TUGAS INDIVIDU

BIOSTATISTIK

“Uji Independent Test”

DOSEN PEMBIMBING

Lisviarose, SST, M.Kes

DI SUSUN OLEH

Nadia kartika
170301161

PROGRAM STUDI DIV KEBIDANAN SEKOLAH TINGGI ILMU KESEHATAN

(STIKes) AL- INSYIRAH PEKANBARU

KATA PENGANTAR
 Allhamdulillah, puji syukur kehadirat Allah SWT, karena atas rahmat serta karunia-
Nya sehingga kami dapat menyelesaikan makalah ini untuk memenuhi tugas mata kuliah
STATISTIKA yang berjudul “Uji Independent Test ‘

”
Kami menyadari sepenuhnya di dalam penulisan makalah ini masih banyak terdapat
kekurangan, oleh karena itu kami mengharapkan adanya kritik dan saran demi kesempurnaan
makalah ini.
Semoga makalah ini bisa bermanfaat bagi kita semua, khususnya bagi penyusun dan
dapat menambah wawasan kita dalam mempelajari tentang Uji Independent Test.

Pekanbaru, 18 april 2020

Penyusun
 DAFTAR ISI

HALAMAN JUDUL........................................................................................................i
DAFTAR ISI....................................................................................................................ii 
KATA PENGANTAR....................................................................................................iii

BAB I PENDAHULUAN
1.1   Latar Belakang............................................................................................................1
1.2    Rumusan Masalah...............................................................................................................1
1.3   Tujuan Penulisan.................................................................................................................1

BAB II PEMBAHASAN
2.0 Sample T-test........................................................................................................................1
2.1 Pengertian Regresi Dan Korelasi........................................................................................2
2.2 Analisis Regresi dan Korelasi ............................................................................................3
2.3  Macam-Macam Regresi Dan Korelasi ......................................................................................5
2.4  Tujuan Pengggunaan Regresi dan Korelasi..............................................................................7
2.5  Karakteristik Penggunaan Regresi dan Korelasi......................................................................8
BAB III PENUTUP
3.1  Kesimpulan................................................................................................................................9
3.2  Saran.........................................................................................................................................9
DAFTAR PUSTAKA..........................................................................................................10
.
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Banyak analisis statistika bertujuan untuk mengetahui apakah ada hubungan antara dua
atau lebih peubah. Bila hubungan demikian ini dapat dinyatakan dalam bentuk rumus
matematik, maka kita akan dapat menggunakannya untuk keperluan peramalan.
Masalah peramalan dapat dilakukan dengan menerapkan persamaan regresi. mendekati nilai
tengah populasi. Sekarang ini, istilah regresi ditetapkan pada semua jenis peramalan, dan
tidak harus berimplikasi suatu regresi mendekati nilai tengah populasi. Sedangkan Teknik
korelasi merupakan teknik analisis yang melihat kecenderungan pola dalam satu variabel
berdasarkan kecenderungan pola dalam variabel yang lain. Maksudnya, ketika satu variabel
memiliki kecenderungan untuk naik maka kita melihat kecenderungan dalam variabel yang
lain apakah juga naik atau turun atau tidak menentu. Jika kecenderungan dalam satu variabel
selalu diikuti oleh kecenderungan dalam variabel lain, kita dapat mengatakan bahwa kedua
variabel ini memiliki hubungan atau korelasi.

