Makalah

Statistik Pendidikan
“Regresi Linear”

 
Oleh:
Kelompok 3
 
1.        Arbi Tagazi (19129091)
2.        Arifantri Zozeka  (19129092)
3.        Aulia Ramadhani Putri (19129093)
4.        Agnes Monalisa J (19129186)
5.        Faresti Dwilanda A.R (19129116)
 
Seksi: 19 BB 03
 
Dosen Pengampu:
Nur Fadillah, S.Pd., M.Pd
 
 
PENDIDIKAN GURU SEKOLAH DASAR
FAKULTAS ILMU PENDIDIKAN
UNIVERSITAS NEGERI PADANG
2021
 KATA PENGANTAR
Dengan mengucapkan puji dan syukur kepada Allah SWT yang telah memberikan
rahmat dan hidayah-Nya sehingga kami dapat menyelesaikan tugas makalah kami
yang berjudul “Regresi Linear”  ini tepat pada waktunya.
Terima kasih kami ucapkan kepada ibu dosen pengampu kami yang telah
membantu kami baik secara moral maupun materi. Terima kasih juga kami
ucapkan kepada teman-teman seperjuangan yang telah mendukung kami sehingga
kami bisa menyelesaikan tugas makalah ini tepat waktu.
Kami menyadari bahwa makalah yang kami buat ini masih jauh dari kata
sempurna baik dari segi penyusunan, bahasa, maupun penulisannya. Oleh karena
itu, kami sangat mengharapkan kritik dan saran yang bersifat membangun dari
semua pembaca guna menjadi acuan agar kami sebagai penulis bisa menjadi lebih
baik lagi di masa mendatang.
Semoga laporan makalah ini bisa menambah wawasan para pembaca dan
bisa bermanfaat untuk perkembangan dan peningkatan ilmu pengetahuan.
 
 
Palembang,  Oktober  2021
 
 
Kelompok 3
 DAFTAR ISI

KATA PENGANTAR.................................................................................. i
DAFTAR ISI................................................................................................ ii
BAB I PENDAHULUAN
A. Latar Belakang................................................................................... 1
B. Rumusan Masalah.............................................................................. 1
C. Tujuan................................................................................................. 1
BAB II KAJIAN TEORI
A. Pengertian Korelasi............................................................................ 2
B. Kegunaan Korelasi............................................................................. 4
C. Korelasi Pearson................................................................................. 5
D. Korelasi Spearman............................................................................. 6
E. Pengujian Signifikansi Korelasi......................................................... 7
BAB III PEMBAHASAN
A. Analisis Korelasi Pearson pada Contoh............................................. 10
B. Analisis Metode Z skor untuk perhitungan korelasi Pearson
pada Contoh........................................................................................ 14
C. Analisis Korelasi Spearman pada Contoh.......................................... 15
D. Analisis Pengujian Signifikansi Korelasi pada Contoh...................... 16
BAB IV PENUTUP
A. Kesimpulan......................................................................................... 17
B. Saran................................................................................................... 17
DAFTAR PUSTAKA
 BAB I
PENDAHULUAN

