MAKALAH STATISTIK

PENAFSIRAN KOEFISIEN KORELASI SAMPLE REGRESI DAN

KORELASI MUTIPLE

DISUSUN OLEH :

Kelompok 3
Medy yansyah - 200210045
Moh. Syahrul Ramdani - 200210090
Fardha Metha Puspita Dewi - 200210061
Meliyani Hendrayani - 200210068
Isra Nurmughniy - 200210031
Silvi Anggiastuti – 200210038

D3 AKUNTANSI

DOSEN PEMBIMBING :
Sujana ,SE.,MM.

Institut Bisnis Informatika Kesatuan

 KATA PENGANTAR

Pertama-tama marilah kita panjatkan puji dan syukur kehadirat Allah SWT
yang senantiasa mencurahkan segala nikmat dan karunianya, karena berkat
karunianya saya dapat menyelesaikan makalah ini. Shalawat serta salam
senantiasa kita sampaikan kepada junjungan kita Rasulullah Muhammad SAW.

Kami mengucapkan terima kasih kepada semua pihak yang telah

membantu dalam menyelesaikan tugas makalah ini khususnya rekan-rekan yang
senantiasa mendukung dan memotivasi serta memberi masukan positif sehingga
makalah ini dapat disusun. Makalah ini berjudul PENAFSIRAN KOEFISIEN
KORELASI SAMPLE REGRESI DAN KORELASI MUTIPLE , dimana makalah
ini membahas untuk memenuhi tugas dari mata kuliah Statistik.

Dalam hal ini kami menyadari bahwa makalah ini masih jauh dari
sempurna, untuk itu kami memohon maaf bila di dalam tulisan kami ini ada
kekurangan dalam penulisan atau sebagainya. Kami mengharapkan saran dan
kritik yang membangun untuk perbaikan penulisan kedepannya.

Penulis

i
 DAFTAR ISI

COVER

KATA PENGANTAR........................................................................................i

DAFTAR ISI.......................................................................................................ii

BAB I PENDAHULUAN...................................................................................1

1.1 Latar Belakang...............................................................................................1

1.2 Maksud dan Tujuan…....................................................................................1

BAB II PEMBAHASAN....................................................................................2

2.1 Penafsiran koefisien korelasi mutiple/ganda ................................................2

2.2 Penafsiran koefisien korelasi sampel regresi………………………………26

BAB III PENUTUP……………………………………………………………30

3.1 Kesimpulan…………………………………………………………………30

3.2 Daftar Pustaka ……………………………………………………………..30

 BAB I

PENDAHULU

AN

1.1 Latar Belakang

Setiap data yang diperoleh dengan cara apapun, tidak akan bermanfaat
menjadi sebuah informasi sebelum diolah dan disajikan. Hal itu disebabkan
oleh data yang diperoleh dari suatu pengumpulan data, apalagi data primer
masih bersifat data mentah atau kasar. Data yang telah diolah sesuai dengan
tujuan yang diharapkan harus disajikan dalam bentuk-bentuk penyajian data
yang mudah dibaca dan diinterpretasikan.

Penyajian data akan memudahkan kita dalam menganalisis data dalam

statistika. Selain itu, akan lebih mudah dalam menafsirkan data. Dalam
statistika penyajian data memiliki fungsi sebagai berikut menunjukan suatu
perkembangan dari suatu populasi dan melakukan perbandingan dari waktu
ke waktu.

1. Untuk mengetahui tentang penafsiran koefisien korelasi sample regresi.

2. Untuk mengetahui tentang penafsiran koefisien korelasi multiple.
 BAB II
PEMBAHASAN

ANALISIS KORELASI GANDA

A. PENGERTIA
N
1. KORELASI
Merupakan teknik statistik yang digunakan untuk meguji
ada/tidaknya hubungan serta arah hubungan dari dua variabel atau
lebih.

2. KORELASI GANDA
Suatu korelasi yang bermaksud untuk melihat hubungan
antara tiga atau lebih variabel (dua atau lebih variabel independent
dan satu variabel dependent). Korelasi ganda berkaitan dengan
interkorelasi variabel-variabel independen sebagaimana korelasi
mereka dengan variabel dependen. Sementara itu menurut Riduwan
(2012:238) korelasi ganda adalah suatu nilai yang memberikan
kuatnya pengaruh atau hubungan dua variabel atau lebih secara
bersama-sama dengan variabel lain.
Korelasi Ganda (multiple correlation) merupakan korelasi
yang terdiri dari dua variabel bebas (X1, X2) serta satu variabel
terikat (Y). Apabila qperumusan masalahnya terdiri dari tiga
masalah, maka hubungan antara masing-masing variabel dilakukan
dengan cara perhitungan korelasi sederhana, oleh karena itu berikut
ini hanya akan dikemukakan cara perhitungan ganda antara X1, dan
X2 dengan Y.
 𝑋1 𝑟𝑥1𝑦⬚
𝑅𝑥1𝑥2𝑦
𝑟𝑥 𝑥 Y
1 2
𝑟𝑥2𝑦⬚
𝑋2

3. KOEFISIEN KORELASI
Merupakan besar kecilnya hubungan antara dua variabel yang
dinyatakan dalam bilangan yang disebut dengan Koefisien Korelasi.
Koefisien Korelasi disimbolkan dengan huruf R. Besarnya
Koefisien Korelasi adalah antara -1; 0; dan +1.
 Besarnya korelasi -1 adalah negatif sempurna yakni terdapat
hubungan di antara dua variabel atau lebih namun arahnya terbalik, +1
adalah korelasi yang positif sempurna (sangat kuat) yakni adanya sebuah
hubungan di antara dua variabel atau lebih tersebut, sedangkan koefisien
korelasi 0 dianggap tidak terdapat hubungan antara dua variabel atau lebih
yang diuji sehingga dapat dikatakan tidak ada hubungan sama sekali.
Sedangkan harga R akan dikonsultasikan dengan tabel interpretasi
nilai R sebagai berikut:
Interval Koefisien Tingkat Hubungan
0,00-0,1999 Sangat
0,20-0,399 Rendah
0,40-0,599 Rendah
0,60-0,799 Cukup
0,80-1,000 Kuat
Sangat Kuat

