Anda di halaman 1dari 14

A.

ANALISIS KORELASI SEDERHANA

Defenisi

Analisis korelasi sederhana (Bivariate Correlation) digunakan

untuk mengetahui keeratan hubungan antara dua variabel dan

untuk mengetahui arah hubungan yang terjadi. Koefisien korelasi

sederhana menunjukkan seberapa besar hubungan yang terjadi

antara dua variabel. Dalam SPSS ada tiga metode korelasi

sederhana (bivariate correlation) diantaranya Pearson Correlation,

Kendall’s tau-b, dan Spearman Correlation. Pearson Correlation

digunakan untuk data berskala interval atau rasio, sedangkan

Kendall’s tau-b, dan Spearman Correlation lebih cocok untuk data

berskala ordinal.

Nilai korelasi (r) berkisar antara 1 sampai -1, nilai semakin

mendekati 1 atau -1 berarti hubungan antara dua variabel semakin

kuat, sebaliknya nilai mendekati 0 berarti hubungan antara dua

variabel semakin lemah. Nilai positif menunjukkan hubungan

searah (X naik maka Y naik) dan nilai negatif menunjukkan

hubungan terbalik (X naik maka Y turun).


Menurut Sugiyono (2007) pedoman untuk memberikan interpretasi

koefisien korelasi sebagai berikut:

0,00 - 0,199 = sangat rendah

0,20 - 0,399 = rendah

0,40 - 0,599 = sedang

0,60 - 0,799 = kuat

0,80 - 1,000 = sangat kuat

Hipotesis dan Tingkat Signifikan Dalam Korelasi Sederhana


a) Menentukan Hipotesis

Ho : Tidak ada hubungan secara signifikan antara kecerdasan dengan

prestasi belajar

Ha : Ada hubungan secara signifikan antara kecerdasan dengan prestasi

belajar

b) Menentukan tingkat signifikansi

Pengujian menggunakan uji dua sisi dengan tingkat signifikansi a

= 5%. (uji dilakukan 2 sisi karena untuk mengetahui ada atau tidaknya

hubungan yang signifikan, jika 1 sisi digunakan untuk mengetahui

hubungan lebih kecil atau lebih besar).

Tingkat signifikansi dalam hal ini berarti kita mengambil risiko

salah dalam mengambil keputusan untuk menolak hipotesa yang benar


sebanyak-banyaknya 5% (signifikansi 5% atau 0,05 adalah ukuran

standar yang sering digunakan dalam penelitian)

 Kriteria Pengujian

Ho diterima jika Signifikansi > 0,05

Ho ditolak jika Signifikansi < 0,05

Contoh Kasus

Seorang mahasiswa bernama Andi melakukan penelitian dengan

menggunakan alat ukur skala. Andi ingin mengetahui apakah ada hubungan

antara kecerdasan dengan prestasi belajar pada siswa SMU Negeri 1 Yogyakarta,

dengan ini Andi membuat 2 variabel yaitu kecerdasan dan prestasi belajar. Tiap-

tiap variabel dibuat beberapa butir pertanyaan dengan menggunakan skala Likert,

yaitu angka 1 = Sangat tidak setuju, 2 = Tidak setuju, 3 = Setuju dan 4 = Sangat

Setuju. Setelah membagikan skala kepada 12 responden didapatlah skor total

item-item yaitu sebagai berikut:

Tabel. Tabulasi Data


Prestasi
Subjek Kecerdasan
Belajar
1 33 58
2 32 52
3 21 48
4 34 49
5 34 52
6 35 57
7 32 55
8 21 50
9 21 48
10 35 54
11 36 56
12 21 47

Langkah-Langkah pada Program SPSS

1. Buka program SPSS dan klik variable view


2. Akan muncul tampilan seperti berikut ini

3. Pada Kolom Name Ketik x, kolom name pada baris kedua ketik y

4. Pada kolom decimal ganti menjadi 0 untuk variabel x dan y


5. Pada kolom Label, untuk kolom pada baris pertama ketik Kecerdasan, untuk
kolom pada baris kedua ketik Prestasi Belajar. Untuk kolom lainnya belih
dihiraukan

6. Buka data view pada SPSS data editor, maka didapat kolom variabel x dan y.
lalu keyikkan data sesuai dengan variabelnya.
7. Klik Analyze > correlate > bivariate
8. Klik variabel Kecerdasan dan masukkan ke kotak Variables, kemudian klik
variabel Prestasi Belajar dan masukkan ke kotak yang sama (Variables).

9. Klik OK, maka hasil output yang didapat adalah sebagai berikut:

Correlations

Kecerdasan Prestasi Belajar

Kecerdasan Pearson Correlation 1 .763**

Sig. (2-tailed) .004

N 12 12
Prestasi Belajar Pearson Correlation .763** 1

Sig. (2-tailed) .004

N 12 12

**. Correlation is significant at the 0.01 level (2-tailed).

Analisa SPSS

Dari hasil spss diatas, diketahui bahwa nila p-value atau nilai

signifikan dari uji korelasi hubungan antara kercedasan dengan prestasi


belajar yaitu 0.004 (< 0.05 (Ho ditolak, Ha diterima), artihnya ada nya

hubungan yang signifikan antara kecerdasan dengan prestasi belajar.