A. Latar Belakang
Ilmu statistik sangat dibutuhkan untuk melakukan berbagai analisis data
yang akan digunakan dalam penelitian. Menurut Nisfiannoor (2009) statistika
adalah ilmu yang mengajarkan bagaimana mengumpulkan data, menyajikan data
dalam bentuk yang mudah dipahami, menganalisis data, menafsir data dan
mengambil kesimpulan dalam situasi yang memiliki ketidakpastian. Seorang
peneliti seringkali ingin mengetahui ada tidaknya hubungan diantara variabel yang
diamati, atau ingin mengetahui seberapa besar derajat keeratan hubungan diantara
variabel tersebut. Hal yang demikian diistilahkan dengan uji korelasi.
Uji korelasi merupakan bagian dari ilmu statistik yang digunakan untuk
menentukan hubungan keeratan antara dua variabel atau lebih dengan
menggunakan analisis koefisien korelasi. Koefisien korelasi menurut Samsubar
(1986) digunakan untuk mengukur derajat erat tidaknya hubungan antara satu
variabel terhadap variabel lainnya dimana pengamatan pada masing-masing
variabel tersebut pada pemberian peringkat tertentu yang sesuai dengan
pengamatan serta pasangannya.
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 Correlation, Kendall’s tau-
b, dan Spearman Correlation. Pearson Correlation digunakan untuk data berskala
interval atau rasio, sedangkan Kendall’s tau-b,dan Spearman Correlation lebih
cocok untuk data berskala ordinal. sedangkan korelasi linear berganda merupakan
perluasan dari korelasi linier sederhana. Dengan demikian, kami tertarik untuk
membahas tentang materi perkuliahan Statistik kali ini yang berjudul “Uji
Korelasi Linier Sederhana dan Uji korelasi Linier Berganda”.
B. Rumusan Masalah
Berdasarkan latar belakang yang telah dijelaskan terdapat beberapa
perumusan masalah yang dapat dibuat, diantaranya:
1. Apa yang dimaksud dengan uji korelasi linier sederhana dan uji korelasi linier
berganda?
2. Bagaimana syarat uji korelasi linier sederhana dan uji korelasi linier berganda?
3. Bagaimana cara menentukan korelasi linier sederhana dan korelasi linier
berganda?
4. Bagaimana aplikasi penggunaan korelasi linier sederhana dan korelasi linier
berganda?

C. Tujuan
Sesuai dengan rumusan masalah, tujuan dalam pembuatan makalah ini
adalah:
1. Mengetahui apa yang dimaksud dengan uji korelasi linier sederhana dan
uji korelasi linier berganda
2. Mengetahui syarat uji korelasi linier sederhana dan uji korelasi linier
berganda
3. Mengetahui cara menentukan korelasi linier sederhana dan korelasi linier
berganda
4. Mengetahui aplikasi penggunaan korelasi linier sederhana dan korelasi
linier berganda
 BAB II
KAJIAN TEORI
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
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.
Misalnya pada penelitian guru tentang pengukuran tinggi badan dan tinggi
lompatan peserta didik. Setiap satu subjek akan memberikan dua macam nilai
yaitu tinggi badannya dan tinggi lompatannya.
Tabel 1. Pengukuran Tinggi Badan dan Loncatan Peserta Didik
Peserta Didik A B C D E
Tinggi Badan 150 160 165 170 175
Tinggi Loncatan 170 175 180 185 190

Hasil pengukuran tersebut jika dibuat dalam bentuk grafik, hasilnya adalah:
195
190 190
Tinggi Loncatan

185 185
180 180
175 175
170 170
165
160
145 150 155 160 165 170 175 180
Tinggi Badan

Gambar 2. Grafik pengukuran tinggi badan dan loncatan peserta didik

 Apabila titik satu dengan titik lainnya yang berdekatan dihubungkan, maka
akan terbentuk suatu garis yang berkemungkinan lurus, melengkung, dan
mungkin tidak berketentuan bentuknya. Walaupun kita mengalami kesukaran
dalam menarik garis yang dapat menghubungkan antar titik dengan jarak terdekat,
tetapi kita dapat membuat garis secara intuisi yang mempunyai rata-rata jarak
terdekat dengan seluruh titik yang ada. Pembuatan garis dengan cara tersebut
tidak akan cukup akurat terlebih jika titik-titik yang tersebar cukup banyak.
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. Jenis data yang Diolah