B. MANFAAT
1. Mencari hubungan atau kontribusi dua variabel bebas (X) atau lebih secara
simultan (bersama-sama) dengan variabel terikat (Y)
2. Mencari arah dan kuat lemahnya hubungan antara 2 atau lebih variabel
independen (X1,X2...Xj) terhadap variabel dependen (Y)

C. FORMULASI KORELASI GANDA

1. Uji Korelasi Ganda

1 2 = 2 2
1 2 2 1 2 1 2
√ 1 2 1 2

2. Uji Signifikansi
2
2)
= (1
( 1)
 Di mana:
R = Nilai koefisien korelasi ganda
k = jumlah variabel bebas (independen)
n = jumlah sampel
F = yang selanjutnya akan dibandingkan dengan Kaidah
penguji signifikansi:
Jika signifikan
jika maka tidak signifikan
carilah nilai menggunakan tabel F dengan rumus:
taraf signifikansinya α = 0.01 atau α = 0.05
= (1 ) ( ) ( )

D. LANGKAH-LANGKAH MENJAWAB UJI KORELASI GANDA

1. Buatlah H1 dan H0 dalam bentuk kalimat
2. Buatlah H1 dan H0 dalam bentuk statistik
3. Buatlah tabel penolong untuk menghitung nilai korelasi ganda
4. Masukkan angka-angka statistik dari tabel penolong dengan rumus:

(∑ ) (∑ )(∑ )
r = √{ ∑
2 2
(∑ ) } ∑ 2 (∑ )2

Selanjutnya hasil dari korelasi kemudian hitung korelasi ganda (R) dengan
rumus:

1 2 =
2 2
1 2 2 1 2 1 2
√ 1 2 1 2

5. Menguji signifikansi dengan rumus Fhitung:

2
2)
= (1
( 1)
 6. Dari hasil perhitungan tadi, buatlah kesimpulannya.

E. CONTOH SOAL

KASUS
Judul Penelitian
HUBUNGAN MOTIVASI KERJA DAN KEMAMPUAN PEGAWAI
TERHADAP PELAYANAN ADMINISTRASI PADA DINAS PENDIDIKAN
KOTA SURABAYA

1) Variabel Motivasi Kerja ( 1)

2) Variabel Kemampuan Pegawai ( 2)
3) Variabel Pelayanan Administrasi ( )
4) Sampel sebanyak 64 responden
5) Tingkat kesalahan α = 0,05

Pertanyaan : apakah ada hubungan yang signifikan antara ( 1) dengan ( 2)

secara bersama-sama terhadap ( ), buktikan!
Data penelitian sebagai berikut:

Data variabel ( 1), ( 2) dan ( )

No Y 2 2 2
1 2 1 2 1 2
1 2
1 48 97 61 2304 9409 3721 2989 5917 4656
2 47 77 40 2209 5929 1600 1880 3080 3619
3 47 99 48 2209 9801 2304 2256 4752 4653
4 41 77 54 1681 5929 2916 2214 4158 3157
5 41 77 34 1681 5929 1156 1394 2618 3157
6 42 55 48 1764 3025 2304 2016 2640 2310
7 61 88 68 3721 7744 4624 4148 5984 5368
8 69 120 67 4761 14400 4489 4623 8040 8280
9 62 87 67 3844 7569 4489 4154 5829 5394
10 65 87 75 4225 7569 5625 4875 6525 5655
11 48 50 56 2304 2500 3136 2688 2800 2400
12 52 87 60 2704 7569 3600 3120 5220 4524
13 47 87 47 2209 7569 2209 2209 4089 4089
14 47 87 60 2209 7569 3600 2820 5220 4089
15 47 81 61 2209 6561 3721 2867 4941 3807
16 41 55 47 1681 3025 2209 1927 2585 2255
17 55 88 68 3025 7744 4624 3740 5984 4840
18 75 98 68 5625 9604 4624 5100 6664 7350
19 62 87 74 3844 7569 5476 4588 6438 5394
20 68 87 75 4624 7569 5625 5100 6525 5916
21 48 44 55 2304 1936 3025 2640 2420 2112
22 49 94 61 2401 8836 3721 2989 5734 4604
23 48 77 46 2304 5929 2116 2208 3542 3696
24 54 55 61 2916 3025 3721 3294 3355 2970
25 54 76 58 2916 5776 3364 3132 4408 4104
26 48 65 50 2304 4225 2500 2400 3250 3120
27 61 90 68 3721 8100 4624 4148 6120 5490
28 54 119 75 2916 14161 5625 4050 8925 6425
29 68 119 75 4624 14161 5625 5100 8925 8092
30 68 98 75 4624 9604 5625 5100 7350 6664
31 47 55 56 2209 3025 3136 2632 3080 2585
32 41 66 61 1681 4356 3721 2501 4026 2706
33 42 67 54 1764 3389 2916 2268 3618 2814
34 41 58 50 1681 3364 2500 2050 2900 2378
35 55 90 61 3025 8100 3721 3355 5490 4950
36 68 77 47 4624 5929 2209 3196 3619 5236
37 61 99 68 3721 9801 4624 4148 6732 6039
38 61 109 82 3721 11881 6724 5002 8938 6649
39 54 76 67 2916 5776 4489 3618 5092 4104
40 48 75 69 2304 5625 4761 3312 5175 3600
 41 40 77 55 1600 5929 3025 2200 4235 3080
42 34 67 48 1156 4489 2304 1632 3216 2278
43 48 68 47 2304 4624 2209 2256 3196 3264
44 38 67 55 1444 4489 3025 2090 3685 2546
45 55 89 61 3025 7921 3721 3355 5429 4895
46 62 87 61 3844 7569 3721 3782 5307 5394
47 68 87 68 4624 7569 4624 4624 5916 5916
48 56 87 65 3136 7569 4225 3640 5655 4872
49 38 65 70 1444 4225 4900 2660 4550 2470
50 61 98 75 3721 9604 5625 4575 7350 5970
51 68 105 61 4624 11025 3721 4148 6405 7140
52 60 78 54 3600 6084 2916 3240 4212 4680
53 55 77 60 3025 5929 3600 3300 4620 4235
54 27 66 55 729 4356 3025 1485 3630 1782
55 48 66 55 2304 4356 3025 2640 3630 3168
56 40 55 47 1600 3025 2209 1880 2585 2200
57 40 78 56 1600 6084 3136 2240 4368 3120
58 48 79 54 2304 6241 2916 2592 4266 3792
59 38 75 69 1444 5625 4761 2622 5175 2850
60 57 98 74 3249 9604 5476 4218 7252 5586
61 68 98 68 4624 9604 4624 4624 6664 6664
62 61 87 66 3721 7569 4356 4026 5742 5307
63 35 87 61 1225 7569 3721 2135 5307 3045
64 40 77 69 1600 5929 4761 2760 5313 3080
Jumlah 3320 5198 3871 179.456 439.670 240.425 204.514 320.416 276.596
total