1.2 Rumusan Masalah

1. Apa yang dimaksud dengan sample T-test

2. Apa yang dimaksud dengan regresi dan korelasi?
3. Bagaimana analisis dari regresi dan korelasi?
4. Apa saja macam-macam dari regresi dan korelasi?
5. Apa tujuan dari penggunaan regresi dan korelasi?
6. Apa saja karakteristik dari regresi dan korelasi?
1.3 Tujuan Penulisan
Pembaca diharapkan dapat mengetahui apa definisi dan analisis dari Sample T-test regresi
dan korelasi, dapat mengetahui macam-macam serta karakteristik dari regresi dan korelasi,
dan dapat mengetahui tujuan dari penggunaan regresi dan korelasi.
 BAB II
PEMBAHASAN
a.Analisis Paired Sample T-test
Pengujian hipotesis dalam penelitian ini di tentukan berdasarkan hasil dari uji
normalitas data, berdasarkan hasil uji normalitas data maka akan dapat ditentukan alat uji apa
yang paling sesuai digunakan. Apabila data berdistribusi normal maka digunakan uji
parametrik Paired Sample T-Test. Sementara apabila data berdistribusi tidak normal maka
digunakan uji non-parametrik yaitu Wilcoxon Signed Rank Test. Kedua model uji beda
tersebut digunakan untuk menganalisis model penelitian pre-post atau sebelum dan sesudah.
Uji beda digunakan untuk mengevaluasi perlakuan (treatment) tertentu pada satu sampel yang
sama pada dua periode pengamatan yang berbeda.Paired sample t-test digunakan untuk
menguji perbedaan dua sampel yang berpasangan. Sampel yang berpasangan diartikan
sebagai sebuah sampel dengan subjek yang sama namun mengalami dua perlakuan yang
berbeda pada situas sebelum dan sesudah proses. Paired sample t-test digunakan apabila data
berdistribsui normal. Paired sample t-test merupakan salah satu metode pengujian yang
digunakan untuk mengkaji keefektifan perlakuan, ditandai adanya perbedaan rata-rata
sebelum dan rata-rata sesudah diberikan perlakuan. Dasar pengambilan keputusan untuk
menerima atau menolak H0pada uji paired sampel t-test adalah sebagai berikut:
Langkah perhitungan Paired sample t-test pada setiap data skor adalah sebagai
berikut.
a)Perumusan Hipotesis
H01: tidak terdapat pengaruh yang signifikan model pembalajaran taktisterhadap
peningkatan kemampuan kognitif siswa.
H02: tidak terdapat pengaruh yang signifikan model pembalajaran taktisterhadap
peningkatan keterampilan bermain bolabasket siswa.
H03: tidak terdapat pengaruh yang signifikan model pembalajaran direct instruction
terhadap peningkatan kemampuan kognitif siswa.
H04: tidak terdapat pengaruh yang signifikan model pembalajaran direct
instructionterhadap peningkatan keterampilan bermain bolabasket siswa.
H11: terdapat pengaruh yang signifikan model pembalajaran taktisterhadap
peningkatan kemampuan kognitif siswa.
H12: terdapat pengaruh yang signifikan model pembalajaran taktisterhadap
peningkatan keterampilan bermain bolabasket siswa.
 H13: terdapat pengaruh yang signifikan model pembalajaran direct instruction
terhadap peningkatan kemampuan kognitif siswa.
H14: terdapat pengaruh yang signifikan model pembalajaran direct instructionterhadap
peningkatan keterampilan bermain bolabasket siswa.
b)Dasar pengambilan keputusan
Jika Asymp sig ≤0,05 maka H0ditolak
Jika Asymp sig > 0,05 maka H0diterimab.Analsis Independent Sample T-test
b.Analsis Independent Sample T-test
independent sample t-test digunakan untuk menentukan apakah ada dua sampel yang sama
yang tidak berhubungan memiliki nilai rata-rata yang berbeda. Langkah perhitungan
Independent sample t-test pada setiap data skor adalah sebagai berikut
a)Perumusan Hipotesis
H0 : tidak terdapat perbedaan skor kemampuan kognitif dan keterampilan bermain antara
siswa yang belajar dengan model pemebalajaran taktis dan direct instruction.H1 : terdapat
perbedaan skor kemampuan kognitif dan keterampilan bermain antara siswa yang belajar
dengan model pemebalajaran taktis dan direct instruction.

b)Dasar pengambilan keputusan

Jika Asymp sig ≤0,05 maka H0ditolak
Jika Asymp sig > 0,05 maka H0diterima

Contoh kasus:
Seorang mahasiswa dalam penelitiannya ingin mengetahui apakah ada perbedaan nilai
ujian antara kelas A dan kelas B pada fakultas Psikologi suatu universitas. Penelitian dengan
menggunakan sampel sebanyak 20 responden yang diambil dari kelas A dan kelas B. Dalam
uji ini jumlah kelompok responden yang diambil tidak harus sama, misalnya kelas A
sebanyak 8 orang dan kelas B sebanyak 12 orang. Data-data yang didapat sebagai berikut:

