22

Gambar 3.5 Tampilan Output antara Banyaknya Produk dengan

Jumlah Kendaraan Beroperasi.

Melakukan kembali seperti langkah-langkah sebelumnya, tetapi

yang dihubungkan adalah variabel banyaknya toko (X 2) dengan
variabel (Y), yaitu banyaknya toko dengan jumlah kendaraan
yang beroperasi. Pindahkan variabel Banyaknya_Toko dan
Jumlah_Kendaraan_Beroperasi ke kolom variabel lalu centang
kotak pearson pada bagian Corrlations Coefficients lalu tekan OK
pada bagian bawah.

Gambar 3.6 Tampilan Kotak Dialog antara Banyaknya Toko dengan

Jumlah Kendaraan yang Beroperasi.

Menghasilkan output seperti gambar dibawah ini. Output

tersebut yang bernama correlations yang berisi nilai koefisien
korelasi pearson yang berguna untuk mengetahui nilai hubungan
antara jumlah banyaknya toko dengan jumlah kendaraan
beroprasi yang bertujuan untuk mengantarkan barang atau
mendistribusikan ke toko.
 23

Gambar 3.7 Penampilan Output antara Banyaknya Produk dengan

Jumlah Banyaknya Toko

Melakukan kembali seperti langkah - langkah sebelumnya,

kemudian hubungkan dengan variabel banyaknya produk (X 1)
dengan variabel banyaknya toko (X2) kemudian, pindahkan
Banyaknya_Produk dan Banyaknya_Toko ke dalam kolom
variabels. Klik kotak centang pearson pada bagian corelation
coefficient.

Gambar 3.8 Tampilan Kotak Dialog antara Banyaknya Produk dengan

Banyaknya Toko

Tekan OK pada bagian bawah menghasilkan output tersebut

berisi nilai koefisien korelasi pearson dari banyaknya produk dan
nilai koefisien korelasi pearson dari banyaknya toko sebesar
0,947. Nilai korelasi tersebut menunjukan korelasi pearson yang
sangat kuat.
 24

Gambar 3.9 Penampilan Output antara Banyaknya Produk dengan

Jumlah Banyaknya Toko

Tahap selanjutnya untuk mencari nilai korelasi parsial dengan

menggunakan hubungan variabel banyaknya produk dan jumlah
kendaraan beroperasi. Langkah pertama klik Analyze kemudian
pilih correlate dan pilih partial.

Gambar 3.10 Ilustrasi Analyze correlate partial

Jendela dialog dari partial correlations akan terbuka. Karena

banyaknya_ toko (X2) sebagai variabel kontrol, maka pindahkan
banyaknya_toko kebagian controlling for yang bagiannya ada di
bawah kotak variables sedangkan untuk
banyaknya_produk dan jumlah_kendaraan_beroperasi,
dipindahkan kebagian variables.
 25

Gambar 3.11 tampilan kotak dialog partial Correlations

Langkah selanjutnya klik options dan beri centang di check box,

zero-order correlations, jika sudah klik continue dan klik ok.
Berikut merupakan tampilan yang akan anda lihat.

Gambar 3.12 Tampilan Kotak Dialog Partial Correlations : Options

Tahapan diatas output pada gambar diatas dapat menunjukkan

nilai dari korelasi parsial. Korelasi parsial digunakan untuk
mengetahui hubungan antar variabel jika salah satu variabel
bebasnya bernilai konstan dan umumnya dikenal dengan
variabel kontrol. Berikut merupakan output korelasi parsial
dengan banyaknya toko sebagai variabel kontrol.
 26

Gambar 3.13 Tampilam output antara variabels Controlnya adalah

dengan banyaknya produk

3.3. Analisis
Analisis adalah proses pengkajian, pembedahan dan
penguraian suatuperistiwa secara keseluruhan. Salah satu
bentuk analisis adalah merangkum sejumlah besar data yang
masih mentah menjadi informasi yang dapat diartikan. Semua
bentuk analisis berusaha menggambarkan pola-pola secara
konsisten dalam data sehingga hasilnya dapat dipelajari dan
diterjemahkan dengan cara yang singkat dan penuh arti. Modul
korelasi ini akan menjabarkan analisis yang telah dilakukan
menjadi beberapa macam analisis, yaitu analisis perhitungan
manualdan analisis perhitungan software.