LANGKAH-LANGKAH MENJAWAB:
a. Buatlah H1 dan H0 dalam bentuk kalimat
H1 : Terdapat hubungan yang signifikan antara motivasi kerja dan
 kemampuan pegawai terhadap Pelayanan Administrasi pada
Dinas
Pendidikan Kota Surabaya
H0 : Tidak terdapat hubungan yang signifikan antara motivasi kerja
dan kemampuan pegawai terhadap Pelayanan Administrasi pada
Dinas
Pendidikan Kota Surabaya

b. Buatlah H1 dan H0 dalam bentuk statistik

H1 = R ≠ 0

H0 = R = 0

c. Buatlah tabel penolong untuk menghitung nilai korelasi ganda

1) KORELASI dengan Y
RINGKASAN STATISTIK dengan Y
NILAI
STATISTIK
64
3320
∑ 1

3871
∑
179456
∑ 1
2

240425
∑ 2

204514
∑ 1

= (∑ 1 ) (∑ 1) ( ∑ )
2
1
√{ ∑ 1 (∑ 1)2} ∑ 2 (∑ )2

=
1 (2 1 ) ( 2 ) ( 1)
√{ 1 –( 2 )2} 2 2 ( 1)2
2) KORELASI dengan Y

RINGKASAN STATISTIK dengan Y

NILAI
STATISTIK
64
5198
∑ 2

3871
∑
439670
∑ 2
2

240425
∑ 2

320416
∑ 2

= (∑ 2 ) (∑ 2)(∑ )
2
2
√{ ∑ 2 (∑ 2)2 } ∑ 2 (∑ )2

=
2 ( 2 1 ) ( 1 ) ( 1)
√{ –( 1 )2} 2 2 ( 1)2

3) KORELASI dengan

RINGKASAN STATISTIK dengan Y

NILAI
STATISTIK
64
3320
∑ 1
 5198
∑ 2

179456
∑ 1
2

439670
∑ 2
2

276596
∑ 1 2

(∑ 1 2) (∑ 1)(∑ 2)
1 2 = 2 2 )2}
√{ ∑ 1 (∑ 1)2} { ∑ 2 (∑ 2

1 2 (2 ) ( 2 ) ( 1 )
=
√{ 1 –( 2 )2} ( 1 )2

4) Rumus Analisis Korelasi Ganda (R)

1 2 = 2 2
2 1 2 1 2
1 2
√ 1 2 1 2

2 2
2 ( ) ( ) ( 1 )
1 2
=√ 1 ( 1 )2

2
=√ =√ =√ = 0,62 ≈ 1
1 2 2 2

Dari hasil perhitungan tersebut dapat dikatakan bahwa terdapat hubungan

(korelasi) antara motivasi kerja (X1) dan kemampuan pegawai (X2)
terhadap Pelayanan Administrasi (Y) pada Dinas Pendidikan Kota
Surabaya. Korelasi antara motivasi kerja (X1) dan kemampuan pegawai
 (X2) terhadap Pelayanan Administrasi (Y) pada Dinas Pendidikan Kota
Surabaya tergolong kuat karena hasil perhitungan di atas besar R adalah
sebesar 0,62 ≈ 1. Sedangkan untuk menyatakan besar kecilnya kontribusi
variabel X1 dan X2 terhadap variabel Y atau koefisien determinan = R2 x
100% atau (0,622 x 100% = 38,44). Selanjutnya untuk mengetahui
keberartian korelasi ganda (R) dihitung uji F berikut:
2
2 2
2
2)
(1 = (1 22)
= ( 2 1) 1
( 1)

2
2
= = 19,22

1
5) Menguji signifikansi dengan rumus :
Kaidah uji signifikansi: Jika > , maka signifikan. Nilai
dengan α = 0,05 untuk diuji 2 pihak.
Ftabel = F (1 - α) [(db = k), (db = n – k – 1)]
= F (1 - α) [(db = 2), (db = 64 – 2 – 1)]
= F (1 – 0,05) [2, 61]
= F (0,95) [2, 61]
Cara mencari Ftabel: 2 sebagai angka pembilang; 61 sebagai angka
penyebut.
Ftabel = 3,15 (pilih yang paling mendekati)

