KORELASI DAN REGRESI LINIER SEDERHANA

A. Korelasi Linier Sederhana

Analisis korelasi berkaitan dengan pengukuran ada atau tidaknya serta

seberapa kuat hubungan antara dua kejadian atau lebih. Misalnya:

 apakah ada kaitan antara minum susu dengan daya pikir anak,
 apakah ada kaitan antara waktu belajar siswa dengan prestasi belajarnya,
 apakah ada kaitan antara seringnya membaca buku bahasa inggris dengan
kemampuan bicara siswa dalam bahasa inggris.

Secara umum persoalan korelasi dapat dirumuskan sebagai: “apakah ada kaitan
antara variabel X dengan variabel Y ?”

Korelasi dibedakan dalam dua pengertian, yaitu

 korelasi positif yaitu bila X meningkat (bertambah besar) maka Y juga

ikut meningkat (bertambah besar)
 korelasi negatif yaitu bila X meningkat (bertambah besar) maka Y akan
menurun (mengecil)

Contoh 1

Diberikan data tentang nilai matematika dan fisika dari 10 orang siswa sebagai
berikut:
No X Y (Fisika)
(Matematika)
1. 5 5
2. 7 6
3. 9 9
4. 8 9
5. 8 8
6. 6 7
7. 4 4
8. 5 6
9. 7 8
10. 3 4

Akan dilihat apakah ada kaitan (korelasi) antara nilai/kemampuan

matematika dengan kemampuan fisika siswa. Bila ada, bagaimana korelasinya,
apakah bila nilai matematikanya baik maka nilai fisikanya juga baik, atau malah
sebaliknya?

MULIANA,S.Pd.I.,M.Pd | KORELASI DAN REGRESI LINEAR 1

SEDERHANA
 Untuk menjawab permasalahan tersebut maka dibuat scatterplots dari data
di atas dalam koordinat X dan Y sebagai berikut (scatterplots adalah titik
hubungan antara koordinat X dan Y):
10

4
Fisika

0
0 2 4 6 8 10
Matematika

Dari scatterplots di atas terlihat bahwa ketika nilai matematika meningkat, maka
nilai fisika juga akan meningkat. Maka korelasi antara kedua variabel tersebut
merupakan korelasi positif.

Koefisien Korelasi ( r )

 Koefisien korelasi merupakan angka yang menunjukkan tinggi atau

rendahnya hubungan antara dua variabel atau lebih.
 Koefisien korelasi berkisar antara -1 sampai 1. Ketika r bernilai 1
menunjukkan adanya korelasi positif yang sangat erat, r bernilai -1
menunjukkan korelasi negatif yang erat. Sementara jika r bernilai sekitar
0 menunjukkan korelasi yang sangat lemah.
 Berikut ini merupakan Tabel interpretasi nilai koefisien korelasi (berlaku
interpretasi yang sama juga untuk nilai koefisien korelasi negatif).

Interval Koefisien Tingkat Hubungan (Korelasi)

0,80 – 1,00 Sangat kuat
0,60 – 0,799 Kuat
0,40 – 0,599 Cukup kuat
0,20 – 0,399 Lemah
0,00 – 0,199 Sangat lemah

1. Koefisien Korelasi Product Moment Pearson

Koefisien korelasi Pearson dapat dicari dengan rumus sebagai berikut:

∑ − ∑ ∑
=
∑ − ∑ ∑ − ∑

MULIANA,S.Pd.I.,M.Pd | KORELASI DAN REGRESI LINEAR 2

SEDERHANA
Contoh 2

Dari 10 orang siswa SMK didapat nilai mekanika dan listrik seperti berikut.

Mekanika : 5 7 6 8 8 9 7 3 2 6
Listrik :6 5 7 7 9 10 5 4 4 5

Maka koefisien korelasi Pearson dapat dicari dengan terlebih dahulu membuat
tabel seperti berikut, dengan memisalkan variabel X sebagai nilai mekanika dan
variabel Y sebagai nilai listrik, serta diketahui bahwa jumlah data (n) = 10.

X Y X2 Y2 XY
5 6 25 36 30
7 5 49 25 35
6 7 36 49 42
8 7 64 49 56
8 9 64 81 72
9 10
81 100 90
7 5
3 4 49 25 35
2 4 9 16 12
6 5 4 16 8
36 25 30
= 61 = 62 = 417 = 422 ∑ = 410

Dari rumus koefisien korelasi Pearson,

10 ∑ − ∑ ∑
=
10 ∑ − ∑ 10 ∑ − ∑

10(410) − (61)(62)
=
10(417) − 61 10(422) − 62

= 0,7739

Jadi diperoleh nilai r = 0,7739 yang menunjukkan korelasi positif yang kuat
antara nilai mekanika dengan nilai listrik.

