Koefisien Korelasi

 Koefisien korelasi adalah nilai yang menunjukan kuat/ tidaknya hubungan linear antar dua
variabel.
 Koefisien korelasi sampel dilambangkan dengan huruf 𝑟.
 Koefisien korelasi populasi dilambangkan dengan 𝜌.
 Nilai r dapat bervariasi dari −1 sampai +1.
- Nilai r semakin mendekati ±1: hubungan linear semakin kuat.
- Nilai r semakin mendekati 0: hubungan linear semakin lemah.
 Kriteria koefisien korelasi
|𝑟| = 0 : Tidak ada korelasi antara dua variabel
0 < |𝑟| ≤ 0,25 : Korelasi sangat lemah
0,25 < |𝑟| ≤ 0,5 : Korelasi cukup
0,5 < |𝑟| ≤ 0,75 : Korelasi kuat
0,75 < |𝑟| ≤ 0,99 : Korelasi sangat kuat
|𝑟| = 1 : Korelasi sempurna

Macam-Macam Korelasi
1. Korelasi Positif
Suatu hubungan antara variabel X dan Y dimana apabila terjadi penambahan nilai pada
variabel X maka akan diikuti terjadinya penambahan nilai variabel Y.
2. Korelasi Negatif
Suatu hubungan antara variabel X dan Y dimana apabila terjadi penambahan nilai pada
variabel X maka akan diikuti terjadinya pengurangan nilai variabel Y.

3. Tidak ada Korelasi (𝒓 = 𝟎)

𝑟 = 0 mengindikasikan bahwa tidak ada hubungan linear antara variabel X dan Y, namun X
dan Y mungkin saja berkaitan dengan cara yang lain.

Misalkan pada gambar tersebut, tampak bahwa nilai r mendekati nol, namun tampak adanya
hubungan tak linear yang cukup kuat antara X dan Y.

4. Korelasi Sempurna (𝒓 = ±𝟏)

Terjadi saat nilai 𝑟 = ±1. Jika digambarkan dengan plot pencar, maka semua titik akan
berada pada garis regresi dugaan.
Rumus Perhitungan Koefisien Korelasi
𝑛 ∑𝑛𝑖=1 𝑋𝑖 𝑌𝑖 − (∑𝑛𝑖=1 𝑋𝑖 )(∑𝑛𝑖=1 𝑌𝑖 )
𝑟=
√𝑛 ∑𝑛𝑖=1 𝑋𝑖2 − (∑𝑛𝑖=1 𝑋𝑖 )2 √𝑛 ∑𝑛𝑖=1 𝑌𝑖2 − (∑𝑛𝑖=1 𝑌𝑖 )2

Uji Hipotesis Koefisien Korelasi Populasi (𝝆)

Akan dibahas uji hipotesis dengan 2 cara, yaitu dengan uji t dan uji z.
1. Uji t
Hipotesis
1. 𝐻0 : 𝜌 = 0 (Tidak ada hubungan linear antara X dan Y)
𝐻1 : 𝜌 ≠ 0 (Ada hubungan linear antara X dan Y)
2. 𝐻0 : 𝜌 ≥ 0
𝐻1 : 𝜌 < 0
3. 𝐻0 : 𝜌 ≤ 0
𝐻1 : 𝜌 > 0
Taraf signifikansi: 𝛼
𝑟√𝑛−2
Statistik uji: 𝑡ℎ𝑖𝑡 = √1−𝑟 2

Kriteria keputusan:
1) 𝐻0 ditolak jika |𝑡ℎ𝑖𝑡 | > 𝑡𝛼,𝑛−2
2

2) 𝐻𝑂 ditolak jika 𝑡ℎ𝑖𝑡 < −𝑡𝛼,𝑛−2

3) 𝐻0 ditolak jika 𝑡ℎ𝑖𝑡 > 𝑡𝛼,𝑛−2
2. Uji z
Hipotesis
1. 𝐻0 : 𝜌 = 0 (Tidak ada hubungan linear antara X dan Y)
𝐻1 : 𝜌 ≠ 0 (Ada hubungan linear antara X dan Y)
1. 𝐻0 : 𝜌 ≥ 0
𝐻1 : 𝜌 < 0
2. 𝐻0 : 𝜌 ≤ 0
𝐻1 : 𝜌 > 0
Taraf nyata: 𝛼
√𝑛−3 (1+𝑟)(1−𝜌 )
Statistik uji: 𝑍ℎ𝑖𝑡 = ln [(1−𝑟)(1+𝜌0 )]
2 0

