Pertemuan 11

Materi : Menghitung Korelasi dan Regresi dengan Excel

A. Analisis Korelasi dengan Excel

Analisis korelasi adalah suatu analisis untuk mengetahui apakah data – data yang ada di
dalam penelitian memiliki hubungan atau tidak. Keeratan hubungan data-data tersebut dapat diukur
dari sangat lemah hingga kuat dengan melihat syarat dari masing-masing kategori. Adapun syarat
dari hasil analisis korelasi adalah sebagai berikut.

0,00 – 0,199 : Hubungan korelasinya sangat lemah

0,20 – 0,399 : Hubungan korelasinya lemah
0,40 – 0,599 : Hubungan korelasinya sedang
0,60 – 0,799 : Hubungan korelasi kuat
0,80 – 1,0      : Hubungan korelasinya sangat kuat
Analisis korealsi selain dengan rumus, bias dihitung dengan menggunakan Microsoft excel
dan SPSS. Namun untuk kali ini, kita akan menghitung dengan menggunakan excel. Adapun tata cara
untuk menghitung korelasi dengan excel adalah sebagai berikut.
1. Buatlah data mentah yang akan dihitung korelasinya. Berikut contoh data yang akan
dihitung korelasinya.
Judul : pengaruh harga dan pendapatan terhadap permintaan pasar

No Harga (X1) Pendapatan (X2) Permintaan (Y)

1 40 1000 500
2 35 900 300
3 50 1300 700
4 35 1500 800
5 50 1700 600
6 40 1700 900
7 40 2000 1000
8 25 2100 1000
9 45 2000 1100
10 40 2400 1300
11 50 2000 1300
2. Untuk menghitung korelasi kita akan memasukkan rumus di excel yaitu :
=CORREL(array1,array2)/=CORREL(array1;array2) . untuk contoh materi ini, korelasi
pertama yang akan hitung adalah hubungan antara harga dan permintaan, lalu korelasi
kedua adalah hubungan antara pendapatan dan permintaan.
 (Gambar 1.1 Rumus Korelasi)

3. Setelah itu, kita blok variabel yang akan dihitung. Mulai dari bagian variabel X terlebih
dahulu lalu dipisahkan oleh tanda koma (,) atau tanda titik koma ( ; ) ini mengacu pada
keadaan Microsoft excel di komputer masing-masing tidak semua bisa menggunakan tanda
koma untuk memisahkan rumus.

(Gambar 1.2 Rumus Korelasi X1 dan Y)

 (Gambar 1.3 Rumus Korelasi X2 dan Y)

4. Langkah selanjutnya klik enter, maka hasil dari korelasi akan muncul.

(Gambar 1.4 Hasil Korelasi X1 dan Y)

Dari gambar diatas, maka diperlihatkan hasil korelasi X1 dan Y adalah 0,096 atau 0,10. Maka
disimpulkan korelasi antara X1 dan Y adalah sangat lemah.
 (Gambar 1.5 Hasil Korelasi X2 dan Y)
Sedangkan, hasil korelasi X2 dan Y adalah 0,912. Maka disimpulkan korelasi antara X2 dan Y
adalah sangat kuat.

B. Analisis Regresi dengan Excel

Analsis regresi linier digunakan untuk mengetahui pengaruh simultan dari variabel bebas
terhadap terikat. Analisis korelasi regresi dapat dilakukan di Microsoft Excel setelah fitur
“Analysis Toolpak” diaktifkan. Cara mengaktifkan sama dengan yang ada di materi Statistik
Deskriptif. Adapun cara mengaktifkan fitur  “Analysis Toolpak” adalah: 1) Klik tab File (

 ), 2) Kemudian pilih menu Options, ( ), 3) maka akan muncul kotak

dialog Excel Options, 4)  kemudian Klik menu “Add ins” ( ), 5) lalu klik

tombol “Go...”( ) , maka akan muncul kotak dialog

“Add-ins”, kemudian klik kotak menu “Analysis ToolPak sehingga muncul tanda ceklis pada
kotak kecil tersebut ( ), dan klik tombol OK. Adapun cara
melakukan analisis regresi di Microsoft Excel adalah sebagai berikut.

1. Buatlah data yang akan dicari nilai regresinya. Untuk materi ini akan digunakan data
yang sama dengan yang digunakan dalam menghitung korelasi.

No Harga (X1) Pendapatan (X2) Permintaan (Y)

1 40 1000 500
2 35 900 300
3 50 1300 700
 4 35 1500 800
5 50 1700 600
6 40 1700 900
7 40 2000 1000
8 25 2100 1000
9 45 2000 1100
10 40 2400 1300
11 50 2000 1300
2. Pada excel, klik Tab Data

3. Klik menu “Data Analysis”(jika tidak muncul menu “Data Analysis”, berarti “Analysis
Toolpak” belum diaktifkan pada program Excel).