3.3.1 Analisis Perhitungan Manual

Perhitungan manual dapat diketahui nilai koefisien
korelasi pearson antara banyaknya produk dengan banyaknya
kendaraan beroperasi, banyaknya toko dengan banyaknya
kendaraan yang beroperasi dan banyaknya produk dengan
banyaknya toko. Penentuan nilai koefisien korelasi pearson dapat
 27

ditentukan pula nilai determinasi, korelasi berganda serta parsial

dan data-data pengamatan yang telah didapatkan.
Perhitungan tersebut didapatkan koefisien korelasi pearson
antara banyaknya produk dengan banyaknya kendaraan yang
beroperasi sebesar 0,9857. Nilai koefisien korelasi pearson
tersebut menunjukkan bahwa ada hubungan yang sangat kuat
antara banyaknya produk dengan banyaknya kendaraan yang
beroperasi. Korelasi tersebut menunjukkan korelasi yang
tergolong sangat kuat, karena termasuk pada range 0,90 < KK <
1,00 sehingga korelasi sangat tinggi, dan dapat diandalkan.
Perhitungan koefisien determinasi dengan cara mengkuadratkan
hasil dari koefisien korelasi pearson dan dikalikan dengan 100%.
Variabel ini didapatkan niali koefisien dterminasi sebanyak
97,16%. Hal ini menandakan bahwa banyaknya produk sangat
berpengaruh terhadap banyaknya kendaran beroperasi dengan
persentase sebesar 97,16% dan sisanya dipengaruhi oleh faktor-
faktor lain dengan persentase 2,84%.
Perhitungan manual didapatkan koefisien korelasi antara
banyaknya produk dengan jumlah kendaraan beroperasi adalah
sangat kuat hal ini menujukkan bahwa koefisien korelasi pearson
sebesar 0,9542. Nilai koefisien korelasi pearson tersebut
menunjukkan bahwa ada hubungan yang sangat kuat antara
banyaknya produk dengan banyaknya kendaraan beroperasi.
Korelasi tersebut menunjukkan korelasi yang tergolong sangat
kuat, karena termasuk pada range 0,90 < KK < 1,00 sehingga
korelasi sangat tinggi, dan dapat diandalkan. Nilai koefisien
determinasi ditentukan dengan cara mengkuadratkan hasil dari
koefisien korelasi pearson dan dikali kan dengan 100%. Variabel
ini didapatkan nilai koefisien determinasi sebanyak 91,04%. Hal
 28

ini menandakan bahwa banyaknya toko sangat berpengaruh

terhadap banyaknya kendaraan beroperasi dengan persentase
sebesar 91,04% dan sisanya dipengaruhi oleh faktor-faktor lain
dengan persentase sebeasar 8,96%.
Perhitungan tersebut didapatkan koefisien korelasi pearson
antara banyaknya produk dengan banyaknya toko sebesar
0,9467. Nilai koefisien korelasi pearson tersebut antara
banyaknya produk dengan banyaknya toko menunjukkan bahwa
ada hubungan yang sangat kuat antara banyaknya produk
dengan banyaknya kendaraan yang beroperasi. Korelasi tersebut
menunjukkan korelasi yang tergolong sangat kuat, karena
termasuk pada range 0,90 < KK < 1,00 sehingga korelasi sangat
tinggi, dan dapat diandalkan. Nilai koefisien determinasi dengan
cara mengkuadratkan hasil dari koefisien korelasi pearson dan
dikalikan dengan 100%. Variabel ini didapatkan niali koefisien
dterminasi sebanyak 89,62%. Hal ini menandakan bahwa
banyaknya produk sangat berpengaruh terhadap banyaknya
kendaran beroperasi dengan persentase sebesar 89,62% dan
sisanya dipengaruhi oleh faktor-faktor lain dengan persentase
10,38%.
Hasil perhitungan didapatkan nilai koefisien korelasi linier
berganda antara banyaknya produk dan banyaknya toko dengan
jumlah kendaraan beroperassi sebesar 0,9878. Nilai koefisien
korelasi linier barganda tersebut menunjukkan bahwa koefisien
yang dihasilkan tinggi, karena termasuk pada range 0,90 < KK <
1,00 sehingga korelasi sangat tinggi, dan dapat diandalkan. Nilai
koefisien determinasi dengan cara mengkuadratkan hasil dari
koefisien korelasi pearson dan dikalikan dengan 100%. Variabel
ini didapatkan niali koefisien determinasi sebanyak 97,57%. Hal
 29

ini menandakan bahwa banyaknya produk sangat berpengaruh

terhadap banyaknya kendaran beroperasi dengan persentase
sebesar 97,57% dan sisanya dipengaruhi oleh faktor-faktor lain
dengan persentase 2,43%.
Hasil perhitungan didapatkan nilai koefisien korelasi parsial
banyaknya produk (X1) dan jumlah kendaraan beroperasi (Y)
dengan banyaknya toko (X2) dianggap konstan adalah sebesar
0,8546. Korelasi tersebut menunjukkan korelasi yang tergolong
kuat, karena termasuk pada range 0,70 < KK < 0,90 sehingga
termasuk pada korelasi yang kuat. Nilai koefisien determinasi
didapatkan atau diperoleh dengan cara mengkuadratkan hasil
dari koefisien korelasi pearson dan dikalikan dengan 100%.
Variabel ini didapatkan nilai koefisien determinasi sebanyak
73,03%. Hal ini menandakan bahwa banyaknya produk sangat
berpengaruh terhadap banyaknya kendaran beroperasi dengan
persentase sebesar 73,03% dan sisanya dipengaruhi oleh faktor-
faktor lain dengan persentase 26,97%.