6) Kesimpulan:
Setelah dihitung ternyata Fhitung > Ftabel, atau 19,22 > 3,15 sehingga H0
ditolak. Dapat disimpulkan bahwa terdapat hubungan yang signifikan antara
motivasi kerja (X1) dan kemampuan pegawai (X2) terhadap Pelayanan
Administrasi (Y) pada Dinas Pendidikan Kota Surabaya.
 ANALISIS KORELASI DAN REGRESI

Para mahasiswa tingkat awal yang mempelajari Statistika seringkali bingung dengan dua istilah
ini, “analisis korelasi” dan “analisis reegresi”. Kebingungannya berkisar kepada fungsi kedua
alat analisis, apakah fungsinya sama atau beda ? kalau beda, kapan kita menggunakan analisis
korelasi dan kapan dan pada situasi bagaimana kita menggunakan analisis regresi. Berikut ini
akan dijelaskan perbedaan kedua alat analisis tersebut.

Tujuan analsisi korelasi adalah ingin mengetahui APAKAH ADA HUBUNGAN antara dua
variabel atau lebih ? Sedangkan tujuan analisis regresi adalah untuk MEMPREDIKSI
SEBERAPA JAUH pengaruh yang ada tersebut (yang telah dianalisis melalui analisis korelasi).

Misalnya, dengan analisis korelasi ingin diketahui apakah ada hubungan antara terjadinya perang
antarnegara dengan kegiatan perlombaan senjata (arm races) ? Bila melalui analisis korelasi
terbukti bahwa ada hubungan diantara kedua variabel tersebut, maka analisis regresi akan
memperkirakan jika jumlah senjata dinaikan sekian ribu jumlahnya maka kondisi konflik
antarnegara akan seperti apa terjadinya.

Mungkin ada juga yang bertanya dan kebetulan sudah pernah mengenal alat analisis statistika
lainnya, yaitu uji-t dan uji-F (ANOVA). Apa bedanya antara uji-t dan ANOVA dengan analisis
korelasi/regresi ? Perbedaannya adalah, bila uji-t dan ANOVA menguji ADA-TIDAKNYA
PERBEDAAN DUA SAMPEL atau lebih, maka analisis regresi menguji ADA-TIDAKNYA
HUBUNGAN DUA VARIABEL atau lebih.

ANALISIS KORELASI

Sekali lagi, bahwa tujuan dari analsisi korelasi adalah untuk mengetahui apakah diantara dua
variabel terdapat hubungan atau tidak, dan jika ada hubungan bagaimanakah arah hubungan dan
seberapa besar hubungan tersebut. Data pada analisis korelasi dapat berupa data kualitatif maupun
kuantitatif, yang masing-masing mempunyai ukuran korelasi sendiri-sendiri.

Contoh Analisis Korelasi dengan SPSS:

Contoh1:
Menghitung korelasi antara pengetahuan tentang kewarganegaraan dengan partisipasi politik
seseorang. Sebelum kita memulai analisis kita perhatikan dahulu apakah data yang akan kita
peroleh berskala nominal, ordinal, interval atau rasio ? Sebab perlakuan terhadap data-data
tersebut akan berbeda ketika kita akan melakukan analisis korelasi.

Untuk data yang berskala interval dan atau rasio (bersifat kuantitatif/parametrik) tipe analisis
korelasi yang digunakan adalah Pearson Correlation atau istilah lainnya adalah
Product Moment Correlation. Sedangkan untuk yang berskala ordinal kita gunakan
Spearman Correlation (Statistik Non-Parametrik).

Kembali ke contoh kasus kita, kedua variabel yang ada yaitu pengetahuan
kewarganegaraan dan tingkat partisipasi politik umumnya belum memiliki standar yang
baku dalam skala nilainya. Biasanya untuk mendapatkan nilai-nilai bagi variabel-variabel
tersebut kita terlebih dahulu melakukan pengukuran kepada sejumlah responden
mengenai tingkat pengetahuannya tentang kewarganegaraan dan tingkat partisipasi
politiknya, biasanya kita akan menyebarkan angket yang berisi sejumlah daftar
pertanyaan atau pernyataan yang akan mengukur sejauh mana level pengetahuan
kewarganegaraannya dan tingkat partisipasi politiknya, baik level pengetahuan
kewarganegaraan dan tingkat partisipasi politik keduanya merupakan konsep yang
berkaitan dengan perilaku seorang manusia. Seperti telah diulas dalam modul
sebelumnya, para peneliti ilmu sosial umumnya menggunakan Skala Likert guna
mengukur persepsi atau perilaku sosial. Maka biasanya data yang akan kita dapatkan dari
hasil survey/penyebaran angket yang mengukur tingkat pengetahuan kewarganegaraan
seseorang dan tingkat partisipasi politiknya akan berskala ordinal. Misalkan untuk
mengukur pengetahuan seseorang dibuatkan instrumen yang terdiri atas 6 butir
pertanyaan guna mengukur pengetahuannya tentang kewarganegaraan yang diberikan
kepada 5 orang responden (A,B,C,D dan E). Dari lima orang responden akan memiliki
jawaban atas angket yang diberikan sebagai berikut.

