KORELASI BERGANDA

MK. STATISTIK INDUSTRI II

Dosen Pembimbing :

M. IMRON MAS’UD , ST.,MT

DISUSUNOLEH :

Yogi laksono putro (201969030027)

Adi lesta logo (201969030001)
Yanuar Syarifudin (201969030002)
Ach. Syahri Ramadhan (201969030003)
Kholifan fani (201969030004)

PROGRAM STUDI TEKNIK INDUSTRI

FAKULTAS TEKNIK
UNIVERSITAS YUDHARTA PASURUAN
2020
 KATA PENGANTAR

Puji syukur saya ucapkan kepada Tuhan yang Maha Esa, karena berkat dan kasih karunia-Nya
penulis dapat menyelesaikan Tugas merangkum materi yang berjudul “korelasi berganda”baik. Tugas
ini dimaksudkan untuk memenuhi tugas mata kuliah Statistik Industri II sebagai syarat tugas
pembelajaran pada Program Studi teknik industri, Fakultas teknik, Universitas Yudharta pasuruan.
Penulis mengucapkan terima kasih kepada dosen pembimbing mata kuliah Statistik Industri II
Bapak IMRON MAS’UD, ST.,MT, karena telah memberikan materi dengan baik dan benar. Penulis
juga mengucapkan terima kasih kepada seluruh pihak yang telah memberikan bimbingan dan arahan
selama penulis mengerjakan laporan ini.
Penulis menyadari bahwa Tugas ini masih jauh dari kesempurnaan. Oleh karena itu, saran dan
kritik dari berbagai pihak dalam upaya untuk memperbaiki isi laporan ini akan sangat penulis hargai.
Semoga tulisan ini bermanfaat bagi siapapun yang membacanya.