Korelasi digunakan secara umum sebagai berikut.
1. Menentuan arah atau bentuk dan kekuatan hubungan
a. Arah hubungan : positif, negatif atau tidak ada.
b. Kekuatan hubungan : sempurna, kuat, lemah atau tidak ada.
2. Menentukan kovariasi, yaitu bagaimana dua variabel random (X dan Y)
bercampur.
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 hubungan tersebut disebut sebagai korelasi sempurna
atau hubungan linear sempurna dengan kemiringan (slope) positif.
C. Syarat Uji, Rumus dan Contoh Korelasi Linier Sederhana
1. Syarat Uji dan Rumus Korelasi Linier Sederhana
a. 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− X ) (Y −Y ) }
...............................................................(1)
√ ∑ ( X −X ) 2
∑ ( Y −Y )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:
 r =n
∑ XY −¿ ∑ X ∑ Y ¿
2 ...................................................(2)
√ ∑ (∑ ) √ ∑ ( ∑ )
n X
2
− X
2
n Y
2
− Y
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
Σ Zx Zy
r= ...........................................................................(3)
n
Untuk menghitung Z skor digunakan rumus :
X− X
Zx = ............................................................................(4)
Sd x
Y −Y
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
−X Y
r= n ..........................................................................(6)
Sd x . Sdy

b. 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 :
6∑ D
2
r=1−
n ( n2 −1 ) ...................................................................(7)

Keterangan :

D = selisih antara X dan Y

6 = angka konstan

c. 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 :

t=r
√ n−2
1−r 2 ....................................................................(8)
Sedangkan nilai t untuk korelasi spearman dapat dihitung dengan rumus :

t=r s
√ n−2
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)

NIlai Z untuk korelasi spearman dihitung dengan rumus :
Z =r s √ n−1 ..................................................................(11)
 Dalam hal ini kita menggunakan asumsi bahwa sampling distribusi dari

a-rata=0 dan standar

pada sampel berdistribusi mendekati normal dengan rat
1
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 thitung > ttabel, maka Ho ditolak 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)

2. 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 ).

6) Jumlah kuadrat skor/ nilai variabel X (∑ X 2).

7) Jumlah kuadrat skor/ nilai variabel Y (∑ Y 2).
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:
n = 10; ∑ XY =¿549; ∑ X=¿ 155; ∑ Y =35,235; ∑ X 2=¿ ¿2513;
∑ Y 2=¿ ¿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= = =
√ ( 10 x 2513 ) −155 √ ( 10 x 125,9 )−35,2
2 2
√ 1105 √19,96 148,5119524

= 0,2289378023 = 0,23.
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:

X =∑ X :n Y =∑ 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- X ).
2) Simpangan masing-masing skor/ nilai variabel Y dengan rata-ratanya (Y-Y ).
3) Kuadrat simpangan masing-masing skor/ nilai variabel X dengan rata-ratanya
(X −X )2 .
4) Kuadrat simpangan masing-masing skor/ nilai variabel Y dengan rata-ratanya
(Y −Y )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- X )(Y-Y ).
6) Jumlah kuadrat simpangan masing-masing skor/nilai variabel
X {∑ ( X −X )2 }.
7) Jumlah kuadrat simpangan masing-masing skor/ nilai variabel
Y {∑ (Y −Y ) }.
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 −X )(Y −Y )}.
Sehingga tabel beserta hasil perhitungannya dapat dilihat dalam
Tabel 5 berikut:

Tabel 5. Perhitungan Nilai Simpangan

X −X (X −X )2 Y −Y (Y −Y )2 ( X −X )(Y −Y )
4.5 20.25 -0.42 0.1764 -1.89
 X −X (X −X )2 Y −Y (Y −Y )2 ( X −X )(Y −Y )
2.5 6.25 0.48 0.2304 1.2
-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 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
8 2 6 36
9 9 0 0
10 1 9 18
Jumlah 42 207

Dengan menggunakan rumus (7) dapat dicoba menghitung korelasi Spearman

(6 x 207) 1242
berikut: r =1− =1− =1−1,254545=−0,254545
10(100−1) 990
D. Syarat Uji, Rumus dan Contoh Korelasi Linier Berganda
1. 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 (x1, 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 (X 1, 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 :

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

2. 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 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
(Ratusan Ribu Makanan (Ratusan Ribu
Rp/Bulan) X2 Rp/Bulan)
X1 Y
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 :
 Komputasi Persamaan Regresi Linier Berganda Berdasarkan Hubungan
variabel Penghasilan Keluarga (X1) dan Variabel Besar Keluarga (X2)
dengan Variabel Pengeluaran Untuk Bahan Makanan (Y)
X
X1 X2 Y 1 X22 Y2 X1Y X2Y X1X2
2