(Gambar 1.6 Kotak Dialog Regression)

4. Pada kotak dialog di atas, klik menu “Regression”, kemudian klik tombol “OK”, maka
akan muncul kotak dialog berikut.

(Gambar 1.7 Kotak Dialog Regression)

5. Pada kotak dialog di atas, lakukan beberapa hal berikut:
 o Kolom “Input Y Range” diisi dengan alamat sel dari variabel terikat, yakni
permintaan (D1:D12) (judul variabel juga harus diblok). Sementara Input X
Range diisi dengan alamat sel dari variabel bebas, yakni harga dan pendapatan
(B1:C12)
o Klik kotak kecil pada “Label in first row” untuk menandai bahwa baris pertama
dari data yang dimasukkan pada kolom “Input Y Range”dan “Input X Range” adalah
label atau judul data.
o Hilangkan tanda ceklis dari menu “Constant is Zero”
o Menu “Confidence Level”dapat dicentang untuk menentukan taraf konfidensi
pada tabel ringkasan analisis. Biasanya dipakai nilai taraf keyakinan 95%
o Kolom “Output Range” diketik dengan alamat sel awal dimana hasil analisis akan
ditempatkan.Dalam contoh di atas ditempatkan pada sel F1 dengan ditambah
simbol absolut sehingga pengetikannya menjadi $F$1. Saudara juga bisa
menempatkan hasil analisis pada halaman yang berbeda dari data dengan mengklik
“New Worksheet Ply”atau pada file lain dengan mengklik “New Workbook”.
o Conteng kotak pilihan-pilihan statistik yang ingin dimunculkan.
Seperti Residuals (nilai residu) dan Normal Pribability Plots (grafik plots probabilitas
normal).
o Setelah selesai melakukan pengaturan, klik tombol OK
6. Contoh hasil dari analisis regression di Microsoft excel adalah sebagai berikut
 (Gambar 1.8 Output Regression)

(Gambar 1.9 Output Regression)

7. Adapun cara membaca hasil analisis regresi linier di atas adalah sebagai berikut.
 “Multiple R” adalah nilai korelasi antara harga dan pendapatan dengan
permintaan , yaitu sebesar 0,919 . Kekuatan kategori ini berada dalam kategori kuat
berdasarkan kategorisasi berikut.
0,00 – 0,199 : Hubungan korelasinya sangat lemah
0,20 – 0,399 : Hubungan korelasinya lemah
 0,40 – 0,599 : Hubungan korelasinya sedang
0,60 – 0,799 : Hubungan korelasi kuat
0,80 – 1,0     : Hubungan korelasinya sangat kuat
 “R Square” adalah nilai koefisien determinasi (R^2), yaitu sebesar 0,844; yang
berarti bahwa kontribusi sumbangan atau besarnya pengaruh yang diberikah oleh
harga dan pendapatan terhadap permintaan sebesar 0,844 (84,4%), sedangkan
sisanya 15,6% dipengaruhi oleh faktor lain.
 Tabel ANOVA menunjukkan bahwa:
 Nilai F hitung (21,748) dengan nilai signifikansi p-value sebesar 0,467 untuk Harga
(X1) dan p-value sebesar 0,000 untuk pendapatan (X2). Ketentuannya jika nilai p-
value < 0,05 maka artinya variabel X memiliki pengaruh terhadap variabel Y dalam
taraf keyakinan 95%. Dari hasil diatas, dapat disimpulkan variabel Harga (X1) tidak
memiliki pengaruh karena nilai p-value nya > 0,05 sedangkan variabel pendapatan
(X2) memiliki pengaruh karena nilai p-value nya<0,05.
 Nilai konstanta (Cofficients Intercept) diperoleh sebesar -361,136, dan nilai
koefisien regresi variabel X1 (b1X1) sebesar 4,427 dengan nilai t-hitung (to)
sebesar 0,762 dan nilai signifikansi p-value 0,467. Sedangkan nilai koefisien regresi
variabel X2 (b2X2) sebesar 0,617 dengan nilai t-hitung (to) sebesar 6,559 dan nilai
signifikansi p-value 0,000. Koefisien regresi bernilai positif menunjukkan bahwa
arah pengaruhnya positif, artinya harga dan pendapatan dapat mempengaruhi
permintaan barang dengan baik. Sehingga persamaan regresi : Y= -361,136 + 4,427
X + 0,617
 Cara menarik kesimpulan di atas juga dapat dilakukan dengan membandingkan F
hitung> F tabel, yakni jika F hitung (21,748) lebih besar dari nilai F tabel maka
kesimpulannya ada pengaruh antara harga dan pendapatan terhadap permintaan.