Pasuruan, oktober 2020

 A. Sejarah
Seperti apa sejarah path analysis itu? Teknik path analysis, yang dikembangkan oleh Sewal
Wright di tahun 1934, sebenarnya merupakan pengembangan korelasi yang diurai menjadi beberapa
interpretasi akibat yang ditimbulkannya. Sewall Wright adalah seorang ahli genetika yang
mengembangkan path analysis untuk membuat kajian hipotesis hubungan sebab akibat dengan
menggunakan korelasi. Lebih lanjut, path analysis mempunyai kedekatan dengan regresi berganda;
atau dengan kata lain, regresi berganda merupakan bentuk khusus dari path analysis. Teknik ini juga
dikenal sebagai model sebab-akibat (causing modeling). Penamaan ini didasarkan pada alasan bahwa
analisis jalur memungkinkan pengguna dapat menguji proposisi teoritis mengenai hubungan sebab dan
akibat tanpa memanipulasi variabel-variabel. Memanipulasi variabel maksudnya ialah memberikan
perlakuan (treatment) terhadap variabel-variabel tertentu dalam pengukurannya. Asumsi dasar model
ini ialah beberapa variabel sebenarnya mempunyai hubungan yang sangat dekat satu dengan lainnya.
Dalam perkembangannya saat ini path analysis diperluas dan diperdalam kedalam bentuk analisis
“Structural Equation Modeling” atau dikenal dengan singkatan SEM.
Sebenarnya gagasan Sewal Wright ini diilhami oleh penemuan – penemuan rumus sebelumnya
diantaranya ialah pada tahun 1901 Karl Pearson, penemu rumus korelasi Pearson, menemukan
principal component analysis dan Charles Spearman, penemu rumus korelasi Spearman, pada tahun
1904 menemukan teknik analisis faktor yang banyak memberikan pengaruh terhadap perkembangan
Structural Equation Modelling (SEM) yang didasari oleh path analysis (PA) yang oleh sebagian besar
orang dimasukkan dalam kategori yang sama antara SEM dan PA. Kesamaan dasar antara SEM dan
PA semata-mata hanya karena masalah hubungan sebab akibat (casuality). Yang kemudian pada
perkembangannya PA lebih merupakan representasi model yang hubungan kasualitas yang bersifat
searah (yang secara tekniks disebut recursive) sedang SEM merupakan representasi model hubungan
sebab akibat yang bersifat searah dan dua arah / timbal balik / reciprocal (yang secara tekniks disebut
non recursive) Kontribusi Wright yang terbesar ialah penemuannya mengenai metode koefesien jalur
dalam konteks hubungan kasualitas yang menjadi landasan dalam mengubungan antara masalah
statistik dengan masalah sebab akibat. Sehingga dalam perkembangan berikutnya orang kemudian
mengaitkan antara hubungan kasualitas dengan path analysis secara tidak sengaja. Sebenarnya tidak
ada landasan teori yang memberikan justifikasi bahwa ada hubungan antara path analysis dengan
model kasualitas; sebagaimana adanya teori yang mengatakan bahwa ada hubungan antara regresi
linier dengan hubungan kasualitas. Sekalipun demikian, menurut Dennis dan Legerski (2006) terdapat
sejarah yang membuktikan bahwa ada hubungan antara path analysis dan kasualitas. Hanya dari faktor
sejarahlah orang dapat memberikan justifikasi bahwa path analysis berkaitan dengan kasualitas. Itulah
sebabnya pada bagian berikut ini akan dibahas secara singkat sejarah karya-karya Sewal Right yang
menjadi landasan pemikiran mengapa akhirnya orang menyimpulkan ada hubungan antara path
analysis dengan model kasualitas.
 B. KAJIAN PUSTAKA
2.1.1 Pengertian Korelasi Ganda
Korelasi ganda adalah bentuk korelasi yang digunakan untuk melihat hubungan antara tiga atau lebih
variabel (dua atau lebih variabel independen dan satu variabel dependent. Korelasi ganda berkaitan
dengan interkorelasi variabel-variabel independen sebagaimana korelasi mereka dengan variabel
dependen.
Korelasi ganda adalah suatu nilai yang memberikan kuatnya pengaruh atau hubungan dua variabel
atau lebih secara bersama-sama dengan variabel lain. Korelasi ganda merupakan korelasi yang terdiri
dari dua atau lebih variabel bebas (X1,X2,…..Xn) serta satu variabel terikat (Y). Apabila perumusan
masalahnya terdiri dari tiga masalah, maka hubungan antara masing-masing variabel dilakukan dengan
cara perhitungan korelasi sederhana.
2.2.1 Maksud Korelasi Ganda
Korelasi ganda memiliki koefisien korelasi, yakni besar kecilnya hubungan antara dua variabel yang
dinyatakan dalam bilangan. 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.
2.2.2 Tujuan
Pada umumnya analisis korelasi ganda bertujuan untuk mencari hubungan antara dua atau lebih
variabel bebas dengan variabel terikat. Selain itu, analisis korelasi ganda juga dipergunakan untuk
mencari kuat atau lemahnya hubungan antar dua atau lebih variabel independen terhadap variabel
dependen. Melalui korelasi ganda keeratan dan kekuatan hubungan antar variabel tersebut dapat
diketahui.
2.2.3 Kegunaan Korelasi Ganda
1. Mencarihubunganataukontribusidua variable bebas (X) ataulebihsecarasimultan (bersama-sama)
dengan variable terikat (Y).
2. Mencariarahdankuatlemahnyahubunganantara 2 ataulebih variable independen (X1,X2...Xn)
terhadap variable dependen (Y).
2.3.1 Kelebihan dan Kelemahan Penelitian Korelasional

Penelitian korelasional mengandung kelebihan-kelebihan, antara lain: kemampuannya untuk

menyelidiki hubungan antara beberapa variabel secara bersama-sama (simultan); dan Penelitian
korelasional juga dapat memberikan informasi tentang derajat (kekuatan) hubungan antara variabel-
variabel yang diteliti (Abidin, 2010). Selanjutnya, Sukardi menambahkan kelebihan penelitian ini
adalah penelitian ini berguna untuk mengatasi masalah yang berkaitan dengan bidang pendidikan,
ekonomi, sosial. Dengan penelitian ini juga memungkinkan untuk menyelidiki beberapa variabel
untuk diselidiki secara intensif dan penelitian ini dapat melakukan analisis prediksi tanpa memerlukan
sampel yang besar.
Sedangkan, kelemahan penelitian korelasional, antara lain: Hasilnya cuma mengidentifikasi apa
sejalan dengan apa, tidak mesti menunjukkan saling hubungan yang bersifat kausal; Jika dibandingkan
dengan penelitian eksperimental, penelitian korelasional itu kurang tertib- ketat, karena kurang
melakukan kontrol terhadap variabel-variabel bebas; Pola saling hubungan itu sering tak menentu dan
kabur; ering merangsang penggunaannya sebagai semacam short-gun approach, yaitu memasukkan
berbagai data tanpa pilih-pilih dan menggunakan setiap interpretasi yang berguna atau bermakna.