(biasanya diketahui 𝜌0 = 0)
Kriteria keputusan:
1) 𝐻0 ditolak jika |𝑍ℎ𝑖𝑡 | > 𝑍𝛼
2

2) 𝐻𝑂 ditolak jika 𝑍ℎ𝑖𝑡 < −𝑍𝛼

3) 𝐻0 ditolak jika 𝑍ℎ𝑖𝑡 > 𝑍𝛼

Koefisien Determinasi
 Koefisien determinasi adalah nilai yang mengukur seberapa jauh kemampuan semua variabel
independen dalam menerangkan variasi variabel dependen (seberapa besar x mempegaruhi y).
 Koefisien determinasi sample dilambangkan dengan 𝑟 2
 Nilai koefisien determinasi antara 0 − 1
 Semakin tinggi nilai 𝑟 2 , maka model semakin baik.

Masalah Pada Penggunaan R Square (akan dibahas lebih lanjut pada regresi linear
berganda)
Penggunakan R Square (R Kuadrat) sering menimbulkan permasalahan, yaitu bahwa nilainya akan
selalu meningkat dengan adanya penambahan variabel bebas dalam suatu model. Hal ini akan
menimbulkan bias, karena jika ingin memperoleh model dengan R tinggi, seorang penelitian dapat
dengan sembarangan menambahkan variabel bebas dan nilai R akan meningkat, tidak tergantung
apakah variabel bebas tambahan itu berhubungan dengan variabel terikat atau tidak.
Oleh karena itu, banyak peneliti yang menyarankan untuk menggunakan Adjusted R Square.
Interpretasinya sama dengan R Square, akan tetapi nilai Adjusted R Square dapat naik atau turun
dengan adanya penambahan variabel baru, tergantung dari korelasi antara variabel bebas tambahan
tersebut dengan variabel terikatnya.

Makna Koefisien Determinasi

Misal ingin diketahui hubungan antara tinggi badan (X) dengan berat badan (Y) seseorang.
Diperoleh nilai 𝑟 2 = 0.90, mka dapat dikatakan bahwa 90% keragaman dari berat badan
seseorang dapat dijelaskan/ dipengaruhi oleh tinggi badan, sedangkan 10% dijelaskan/
dipengaruhi oleh faktor lain.

Rumus Perhitungan Koefisien Determinasi

Nilai koefisien determinasi dapar diperoleh dengan mengkuadratkan nilai koefisien korelasi (jika
sudah menghitung nilai koefisien korelasi sebelumnya), atau dengan rumus:
𝐽𝐾𝑅 𝐽𝐾𝐺
𝑟2 = =1−
𝐽𝐾𝑇 𝐽𝐾𝑇
atau

2
[𝑛 ∑𝑛𝑖=1 𝑋𝑖 𝑌𝑖 − (∑𝑛𝑖=1 𝑋𝑖 )(∑𝑛𝑖=1 𝑌𝑖 )]2
𝑟 =
[𝑛 ∑𝑛𝑖=1 𝑋𝑖2 − (∑𝑛𝑖=1 𝑋𝑖 )2 ][𝑛 ∑𝑛𝑖=1 𝑌𝑖2 − (∑𝑛𝑖=1 𝑌𝑖 )2 ]
Contoh soal:
Data berikut merupakan hasil penelitian tentang hubungan antara nilai ulangan Matematika
(dalam skala nilai 10 sampai 100) dengan lama waktu belajar matematika (dalam jam selama
seminggu).
NO Lama waktu belajar Nilai ulangan
matematika matematika
1 18 95
2 18 100
3 17 80
4 5 55
5 6 50
6 10 75
7 4 60
8 12 65
9 10 95
10 14 70

a) Tentukan koefisien korelasi dan koefisien determinasi dari data tersebut!

b) Ujilah apakah ada hubungan linier antara lama waktu belajar matematika dan nilai ulangan
matematika? Gunakan uji korelasi populasi dengan taraf nyata 0,05.

