MODUL PERKULIAHAN

STATISTIK
BISNIS
ANALISIS DATA CROSSECTION
(Korelasi)

Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh

12
Ekonomi Akuntansi MK Darman, SE.MM

Abstract Kompetensi
Menjelaskan analisa korelasi. Mampu memahami dan
menganalisis korelasi (CPMK-6).
Analisis data crosssection
Korelasi
MATERI
1. Pengertian Korelasi Linear Sederhana dan Berganda
2. Uji koefisien Korelasi
3. Analisis determinasi
4. Analisis Jalur
5. Uji Model dan koefisien jalur

A. Pengertian Korelasi Linier Sederhana dan Berganda

Korelasi merupakan suatu hubungan antara satu variabel dengan varibel lainnya.
Hubungan antara variabel tersebut bisa secara korelasional dan bisa juga secara kausal. Jika
hubungan tersebut tidak menunjukkan sifat sebab akibat, maka korelasi tersebut dikatakan
korelasional, artinya sifat hubungan variabel satu dengan variabel lainnya tidak jelas mana
variabel sebab dan mana variabel akibat. Sebaliknya, jika hubungan tersebut menunjukkan
sifat sebab akibat, maka korelasinya dikatakan kausal, artinya jika variabel yang satu
merupakan sebab, maka variabel lainnya merupakan akibat. Menurut Khuswatun (2013: 1)
korelasi adalah metode statistik yang digunakan untuk menentukan kuatnya atau derajat
hubungan linier antara dua variabel atau lebih. Semakin nyata hubungan linier (garis lurus),
maka semakin kuat atau tinggi derajat hubungan antara kedua variabel atau lebih. Ukuran
untuk derajat hubungan garis lurus ini dinamakan koefisien korelasi. Koefisien relasi
sederhana menunjukkan seberapa besar hubungan yang terjadi antara dua variabel.
Pada umumnya besar kecil hubungan dinyatakan dengan bilangan. Bilangan yang
menyatakan besar kecilnya inilah yang menunjukkan hubungan tersebut dengan nama
koefisien hubungan atau koefisien korelasi. Koefisien korelasi itu berkisar antara 0 dan +1
(korelasi positif) dan atau diantara 0 sampai -1 (korelasi negatif), tergantung pada arah
hubungan positif ataukah negatif. Koefisien yang bertanda positif menunjukkan bahwa arah
korelasi tersebut positif, dan koefisien yang bertanda negatif menunjukkan arah korelasi yang
negatif. Koefisien yang bernilai 0 menunjukkan tidak adanya korelasi antara variabel X dan
Y. Jika dua variabel mempunyai koefisien korelasi sebesar +1 berarti dua variabel tersebut
mempunyai korelasi positif yang sempurna, sebaliknya dua variabel yang koefisien korelasi
-1 berarti dua variabel tersebut memiliki korelasi negatif yang sempurna. Korelasi yang
sempurna semacam itu sangat jarang sekali dijumpai dalam praktik penyelidikan/penelitian.
Namun, Korelasi antara dua variabel pada
201 Elektronika Telekomunikasil
2 2 Dian Widi Astuti, ST MT
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
umumnya akan berkisar antara +1 sampai dengan -1. Hal ini dapat dicontohkan melalui
ilustrasi pada grafik dalam Gambar 1 di bawah ini.

Gambar 1. Grafik Ilustrasi Korelasi

Pembahasan korelasi minimal menyangkut dua kelompok nilai atau dua variabel.
Variabel-variabel tersebut bisa berasal dari subjek penelitian yang sama..
Berdasarkan jumlah variabel yang diteliti analisis korelasi terbagi menjadi korelasi
linear sederhana dan korelasi linear berganda. Uji korelasi linier sederhana dapat dilakukan
dengan menggunakan tiga metode korelasi sederhana (bivariate correlation), diantaranya
Pearson (pearson moment correlation) dan Spearman (Spearman Correlation). Pearson
Correlation digunakan untuk data berskala interval atau rasio dan Spearman Correlation lebih
cocok untuk data berskala ordinal. Sedangkan, Korelasi linier berganda (multiple correlation)
merupakan angka yang menunjukkan arah dan kuatnya hubungan antara dua variabel
independen secara bersama-sama atau lebih dengan satu variabel dependen. Rumus tersebut
dikembangkan dengan suatu asumsi dasar yang berbeda, sehingga rumus tersebut tepat
penggunaannya jika syarat-syaratnya terpenuhi.
B. Kegunaan Korelasi
Korelasi bermanfaat untuk mengukur kekuatan hubungan antara dua variabel (kadang
lebih dari dua variabel) dengan skala-skala tertentu, misalnya korelasi produk moment
Pearson untuk data berskala interval atau rasio; Spearman dan Kendal menggunakan skala
ordinal; Chi Square menggunakan data nominal. Kuat lemah hubungan diukur diantara jarak
(range) 0 sampai dengan 1. Korelasi mempunyai kemungkinan pengujian hipotesis dua arah
(two tailed). Korelasi searah jika nilai koefesien korelasi diketemukan positif; sebaliknya jika
nilai koefesien korelasi negatif, korelasi disebut tidak searah. Yang dimaksud dengan
koefesien korelasi ialah suatu pengukuran statistik kovariasi atau asosiasi antara dua variabel.
Jika koefesien korelasi diketemukan tidak sama dengan nol (0), maka terdapat
ketergantungan antara dua variabel tersebut. Jika koefesien korelasi ditemukan +1 maka