C. TEKNIK PENYELESAIAN
3.1.1 Langkah-Langkah Menghitung Koefisien Ganda (R)
Menurut Hasanah (2016), langkah-langkah untuk melakukan analisis korelasi ganda yaitu:
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:
Misalnya pada suatu penelitian yang berjudul “Kepemimpinan dan Tata Ruang Kantor dalam
kaitannya dengan Kepuasan Kerja Pegawai di lembaga A”. Berdasarkan data yang terkumpul untuk
setiap variabel, dan setelah dihitung korelasi sederhananya ditemukan sebagai berikut :

1. Korelasi antara Kepemimpinan dengan Kepuasan Kerja Pegawai, r1 = 0,45;

2. Korelasi antara Tata Ruang Kantor dengan Kepuasan Kerja Pegawai, r2 = 0,48;
3. Korelasi antara Kepemimpinan dengan Tata Ruang Kantor, r3 = 0,22.

Dengan menggunakan rumus 7.4 korelasi ganda antara Kepemimpinan dan Tata Ruang Kantor secara
bersama-sama dengan Kepuasan Kerja Pegawai dapat dihitung.

Hasil perhitungan korelasi sederhana dan ganda dapat digambarkan sebagai berikut :
Dari perhitungan tersebut, ternyata besarnya korelasi ganda R harganya lebih besar dari korelasi
Individual ryx1 dan ryx2. Pengujian signifikansi terhadap koefisien korelasi ganda dapat
menggunakan rumus 7.5 berikut, yaitu dengan uji F.

Dimana :
R = koefisien korelasi ganda
k = jumlah variabel Independen
n = jumlah sampel

Berdasarkan angka yang telah ditemukan, dan bila n = 30, maka harga Fh, dapat dihitung dengan
rumus 7.5.

Harga tersebut selanjutnya dibandingkan dengan harga F tabel dengan dk pembilang = k dan dk
penyebut = (n — k — 1). Jadi dk pembilang = 2 dan dk penyebut = 10–2–1 = 7. Dengan taraf
kesalahan 5%, harga F tabel ditemukan = 4,74. Ternyata harga F hitung lebih besar dari F tabel (7,43
> 4,74). Karena Fh > dari F tabel maka koefisien korelasi ganda yang ditemukan adalah signifikan
(dapat diberlakukan untuk populasi dimana sampel diambil).

D. CONTOH PENYELESAIANNYA
4.1.1 Penyelesaian secara manual KOEFISIEN KORELASI GANDA

Untuk 2 variabel bebas (X1 dan X2 ) maka r dihitung dengan rumus:

2y x 2y x

√ r + r − 2 ry x ry x r x
1 2
1 2 1
x2
ry x1 x2 = 2x x

1−r 1 2
 ry x x
dimana : 1 2 = Koefisien korelasi ganda antara variable X1 dan X2 secara bersama-sama dengan variable
Y

ry x
1 = Koefisien korelasi X1 dengan Y

ry x
2 = Koefisien korelasi X2 dengan Y

rx
1 x2 = Koefisien korelasi X1 dengan X2

Misalkan kita melakukan pengamatan terhadap 10 keluarga mengenai:

X1 = pendapatan dalam ribuan rupiah

X2 = jumlah keluarga dalam satuan jiwa

Y = pengeluaran untuk membeli barang A dalam ratusan rupiah

X1 10 2 4 6 8 7 4 6 7 6

X2 7 3 2 4 6 5 3 3 4 3
Y 23 7 15 17 23 22 10 14 20 19

Akan dibuktikan ada hubungan linier positif dan signifikan antara variabel X 1 dan X2 secara bersama-sama