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 :
( 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 X2 konstan, pertambahan
satu unit pada X1 akan mempunyai pengaruh menaikkan 0,0544 unit pada Y.
Kedua, apabila X1 kostan, pertambahan satu unit pada X2, akan mempunyai
pengaruh menaikkan 0,2304 unit pada Y. Ketiga, apabila X 1 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 :

S y 12=

dimana,
√ ∑ Y 2−b 1∑ X 1 Y −b2 ∑ X 2 Y
n−3

n = jumlah data
3 = banyak koefisien

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

Rumus (1) :

S Y 12=
√ 0 , 565654
15−3
=0 , 217

Rumus (2) :
Analisis Korelasi Berganda

S y 12=
√ 3 , 777−0 , 0544(16 , 858 )−0 , 2304(9 , 96 )
15−3

S y 12=
√
12−3
=√ 0 , 047095=0 , 217
=
12 √
3 ,777−0 , 9170752−2 , 294784 3 ,777−3 , 2118592 0 ,56514
=
12 √
Jadi koefisien korelasi berganda dari contoh tersebut adalah :

RY . 12=
√ 3, 777
=
√
0 ,0544(16 , 858)+0 ,2304 (9 , 96 ) 3 ,2118592
3 ,777
=0 ,92

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

2 b1 ∑ X 1 Y + b2 ∑ X 2 Y SSR
RY. 12= atau
∑Y 2 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 (X1) 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 (X1) dengan pengeluaran untuk
bahan makanan (Y) apabila besar keluarga (X2) 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−r 2 X 2Y )(1−r 2 X 1 X 2 )
rX 2 Y −(rX 1 Y )(rX 1 X 2 )
r Y .2( 1)=
√(1−r2 X 1 Y )(1−r2 X 1 X 2 )
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
1 X2
√∑ 1 ∑ 2
( X
2
)( X
2
) √ (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)2
)(1−(0 ,20 )2
) (0, 694 )( 0 ,98 )
0 , 72−(0 , 41)(−0 , 20 ) 0 ,802
r Y .2( 1)= = =0 , 90
√ (1−(0 , 41 )2
)(1−(0 , 20 )2
) (0 , 912)(0 , 98)

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 (X 2) 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 (X 1), apabila pengaruh dari
besar keluarga (X2) dianggap konstan.
2
Y 2(1)
4. r = (0,90)2 = 0,81
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
5. R =(0 , 92)2 =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.
 BAB IV
PENUTUP
A. 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

B. Saran
Penulis mengetahui bahwa makalah ini belum sempurna, oleh karena itu
diharapkan kepada dosen pembimbing serta pembaca ikut memberikan saran
agar makalah ini lebih baik untuk selanjutnya.
 DAFTAR PUSTAKA
Agus Irianto. 2004. Statistik, Konsep Dasar & Aplikasinya. Jakarta : Prenada
Media.

Hadi Sutrisno. 2000. Metodologi Research. Yogyakarta: Andi Yogyakarta.

_______. 2007. Metode Penelitian Kuantitatif Kualitatif dan R&D. Bandung:

Alfabeta.

Khuswatun Hasanah. 2013. Uji Korelasi Product Moment. Jakarta:

statistikapendidikan.com

Nisfiannoor M. 2009. Pendekatan Statistik Modern untuk Ilmu Sosial. Jakarta:

Salemba Humanika.

Riduwan dan Sunarno. 2007. Pengantar Statistik untuk Penelitian: Pendidikan,

Sosial, Komunikasi Dan Bisnis. Bandung: Alfabeta.

Samsubar S. 1986. Statistik Non Parametrik. Yogyakarta: BPFE.

Sudjana. 2002. Metoda Statistik. Bandung: Tarsito.

Sugiyono. 2010. Statistika untuk Penelitian. Bandung: Alfabeta.