201 Elektronika Telekomunikasil

2 3 Dian Widi Astuti, ST MT
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
hubungan tersebut disebut sebagai korelasi sempurna atau hubungan linear sempurna dengan
kemiringan (slope) positif.
C. Korelasi Pearson
Korelasi Pearson sering digunakan oleh peneliti terutama pada peneliti yang
mempunyai data-data interval. Beberapa persyaratan yang harus dipenuhi apabila
menggunakan korelasi Pearson atau Product Moment Correlation adalah:

1) Pengambilan sampel dari populasi harus random (acak).

2) Data yang dicari korelasinya harus berskala interval atau ratio.
3) Variasi skor kedua variabel yang akan dicari korelasinya harus sama.
4) Distribusi skor variabel yang dicari korelasinya hendaknya merupakan distribusi
unimodal.
5) Hubungan antara variabel X dan Y hendaknya linier.

Korelasi Pearson (Product Moment Correlation) dapat dihitung dengan rumus sebagai
berikut:

r=
∑ {( X− X́ )( Y −Ý ) } ...............................................................(1)
√∑ ( X − X́ )2 ∑ ( Y −Ý )2
Rumus (1) memerlukan perhitungan rata-rata dari masing-masing kelompok dan perhitungan
selisih masing-masing skor dengan rata-ratanya serta kuadrat simpangan skor dengan rata-
ratanya, maupun hasil kali simpangan masing-masing kelompok. Selain itu, korelasi Pearson
dapat juga dihitung dengan menggunakan rumus:

n
∑ XY −¿ ∑ X ∑ Y
√n ∑ X 2−(∑ X )2 √n ∑ Y 2 −(∑ Y )2 ...................................................(2)
r=¿

Rumus (2) ini lebih sederhana perhitungannya dibandingkan dengan rumus (1), sehingga
banyak peneliti menggunakanya. Hasil perhitungan korelasi Pearson dengan rumus (1) akan
sama dengan hasil perhitungan korelasi Pearson dengan rumus (2). Apabila terjadi perbedaan,
perbedaan itu tidak cukup berarti karena disebabkan proses pembulatan.

Apabila data kedua variabel yang akan dicari korelasinya mempunyai rentangan nilai
yang sangat berbeda, maka sebaiknya perhitungan korelasi Pearson didasarkan pada metode
Z skor. Dalam hal ini setiap skor/nilai untuk kedua variabel dikonversikan ke Z skor. Langkah
mengonversikan ke Z skor berarti membuat standar untuk masing-masing skor yang ingin
dicari korelasinya.

Untuk perhitungan korelasi Pearson yang didasarkan pada Z skor kita dapat
menggunakan rumus

201 Elektronika Telekomunikasil

2 4 Dian Widi Astuti, ST MT
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 Σ Zx Zy
r= ...........................................................................(3)
n

Untuk menghitung Z skor digunakan rumus :

X− X́
Zx = ............................................................................(4)
Sd x

Y −Ý
Zy = ............................................................................(5)
Sd y

Apabila kita telah mengetahui nilai rata rata dan simpangan baku masing masing variabel,
maka korelasi dapat dihitung dengan rumus :

Σ XY
− X́ Ý
r= n ..........................................................................(6)
Sd x . Sdy

D. Korelasi Spearman
Jika data yang kita temukan adalah data Ordinal, maka rumus yang digunakan adalah
Spearman Correlation. Korelasi Spearman ini tidak memperhatikan sifat hubungan linier
antara kedua variabel yang akan dicari korelasinya. Korelasi Spearman dapat dicari dengan
menggunakan rumus :
2
6∑ D
r=1−
n ( n2 −1 ) ...................................................................(7)
Keterangan :
D = selisih antara X dan Y
6 = angka konstan

E. Pengujian Signifikansi Korelasi

Pengujian segnifikansi mempunyai langkah yang sama dengan pengujian hipotesis.
Langkah awal dalam pengujian disini juga menyusun hipotesis nol dan hipotesis alternatif.
Baru kemudian hasil kita hitung t untuk smpel besar. Nilai t untuk sampel besar. Nilai t untuk
korelasi pearson dapat dicari dengan rumus :
n−2
t=r
√
1−r 2 ....................................................................(8)
Sedangkan nilai t untuk korelasi spearman dapat dihitung dengan rumus :
n−2
t=r s
√ 1−r s2
...................................................................(9)
Derajat kebebasannya adalah n-2. Jika sampel besar maka kita kita akan menggunakan Z,
sedangkan nilai Z untuk korelasi pearson dapat dihitung dengan menggunakan rumus :
Z =r √n−1 ..................................................................(10)