Jawab:

a) Koefisisen Korelasi & Koefisien Determinasi

MANUAL
Lama waktu belajar matematika: X
Nilai ulangan matematika : Y
Menggunakan tabel bantuan :
NO X Y XY X2 Y2
1 18 95 1710 324 9025
2 18 100 1800 324 10000
3 17 80 1360 289 6400
4 5 55 275 25 3025
5 6 50 300 36 2500
6 10 75 750 100 5625
7 4 60 240 16 3600
8 12 65 780 144 4225
9 10 95 950 100 9025
10 14 70 980 196 4900

∑ 114 745 9145 1554 58325

Koefisien Korelasi:
𝑛 ∑𝑛𝑖=1 𝑋𝑖 𝑌𝑖 − (∑𝑛𝑖=1 𝑋𝑖 )(∑𝑛𝑖=1 𝑌𝑖 )
𝑟=
√𝑛 ∑𝑛𝑖=1 𝑋𝑖2 − (∑𝑛𝑖=1 𝑋𝑖 )2 √𝑛 ∑𝑛𝑖=1 𝑌𝑖2 − (∑𝑛𝑖=1 𝑌𝑖 )2

10 ∑10 10 10
𝑖=1 𝑋𝑖 𝑌𝑖 − (∑𝑖=1 𝑋𝑖 )(∑𝑖=1 𝑌𝑖 )
=
2 2
√10 ∑10 2 10
𝑖=1 𝑋𝑖 − (∑𝑖=1 𝑋𝑖 )
√10 ∑10 2 10
𝑖=1 𝑌𝑖 − (∑𝑖=1 𝑌𝑖 )

10(9145) − (114)(745)
=
√10(1554) − (114)2 √10(58325) − (745)2
91450 − 84930
=
√15540 − 12996 √583250 − 555025
6520
𝑟=
√2544 √28225
𝑟 = 0,769
Koefisien korelasi sebesar 0,769 menunjukkan adanya hubungan linear yang sangat kuat antara
lama waktu belajar (X) dan nilai ulangan (Y).
 Koefisien Determinasi
𝑟 = 0,769
𝑟 2 = (0,769)2 =0,592
Dengan rumus
[𝑛 ∑𝑛𝑖=1 𝑋𝑖 𝑌𝑖 − (∑𝑛𝑖=1 𝑋𝑖 )(∑𝑛𝑖=1 𝑌𝑖 )]2
𝑟2 =
[𝑛 ∑𝑛𝑖=1 𝑋𝑖2 − (∑𝑛𝑖=1 𝑋𝑖 )2 ][𝑛 ∑𝑛𝑖=1 𝑌𝑖2 − (∑𝑛𝑖=1 𝑌𝑖 )2 ]
[10 ∑10 10 10
𝑖=1 𝑋𝑖 𝑌𝑖 − (∑𝑖=1 𝑋𝑖 )(∑𝑖=1 𝑌𝑖 )]
2
𝑟2 = 2 2
[10 ∑10 2 10 10 2 10
𝑖=1 𝑋𝑖 − (∑𝑖=1 𝑋𝑖 ) ] [10 ∑𝑖=1 𝑌𝑖 − (∑𝑖=1 𝑌𝑖 ) ]

2
(10(9145) − (114)(745))
=
[10(1554) − (114)2 ][10(58325) − (745)2 ]
(6520)2
=
(2544) (28225)
(6520)2
=
(2544) (28225)
42510400
=
71804400
𝑟 2 = 0,592
Koefisien determinasi sebesar 0,592 menunjukkan bahwa 59,2% keragaman dalam nilai ulangan
dapat dijelaskan/ dipengaruhi oleh lama waktu belajar, sedangkan 40,8% keragaman dijelaskan
oleh variabel lain yang tidak diteliti.

DENGAN SPSS
Dengan langkah yang sama dengan uji F dan uji t yang sudah dibahas sebelumnya, namun fokus
tabel yang berbeda.
i. Pilih variable view pada pojok kiri bawah, lalu lakukan beberapa langkah dibawah ini:
1) Ketikkan nama variabel bebas X dan variabel terikat Y pada kolom name.

2) Pada kolom type pilih numeric.

3) Isi kolom label dengan nama variabel yaitu X = Lama Waktu Belajar dan Y = Nilai
Ulangan
ii. Pilih data view pada pojok kiri bawah, lalu isikan dengan data yang digunakan seperti di
bawah ini:

Isikan data:
iii. Setelah memasukkan data, pilih analyze → regression → linear.

2
3

iv. Masukkan variabel yang terikat ke kotak dependent dan variabel bebas ke kotak
independent.
v. Klik continue, lalu ok maka muncul hasil seperti di bawah ini.