No Resp Jawaban atas pertanyaan nomor ke-

1 2 3 4 5 6
A 3 2 3 1 2 3
B 4 4 4 2 3 4
C 5 5 5 3 4 5
D 5 5 5 5 5 7
E 7 7 7 7 7 7

Maka nilai-nilai jawaban tersebut terlebih dahulu harus di transformasikan ke dalam data
interval. Misalkan hasilnya (Succesive Interval-nya) diperoleh sebagai berikut:
No Resp Jawaban atas pertanyaan nomor ke-
1 2 3 4 5 6
A 3 2 3 1 2 3
B 1 1 1 1 1 1
C 2.271106 2.271106 2.271106 1.946443 1.946443 1.946443
D 2.271106 2.271106 2.271106 2.595769 2.595769 3.068991
E 3.542213 3.542213 3.542213 3.542213 3.542213 3.068991

Lalu untuk mendapatkan skor tiap-tiap responden untuk menentukkan tingkat

pengetahuan kewarganegaraan yang dimilikinya digunakan rumus tertentu (caranya
dibahas pada topik berikutnya). Skor tingkat pengetahuan kewarganegaraan dari kelima
responden tersebut akhirnya, misalnya diperoleh sebagai berikut.
 Tabel Skor Reponden untuk
Tingkat Pengetahuan Kewarganegaraan

No Responden Skor
A (1) 5.
B (2) 7
C (3) 10
D (4) 10
E (5) 12

Selanjutnya hal yang sama dilakukan pula untuk mendapatkan skor mengenai tingkat
partisipasi politiknya, sehingga misalnya akhirnya diperoleh data sebagai berikut.

Tabel Data Lengkap

No Skor Tingkat Skor Tingkat

Responden Pengetahuan Kewarganegaraan Partisipasi Politik
1 5 1
2 7 3
3 10 5
4 10 7
5 12 9

Selanjutnya kita olah dengan SPSS, dengan langkah-langkah sebagai berikut:

1. Buat file dengan nama korelasi1.sav dalam folder pribadi Anda, berkenaan dengan
data lengkap di atas. Misalkan variabel Skor Tingkat Pengetahuan Kewarganegaraan
kita namai Citizenship dan Skor Tingkat Partisipasi Politik kita namai Participation,
hasilnya seperti berikut.

2. Jika sudah nampak, dari menu utama SPSS, pilih menu Analyze. Kemudian pilih
submenu Correlate, dan pilih bivariate. Maka akan tampak di layar tampilan seperti
gambar berikut:
3. Selanjutnya adalah mengisi menu-menu yang ada sebagai berikut:
a. Variable yang akan dikorelasikan, pilih Citizenship dan Participation
b. Correlation Coeffitients atau alat hitung koefisien korelasi. Pilih Pearson.
c. Test of Significance yang akan digunakan, pilih Two-tailed untuk uji dua sisi.
d. Flag significant correlations pilih untuk diaktifkan, dengan cara mengkliknya.
e. Kemudian tekan tombol Options, hingga tampak di layar tampilan seperti ini.

f. Lalu pada pilihan statistics abaikan saja.

g. Pada menu missing values, pilih Exclude case pairwise untuk aktif.
Selanjutnya tekan Continue.
h. Tekan OK untuk mengakhiri pengisisian prosedur analisis. Selanjutnya SPSS
melakukan pekerjaan analisis yang hasilnya dapat terlihat pada bagian output
berikut ini.
Correlations

Citizenship Participation
Citizenship Pearson Correl ation 1 .969**
Sig. (2-tailed) .007
N 5 5
Participation Pearson Correl ation .969** 1
Sig. (2-tailed) .007
N 5 5
**. Correlation is significant at the 0.01 level (2-tailed).
Analisis Output
1. Arti Angka Korelasi (Lihat Pearson Correlation)
Ada dua hal dalam penafsiran korelasi, yaitu tanda ‘+” atau ‘-“ yang berhubungan
dengan arah korelasi, serta kuat tidaknya korelasi.
Korelasi antara Citizenship dengan Participation, didapat angka +0,969 (tanda “+”
disertakan karena tidak ada tanda “-“ pada output, jadi otomatis positif). Hal ini
berarti :
 Arah korelasi positif, artinya semakin tinggi tingkat pengetahuan
kewarganegaraan seseorang maka partisipasi politiknya cenderung semakin
besar. Demikian pula sebaliknya.
 Besaran korelasi (0,969) yang > 0,5, berarti tingkat pengetahuan
kewarganegaraan seseorang berkorelasi KUAT dengan partisipasi politiknya.

2. Signifikansi Hasil Korelasi (lihat Sig. (2-tailed))

Bila kita hendak merumuskan hipotesis bahwa antara dua variabel, yaitu tingkat
pengetahuan kewarganegaraan seseorang dengan partisipasi politiknya memiliki
hubungan (korelasi), maka secara statistik dapat dinyatakan seperti berikut:

H0:Tidak ada hubungan (korelasi) antara dua variabel

Hi: Ada hubungan (korelasi) antara dua variabel

Maka bila kita ingin menguji hipotesis ini, kita misalnya dapat menguji dengan
melakukan uji dua sisi. Dasar pengambilan keputusannya adalah dengan dasar
probabilitas sebagai berikut:
 Jika probabilitas > 0,05 (atau 0,01) maka Ho diterima
 Jika probabilitas < 0,05 (atau 0,01) maka Ho ditolak
 Catatan: 0,05 atau 0,01 adalah tergantung pilihan kita.

Keputusan pada contoh kasus yang kita miliki pada keterangan Sig. (2-tailed)
diperoleh angka probailitasnya 0,007 maka kedua variabel tersebut memang
SECARA NYATA berkorelasi. Hal ini bisa dilihat juga dari adanya tanda ** pada
angka korelasi.