201 Elektronika Telekomunikasil

2 5 Dian Widi Astuti, ST MT
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
NIlai Z untuk korelasi spearman dihitung dengan rumus :
Z =r s √ n−1 ..................................................................(11)

Dalam hal ini kita menggunakan asumsi bahwa sampling distribusi dari pada sampel
1
berdistribusi mendekati normal dengan rata-rata=0 dan standar deviasi = √ n−1

Sebenarnya untuk pengujian segnifikansi korelasi telah disusun tabel baik untuk
pearson mapun spearman korelasi, sehingga kita tidak terlalu repot menghitung t atau Z
kemudian kita bandingkan dengan nilai di tabel t atau Z. tetapi, untuk memantapkan diri kita
dalam pengujian hipotesis, kadang-kadang perlu langkah perlu pengujian konvensional,
lebih-lebih bagi yang ingin mendalami konsep-konsep pengujian hipotesis. Apaanila kita
menggunakan tabel r, maka hipotesis nol yag mengatakan tidak ada korelasi (r=0) ditolak dan
hasil perhitungan r > dari pada r tabel, demikian pula sebaliknya apabila r tabel, maka kita
akan menerima Ho yang menyatakan bahwa dua variabel yang akan dicari hitungannya
nyata-nyata tidak berkolasi.

Langkah-langkah yang ditempuh dalam menentukan analisis korelasi sebagai berikut:

1) Mencari korelasi antara variabel X dengan variabel Y dengan menggunakan rumus

koefisien korelasi. Koefisien korelasi sederhana dilambangkan (r) adalah suatu ukuran
arah dan kekuatan hubungan linier antara dua variabel bebas (X) dan variabel terikat (Y),
dengan ketentuan nilai r berkisar dari harga (-1≤ r ≤ +1). Apabila nilai r = -1 artinya
korelasinya negatif sempurna (menyatakan arah hubungan antara X dan Y adalah negatif
dan sangat kuat), r = 0 artinya tidak ada korelasi, r = 1 berarti korelasinya sangat kuat
dengan arah yang positif. Sedangkan arti harga r akan dikonsultasikan dengan tabel.
2) Menafsirkan koefisien korelasi yang diperoleh dengan pedoman berdasarkan r product
moment, yang dikemukakan oleh Sugiono (2004: 214) sebagai berikut:
Tabel 2. Pedoman Interpretasi Koefisien Korelasi

3) Menguji tingkat signifikasi koefisien korelasi yang digunakan untuk mengetahui

keberartian derajat hubungan antara variabel X dan variabel Y yang ditunjukkan dengan
koefisien korelasi melalui uji t. Apabila hasil konsultasi harga t hitung > ttabel, maka Ho ditolak

201 Elektronika Telekomunikasil

2 6 Dian Widi Astuti, ST MT
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 dan Ha diterima dapat dikatakan bahwa koefisien korelasi antara variabel X dan Y adalah
signifikan.
4) Mencari koefisien determinasi yang digunakan untuk mengetahui besarnya presentase
kontribusi variabel independent (Y) dengan menggunakan rumus yang dikemukakan oleh
Akdon (2008: 188):
KD = (r2) x 100%.....................................................(12)

1. Analisis Korelasi Linier Sederhana pada Contoh

a. Analisis Korelasi Pearson
Suatu penelitian yang ingin dilihat apakah ada hubungan antara banyaknya kredit yang
diambil dengan indeks prestasi yang dicapai mahasiswa dalam satu semester. Setelah
dilakukan pengumpulan data dari 10 mahasiswa ternyata penyebaran kredit yang diambil dan
indeks prestasi yang dicapai sebagai berikut:
Tabel 3. Data Indeks Prestasi Mahasiswa

Mahasiswa ke Jumlah Kredit diambil IP

1 20 3,1
2 18 4,0
3 15 2,8
4 20 4,0
5 10 3,0
6 12 3,6
7 16 4,0
8 14 3,2
9 18 3,5
10 12 4,0

Jika jumlah kredit yang diambil merupakan variabel X, maka indeks prestasi
merupakan variabel Y. Untuk keperluan perhitungan korelasi, sebaiknya data di atas disusun
dalam suatu tabel yang mengandung unsur-unsur atau faktor-faktor yang diperlukan dalam
perhitungan korelasi. Apabila kita menggunakan rumus (2) maka kita membutuhkan unsur-
unsur sebagai berikut:

1) Kuadrat masing-masing skor/ nilai variabel X ( X 2 ).

2) Kuadrat masing-masing skor/ nilai variabel Y ( Y 2 ).
3) Hasil kali masing-masing skor/ nilai variabel X dan Y (XY).
4) Jumlah skor/ nilai variabel X (∑ X ) .

5) Jumlah skor/ nilai variabel Y (∑ Y ) .

201 Elektronika Telekomunikasil

2 7 Dian Widi Astuti, ST MT
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
6) Jumlah kuadrat skor/ nilai variabel X ( ∑ X2 ).
7) Jumlah kuadrat skor/ nilai variabel Y ( ∑Y2 ).
8) Jumlah hasil kali skor/ nilai variabel X dan Y ( ∑ XY ).