  

Tabel. Tabulasi Data (Data Fiktif)

No Nilai Ujian Kelas
1 32 Kelas A
 2 35 Kelas A
3 41 Kelas A
4 39 Kelas A
5 45 Kelas A
6 43 Kelas A
7 42 Kelas A
8 47 Kelas A
9 42 Kelas A
10 37 Kelas A
11 35 Kelas B
12 36 Kelas B
13 30 Kelas B
14 28 Kelas B
15 26 Kelas B
16 27 Kelas B
17 32 Kelas B
18 35 Kelas B
19 38 Kelas B
20 41 Kelas B

Langkah-langkah pada program SPSS

Ø  Masuk program SPSS
Ø  Klik variable view pada SPSS data editor
Ø  Pada kolom Name ketik nilaiujn, dan kolom Name pada baris kedua ketik kelas.
Ø  Pada kolom Decimals, ubah nilai menjadi 0 untuk semua variabel.
Ø  Pada kolom Label, untuk kolom pada baris pertama ketik Nilai Ujian, untuk kolom pada baris
kedua ketik Kelas.
Ø  Pada kolom Values, untuk kolom pada baris pertama biarkan kosong (None). Untuk kolom
pada baris kedua klik pada kotak kecil, pada value ketik 1, pada Value Label ketik kelas A,
lalu klik Add. Langkah selanjutnya pada Value ketik 2, pada Value Label ketik kelas B, lalu
klik Add. Kemudian klik OK. 
Ø  Untuk kolom-kolom lainnya boleh dihiraukan (isian default)
Ø  Buka data view pada SPSS data editor, maka didapat kolom variabel nilaiujn dan kelas.
Ø  Ketikkan data sesuai dengan variabelnya (pada variabel kelas ketik dengan angka 1 dan 2 (1
menunjukkan kelas A dan 2 menunjukkan kelas B)
Ø  Klik Analyze - Compare Means - Independent Sample T Test
Ø  Klik variabel Nilai Ujian dan masukkan ke kotak Test Variable, kemudian klik variabel Kelas
dan masukkan ke kotak Grouping Variable, kemudia klik Define Groups, pada Group 1 ketik
1 dan pada Group 2 ketik 2, lalu klik Continue.
Ø  Klik OK, maka hasil output yang didapat adalah sebagai berikut:

Tabel. Hasil Independent Sample T Test

 Keterangan: Tabel di atas telah dirubah kedalam bentuk baris (double klik pada output
independen sample t test, kemudian pada menu bar klik pivot, kemudian klik Transpose
Rows and Columns)

Sebelum dilakukan uji t test sebelumnya dilakukan uji kesamaan varian (homogenitas)
dengan F test (Levene,s Test), artinya jika varian sama maka uji t menggunakan Equal
Variance Assumed (diasumsikan varian sama) dan jika varian berbeda menggunakan Equal
Variance Not Assumed (diasumsikan varian berbeda).
Langkah-langkah uji F sebagai berikut:
1.   Menentukan Hipotesis
Ho :  Kedua varian adalah sama (varian kelompok kelas A dan kelas B
adalah sama)
Ha : Kedua varian adalah berbeda (varian kelompok kelas A dan kelas B adalah
berbeda).
2.   Kriteria Pengujian (berdasar probabilitas / signifikansi)

Ho diterima jika P value > 0,05

            Ho ditolak jika P value < 0,05
3.   Membandingkan probabilitas / signifikansi
Nilai P value (0,613 > 0,05) maka Ho diterima.

4.  Kesimpulan
Oleh karena nilai probabilitas (signifikansi) dengan equal variance assumed (diasumsikan
kedua varian sama) adalah 0,603 lebih besar dari 0,05 maka Ho diterima, jadi dapat
disimpulkan bahwa kedua varian sama (varian kelompok kelas A dan kelas B adalah
sama).  Dengan ini penggunaan uji t menggunakan equal variance assumed (diasumsikan
kedua varian sama).