3. Jumlah Data yang Berkorelasi

Dapat dilihat dari dari nilai N, karena tidak ada data yang hilang, maka data yang
diproses adalah 5.
 KORELASI PARSIAL

Kadang-kadang dalam suatu penelitian kita perlu menambahkan lagi satu variabel yang
berfungsi sebagai pengontrol dari dua variabel yang telah berkorelasi terlebih dahulu.
Misalnya seperti pada contoh di atas, bila kita ingin menghitung korelasi parsial antara
tingkat pengetahuan kewarganegaraan seseorang dengan perilaku demokratisnya dimana
partisipasi politik menjadi variabel kontrol. Karena ketiga variabel bersifat kuantitatif,
maka tipe analisis korelasi yang digunakan adalah Pearson.
Langkah-langkah yang ditempuh:

1. Buka lagi file korelasi1.sav, lalu kita tambahkan 1 lagi variabel dengan nama
Democracy yang mewakili variabel tingkat perilalu demokrasi seseorang. Sehingga
diperoleh tampilan sebagai berikut:

2. Jika sudah nampak, dari menu utama SPSS, pilih menu Analyze. Kemudian pilih
submenu Correlate, dan pilih Partial. Maka akan tampak di layar tampilan seperti
gambar berikut:

3. Pengisian:
a. Variable yang akan dikorelasikan, pilih Citizenship dan Democracy
b. Controlling for (variabel pengontrol), pilih participation
c. Test of Significance yang akan digunakan, pilih Two-tailed untuk uji dua sisi.
d. Display actual signifance level pilih untuk diaktifkan, dengan cara
mengkliknya.
 e. Abaikan yang lainnya, kemudian tekan tombol OK untuk prosessing data.
Outputnya sebagai berikut:

Correlations
Correl ations
Citizenship Partici pation Democ racy
Citizenship Pearson Correl ation 1 .969** .968**
Sig. (2-tailed) .007 .007
N 5 5 5
Partici pation Pearson Correl ation .969** 1 .977**
Sig. (2-tailed) .007 .004
N 5 5 5
Democ racy Pearson Correl ation .968** .977** 1
Sig. (2-tailed) .007 .004
N 5 5 5
**. Correlation is significant at the 0.01 level (2-t ailed).

Partial Corr
Correlations
Control Variables Citizenship Democ racy
Participation Citizenship Correlation 1.000 .397
Signific anc e (2-tailed) . .603
df 2
0
Democ racy Correlation .397 1.000
Signific anc e (2-tailed) .603 .
df 2
0

Analisis Hasil Pengolahan oleh SPSS:

Analisis Output
1. Arti Angka Korelasi (Lihat Correlation)
Pada hasil output ada dua bagian, yang pertama adalah Analsis Korelasi Pearson
(Bivariat) antara 3 variabel, yaitu Citizenship, Participation dan Democracy.
Sedangkan bagian yang kedua analisis korelasi antara Citizenship dengan Democracy
dimana Participation menjadi variabel pengontrolnya.

Bila dibandingkan terlihat bahwa angka korelasi antara Citizenship dengan

Democracy dengan menggunakan variabel pengontrol nilainya menjadi turun, yaitu
dari 0,968 menjadi 0,397. Sedangkan tandanya masih “positif’. Hal ini berarti bahwa
 dengan memperhitungkan besarnya tingkat partisipasi politik seseorang, masih ada
korelasi positif antara tingkat pengetahuan kewarganegaraan dengan perilaku
demokratisnya. Sehingga, semakin tinggi tingkat partisipasi politik seseorang, dan
jika perilaku demokrasinya pun meningkat, maka ada kecenderungan partisipasi
politik orang tersebut akan semakin meningkat. Demikian pula sebaliknya.

KORELASI UNTUK DATA ORDINAL

Bila kita memiliki data yang memiliki tipe ordinal, apakah analisis korelasinya harus
sama ? Menggunakan Pearson ? Jawabannya tentu tidak. Untuk data yang bersifat
ordinal, seperti hasil dari penyebaran kuesioner yang berisi variabel berjenjang seperti:
Sangat baik, Baik, Tidak Baik dan seterusnya, maka harus menggunakan korelasi
Spearman dan Kendall. Jadi datanya bisa kualitatif maupun kuantitatif.
Mari kita lihat contoh kasus analisis untuk data ordinal dengan membuka file
nilai_karyawan.

Pada contoh tersebut berisi nilai kapasitas karyawan dari suatu perusahaan dilihat dari
aspek prestasi kerja, IQ dan loyalitasnya. Dimana ada 75 orang karyawan.

Selanjutnya kita akan menghitung korelasi antara Prestasi Kerja, IQ yang dimiliki dan
Loyalitas karyawan. Karena ketiga variabel tersebut kualitatif maka korelasi yang
digunakan adalah korelasi Spearman dan Kendall.

Langkah-langkahnya sebagai berikut:

1. Buka file nilai_karyawan
2. Dari menu utama SPSS, pilih menu Analyze. Kemudian pilih submenu
Correlate, dan pilih Bivariate. Maka akan tampak di layar tampilan seperti
gambar berikut:
 3. Pengisian: Bila pada analsis data kuantitatif yang dicentang pada Correlation
Coefficients adalah Pearson, maka sekarang yang harus dicentang adalah
Kendall’s tau-b dan Spearman (jangan lupa nonaktifkan yang Pearson-nya).
4. Untuk variabel, isikan prestasi, IQ dan Loyalitas dengan cara mengkliknya untuk
menyorotnya, lalu klik tanda panah.
5. Untuk yang lainnya sama dengan analisis sebelumnya. Hasilnya adalah sebagai
berikut:

NonParametric Correlation
Correlations

Prestas i Loyalitas
Karyawan IQ Karyawan Konsum en
Kendal l's tau_b Prestas i Karyawan Correlation Coefficient 1.000 -.015 .299**
Sig. (2-tailed) . .893 .005
N 75 75 75
IQ Karyawan Correlation Coefficient -.015 1.000 .072
Sig. (2-tailed) .893 . .508
N 75 75 75
Loyalitas Konsumen Correlation Coefficient . .072 1.000
Sig. (2-tailed) 299**
.005 .508 .
N
75 75 75
Spearm an's rho Prestas i Karyawan Correlation Coefficient 1.000 -.016 .330**
Sig. (2-tailed) . .893 .004
N 75 75 75
IQ Karyawan Correlation Coefficient -.016 1.000 .077
Sig. (2-tailed) .893 . .509
N 75 75 75
Loyalitas Konsumen Correlation Coefficient . .077 1.000
Sig. (2-tailed) 330**
.004 .509 .
N
75 75 75
**. Correlation is si gnifi cant at the 0.01 level (2-tail ed).