Tabel 4. Hasil Nilai Data

X Y X2 Y2 XY

20 3.1 400 9.61 62

18 4 324 16 72

15 2.8 225 7.84 42

20 4 400 16 80

10 3 100 9 30

12 3.6 144 12.96 43.2

16 4 256 16 64

14 3.2 196 10.24 44.8

18 3.5 324 12.25 63

12 4 144 16 48

155 35,2 2513 125.9 549

Hal-hal yang bisa diketahui berdasarkan pada persoalan dalam Tabel 4 adalah:
2 2
X =¿ Y =¿
n = 10; ∑ XY =¿ 549; ∑ X =¿ 155; ∑ Y =35,2 35; ∑¿
2513;
∑¿
125,9

Setelah kita inventarisir seluruh faktor yang diperlukan dalam rumus (2), maka angka-
angka tersebut dapat dimasukkan dalam rumus (2). Dengan demikian maka perhitungan
korelasi Pearson sebagai berikut:

( 10 x 549 )−( 155 x 32,5 ) 34 34

r= = =
2
√ ( 10 x 2513 )−155 √ ( 10 x 125,9 )−35,2 2
√ 1105 √19,96 148,5119524

= 0,2289378023 = 0,23.

201 Elektronika Telekomunikasil

2 8 Dian Widi Astuti, ST MT
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 Rumus untuk menghitung korelasi secara umum, yaitu rumus (1) dan rumus (2). Agar
tidak ada keraguan dalam penggunaan kedua rumus tersebut, marilah kita coba hitung dengan
rumus (1). Untuk menghitung korelasi dengan dengan rumus (1), pertama-tama kita harus
menghitung rata-rata masing-masing variabel berikut:

X́ =∑ X : n Ý =∑ Y :n

= 155 : 10 = 35,2 : 10

= 15,5 = 3,52

Langkah selanjutnya adalah menyusun tabel yang mengandung unsur-unsur atau faktor-
faktor yang dikandung oleh rumus (1). Faktor-faktor yang dikandung oleh tabel untuk
mempermudah perhitungan korelasi dengan rumus (1) adalah:

1) Simpangan masing-masing skor/ nilai variabel X dengan rata-ratanya (X- X́ ).

2) Simpangan masing-masing skor/ nilai variabel Y dengan rata-ratanya (Y- Ý ).
3) Kuadrat simpangan masing-masing skor/ nilai variabel X dengan rata-ratanya
(X − X́ )2 .
4) Kuadrat simpangan masing-masing skor/ nilai variabel Y dengan rata-ratanya (Y −Ý )2 .
5) Hasil kali simpangan masing-masing skor/ nilai variabel X dengan rata-ratanya dan
simpangan masing-masing skor atau nilai variabel Y dengan rata-ratanya (X- X́ )(Y-
Ý ).
6) Jumlah kuadrat simpangan masing-masing skor/nilai variabel

X {∑ ( X − X́ )2 } .
7) Jumlah kuadrat simpangan masing-masing skor/ nilai variabel

Y {∑ ( Y −Ý )2 } .
8) Jumlah hasil kali simpangan masing-masing skor/ nilai variabel X dengan rata-ratanya dan
simpangan masing-masing skor atau nilai variabel Y dengan rata-ratanya:

∑ {( X − X́ )(Y −Ý )} .
Sehingga tabel beserta hasil perhitungannya dapat dilihat dalam Tabel 5 berikut:

Tabel 5. Perhitungan Nilai Simpangan

X − X́ (X − X́ )2 Y −Ý (Y −Ý )2 ( X − X́ )(Y −Ý )

4.5 20.25 -0.42 0.1764 -1.89

2.5 6.25 0.48 0.2304 1.2

201 Elektronika Telekomunikasil

2 9 Dian Widi Astuti, ST MT
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 2 2
X − X́ (X − X́ ) Y −Ý (Y −Ý ) ( X − X́ )(Y −Ý )

-0.5 0.25 -0.72 0.5184 0.36

4.5 20.25 0.48 0.2304 2.16

-5.5 30.25 -0.52 0.2704 2.86

-3.5 12.25 0.08 0.0064 -0.28

0.5 0.25 0.48 0.2304 0.24

-1.5 2.25 -0.32 0.1024 0.48

2.5 6.25 -0.02 0.0004 -0.05

-3.5 12.25 0.48 0.2304 -1.68

0 110.5 0 1.996 3.4

Hal yang perlu diingat sebagai bahan koreksi perhitungan adalah jumlah simpangan
masing-masing nilai dengan rata-ratanya adalah 0. Disamping itu, kita tidak perlu
menghilangkan tanda minus (-).

3,4 3,4
Jadi, r= = = 0,2289378023 = 0,23
√ 110,5 √ 1,996 14,85119524
Dengan demikian telah terbukti bahwa menggunakan rumus (1) maupun rumus (2)
menghasilkan hasil yang sama. Tentunya pemilihan rumus berdasarkan yang paling mudah
perhitungannya.