No X1 X2 Y X1Y X2Y X1X2 X12 X22 Y2

1 10 7 23 230 161 70 100 49 529

2 2 3 7 14 21 6 4 9 49
3 4 2 15 60 30 8 16 4 225

4 6 4 17 102 68 24 36 16 289
5 8 6 23 184 138 48 64 36 529

6 7 5 22 152 110 35 49 25 484

7 4 3 10 40 30 12 16 9 100

8 6 3 14 84 42 18 36 9 196
9 7 4 20 140 80 28 49 16 400

10 6 3 19 114 57 18 36 9 361
Jumla 60 40 170 1121 737 267 406 182 3162
h
Dari tabel diperoleh:

n = 10, åX1 = 60, åX2 = 40, åY = 170, åX1Y = 1122, åX2Y = 737, åX1 X2 = 267, åX12 = 406, åX22 = 182, åY2 =
3162

n ∑ X 1 Y −(∑ X 1 )(∑ Y )
r yx √{ n ( ∑ X 21)−( ∑ X 1)2 }{ n (∑ Y 2 )−( ∑ Y 1)2 }
1 = =

10 (1122)−(60 )(170)
r yx √{10 ( 406 )−(60 )2}{10 (3162 )−(170 )2}
1 =

1020 1020
r yx =
1 = √ 460 x 2720 1118,57

r yx
1 = 0,912

n ∑ X 2 Y −(∑ X 2 )( ∑ Y )
r yx √{n ( ∑ X 22)−( ∑ X 2)2 }{ n (∑ Y 2 )−( ∑ Y )2}
2 = =

10 (737)−(40 )(170)
r yx √{10 (182 )−( 40)2 }{10 (3162)−(170)2 }
2 =

570 570
r yx =
2 = √ 220 x 2720 773,56

r yx
2 = 0,74

n ∑ X 1 X 2−( ∑ X 1 )( ∑ X 2 )
rx x2 √{ n ( ∑ X 21)−( ∑ X 1)2 }{ n (∑ X 22 )−(∑ X 2 )2}
1 = =

10 (267)−(60 )(40 )
rx x2 √{10 ( 406 )−(60 )2}{10 (182 )−( 40)2 }
1 =

270 270
rx =
1
x2
= √ 460 x 220 318,12

rx x2
1 = 0,85
 2y x 2y x

√ r + r − 2 r y x 1 r y x 2 r x1
1 2
x2
ry x1 x2 = 2x x

1− r 1 2

2 2
(0,912) +(0,74 ) − 2 (0,912 )( 0,74)(0,85 )
= √ 1−(0,85 )2

= √ 0,8354
= 0,914

Kesimpulan: Terdapat hubungan yang signifikan antara X2 bersama-sama dengan X2 dengan Y.

Atau : Terdapat hubungan yang signifikan antara pendapatan dan jumlah keluarga dengan
pengeluaran untuk membeli barang A.

E. DAFTAR ISTILAH – ISTILAH

No Istilah Arti
.
1. Korelasi Secara sederhana, korelasi dapat diartikan sebagai hubungan . salah satu
teknik analisis dalam statistik yang digunakan untuk mencari hubungan antara
dua variabel yang bersifat kuantitatif
2. Korelasi Berganda Korelasi ganda adalah bentuk korelasi yang digunakan untuk melihat
hubungan antara tiga atau lebih variabel (dua atau lebih variabel independen
dan satu variabel dependent. Korelasi ganda berkaitan dengan interkorelasi
variabel-variabel independen sebagaimana korelasi mereka dengan variabel
dependen
3. Koefisien Korelasi koefisien korelasi adalah nilai yang menunjukan kuat/tidaknya hubungan
linier antar dua variabel. Koefisien korelasi biasa dilambangkan dengan huruf
r dimana nilai r dapat bervariasi dari -1 sampai +1. Nilai r yang mendekati -1
atau +1 menunjukan hubungan yang kuat antara dua variabel tersebut dan
nilai r yang mendekati 0 mengindikasikan lemahnya hubungan antara dua
variabel tersebut

F. REFERENSI
http://ciputrauceo.net/blog/2016/5/16/pengertian-korelasi-dan-macam-macam-korelasi

https://www.slideshare.net/Ferich18/analisa-korelasi-ganda

https://medium.com/@indriin05/korelasi-dan-regresi-berganda-8208b1ff3c1c

https://penalaran-unm.org/analisis-korelasi-ganda/