MULIANA,S.Pd.I.,M.Pd | KORELASI DAN REGRESI LINEAR 3

SEDERHANA
 2. Koefisien Determinasi

 Untuk menyatakan besar kecilnya kontribusi variabel X terhadap Y

dapat ditentukan dengan koefisien determinan sebagai berikut:
= × 100%
dimana KD = nilai koefisien determinasi
r = nilai koefisien korelasi.

Contoh 3

Dari data pada Contoh 2 akan dianalisis berapakah besar kontribusi nilai mekanika
(X) terhadap nilai listrik (Y).

Menghitung besarnya kontribusi nilai mekanika terhadap nilai listrik.

= × 100% = 0,7739 × 100% = 59,892%

Artinya nilai mekanika memberikan kontribusi terhadap nilai listrik sebesar
59,892% dan 40,108% sisanya ditentukan oleh variabel lain.

3. Uji Signifikansi
Apabila peneliti ingin mencari makna hubungan variabel X terhadap Y,
maka hasil nilai korelasi yang diperoleh dapat diuji dengan Uji
Signifikansi dengan rumus berikut:
√ − 2
=
√1 −
dimana = nilai t
r = nilai koefisien korelasi
n = jumlah data sampel.

Dengan kaidah pengujian:

Jika ≥ maka tolak H0 yang artinya memiliki korelasi signifikan, dan
Jika < maka terima H0 yang artinya tidak memiliki korelasi
signifikan.

Contoh 4
Dengan menggunakan data dan hasil yang diperoleh pada Contoh 2, maka akan
dianalisis apakah ada hubungan yag siginifikan antara nilai mekanika (X) dengan
nilai listrik (Y). Untuk itu maka dapat dilakukan dengan langkah-langkah berikut:

MULIANA,S.Pd.I.,M.Pd | KORELASI DAN REGRESI LINEAR 4

SEDERHANA
Langkah 1. Membuat hipotesis awal (H0) dan hipotesis alternatif (H1).

H0: = 0 (tidak ada hubungan yang signifikan antara nilai mekanika dengan nilai
listrik)
H1: ≠ 0 (ada hubungan yang signifikan antara nilai mekanika dengan nilai
listrik)

Langkah 2. Menghitung nilai koefisien korelasi (r).

Dari hasil pada Contoh 2 diperoleh nilai r = 0,7739.

Langkah 3. Menguji signifikansi dengan rumus .

Dari data diketahui bahwa n = 10 dan r = 0,7739, sehingga

√ − 2 0,7739√10 − 2 2,189
= = = = 3,458
√1 − 1 − 0,7739 0,633

Dengan menggunakan nilai = 0,05 untuk uji dua pihak dengan = − 2=

10 − 2 = 8 maka diperoleh nilai = 2,228.

Langkah 4. Membuat kesimpulan.

Karena nilai lebih besar dari nilai , yaitu 3,458 > 2,228, maka tolak
H0, artinya ada hubungan yang signifikan antara nilai mekanika dengan nilai
listrik.

MULIANA,S.Pd.I.,M.Pd | KORELASI DAN REGRESI LINEAR 5

SEDERHANA
Latihan

Berikut ini merupakan data motivasi dan prestasi dari 12 orang mahasiswa.

No Motivasi (X) Prestasi (Y)

1. 38 60
2. 45 50
3. 46 62
4. 30 40
5. 53 68
6. 54 59
7. 61 79
8. 50 69
9. 52 65
10. 51 70
11. 69 89
12. 53 79

1. Buatlah scatterplot untuk data tersebut.

2. Berapa besar hubungan antara motivasi dan prestasi mahasiswa?
3. Berapa besar kontribusi yang diberikan oleh motivasi terhadap prestasi?
4. Buktikan apakah ada hubungan yang signifikan antara motivasi mahasiswa
dengan prestasi mahasiswa dengan menggunakan uji dua pihak dan nilai
= 0,05.