Hasil perhitungan korelasi pada dasarnya dapat dikelompokkan menjadi 3 (tiga)

kelompok besar yaitu:

1) Korelasi positif kuat, apabila hasil perhitungan korelasi mendekati +1 atau sama dengan
+1. Ini berarti bahwa setiap kenaikan skor/ nilai pada variabel X akan diikuti dengan
kenaikan skor/ nilai pada variabel Y. Sebaliknya, jika variabel X mangalami penurunan
maka akan diikuti dengan penurunan variabel Y.
2) Korelasi negatif kuat, apabila hasil perhitungan korelasi mendekati -1 atau sama dengan
-1. Ini berarti bahwa setiap kenaikan skor/ nilai pada variabel X akan diikuti dengan
penurunan skor/ nilai pada variabel Y. Sebaliknya, jika variabel X mangalami penurunan
maka akan diikuti dengan kenaikan variabel Y.
3) Tidak ada korelasi, apabila hasil perhitungan korelasi (mendekati 0 atau sama dengan 0).
Hal ini berarti bahwa naik turunnya skor/ nilai suatu variabel tidak mempunyai kaitan

201 Elektronika Telekomunikasil

2 10 Dian Widi Astuti, ST MT
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 dengan naik turunnya skor/ nilai suatu variabel yang lain. Apabila skor/ nilai variabel X
naik tidak selalu diikuti dengan naik atau turunnya skor/ nilai variabel Y, demikian juga
sebaliknya.
Hasil perhitungan korelasi bergerak antara -1 sampai dengan +1. Jadi, kalau ada hasil
perhitungan korelasi lebih besar (>) dari pada +1 atau kurang dari (<) -1, maka perhitungan
tersebut jelas salah. Korelasi product moment hanya dapat diterapkan untuk data yang
berskala interval atau ratio.

b. Analisis Pengujian Signifikansi Korelasi pada Contoh

Uji perhitungan korelasi dapat menggunakan rumus (8) dengan mengambil nilai r dari
hasil korelasi Pearson pada contoh diatas :
t=0,23 √8:(1−0,0529)
=0,23 √ 8:0,471
=0,23×2,90634439
=0,6684592097
=0,67
Pada tabel t dengan dk = 8 dan α = 0,05, daerah penerimaan hipotesis nol diantara
-2,306 dan +2,306. Dengan demikan, maka kita menerima hipotesis nol yang berarti antara
jumlah kredit yang diambil tidak mempunyai hubungan dengan IP mahasiswa.

c. Analisis Korelasi Spearman

Suatu penelitian terhadap hubuangan antara rangking tes masuk mahasiswa dengan
ranking dikelas setelah ikut kuliah. Dari 10 mahasiswa yang terambil ternyata penyebaran
datanya sebagai berikut:
Mahasiswa 1 2 3 4 5 6 7 8 9 10
Ranking tes masuk 1 2 3 4 5 6 7 8 9 10
Ranking kelas 10 7 8 6 5 3 4 2 9 1

Berapa tingkat hubungan antara rangkin tes masuk dengan rangking kelas sesudah
kuliah? Langkah awal kita dengan menyusun tabel untuk mencari D, kemudian mencari
kuadrat masing-masing selisih antara kedua nilai X dan Y, lalu menghitung jumlah seluruh
nilai D dan D2.

Tabel 6. Hasil Nilai D

X Y D D2
1 10 9 81
2 7 5 25
3 8 5 25
4 6 2 4
5 5 0 0
6 3 3 9
7 4 3 9

201 Elektronika Telekomunikasil

2 11 Dian Widi Astuti, ST MT
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 8 2 6 36
9 9 0 0
10 1 9 18
Jumlah 42 207

Dengan menggunakan rumus (7) dapat dicoba menghitung korelasi Spearman berikut:
(6 x 207) 1242
r=1− =1− =1−1,254545=−0,254545
10 (100−1) 990

Syarat Uji dan Rumus Korelasi Linier Berganda

Korelasi linear berganda merupakan alat ukur mengenai hubungan yang terjadi antara
variabel yang terikat. (variabel Y) dan dua atau lebih variabel bebas (x 1, x2……xk). Analisis
korelasinya menggunakan tiga koefisien korelasi yaitu koefisien determinasi berganda,
koefisien korelasi berganda, dan koefisien korelasi parsial.

Asumsi-asumsi sehubungan dengan analisis regresi berganda tersebut adalah :

a. Variabel-Variabel independent dan variabel dependent mempunyai hubungan linier

b. Semua variabel, baik variabel-variabel independent maupun variabel dependent,
merupakan variabel-variabel random kontinyu.
c. Distribusi kondisional nilai masing-masing variabel berdistribusi normal
(multivariate normal distribution)
d. Untuk berbagai kombinasi nilai variabel yang satu dengan yang lain tertentu, varaince
dari distribusi kondisional masing-masing variabel adalah homogen (asumsi
homoscedasticity berlaku untuk semua variabel)
e. Untuk masing-masing variabel, nilai observasi yang satu dengan yang lain, tidak
berkaitan.
Pada korelasi berganda, yang diberi notasi RY.12…..n dihitung melalui jalur terjadinya hubungan
antara beberapa variabel independent (X1, X2, ……., Xn) dengan satu variabel dependent (Y),
yakni yang berupa regresi linier berganda