Pengujian independen sample t test

 Langkah-langkah pengujian sebagai berikut:
1.   Menentukan Hipotesis
Ho :    Tidak ada perbedaan antara rata-rata nilai ujian kelas A dengan rata-rata nilai
ujian kelas B
Ha :    Ada perbedaan antara rata-rata nilai ujian kelas A dengan rata-rata nilai ujian
kelas B
2.   Menentukan tingkat signifikansi
            Pengujian menggunakan uji dua sisi dengan tingkat signifikansi a = 5%.
Tingkat signifikansi dalam hal ini berarti kita mengambil risiko salah dalam mengambil
keputusan untuk menolak hipotesis yang benar sebanyak-banyaknya 5% (signifikansi 5%
atau 0,05 adalah ukuran standar yang sering digunakan dalam penelitian)
3.   Menentukan t hitung
Dari tabel di atas didapat nilai t hitung (equal variance assumed) adalah 3,490
      4.   Menentukan t tabel
Tabel distribusi t dicari pada a = 5% : 2 = 2,5% (uji 2 sisi) dengan derajat kebebasan (df) n-2
atau 20-2  = 18. Dengan pengujian 2 sisi (signifikansi = 0,025) hasil diperoleh untuk t tabel
sebesar 2,101 (Lihat pada lampiran) atau dapat dicari di Ms Excel dengan cara pada cell
kosong ketik =tinv(0.05,18) lalu enter.
5.   Kriteria Pengujian
Ho diterima jika -t tabel < t hitung < t tabel
             Ho ditolak jika -t hitung < -t tabel atau t hitung > t tabel
Berdasar probabilitas:
Ho diterima jika P value > 0,05
            Ho ditolak jika P value < 0,05
6.   Membandingkan t hitung dengan t tabel dan probabilitas
Nilai t hitung > t tabel (3,490 > 2,101) dan P value (0,003 < 0,05) maka Ho ditolak.

 7.  Kesimpulan
Oleh karena nilai t hitung > t tabel (3,490 > 2,101) dan P value (0,003 < 0,05) maka Ho
ditolak, artinya bahwa ada perbedaan antara rata-rata nilai ujian kelas A dengan rata-rata nilai
ujian kelas B. Pada tabel Group Statistics terlihat rata-rata (mean) untuk kelas A adalah 40,30
dan untuk kelas B adalah 32,80, artinya bahwa rata-rata nilai ujian kelas A lebih tinggi
daripada rata-rata nilai ujian kelas B.
Nilai t hitung positif, berarti rata-rata group1 (kelas A) lebih tinggi daripada group2 (kelas B)
dan sebaliknya jika t hitung negatif berarti rata-rata group1 (kelas A) lebih rendah dari pada
rata-rata group2 (kelas B)
Perbedaan rata-rata (mean diference) sebesar 7,50 (40,30-32,80), dan perbedaan berkisar
antara 2,98 sampai 12,02 (lihat pada lower dan upper).