MULIANA,S.Pd.I.,M.Pd | KORELASI DAN REGRESI LINEAR 6

SEDERHANA
 B. Analisis regresi linier sederhana

Analisis regresi linier sederhana adalah hubungan secara linear

antara satu variabel independen (X) dengan variabel dependen (Y). Analisis
ini untuk mengetahui arah hubungan antara variabel independen dengan
variabel dependen apakah positif atau negatif dan untuk memprediksi nilai
dari variabel dependen apabila nilai variabel independen mengalami
kenaikan atau penurunan.. Data yang digunakan biasanya berskala interval
atau rasio.

Rumus regresi linear sederhana sebagi berikut:

Y’ = a + bX

Keterangan:

Y’ = Variabel dependen (nilai yang diprediksikan)

X = Variabel independen
a = Konstanta (nilai Y’ apabila X = 0)
b = Koefisien regresi (nilai peningkatan ataupun penurunan)

Untuk menghitung a dan b menggunakan rumus berikut


Koefisien Determinasi R2 :

∑ − ∑ ∑
=
∑ − ∑ ∑ − ∑

 Uji Koefisien Regresi Sederhana (Uji t)

Uji ini digunakan untuk mengetahui apakah variabel independen (X)

berpengaruh secara signifikan terhadap variabel dependen (Y). Signifikan berarti
pengaruh yang terjadi dapat berlaku untuk populasi (dapat digeneralisasikan).

Rumus t hitung pada analisis regresi adalah sebagai berikut:

MULIANA,S.Pd.I.,M.Pd | KORELASI DAN REGRESI LINEAR 7

SEDERHANA
Keterangan

Contoh

Sebuah penelitian terhadap pohon Mahoni, dimana akan diteliti apakah ada
hubungan antara tinggi pohon dengan diameter batang pohon, dengan artian
apakah ada pengaruh diameter batang pohon terhadap tinggi pohon tersebut.
Diambil sampel secara acak sejumlah delapan pohon mahoni.

MULIANA,S.Pd.I.,M.Pd | KORELASI DAN REGRESI LINEAR 8

SEDERHANA
 Persamaan regresi diperoleh :

Y' = -1,3147 + 4,5413X

dimana :
Y' = Tinggi pohon mahoni yang diprediksi
X = Diameter batang pohon mahoni

Interpretasi dari koefisien regresi :

 Nilai a = -1,3147 artinya tidak ada diameter batang pohon maka tidak ada tinggi
pohon. (karena tidak ada tinggi yang bernilai negatif sehingga dianggap nol).

 Nilai b = 4,5413 artinya jika terjadi peningkatan diameter batang pohon mahoni
satu satuan maka akan terjadi peningkatan tinggi pohon mahoni sebesar 4,5413
satuan.

Selanjutnya pengujian hipotesisi menggunakan uji-t

8∑ − ∑ ∑
=
8∑ − ∑ 8∑ − ∑

MULIANA,S.Pd.I.,M.Pd | KORELASI DAN REGRESI LINEAR 9

SEDERHANA
 8 3142 73 321
8 713 73 8 14111 321

0,886

r = 0,886 bernilai positif dan kuat

Artinya terdapat hubungan atau korelasi yang kuat antara tinggi pohon mahoni
dengan diameter batang pohon mahoni. Semakin besar diameter batang pohon
mahoni maka semakin tinggi batang pohon mahoni.

R2 = 0,8862 = 0,785

Artinya sekitar 78,5% variasi dari variabel diameter batang pohon mahoni dapat
menjelaskan variasi dari variabel tinggi pohon mahoni.
(cukup tinggi)

Pengujian Koefisien Regresi :

1. Hipotesis Uji

Ho : b = 0
Ha : b ≠ 0

2. Taraf Signifikansi

Pilih nilai signifikansi a = 5%

3. Daerah Kritis

Dengan nilai a = 5% = 0,05 dan derajat bebas n-2=8-2=6, maka diperoleh

nilai t-tabel pada 0,05/2 = 0,025 yaitu 2,447.

4. Statistik Uji

5. Keputusan
Nilai t-hitung = 4,6805 > t-tabel = 2,447 sehingga Ho ditolak dan Ha
diterima.

MULIANA,S.Pd.I.,M.Pd | KORELASI DAN REGRESI LINEAR 10

SEDERHANA
 6. Kesimpulan

Dengan tingkat signifikansi 5% cukup menjelaskan bahwa ada pengaruh

diameter batang pohon mahoni terhadap tinggi pohon mahoni.

Latihan

a. Buatlah persamaan regresi

b. Ujilah hipotesis

MULIANA,S.Pd.I.,M.Pd | KORELASI DAN REGRESI LINEAR 11

SEDERHANA