2.3.2 Analisis Pengolahan Software

Analisis perhitungan software adalah pengkajian,
pembedahan dan penguraian proses-proses pengolahan data
secara keseluruhan dengan menggunakan software atau
pemrograman komputer, dimana pada pengamatan ini
digunakan aplikasi SPSS 16.0. Pengolahan software korelasi
terdapat beberapa output yaitu, output bivariate correlations
antara banyaknya produk dengan jumlah kendaraan beroperasi,
output bivariate correlations antara Banyaknya Produk dengan
Jumlah Banyaknya Toko, output bivariate correlations antara
Banyaknya Produk dengan Jumlah Banyaknya Toko, output
 30

partial correlation antara variabels controlnya adalah dengan

banyaknya produk.
Output bagian bivariate correlations yang pertama untuk
mencari koefisien korelasi pearson antara banyaknya produk (X1)
dengan jumlah kendaraan beroperasi (Y) didapatkan hasil
sebesar 0,986. Hal ini menunjukan bahwa hubungan yang
sangat kuat antara semakin banyaknya produk, maka semakin
banyak pula jumlah kendaraan beroperasi. Tanda (**)
menujukan korelasi pada signifikansi 99%. Angka 1 menunjukan
bahwa pada output artinya terdapat korelasi antar variabel yang
dianalisis. Significant (2- tailed) adalah pengujian dua arah yang
hipotesis tersebut belum diketahui arahnya (positif atau negatif).
N adalah banyaknya data yaitu sebanyak 30 data. Nilai pada
Significant (2- tailed) didapatkan hasil 0,00 yang berarti 0,00
lebih kecil dari 0,05, maka H 1 diterima artinya terdapat
hubungan yang positif dan sangat kuat antara banyaknya produk
dengan jumlah kendaraan beroprasi.
output bagian bivariate correlations yang kedua untuk
mencari koefisien korelasi pearson antara banyaknya toko (X2)
dengan jumlah kendaraan beroperasi (Y) didapatkan hasil
sebesar 0,954. Menunjukan bahwa hubungan yang sangat kuat
antara semakin banyaknya toko, maka semakin banyak pula
jumlah kendaraan beroprasi. Significant (2- tailed) adalah
pengujian dua arah yang hipotesis tersebut belum diketahui
arahnya (positif atau negatif). Nilai pada Significant (2- tailed)
didapatkan hasil 0,00 lebih besar dari 0,05 maka, H 1 diterima
artinya terdapat hubungan yang positif dan sangat kuat antara
banyaknya produk dengan jumlah kendaraan beroperasi. N
adalah banyaknya data yaitu sebanyak 30 data. Tanda (**).
 31

menujukan korelasi pada signifikansi 99%. Angka 1 menunjukan

bahwa pada output artinya terdapat korelasi antar variabel yang
dianalisis.
Output bivariate correlation yang ketiga untuk mencari
koefisien korelasi antara banyaknya produk (X 1) dengan
banyaknya toko (X2) kemudian menghasilkan output yang
koefisien korelasi pearson nya sebesar 0,947. Menunjukan
bahwa hubungan yang sangat kuat antara banyaknya produk
dengan banyaknya toko. Significant (2- tailed) sebesar 0,00
lebih kecil dari 0,05 maka H1 diterima artinya terdapat hubungan
yang positif dan sangat kuat antara banyaknya produk dengan
banyaknya toko. N adalah banyaknya data yaitu sebanyak 30
data. Tanda (**) menujukan korelasi pada signifikansi pada level
0,01.
Output partial correlation menunjukkan nilai koefisien
korelasi parsial antara banyaknya produk (X 1) dan jumlah
kendaran beroperasi (Y) jika banyaknya toko dianggap konstan.
Nilai yang didapatkan yaitu sebesar 0,8546. Terdapat hubungan
yang positif dan sangat kuat antara banyaknya produk (X 1)
dengan jumlah kendaran beroperasi (Y) dengan nilai koefisien
determinasi sebesar 73,03%. Tanda (**) menujukan korelasi
pada signifikansi pada level 0,01. Terdapat penurunan antara
korelasi pearson dengan hasil pengolahan perhitungan
menggunakan software antara banyaknya produk (X1),
banyaknya toko (X2) dan jumlah kendaraan beroperasi (Y)
sebesar 0,857 menandakan bahwa kedua variabel tersebut tidak
saling berhubungan. Nilai Degrees of Freedom (df) memiliki arti
selisih banyaknya data (N) dengan banyaknya variabel yang
digunakan. Significant (2- tailed) digunakan untuk sebagai
 32

patokan untuk menerima atau menolak hipotesis, yang artinya

pengujian dua arah yang digunakan untuk hipotesis yang belum
jelas atau belum diketahui arahnya.