Karena koefisien korelasi nilainya kuat, maka berarti kecerdasan

berhubungan erat dan signifikan terhadap pretasi belajar. Jadi dalam kasus

ini dapat disimpulkan bahwa kecerdasan berhubungan erat terhadap

prestasi belajar pada siswa SMU Negeri 1 Yogyakarta.

B. REGRESI LINIER SEDERHANA

Defenisi

Analisis regresi linear sederhana merupakan salah satu metode regresi

yang dapat dipakai sebagai alat inferensi statistik untuk menentukan pengaruh

sebuah variabel bebas (independen) terhadap variabel terikat (dependen). Uji

Regresi linear sederhana ataupun regresi linier berganda pada intinya memiliki

beberapa tujuan, yaitu:

1) Menghitung nilai estimasi rata-rata dan nilai variabel terikat berdasarkan

pada nilai variabel bebas.

2) Menguji hipotesis karakteristik dependensi

3) Meramalkan nilai rata-rata variabel bebas dengan didasarkan pada nilai

variabel bebas diluar jangkaun sample.


Pada analisis regresi sederhana dengan menggunakan SPSS ada

beberapa asumsi dan persyaratan yang perlu diperiksa dan diuji, beberapa

diantaranya adalah :

1) Variabel bebas tidak berkorelasi dengan disturbance term

(Error). Nilai disturbance termsebesar 0 atau dengan simbol

sebagai berikut: E (U / X) = 0,

2) Jika variabel bebas lebih dari satu, maka antara variabel bebas

(explanatory) tidak ada hubungan linier yang nyata,

3) Model regresi dikatakan layak jika angka signifikansi pada

ANOVA sebesar < 0.05, Predictor yang digunakan sebagai

variabel bebas harus layak. Kelayakan ini diketahui jika angka

Standard Error of Estimate < Standard Deviation,

4) Koefisien regresi harus signifikan. Pengujian dilakukan dengan

Uji T. Koefesien regresi signifikan jika T hitung > T table (nilai

kritis),

5) Model regresi dapat diterangkan dengan menggunakan nilai

koefisien determinasi (KD = R Square x 100%) semakin besar

nilai tersebut maka model semakin baik. Jika nilai mendekati 1

maka model regresi semakin baik,

6) Residual harus berdistribusi normal,

7) Databerskala interval atau rasio,


8) Kedua variabel bersifat dependen, artinya satu variabel

merupakan variabel bebas (variabel predictor) sedang variabel

lainnya variabel terikat (variabel response) Berikut ini contoh

perhitungan regresi linier sederhana menggunakan software

SPSS:

Contoh/ Tutorial Regresi Linear Sederhana dengan SPSS

1) Proses mulai dengan memilih menu Analyze, kemudian pilih Linear,


2) Pilih variabel Y sebagai variabel dependen (terikat) dan X1 sebagai
variabel independen (bebas) lalu klik tombol OK,

Output Regresi Linear Sederhana dengan SPSS

Output SPSS akan menampilkan hasil berupa 4 buah tabel yaitu;

1. Tabel variabel penelitian,


2. Ringkasan model (model summary),
3. Tabel Anova, dan
4. Tabel Koefisien.
Interprestasi Regresi Linear Sederhana dengan SPSS

Cara membaca output spss hasil uji regresi linier tersebut adalah :

1. Tabel pertama menunjukkan variabel apa saja yang diproses, mana yang

menjadi variabel bebas dan variabel terikat.

2. Tabel kedua menampilkan nilai R yang merupakan simbol dari nilai koefisien

korelasi. Pada contoh diatas nilai korelasi adalah 0,342. Nilai ini dapat

diinterpretasikan bahwa hubungan kedua variabel penelitian ada di kategori

lemah. Melalui tabel ini juga diperoleh nilai R Square atau koefisien

determinasi (KD) yang menunjukkan seberapa bagus model regresi yang

dibentuk oleh interaksi variabel bebas dan variabel terikat. Nilai KD yang

diperoleh adalah 11,7% yang dapat ditafsirkan bahwa variabel bebas X1

memiliki pengaruh kontribusi sebesar 11,7% terhadap variabel Y dan 88,3%

lainnya dipengaruhi oleh faktor-faktor lain diluar variabel X1.

3. Tabel ketiga digunakan untuk menentukan taraf signifikansi atau linieritas

dari regresi. Kriterianya dapat ditentukan berdasarkan uji F atau uji nilai

Signifikansi (Sig.). Cara yang paling mudah dengan uji Sig., dengan

ketentuan, jika Nilai Sig. < 0,05, maka model regresi adalah linier, dan

berlaku sebaliknya. Berdasarkan tabel ketiga, diperoleh nilai Sig. = 0,140

yang berarti > kriteria signifikan (0,05), dengan demikian model persamaan

regresi berdasarkan data penelitian adalah tidak signifikan artinya, model

regresi linier tidak memenuhi kriteria linieritas.


4. Tabel keempat menginformasikan model persamaan regresi yang diperoleh

dengan koefisien konstanta dan koefisien variabel yang ada di kolom

Unstandardized Coefficients B. Berdasarkan tabel ini diperoleh model

persamaan regresi : Y =38,256 + 0,229 X1.