2.1 Pengertian Regresi Dan Korelasi

Istilah regresi pertama kali diperkenalkan oleh Sir Francis Galton pada tahun 1886. Galton
menemukan adanya tendensi bahwa orang tua yang memiliki tubuh tinggi memiliki anak-
anak yang tinggi, orang tua yang pendek memiliki anak-anak yang pendek pula. Kendati
demikian. Ia mengamati bahwa ada kecenderungan tinggi anak cenderung bergerak menuju
rata-rata tinggi populasi secara keseluruhan. Dengan kata lain, ketinggian anak yang amat
tinggi atau orang tua yang amat pendek cenderung bergerak kearah rata-rata tinggi populasi.
Inilah yang disebut hukum Golton mengenai regresi universal. Dalam bahasa galton, ia
menyebutkan sebagai regresi menuju mediokritas.
Secara umum, analisis regresi pada dasarnya adalah studi mengenai ketergantungan satu
variabel dependen (terikat) dengan satu atau lebih variabel independent (variabel
penjelas/bebas), dengan tujuan untuk mengestimasi dan/ atau memprediksi rata-rata populasi
atau niiai rata-rata variabel dependen berdasarkan nilai variabe! independen yang diketahui.
Pusat perhatian adalah pada upaya menjelaskan dan mengevalusi hubungan antara suatu
variabel dengan satu atau lebih variabel independen. Hasil analisis regresi adalah berupa
koefisien regresi untuk masing-masing variable independent. Koefisien ini diperoleh dengan
cara memprediksi nilai variable dependen dengan suatu persamaan.
Korelasi merupakan teknik analisis yang  termasuk dalam salah satu teknik pengukuran
asosiasi / hubungan (measures of association). Pengukuran asosiasi   merupakan istilah
umum yang mengacu pada sekelompok teknik dalam statistik bivariat yang digunakan untuk
mengukur kekuatan hubungan antara dua variabel.
Dalam korelasi sempurna tidak diperlukan lagi pengujian hipotesis, karena kedua variabel
mempunyai hubungan linear yang sempurna. Artinya variabel X mempengaruhi variabel Y
secara sempurna. Jika korelasi sama dengan nol (0), maka tidak terdapat hubungan antara
kedua variabel tersebut. Dalam korelasi sebenarnya tidak dikenal istilah variabel bebas dan
variabel tergantung. Biasanya dalam penghitungan digunakan simbol X untuk variabel
pertama dan Y untuk variabel kedua. Dalam contoh hubungan antara variabel remunerasi
dengan kepuasan kerja, maka variabel remunerasi merupakan variabel X dan kepuasan kerja
merupakan variabel Y.
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.
Hubungan dua variabel tersebut dapat terjadi karena adanya hubungan sebab akibat atau
dapat pula terjadi karena kebetulan saja. Dua variabel dikatakan berkolerasi apabila
perubahan pada variabel yang satu akan diikuti perubahan pada variabel yang lain secara
teratur dengan arah yang sama (korelasi positif) atau berlawanan (korelasi negatif). 
2.2 Analisis Regresi dan Korelasi
 Analisis regresi merupakan salah satu analisis yang bertujuan untuk mengetahui pengaruh
suatu variabel terhadap variabel lain. Dalam analisis regresi, variabel yang mempengaruhi
disebut Independent Variable (variabel bebas) dan variabel yang dipengaruhi disebut
Dependent Variable (variabel terikat). Jika dalam persamaan regresi hanya terdapat satu
variabel bebas dan satu variabel terikat, maka disebut sebagai persamaan regresi sederhana,
sedangkan jika variabel bebasnya lebih dari satu, maka disebut sebagai persamaan regresi
berganda.

Analisis Korelasi merupakan suatu analisis untuk mengetahui tingkat keeratan hubungan
antara dua variabel. Tingkat hubungan tersebut dapat dibagi menjadi tiga kriteria, yaitu
mempunyai hubungan positif, mempunyai hubungan negatif dan tidak mempunyai hubungan.
Untuk mencari persamaan garis regresi dapat digunakan berbagai pendekatan (rumus),
sehingga nilai konstanta (a) dan nilai koefisien regresi (b) dapat dicari dengan metode sebagai
berikut :
a = [(ΣY . ΣX2) – (ΣX . ΣXY)] / [(N . ΣX2) – (ΣX)2] atau a = (ΣY/N) – b (ΣX/N)
b = [N(ΣXY) – (ΣX . ΣY)] / [(N . ΣX2) – (ΣX)2]

Contoh :
Berdasarkan hasil pengambilan sampel secara acak tentang pengaruh lamanya belajar (X)
terhadap nilai ujian (Y) adalah sebagai berikut :
Y(nilai X (lama belajar) X 2 XY
ujian)
40 4 16 160
60 6 36 360
50 7 49 350
70 10 100 700
90 13 169 1.170
2
ΣY = 310 ΣX = 40 ΣX  = 370 ΣXY = 2.740