3.3.3 Analisis Perbandingan

Analisis perbandingan bertujuan untuk membandingkan
data hasil perhitungan manual dengan data hasil perhitungan
software. Berikut ini merupakan tabel perbandingan perhitungan
manual dan software antara Banyaknya Produk, Banyaknya Toko
dan Jumlah Kendaraan Beroperasi.
Tabel 3.3 Analisis Perbandingan Perhitungan Manual dan Software
Softwar
No. Variabel Manual
e
Koefisien korelasi pearson antara
1 Banyaknya Produk (X1) terhadap Jumlah 0,9857 0,986
Kendaraan Beroperasi (Y)
Koefisien korelasi pearson antara
2 Banyaknya Toko (X2) terhadap Jumlah 0,9542 0,954
Kendaraan Beroperasi (Y)
Koefisien korelasi antara Banyaknya Produk
3 0,9467 0,947
(X1) terhadap Banyaknya Toko (X2)
Koefisien korelasi parsial antara Banyaknya
Produk (X1) dengan Jumlah Kendaraan
4 0,8546 0,857
Beroperasi jika Banyaknya Toko (X2)
konstan

Hasil data perhitungan manual dan pengolahan software

diperoleh hasil yang berbeda cukup tipis. Perbedaan yang terjadi
pada perhitungan manual dan software koefisien korelasi parsial
antara Banyaknya Produk (X1) dengan Jumlah Kendaraan
Beroperasi jika Banyaknya Toko (X2) konstan sebesar 0,0024.
Perolehan hasil perhitungan manual dan pengolahan software
terlihat perbedaan yang sedikit dimana pada perhitungan manual
hasil yang diperoleh terdapat 4 angka di belakang koma
sedangkan pada pengolahan software hasil yang diperoleh
terdapat 3 angka di belakang koma.
 33

BAB IV
PENUTUP

4.1 Kesimpulan
Kesimpulan merupakan gagasan yang dicapai dari
beberapa ide pemikiran. Data pengamatan dari PT HARMONIS
diolah dengan melakukan perhitungan secara manual dan
dengan pengolahan software menggunakan SPSS 16.0.
Berdasarkan tahapan tersebut, kesimpulan dari modul korelasi
adalah sebagai berikut.
1. Koefisien korelasi pearson dan determinasi antara :
a. Hasil dari perhitungan manual didapatkan nilai koefisien
korelasi pearson antara Banyaknya Produk (X1) dengan
Jumlah Kendaraan Beroperasi (Y) sebesar 0,9857 dengan
nilai koefisien determinasi sebesar 97,16%, sedangkan
untuk hasil pengolahan menggunakan software sebesar
0,986.
b. Hasil dari perhitungan manual didapatkan nilai koefisien
korelasi pearson antara Banyaknya Toko (X2) dengan
Jumlah Kendaraan Beroperasi (Y) sebesar 0,9542 dengan
nilai koefisien determinasi sebesar 91,04%, sedangkan
untuk hasil pengolahan menggunakan software sebesar
0,954.
c. Hasil dari perhitungan manual didapatkan nilai koefisien
korelasi pearson antara Banyaknya Produk (X1) dengan
Banyaknya Toko (X2) sebesar 0,9467 dengan nilai koefisien
 34

determinasi 89,62%, sedangkan untuk hasil pengolahan

menggunakan software sebesar 0,947.
2. Koefisien korelasi berganda antara Banyaknya Produk (X 1)
dengan Banyaknya Toko (X2) dan Jumlah Kendaraan
Beroperasi (Y) yaitu sebesar 0,9878 dengan nilai koefisien
determinasi sebesar 97,57%.
3. Koefisien korelasi parsial antara Banyaknya Produk (X1)
terhadap Jumlah Kendaraan Beroperasi (Y) jika Banyaknya
Toko (X2) dianggap konstan yaitu sebesar 0,857 untuk
perhitungan manual dan sebesar 0,8546 untuk pengolahan
software dengan nilai determinasi sebesar 73,03%.
 35