Y’ = a + b1.X1 + b2.X2 + …… + bn.Xn.................................................................(13)

Berdasarkan adanya regresi berganda tersebut, koefisien korelasi linier berganda tersebut
dihitung dengan menggunakan rumus sebagai berikut :

b1 ∑ X 1 Y + b2 ∑ X 2 Y +. . .. .. . .. .+bn ∑ X n Y
RY . 12=
√ ∑Y2 ...........................................(14)

1. Analisis Korelasi Linier Berganda pada Contoh

Untuk memberikan gambaran bagaimana membuat analisis regresi linier berganda, diberikan
contoh sebagai berikut : Misalnya kita hendak memprediksi besarnya pengeluaran untuk

201 Elektronika Telekomunikasil

2 12 Dian Widi Astuti, ST MT
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
bahan makanan per bulan (variabel Y) berdasarkan penghasilan keluarga per bulan (variabel
X1) dan banyaknya/besar keluarga (variabel X2). Berdasarkan sampel random 15 keluarga
diperoleh informasi sebagai berikut :

Penghasilan Kelurga Besar Keluarga Pengeluaran Bahan Makanan

(Ratusan Ribu Rp/Bulan) (Ratusan Ribu Rp/Bulan)
X1 Y
X2

5,5 1 0,8

8,9 1 1,0

21,8 1 1,7

6,8 2 1,4

7,5 2 1,2

17,2 2 1,8

22,1 2 1,9

19,0 3 2,3

12,0 3 1,7

14,0 4 1,5

10,9 4 1,8

7,5 5 2,0

14,0 5 2,2

13,7 6 2,8

6,0 7 2,1

Untuk memperoleh persamaan garis regresi linier tentang hubungan antara variabel
penghasilan keluarga (X1) dan besar keluarga (X2) dengan variabel pengeluaran untuk bahan
makanan (Y) periksa tabel berikut :

201 Elektronika Telekomunikasil

2 13 Dian Widi Astuti, ST MT
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
Komputasi Persamaan Regresi Linier Berganda Berdasarkan Hubungan variabel
Penghasilan Keluarga (X1) dan Variabel Besar Keluarga (X2) dengan Variabel
Pengeluaran Untuk Bahan Makanan (Y)
X1 X2 Y X12 X22 Y2 X1Y X2Y X1X2

5,5 1 0,8 30,25 1 0,64 4,4 0,8 5,5

8,9 1 1 79,21 1 1 8,9 1 8,9

21,8 1 1,7 475,24 1 2,89 37,06 1,7 21,8

6,8 2 1,4 46,24 4 1,96 9,52 2,8 13,6

7,5 2 1,2 56,25 4 1,44 9 2,4 15

17,2 2 1,8 295,84 4 3,24 30,96 3,6 34,4

22,1 2 1,9 488,41 4 3,61 41,99 3,8 44,2

19 3 2,3 361 9 5,29 43,7 6,9 57

12 3 1,7 144 9 2,89 20,4 5,1 36

14 4 1,5 196 16 2,25 21 6 56

10,9 4 1,8 118,81 16 3,24 19,62 7,2 43,6

7,5 5 2 56,25 25 4 15 10 37,5

14 5 2,2 196 25 4,84 30,8 11 70

13,7 6 2,8 187,69 36 7,84 38,36 16,8 82,2

6 7 2,1 36 49 4,41 12,6 14,7 42

186,9 48 26,2 2767,19 204 49,54 343,31 93,8 567,7

Mean
12,46 3,2 1,74
2
X 1 = 2767,19 – (186,9)2/15 = 438,416
2
X 2 = 204 – (48)2/15 = 50,4
Y2 = 49,54 – (26,2)2/15 = 3,777
X1Y = 343,31 – (186,9) (26,2)/15 = 16,858
X2Y = 93,8 – (48) (26,2)/15 = 9,96
X1X2 = 567,7 – (186,9) (48)/15 = -30,38
Koefisien regresinya adalah :

201 Elektronika Telekomunikasil

2 14 Dian Widi Astuti, ST MT
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 ( 50 , 4 ) ( 16 , 858 )− (−30 ,38 )( 9 , 96 ) 849 ,6432+302 , 5848 1 .152 , 228
b1 = = = =0 , 05442
( 438 , 416 )( 50 , 4 )−(−30 , 38 ) 2 22. 096 , 1664−922, 9444 21 . 173 ,222

( 438 , 416 )( 9 , 96 )−(−30 , 38 ) ( 16 ,858 ) 4 .366 ,62336+512, 14604 4 .828 , 7694

b1 = = = =0 ,23042
( 438 , 416 )( 50 , 4 )−(−30 , 38 )2 22. 096 , 1664−922 , 9444 21 . 173 ,222
Intersepnya adalah :
a = 1,74 – 0,05442 (12,46) – 0,23042 (3,2)
a = 1,74 – 0,6780732 – 0,737344
a = 1,74 – 1,4154172 = 0,3245828
Persamaan regresi linier bergandanya adalah :
Y’ = 0,3246 + 0,0544.X1 + 0,2304.X2

Pengertian persamaan tersebut adalah : Pertama, apabila X 2 konstan, pertambahan satu unit
pada X1 akan mempunyai pengaruh menaikkan 0,0544 unit pada Y. Kedua, apabila X 1 kostan,
pertambahan satu unit pada X2, akan mempunyai pengaruh menaikkan 0,2304 unit pada Y.
Ketiga, apabila X1 dan X2 sama dengan nol, besarnya Y adalah 0,3246 satuan.