Fokus kepada tabel Model Summary, diperoleh nilai 𝑟 dan 𝑟 2 sebagai berikut:

𝑅= nilai koefisien korelasi = 0,769

𝑅 𝑆𝑞𝑢𝑎𝑟𝑒 = nilai koefisien determinasi = 0,592
b) Uji Kefisien Korelasi Populasi (𝜶 = 𝟎. 𝟎𝟓)
Uji t
Diketahui
𝑟 = 0,769
𝑟 2 = 0,592
𝑛 = 10
Hipotesis:
𝐻0 : 𝜌 = 0 (Tidak ada hubungan linear antara lama waktu belajar dan nilai ulangan)
𝐻1 : 𝜌 ≠ 0 (Ada hubungan linear antara lama waktu belajar dan nilai ulangan)
Taraf signifikansi: 𝛼 = 0.05
𝑟√𝑛−2
Statistik uji: 𝑡 = √1−𝑟 2

Kriteria keputusan:
1) 𝐻0 ditolak jika |𝑡ℎ𝑖𝑡 | > 𝑡𝛼,𝑛−2 ⇔ |𝑡ℎ𝑖𝑡 | > 𝑡(0.025),(8) ⇔ |𝑡ℎ𝑖𝑡 | > 2.306
2

2) 𝐻𝑂 ditolak jika 𝑡ℎ𝑖𝑡 < −𝑡𝛼,𝑛−2 ⇔ −𝑡ℎ𝑖𝑡 < −𝑡(0.05),(8) ⇔ 𝑡ℎ𝑖𝑡 < −1.860
3) 𝐻0 ditolak jika 𝑡ℎ𝑖𝑡 > 𝑡𝛼,𝑛−2 ⇔ 𝑡ℎ𝑖𝑡 > 𝑡(0.05),(8) ⇔ 𝑡ℎ𝑖𝑡 > 1.860
Perhitungan:
𝑟√𝑛 − 2 0.769 √10 − 2 2.175
𝑡ℎ𝑖𝑡 = = = = 3.405
√1 − 𝑟 2 √1 − 0.592 0.639
Kesimpulan:
Nilai |𝑡ℎ𝑖𝑡 | = 3.405 > 𝑡𝛼,𝑛−2 = 2.306 yang berarti 𝐻𝑜 ditolak. Jadi, pada taraf signifikansi 0.05
2

dapat disimpulkan bahwa ada hubungan linear antara lama waktu belajar dan nilai ulangan
matematika siswa.
Uji z

Diketahui

𝑟 = 0,769
𝑟 2 = 0,592
𝑛 = 10
𝜌0 = 0
Hipotesis
𝐻0 : 𝜌 = 0 (Tidak ada hubungan linear antara lama waktu belajar dan nilai ulangan)
𝐻1 : 𝜌 ≠ 0 (Ada hubungan linear antara lama waktu belajar dan nilai ulangan)
Taraf signifikansi: 𝛼 = 0.05
√𝑛−3 (1+𝑟)(1−𝜌 )
Statistik uji: 𝑍ℎ𝑖𝑡 = ln [(1−𝑟)(1+𝜌0)]
2 0

Kriteria keputusan:
𝐻0 ditolak jika |𝑍ℎ𝑖𝑡 | > 𝑍𝛼 ⇔ |𝑍ℎ𝑖𝑡 | > 𝑍0,025 ⇔ |𝑍ℎ𝑖𝑡 | > 1,96
2

𝐻𝑂 ditolak jika 𝑍ℎ𝑖𝑡 < −𝑍𝛼 ⇔ 𝑍ℎ𝑖𝑡 < −𝑍0,05 ⇔ 𝑍ℎ𝑖𝑡 < −1,64
𝐻0 ditolak jika 𝑍ℎ𝑖𝑡 > 𝑍𝛼 ⇔ 𝑍ℎ𝑖𝑡 > 𝑍0,05 ⇔ 𝑍ℎ𝑖𝑡 > 1,64
Perhitungan:
√𝑛 − 3 (1 + 𝑟)(1 − 𝜌0 )
𝑍ℎ𝑖𝑡 = ln [ ]
2 (1 − 𝑟)(1 + 𝜌0 )

√7 (1 + 0,769)(1 − 0)
= ln [ ]
2 (1 − 0,769)(1 + 0)