Dengan menggunakan rumus di atas, nilai a dan b akan diperoleh sebagai berikut :
a = [(ΣY . ΣX2) – (ΣX . ΣXY)] / [(N . ΣX2) – (ΣX)2]
a = [(310 . 370) – (40 . 2.740)] / [(5 . 370) – 402] = 20,4

b = [N(ΣXY) – (ΣX . ΣY)] / [(N . ΣX2) – (ΣX)2]

b = [(5 . 2.740) – (40 . 310] / [(5 . 370) – 402] = 5,4

Sehingga persamaan regresi sederhana adalah Y = 20,4 + 5,2 X

Berdasarkan hasil penghitungan dan persamaan regresi sederhana tersebut di atas, maka
dapat diketahui bahwa : 1) Lamanya belajar mempunyai pengaruh positif (koefisien regresi
(b) = 5,2) terhadap nilai ujian, artinya jika semakin lama dalam belajar maka akan semakin
baik atau tinggi nilai ujiannya; 2) Nilai konstanta adalah sebesar 20,4, artinya jika tidak
belajar atau lama belajar sama dengan nol, maka nilai ujian adalah sebesar 20,4 dengan
asumsi variabel-variabel lain yang dapat mempengaruhi dianggap tetap.
Analisis Korelasi (r) : digunakan untuk mengukur tinggi redahnya derajat hubungan antar
variabel yang diteliti. Tinggi rendahnya derajat keeratan tersebut dapat dilihat dari koefisien
korelasinya. Koefisien korelasi yang mendekati angka + 1 berarti terjadi hubungan positif
yang erat, bila mendekati angka – 1 berarti terjadi  hubungan negatif yang erat. Sedangkan
koefisien korelasi mendekati angka 0 (nol) berarti hubungan kedua variabel adalah lemah
atau tidak erat. Dengan demikian nilai koefisien korelasi adalah – 1 ≤ r ≤ + 1. Untuk
koefisien korelasi sama dengan – 1 atau + 1 berarti hubungan kedua variabel adalah sangat
erat atau sangat sempurna dan hal ini sangat jarang terjadi dalam data riil. Untuk mencari
nilai koefisen korelasi (r) dapat digunakan rumus sebagai berikut : r = [(N . ΣXY) – (ΣX .
ΣY)] / √{[(N . ΣX2) – (ΣX)2] . [(N . ΣY2) – (ΣY)2]}

Contoh :
Sampel yang diambil secara acak dari 5 mahasiswa, didapat data nilai Statistik dan
Matematika sebagai berikut :
Sampe X (statistik) Y (matematika) XY X2 Y2
l
1 2 3 6 4 9
2 5 4 20 25 16
3 3 4 12 9 16
4 7 8 56 49 64
5 8 9 72 64 81
Jumlah 25 28 166 151 186
 r = [(N . ΣXY) – (ΣX . ΣY)] / √{[(N . ΣX2) – (ΣX)2] . [(N . ΣY2) – (ΣY)2]}
r = [(5 . 166) – (25 . 28) / √{[(5 . 151) – (25)2] . [(5 . 186) – (28)2]} = 0,94

Nilai koefisien korelasi sebesar 0,94 atau 94 % menggambarkan bahwa antara nilai statistik
dan matematika mempunyai hubungan positif dan hubungannya erat, yaitu jika mahasiswa
mempunyai nilai statistiknya baik maka nilai matematikanya juga akan baik dan sebaliknya
jika nilai statistik jelek maka nilai matematikanya juga jelek.
2.3 Macam-Macam Regresi Dan Korelasi
Macam-macam regresi itu terbagi lima antara lain sebagai berikut:
1.      Regresi Linier Sederhana
Hubungan antara 2 variabel. Yaitu x (variabel bebas) dan y (variabel tak bebas). Kedua
variable datanya kuantitatif.
Misal: Berat badan seseorang dipengaruhi tinggi badannya
2.      Regresi Linier Berganda
Hubungan antara variabel y dengan dua atau lebih variabel x. Semua variable datanya
kuantitatif.
Misal : produksi padi dipengaruhi oleh jenis pupuk, suhu, lama penyinaran, dll       
3.      Regresi Nonlinier
Hubungan antara variabel y dan x yang tidak linier. Tidak linier maksudnya laju perubahan y
akibat laju perubahan x tidak konstan untuk nilai-nilai x tertentu.
Misal : Produksi padi akan meningkat saat diberi pupuk taraf rendah ke sedang. Tapi kalau
diberi dengan taraf tinggi, malah produksinya menurun.
4.      Regresi Dummy
Hubungan antara variabel y (data kuantitatif) dan variabel x (data kualitatif).
Misal : Melihat pengaruh kemasan terhadap harga jual makanan. Kita coding 1 jika kemasan
menarik dan 0 jika kemasan tidak menarik. 1 dan o adalah variabel dummy.
5.      Regresi Logistik
Hubungan antara variabel y (data kualitatif) dan variabel x (data kuantitatif).
Misal : Ingin diketahui apakah konsumen akan membeli makanan di rumah makan
berdasarkan penilaian konsumen terhadap lokasi, pelayanan, pendapatan. Dalam kasus ini
hanya ada 2 kemungkinan respon konsumen, yaitu konsumen membeli (1) dan tidak membeli
(0).
Macam-macam korelasi terdiri dari:

