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.
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
r=
∑ {( X− X ) (Y −Y ) }
...............................................................(1)
√ ∑ ( X −X ) 2
∑ ( Y −Y )2
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 :
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 :
= 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
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:
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
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
RY . 12=
√ b1 ∑ X 1 Y + b2 ∑ X 2 Y + .. .. . .. .. .+b n ∑ X n Y
∑Y2
...........................................(14)
S y 12=
dimana,
√ ∑ Y 2−b 1∑ X 1 Y −b2 ∑ X 2 Y
n−3
n = jumlah data
3 = banyak koefisien
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
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
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.