√7 1,769
= ln [ ]
2 0,231
√7
= (2,036)
2
𝑍ℎ𝑖𝑡 = 2,693
Kesimpulan:
Nilai |𝑍ℎ𝑖𝑡 | = 2,693 > 𝑍𝛼 = 1,96 yang berarti 𝐻𝑜 ditolak. Jadi, pada taraf signifikansi 0.05
2

dapat disimpulkan bahwa ada hubungan linear antara lama waktu belajar dan nilai ulangan
matematika siswa.
Latihan:
Data berikut merupakan data biaya pengiklanan (dalam satuan juta rupiah) suatu produk A
dengan hasil penjualannya (dalam satuan juta rupiah) pada 10 tahun pertama.
Tahun ke- Biaya Iklan Hasil Penjualan
1 1 5
2 2 7
3 2 8
4 3 10
5 4 10
6 6 12
7 7 11
8 7 13
9 8 13
10 9 15

Soal:
a) Tentukan koefisien korelasi dan koefisien determinasi dari data tersebut!
b) Lakukan uji koefisien korelasi populasi dengan taraf signifikansi 0,05!

Jawab:
Biaya iklan: X, Hasil penjualan: Y
𝛼 = 0,05
a) Menentukan koefisien korelasi dan koefisien determinasi
Tabel bantuan:
No X Y X2 Y2 XY
1 1 5 1 25 5
2 2 7 4 49 14
3 2 8 4 64 16
4 3 10 9 100 30
5 4 10 16 100 40
6 6 12 36 144 72
7 7 11 49 121 77
8 7 13 49 169 91
9 8 13 64 169 104
10 9 15 81 225 135
∑ 49 104 313 1166 584
Koefisien Korelasi:
𝑛 ∑𝑛𝑖=1 𝑋𝑖 𝑌𝑖 − (∑𝑛𝑖=1 𝑋𝑖 )(∑𝑛𝑖=1 𝑌𝑖 )
𝑟=
2
√𝑛 ∑𝑛𝑖=1 𝑋𝑖2 − (∑𝑛𝑖=1 𝑋 ) √𝑛 ∑𝑛𝑖=1 𝑌𝑖2 − (∑𝑛𝑖=1 𝑌𝑖 )2
𝑖

10 ∑10 10 10
𝑖=1 𝑋𝑖 𝑌𝑖 − (∑𝑖=1 𝑋𝑖 )(∑𝑖=1 𝑌𝑖 )
=
2 2
√10 ∑10 2 10
𝑖=1 𝑋𝑖 − (∑𝑖=1 𝑋𝑖 )
√10 ∑10 2 10
𝑖=1 𝑌𝑖 − (∑𝑖=1 𝑌𝑖 )

10(584) − (49)(104)
=
√10(313) − (49)2 √10(1166) − (104)2
5840 − 5096
=
√3130 − 2401 √11660 − 10816
744
=
√729 √844
𝑟 = 0,9485
Koefisien korelasi sebesar 0,9485 menunjukkan adanya hubungan linear yang sangat kuat antara
biaya pengiklanan (X) dan hasil penjualan (Y).

Koefisien Determinasi
𝑟 = 0,9485
𝑟 2 = 0,94852 =0,8996
Dengan rumus
[𝑛 ∑𝑛𝑖=1 𝑋𝑖 𝑌𝑖 − (∑𝑛𝑖=1 𝑋𝑖 )(∑𝑛𝑖=1 𝑌𝑖 )]2
𝑟2 =
[𝑛 ∑𝑛𝑖=1 𝑋𝑖2 − (∑𝑛𝑖=1 𝑋𝑖 )2 ][𝑛 ∑𝑛𝑖=1 𝑌𝑖2 − (∑𝑛𝑖=1 𝑌𝑖 )2 ]
[10 ∑10 10 10
𝑖=1 𝑋𝑖 𝑌𝑖 − (∑𝑖=1 𝑋𝑖 )(∑𝑖=1 𝑌𝑖 )]
2
= 2 2
[10 ∑10 2 10 10 2 10
𝑖=1 𝑋𝑖 − (∑𝑖=1 𝑋𝑖 ) ] [10 ∑𝑖=1 𝑌𝑖 − (∑𝑖=1 𝑌𝑖 ) ]

[10(584) − (49)(104)]2
=
[10(313) − (49)2 ] [10(1166) − (104)2 ]
[5840 − 5096]2
=
[3130 − 2401] [11660 − 10816]
[744]2
=
(729) (844)
553536
𝑟2 = = 0,8996
615276
Koefisien determinasi sebesar 0,8896 menunjukkan bahwa 88,96% keragaman dalam hasil
penjualan dapat dijelaskan/ dipengaruhi oleh biaya pengiklanan, sedangkan 11,04% keragaman
dijelaskan oleh variabel lain yang tidak diteliti.