Berdasarkan persamaan tersebut dapat dibuat prediksi/ramalan nilai-nilai Y berdasarkan

kombinasi nilai X1 dan X2 tertentu misalnya nilai X1 = 5,5 dan X2 = 1, maka nilai Y adalah
Y = 0,3246 + 0,0544 (5,5) + 0,2304 (1) = 0,8542

Standard error of estimates dinyatakan dengan rumus :

∑ Y 2−b 1∑ X 1 Y −b2 ∑ X 2 Y
S y 12=

dimana,
√ n−3

n = jumlah data
3 = banyak koefisien

Berdasarkan contoh tersebut dimuka, besarnya standard error of estimate adalah :

Rumus (1) :

0 , 565654
S Y 12=
√ 15−3
=0 , 217

Rumus (2) :
Analisis Korelasi Berganda

201 Elektronika Telekomunikasil

2 15 Dian Widi Astuti, ST MT
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 3 , 777−0 , 0544(16 , 858 )−0 , 2304(9 , 96 )
S y 12=
√ 15−3

3 ,777−0 , 9170752−2 ,294784 3 ,777−3 , 2118592 0 ,56514

S y 12=
√12−3
=√ 0 , 047095=0, 217
=
12 √ =
12 √
Jadi koefisien korelasi berganda dari contoh tersebut adalah :

0 , 0544(16, 858)+0 ,2304 (9 , 96) 3 , 2118592

RY . 12=
√ 3 , 777
=
√
3 , 777
=0 , 92

Sedang koefisien determinasi berganda (R2)dari contoh tersebut adalah :

2 b 1 ∑ X 1 Y + b2 ∑ X 2 Y SSR
RY. 12 = 2
atau
∑Y SST

2 0 , 0544(16 , 858 )+0 ,2304 (9 , 96 ) 3 , 2118592

RY. 12= = =0 ,85 atau (0 ,92 )2
3 , 777 3 ,777
Angka tersebut menunjukkan bahwa sekitar 85% dari variasi pengeluaran untuk bahan
makanan (Y) dijelaskan oleh kombinasi dari penghasilan keluarga (X 1) dan besar keluarga
(X2). Sisanya yakni 15% dijelaskan oleh variabel independent lainnya yang tidak teramati.

Dari kasus korelasi linier berganda, peneliti dapat menghitung koefisien korelasi parsialnya.
Korelasi parsial (partial correlation) adalah korelasi antara sebuah variabel dependent (Y)
dengan sebuah variabel independent (X), sementara sejumlah variabel independent lainnya
konstan.

Apabila variabel independentnya ada dua buah yaitu X1 dan X2, maka koefisien parsial yang
ada ialah rY12 dan rY21, yang masing-masing menunjukkan koefisien korelasi antara Y dengan
X1 apabila X2 konstan dan koefisien korelasi antara Y dengan X2 apabila X1 konstan. Seperti
dalam contoh tersebut dimuka, rY12 menunjukkan korelasi antara penghasilan keluarga (X 1)
dengan pengeluaran untuk bahan makanan (Y) apabila besar keluarga (X 2) konstan. Dan rY21
menunjukkan korelasi antara besar keluarga (X2) dengan pengeluaran untuk bahan makanan
(Y) apabila penghasilan keluarga (X1) konstan.

Rumus-rumusnya adalah :

rX 1 Y −(rX 2 Y )(rX 1 X 2 )
r Y .1( 2)=
√(1−r2 X 2 Y )(1−r 2 X 1 X 2 )
rX 2 Y −(rX 1 Y )(rX 1 X 2 )
r Y .2( 1)=
√(1−r2 X 1Y )(1−r 2 X 1 X 2 )
201 Elektronika Telekomunikasil
2 16 Dian Widi Astuti, ST MT
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
Untuk menghitung koefisien korelasi parsialnya terlebih dahulu harus dihitung koefisien
korelasi sederhana antara X1 dengan Y, X2 dengan Y dan antara X1 dengan X2.