1.      Korelasi Positif

Korelasi positif adalah tingkat hubungan antara dua variabel yang mempunyai ciri, bahwa
perubahan variabel independent x (variabel bebas x) diikuti oleh perubahan variable
dependent y (variabel bebas y) secara ‘’Searah’’
1.      Korelasi Negatif
Korelasi negatif adalah tingkat hubungan antara dua variabel yang mempunyai ciri, bahwa
perubahan variabel independent x (variabel bebas x) diikuti oleh perubahan variable
dependent y (variabel bebas y) secara ’’Berlawanan”.
2.      Korelasi Sederhana (Simple Corelation)
 Yaitu tingkat hubungan yang terjadi antara 2 (dua) variabel saja.
3.      Korelasi Multiple (Multiple Corelation)
Yaitu tingkat hubungan yang terjadi antara 2 (dua) variabel atau lebih. Misalkan pada model
regresi linier multiple (y = a0 + a1x1 + a2x2 + e), maka maksud dan pengertian dari pernyataan
diatas adalah Tingkat hubungan antara antar y dan x1 atau tingkat hubungan antara y dengan
x2 atau tingkat hubungan antara x1 dan x2.
4.      Korelasi Sempurna (Perfect Corelation)
Maksud dan pengertian dari korelasi sempurna antara 2 variabel, yaitu suatu kondisi bahwa
setiap nilai variabel bebas x akan terdapat pada setiap nilai variabel tidak bebas y-nya. Hal ini
dapat diartikan pula, bahwa garis regresi yang terbentuk dari kata yang tersebar (terdistribusi)
adalah merupakan tempat kedudukan dari data-data dimaksud, sehingga nilai r nya =1 atau r
= -1.
5.      Korelasi Tidak sempurna (Imperfect Corelation)
Korelasi antara 2 (dua) variabel yang dikatakan tidak sempurna, jika titik-titik yang tersebar
tidak terdistribusi tepat pada satu garis lurus.
6.      Korelasi yang Mustahil (Nonsense Corelation)
Korelasi antara dua variabel yang seolah-olah ada tetapi tidak ada.

2.3  Tujuan Pengggunaan Regresi dan Korelasi

Ada beberapa tujuan penggunaan analisis regresi, antara lain:
1.      Membuat estimasi rata-rata dan nilai variabel tergantung dengan didasari pada nilai variabel
bebas.
2.      Menguji hipotesis karakteristik dependensi.
3.      Untuk meramalkan nilai rata-rata variabel bebas dengan didasarkan pada nilai variabel bebas
diluar jangkauan sample.
Adapun tujuan penggunaan korelasi yaitu: untuk mengukur kekuatan (strength) dan arah
hubungan hubungan antar dua variabel atau lebih.
Contoh :
1)       Mengukur hubungan antara variabel

2)       Motivasi kerja dengan produktivitas;

3)       Kualitas layanan dengan kepuasan pelangga;