Analisis: Penafsirannya sama dengan penafsiran pada analisis Pearson.

1. Arti Angka Korelasi (Lihat Pearson Correlation)

 Korelasi antara Prestasi dan Loyalitas adalah positif, atau semakin loyal
seorang karyawan, maka prestasinya cenderung semakin bagus. Demikian
pula sebaliknya. Akan tetapi angka korelasi sebesar 0,299 < 0,5 menunjukkan
lemahnya hubungan kedua variabel tersebut.
 Korelasi antara IQ dengan Loyalitas positif dan nilainya 0,072 0,5
menunjukan hubungan keduanaya lemah.
 Korelasi antara Prestasi dengan IQ adalah negatif, atau semakin tinggi IQ
karyawan maka prestasinya cenderung makin jelek, demikian pula sebaliknya.
Namun angka korelasi 0,015 < 0,5 menunjukkan lemahnya hubungan ekedua
variabel tersebut. Catatan: angka korelasi yang dipakai adalah korelasi
Kendall. Namun bila diukur dengan Spearman, hasilnya tidak jauh berbeda.

2. Signifikansi Hasil Korelasi (lihat Sig. (2-tailed))

 Korelasi antara Prestasi dengan Loyalitas adalah signifikan (Probabilitas
0,005 jauh lebih kecil daripada 0,05), yang berarti adanya hubungan yang
benar-benar signifikan antara Prestasi dan Loyalitas seorang karyawan.
 Korelasi anatara IQ dengan Loyalitas hampir signifikan (Probabilitas adalah
0,508 yang hampir mendekati 0,05). Untuk kasus ini bisa dilakukan dengan
pengujian ulang dengan data yang diperbaharui, untuk memastikan apakah
kedua variabel berkorelasi secara signifikan.
  Korelasi antara Prestasi dengan IQ adalah tidak signifikan (Probabilitas 0,893
jauh lebih besar daripada 0,05), yang berarti antara Prestasi dan IQ seorang
karyawan tidak ada hubungan.

3. Jumlah Data yang Berkorelasi

Dapat dilihat dari dari nilai N, karena tidak ada data yang hilang, maka data yang
diproses adalah 75. (Simpan hasil output dengan nama korelasi3).

ANALISIS REGRESI

Kita telah berlatih menggunakan analisis korelasi dengan SPSS, selanjutnya kita akan
berlatih untuk menggunakan analisis regresi. Tujuan dari analisis regresi adalah untuk
memprediksi besar Variabel Terikat (Dependent Variable) dengan menggunakan data
Variabel Bebas (Independent Variable) yang sudah diketahui besarnya.

Pada dasarnya tahapan penyusunan model analisis regresi adalah sebagai berikut:
1. Menentukan yang mana variabel bebas dan variabel terikatnya
2. Menentukan metode pembuatan model regresi, dalam SPSS ada beberapa pilihan,
yaitu: Enter, Stepwise, Forward dan Backward (perbedaanya akan dibahas pada
bagian lain). Default SPSS adalah metode Enter. Jika kita memilih metode
Stepwise, maka uji signifikansi justru mendahului uji asumsi seperti normalitas
dan sebagainya, oleh karena itu dalam latihan kita akan menggunakan default
SPSS yaitu metode Enter.
3. Melihat ada tidaknya data yang outlier (ekstrem)
4. Menguji asumsi-asumsi pada regresi berganda, seperti normalitas, Linieritas,
Heteroskedastisitas dan lain-lainnya.
5. Menguji signifikansi model (uji-t, uji-F dan sebagainya)
6. Intepretasi model Regresi Berganda

Persamaan model regresi dinyataakan dalam rumusan sebagai berikut:

Y = a + bX1 + cX2

Keterangan:
Y = Variabel dependen
X1 dan X2 = Variabel-variabel independen
a, b, c = konstanta-konstanta regresi

Latihan:
Kembali kita buka lagi file sebelumnya yang menggambarkan antara tingkat partisipasi
politik seseorang dengan tingkat pengetahuan kewarganegaraannya dan tingkat perilaku
demokrasinya. Dalam analisis regresi kita ingin meprediksi, bagaimana tingkat partisipasi
politik seseorang bila tingkat pengetahuan kewarganegaraannya dan tingkat perilaku
demokrasinya berubah-ubah nilainya. Untuk itu kita lihat lagi contoh data yang kita
punya sebelumnya.
 Tabel Data Analisis Regresi

Responden Participation Citizenship Democracy

1 1 5 1
2 3 7 4
3 5 10 5
4 7 10 6
5 9 12 8

Langkah-langkah:
1. Buat atau jika sudah ada buka lagi file SPSS yang memuat data ini.

2. Dari menu SPSS, pilih menu utama Analyze, lalu submenu Regression, kemudian
pilih Linear … Maka akan tampak tampilan seperti ini

3. Untuk pengisian, sebagai berikut:

a. Untuk pilihan Dependent (variabel terikat). Pilih variabel Participation
b. Untuk Independent(s) pilih Citizenship dan Democracy
c. Method, pilih Enter
d. Abaikan bagian lain
e. Tekan OK untuk prosessing data maka outputnya diperoleh sebagai berikut.
Output dan Analisisnya

Model Summary

Adjusted Std. Error of

Model R R Square R Square the Estimate
a
1 .982 .963 .927 .85442
a. Predictors: (Constant), Democracy, Citizenship

Bagian ini menggambarkan derajat keeratan hubungan antarvariabel.