Berdasarkan contoh dimuka :

rX Y=
∑ X 1 Y =16 , 858 =0 , 41
1
√( ∑ X 21 )( ∑ Y 2 ) 40 ,693
r X Y=
∑ X 2 Y = 9 , 96 =0 ,72
2
√( ∑ X 22 )( ∑ Y 2 ) 13 , 797
rX =
∑ X 2 X 2 = −30 , 38 = −30 ,38 =−0 ,20
X
1 2
√( ∑ X 21 )(∑ X 22 ) √(438 , 416 )(50 , 4 ) 148 , 65
Koefisien korelasi parsial :

0 , 41−(0 , 72)(−0 , 20) 0 , 554

r Y .1( 2)= = =0 , 81
√(1−(0 , 72) )(1−(0 , 20) ) (0 , 694 )(0 , 98)
2 2

0 ,72−(0 , 41 )(−0 , 20 ) 0 , 802

r Y .2( 1)= = =0 ,90
√(1−(0 , 41) )(1−(0 ,20 ) ) ( 0 ,912 )(0 , 98)
2 2

Koefisien determinasi dan pengertiannya :

2
X 1Y
1. r = (0,41)2 = 0,17
Sekitar 17% dari variasi pengeluaran untuk bahan makanan (Y) dapat dijelaskan oleh
variasi dalam penghasilan keluarga (X1) dimana faktor lain tidak dipertimbangkan.
2
X 2Y
2. r = (0,72)2 = 0,52
Sekitar 52% dari variasi pengeluaran untuk bahan makanan (Y) dapat dijelaskan oleh
variasi dalam besar keluarga (X2) dimana faktor lain tidak dipertimbangkan.
2
Y 1(2)
3. r = (0,81)2 = 0,66
Sekitar 66% dari variasi pengeluaran untuk bahan makanan (Y) dapat dijelaskan oleh
variasi dalam penghasilan keluarga (X1), apabila pengaruh dari besar keluarga (X 2)
dianggap konstan.
2
Y 2(1)
4. r = (0,90)2 = 0,81

201 Elektronika Telekomunikasil

2 17 Dian Widi Astuti, ST MT
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 Sekitar 81% dari variasi pengeluaran untuk bahan makanan (Y) dapat dijelaskan oleh
variasi dalam besar keluarga (X2), apabila pengaruh dari penghasilan keluarga (X1)
dianggap konstan.
2
Y 12 2
5. R =( 0 , 92) =0 , 85

Sekitar 85% dari variasi pengeluaran untuk bahan makanan (Y) dapat dijelaskan oleh
kombinasi dari penghasilan keluarga (X1) dan besar keluarga (X2).

Periksa kembali penjelasan dimuka.

Kesimpulan
1. Analisis korelasi adalah metode statistik yang digunakan untuk menentukan kuatnya
suatu derajat hubungan linier antara dua variabel atau lebih, dimana semakin nyata
hubungan liniernya (garis lurus) maka semakin kuat atau tinggi derajat hubungannya.
Berdasarkan jumlah variable, korelasi dibedakan atas linear sederhana dan berganda
2. Kegunaan dari analisis korelasi adalah untuk mengetahui tentang keterkaitan antar
variabel dalam suatu penelitian yang menunjukkan kuat lemahnya hubungan antar
variabel dan memperlihatkan arah korelasi antara variabel yang diteliti dengan jenis
data interval dan ordinal.
3. Cara menghitung analisis korelasi dengan langkah yaitu mencari korelasi antara
variabel X dengan variabel Y dengan menggunakan rumus koefisien korelasi (r),
menafsirkan koefisien korelasi yang diperoleh dengan pedoman berdasarkan r
product moment, menguji tingkat signifikasi koefisien korelasi yang digunakan untuk
mengetahui keberartian derajat hubungan antara variabel X dan variabel Y yang
ditunjukkan dengan koefisien korelasi melalui uji t.
Soal Quiz
Seorang pejabat departemen keuangan berpendapat bahwa tidak ada pengaruh kenaikan gaji
terhadap kenaikan harga bahan pangan. Untuk menguji pendapatnya telah dilakukan
penelitian, dan diperoleh data sebagai berikut
X 19,3 18,2 20,2 21,0 26,4 22,6 19,2 22,4
Y 23,0 21,9 20,5 9,8 30,7 13,4 14,1 3,5

X = Kenaikan gaji (%)

Y = Kenaikan harga (%)

Dengan menggunakan koefisien korelasi, ujilah pendapat tsb dengan menggunakan alpha =
5%

201 Elektronika Telekomunikasil

2 18 Dian Widi Astuti, ST MT
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
Soal Forum

a. Jelaskan hubungan antara koefisien regresi dan koefisien korelasi

b. Apa yang dimaksud dengan variable bebas dan variable tidak bebas, koefisien
korelasi, koefisien regresi dan kesalahan pengganggu

Daftar Pustaka
Johar Arifin. 2000. “Penerapan Probabilitas dan Statistik“. Jakarta: Media Kumpotindo.

Supranto J. 2007. “Statistik Berwawasan Global Edisi 2“. Jakarta: Penerbit Salemba.

Evans Lindsay. 2006. “Probabilitas dan Statistik Edisi 2“.Bandung: Penerbit Erlangga1.
Supranto J,2007 Statistik , Teori dan Aplikasi, Erlangga, Edisin Keenam,

201 Elektronika Telekomunikasil

2 19 Dian Widi Astuti, ST MT
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id