4)       Tingkat inflasi dengan IHSG

2.4  karakteristik Penggunaan Regresi dan Korelasi

Regresi memiliki beberapa karakteristik antara lain :
1.      Model regresi dikatakan layak  jika angka signifikansi pada ANOVA sebesar < 0.05.
2.      Tidak boleh terjadi multikolinieritas, artinya tidak boleh terjadi korelasi yang sangat tinggi
atau sangat rendah antar variabel bebas. Syarat ini hanya berlaku untuk regresi linier
berganda dengan variabel bebas lebih dari satu.
3.      Keselerasan model regresi dapat diterangkan dengan menggunakan nilai r2 semakin besar
nilai tersebut maka model semakin baik. Jika nilai mendekati 1 maka model regresi semakin
baik. Nilai r2 mempunyai karakteristik diantaranya: 1) selalu positif, 2) Nilai r2 maksimal
sebesar 1. Jika Nilai r2 sebesar 1 akan mempunyai arti kesesuaian yang sempurna.
 Maksudnya seluruh variasi dalam variabel Y dapat diterangkan oleh model regresi.
Sebaliknya jika r2 sama dengan 0, maka tidak ada hubungan linier antara X dan Y.
4.      Terdapat hubungan linier antara variabel bebas (X) dan variabel tergantung (Y)
5.      Data harus berdistribusi normal
6.      Data berskala interval atau rasio
7.      Kedua variabel bersifat dependen, artinya satu variabel merupakan variabel bebas (disebut
juga sebagai variabel predictor) sedang variabel lainnya variabel tergantung (disebut juga
sebagai variabel response).
Korelasi memiliki beberapa karakteristik antara lain :
1)      Kisaran Korelasi: Kisaran (range) korelasi mulai dari 0 sampai dengan 1. Korelasi dapat
positif  dan dapat pula negatif.

2)      Korelasi Sama Dengan Nol: Korelasi sama dengan 0 mempunyai arti tidak ada hubungan
antara dua variabel.

3)      Korelasi Sama Dengan Satu: Korelasi sama dengan + 1 artinya kedua variabel mempunyai
hubungan linier sempurna (membentuk garis lurus) positif. Korelasi sempurna seperti ini
mempunyai makna jika nilai X naik, maka Y juga naik.

4)      Korelasi sama dengan minus satu: artinya kedua variabel mempunyai hubungan linier
sempurna (membentuk garis lurus) negatif. Korelasi sempurna seperti ini mempunyai makna
jika nilai X naik, maka Y turun dan berlaku sebaliknya.

BAB III
PENUTUP
3.1  Kesimpulan
Secara umum, analisis regresi pada dasarnya adalah studi mengenai ketergantungan satu
variabel dependen (terikat) dengan satu atau lebih variabel independent (variabel
penjelas/bebas), dengan tujuan untuk mengestimasi dan/ atau memprediksi rata-rata populasi
atau niiai rata-rata variabel dependen berdasarkan nilai variabe! independen yang diketahui.
Analisis korelasi sederhana (Bivariate Correlation) digunakan untuk mengetahui keeratan
hubungan antara dua variabel dan untuk mengetahui arah hubungan yang terjadi.
Macam-macam regresi itu terbagi lima antara lain sebagai berikut:
1.      Regresi Linier Sederhana
2.      Regresi Linier Berganda
3.      Regresi Nonlinier
4.      Regresi Dummy
5.      Regresi Logistik
Macam-macam korelasi terdiri dari:

1.      Korelasi Positif

2.      Korelasi Negatif
3.      Korelasi Sederhana (Simple Corelation)
4.      Korelasi Multiple (Multiple Corelation)
5.      Korelasi Sempurna (Perfect Corelation)
6.      Korelasi Tidak sempurna (Imperfect Corelation)
7.      Korelasi yang Mustahil (Nonsense Corelation)

3.2  Saran
Menyadari masih banyaknya kekurangan dalam penyusunan makalah ini, penyusun
sangat mengharapkan adanya kritik dan saran, yang sifatnya membangun atau memperbaiki
makalah ini dari semua pihak.

DAFTAR PUSTAKA
Supangat,Andi. 2010. Statistika. Jakarta:Kencana
http://ngacabrul.blogspot.co.id/2010/12/makalah-statistik-korelasi-dan-regresi.html
https://lovelyyydee.wordpress.com/2014/04/09/contoh-makalah-statistika-regresi-dan-
korelasi/
http://kakamawardi.blogspot.co.id/2011/12/analisis-regresi-dan-korelasi-sederhana.html
http://dokterdewikusumastuti.blogspot.co.id/2013/07/analisis-regresi.html