 Angka R sebesar 0.982(a) menunjukkan bahwa korelasi/hubungan antara
Participation dengan kedua variabel independen-nya adalah kuat (karena besarnya >
0,5).
 Angka R Square atau Koefisien Determinasi adalah 0.963 (berasal dari 0,982 x
0,982). Ini artinya bahwa 0,963 atau 96,3% variasi dari Participation dapat dijelaskan
oleh variasi dari kedua variabel independen, yaitu Democracy dan Citizenship.
Sedangkan sisanya (100-96,3 = 0,7) atau 7% dijelaskan oleh sebab-sebab yang lain.
Untuk variabel independen lebih dari dua sebaiknya gunakan Adjusted R Square yang
pada latihan kita nilainya 0,927.
 Std. Error of the Estimate yang nilainya 0.85442 menggambarkan tingkat ketepatan
prediksi regresi, dimana semakin kecil angkanya maka semakin baik prediksinya.

ANOV Ab

Sum of
Model Squares df Mean S quare F Sig.
1 Regres sion 38.540 2 19.270 26.396 .037a
Residual 1.460 2 .730
Total 40.000 4
a. Predic tors: (Constant), Dem ocracy, Citiz ens hip
b. Dependent Variable: Participation

Bagian ini menggambarkan tingkat signifikansi. Dari uji ANOVA atau F-test, didapat F-
hitung 26.396 dengan tingkat signifikansi sebesar 0,037. Karena probabilitas (tingkat
signifikansi) ini lebih kecil daripada 0,05 maka model regresi ini bisa dipakai untuk
memprediksi tingkat partisipasi politik seseorang. Dengan kata lain, tingkat pengetahuan
kewarganegaraan seseorang dan tingkat perilaku demokratisnya secara bersama-sama
berpengaruh terhadap tingkat partisipasi politiknya.
 Coeffi cientsa

Unstandardized St andardiz ed
Coeffic ients Coeffic ients
Model B Std. E rror Beta t Sig.
1 (Const ant) -2. 300 2.491 -.924 .453
Citizenship .411 .610 .360 .673 .570
Democ racy .768 .654 .629 1.175 .361
a. Dependent Variable: Participation

Sedangkan bagian ini menggambarkan seberapa besar koefisien regresinya.

 Persamaan regresi yang diperoleh adalah sebagai berikut:
Participation = -2.300 + 0,411 Citizenship + 0,768 Democracy
 Konstanta sebesar -2,30 menyatakan bahwa jika seseorang tidak memiliki
pengetahuan kewarganegaraan dan perilaku demokratis maka partisipasi politiknya -
2,30. Secara kualitatif tentu tidak ada perilaku “minus”, mungkin dapat
diintepretasikan dalam konteks budaya politik gal itu adalah budaya “apatis”. Jangan
lupa juga, bahwa secara nyata ketiga variabel itu berskala ordinal, tidak memiliki
angka “nol” seperti dalam batasan skala interval.
 Koefisien regresi 0,411 menunjukkan bahwa setiap pengetahuan kewarganegaraan
seseorang bertambah +1 poin, maka partisipasi politiknya akan bertambah 0,411 poin.
 Koefisien regresi 0,768 menunjukkan bahwa setiap tingkat perilaku demokratis
seseorang bertambah +1 poin, maka partisipasi politiknya akan bertambah juga
sebesar 0,768 poin
 Sedangkan uji-t digunakan untuk menguji signifikansi konstanta dan setiap variabel
independen
Hipotesis yang dibangun adalah sebagai berikut:
Ho = Koefisien Regresi Tidak Signifikan
Hi = Koefisien Regresi Signifikan

Pengambilan keputusan (berdasarkan probabilitas, lihat kolom Sig.) adalah sebagai

berikut:
Jika Sig. > 0,05 maka Ho diterima
Jika Sig. < 0,05 maka Ho ditolak , Hi diterima

Terlihat bahwa pada kolom Sig. untuk ketiga variabel tersebut, yaitu konstanta =
0,453, Citizenship = 0,57 dan Democracy = 0,361 mempunyai angka signifikansi >
0,05, dengan demikian Ho diterima atau dengan kata lain kedua variabel tersebut
tidak cukup signifikan mempengaruhi tingkat partisipasi politik seseorang.

 Kejadian di atas mungkin disebabkan karena data-data yang ada memang

menunjukkan hal tersebut.
 BAB II
PENUTUP

I.Kesimpulan

Korelasi Berganda adalah suatu korelasi yang bermaksud untuk melihat hubungan antara 3
atau lebih variabel (dua atau lebih variabel dependent dan satu variabel independent). Korelasi
berganda berkaitan dengan interkolasi variabel variabel independen seagaimana korelasi
mereka dengan variabel dependen. Selain itu menurut Riduwan (2012:238) korelasi ganda
adalah suatu nilai yang memberika kuatnya pengaruh atau hubungan dua variabel atau lebih
secara bersama sama dengan variabel lain.

II.Daftar Pustaka

Ali, Sambas. 2007. Analisis Korelasi, Regresi, dan Lajur dalam Penelitian. Bandung:
Pustaka Setia.

Alí Arroyo, Elizabeth. (2004). Desarrollo de mapas conceptuales con niños de kinder y
primer grado [The development of concept maps with children in kindergarten and first
grade]. In Alberto J. Cañas, Joseph D. Novak, & Fermín M. Gonzalez (Eds.), Proceedings of
the 1st International Conference on Concept Mapping. Pamplona, Spain: Universidad Pública
de Navarra. Retrieved March 28, 2006, from http://cmc.ihmc.us/CMC2004Programa.html.

Arikunto, Suharsimi. 2006. Prosedur Penelitian Suatu Pendekatan Praktik. Jakarta.

Rineka Cipta. 2009. Dasar-dasar Evaluasi Pendidikan (Edisi Revisi). Jakarta. Bumi Aksara