Dengan SPSS:

b) Uji koefisien korelasi populasi (𝜶 = 𝟎, 𝟎𝟓)

Uji t
Diketahui:
𝑟 = 0,9485
𝑟 2 = 0,8996
𝑛 = 10
Hipotesis:
𝐻0 : 𝜌 = 0 (Tidak ada hubungan linear antara biaya pengiklanan dan hasil penjualan)
𝐻1 : 𝜌 ≠ 0 (Ada hubungan linear antara biaya pengiklanan dan hasil penjualan)
Taraf signifikansi: 𝛼 = 0.05
𝑟√𝑛−2
Statistik uji: 𝑡 =
√1−𝑟 2

Kriteria keputusan:
1) 𝐻0 ditolak jika |𝑡ℎ𝑖𝑡 | > 𝑡𝛼,𝑛−2 ⇔ |𝑡ℎ𝑖𝑡 | > 𝑡(0.025),(8) ⇔ |𝑡ℎ𝑖𝑡 | > 2.306
2

2) 𝐻𝑂 ditolak jika 𝑡ℎ𝑖𝑡 < −𝑡𝛼,𝑛−2 ⇔ −𝑡ℎ𝑖𝑡 < −𝑡(0.05),(8) ⇔ 𝑡ℎ𝑖𝑡 < −1.860
3) 𝐻0 ditolak jika 𝑡ℎ𝑖𝑡 > 𝑡𝛼,𝑛−2 ⇔ 𝑡ℎ𝑖𝑡 > 𝑡(0.05),(8) ⇔ 𝑡ℎ𝑖𝑡 > 1.860
Perhitungan:
𝑟√𝑛 − 2 0,9485 √10 − 2 2,683
𝑡ℎ𝑖𝑡 = = = = 8,467
√1 − 𝑟 2 √1 − 0,8996 0,317
Kesimpulan:
Nilai |𝑡ℎ𝑖𝑡 | = 8,467 > 𝑡𝛼,𝑛−2 = 2.306 yang berarti 𝐻𝑜 ditolak. Jadi, pada taraf signifikansi 0.05
2

dapat disimpulkan bahwa ada hubungan linear antara biaya pengiklanan dan hasil penjualan
produk A.

Uji z

Diketahui

𝑟 = 0,9485
𝑟 2 = 0,8996
𝑛 = 10
𝜌0 = 0
Hipotesis
𝐻0 : 𝜌 = 0 (Tidak ada hubungan linear antara biaya pengiklanan dan hasil penjualan)
𝐻1 : 𝜌 ≠ 0 (Ada hubungan linear antara biaya pengiklanan dan hasil penjualan)
Taraf signifikansi: 𝛼 = 0.05
√𝑛−3 (1+𝑟)(1−𝜌0 )
Statistik uji: 𝑍ℎ𝑖𝑡 = ln [ (1−𝑟)(1+𝜌0 )
]
2

Kriteria keputusan:
𝐻0 ditolak jika |𝑍ℎ𝑖𝑡 | > 𝑍𝛼 ⇔ |𝑍ℎ𝑖𝑡 | > 𝑍0,025 ⇔ |𝑍ℎ𝑖𝑡 | > 1,96
2

𝐻𝑂 ditolak jika 𝑍ℎ𝑖𝑡 < −𝑍𝛼 ⇔ 𝑍ℎ𝑖𝑡 < −𝑍0,05 ⇔ 𝑍ℎ𝑖𝑡 < −1,64
𝐻0 ditolak jika 𝑍ℎ𝑖𝑡 > 𝑍𝛼 ⇔ 𝑍ℎ𝑖𝑡 > 𝑍0,05 ⇔ 𝑍ℎ𝑖𝑡 > 1,64
Perhitungan:
√𝑛 − 3 (1 + 𝑟)(1 − 𝜌0 )
𝑍ℎ𝑖𝑡 = ln [ ]
2 (1 − 𝑟)(1 + 𝜌0 )

√7 (1 + 0,9485)(1 − 0)
= ln [ ]
2 (1 − 0,9485)(1 + 0)
 √7 1,9485
= ln [ ]
2 0,0515
√7
= (3,633)
2
𝑍ℎ𝑖𝑡 = 4,806
Kesimpulan:
Nilai |𝑍ℎ𝑖𝑡 | = 4,806 > 𝑍𝛼 = 1,96 yang berarti 𝐻𝑜 ditolak. Jadi, pada taraf signifikansi 0.05
2

dapat disimpulkan bahwa ada hubungan linear antara biaya pengiklanan dan hasil penjualan
produk A.