14.6. Uji Mann-Whitney-Wilcoxon.

Uji Mann-Whitney-Wilcoxon(MWW) ini di gunakanjika kita ingin membandingkan perbedaan dua

sampel jika sampel adalah independen. Uji ini sering di kenal dengan sebutan uji Wilcoxon rank-sum test. Sebagai
uji nonparametik uji ini tidak memerlukan data interval maupun distribusi normal. Uji ini hanya memerlukan
persyaratan bahwa data paling tidak merupakan skala ordinal.

14.6.1. Uji Mann-Whitney-Wilcoxon untuk simple kecil

Dalam penjelasan sebelumnya dalam uji nonparametik, sebuah sampel di katakana kecil jika jumlah
sampel kurang dari atau sebanyak 10. Adapun prosedur untuk uji dua sampel independen dengan MWW sebagai
berikut:
1. Mengabungan data dari dua sampel independen tersebut dan kemudian di lakukan
Rangking dari yang terkecil sampai yang terbesar
2. Menjumlahkan setiap rangking secara terpisah berdasarkan sampel masing- masing .
3. Mencari nilai statistika T yaitu jumlah rangking yang paling kecil dari dua sampel yang
Ada.
4. Membandingkan nilai kritis distribusi MWW dengan nilai T hitung yang kita cari pada
Langkah ketiga . adapun nilai kritis distribusi MWW dapat di cara dengan formula sebagai
Berikut:
Tu =n1(n1+n2+1)-TL
Nilai TL di cari dari nilai kritis MWW. Nilai kritis TL ini di dasarkan pada jumlah sampel populasi pertama (n1)
dan jumlah sampel pada populasi kedua (n2) dan tingkat signifikansi yang di pilih . Jika nilai T lebih kecil dari TL
atau lebih besar dari Tu menolak hipotesis nol dan sebaliknya jika nilai T di antara TL dan TU kita maka gagal
menolak hipotesis nol.
Contoh 14.5. uji MWW sampel kecil
Ada dua kelas statistika yaitu kelas A dan kelas B yang di tawarkan setiap semester . masing –masing kelas
berjumlah 75 mahasiswa. Sejumlah 5 nilai Mahasiswa dari kedua kelas tersebut di ambil secara random . hasilnya
sebagai berikut :
Nilai Dosen pengampu statistika kelas A
Mahasiswa Tomi Joni Hilmi Reni Yeni
Nilai 70 90 82 94 71
Nilai Dosen pengampu statistika kelas B
Mahasiswa Farda Angga Rara Yaya Sehia
Nilai 91 75 85 74 96
Dengan derajat kepercayaan 5% apakah kita bisa menyimpulkan nilai statistika kedua kelas tersebut tidak sama ?
Solusi 14.5
Prosedur uji MWW sebagai berikut :
1. langkah pertama adalah membuat hipotesis alternatifnya .
Hipotesis alternatifnya menyatakan bahwa nilai statistika kelas A tidak sama dengan
Kelas B. sedangkan hipotesis nol (H0) menyatakan tidak ada perbedaan nilai ujian
Baik kelas A maupun kelas B. uji yang di lakukan adalah uji dua sisi . H0 dan Ha bisa di
Nyatakan sebagai berikut:
H0 : nilai ujian statistika sama antara kelas A dan kelas B
 Ha : nilai ujian statistika tidak sama antara kelas A dan kelas B
2. Memilih tingkat signifikasi pada a=5%.
3. Menentukan ujian statistika yaitu ujian statistika MWW
4. Membuat keputusan
Pada langkah keempat ini kita mencari nilai kritis pada tingkat signifikansi 5% dan nilai T hitungnya.Nilai
kritis TL sebesar 18, sedangkan nila TU sebesar:
TU=n1(n1+n2+1)-TL=5(5+5+1)-18=37
Sedangkan nilai T dihitung dengan menggunakan Tabel 14.6 berikut ini:
Tabel 14.6. Data Hipotesis Nilai Ujian Mahasiswa
Nama Mahasiswa Nilai Statistika Rangking Total Rangking Rangking
Kelas A Kelas B
Tomi 70 1 1
Yeni 71 2 2
Yaya 74 3 3
Angga 75 4 4
Hilmi 82 5 5
Rara 85 6 6
Joni 90 7 7
Farda 91 8 8
Reni 94 9 9
Sehia 96 10 10
Jumlah 24 31

Nilai T hitung adalah 24 jumlah rangking yang paling kecil pada kelas A.Nilai T hitung sebesar 24 ini lebih besar
dari 177,tetapi lebih kecil dari 37 sehingga kita gagal menolak H0.Hal ini berarti dari sampel yang ada kita belum
bisa menyimpulkan bahwa ada perbedaan nilai ujian statistika antara kelas A dan kelas B
14.6.2.Uji Mann-Whitney-Wilcoxon untuk Sampel Besar
Bila kita mempunyai sampel lebih besar dari 10 maka uji MWW menggunakan uji statistika dengan sampel
besar.Prosedur uji MWW sampel besar sama dengan sampel kecil kecuali pada uji statistika.Uji statistika MWW
mengikuti distribusi Z.Adapun nilai Z hitung untuk uji MWW sampel besar sebagai berikut:
𝟏
𝑹−𝟐 𝒏𝟏(𝒏𝟏+𝒏𝟐+𝟏)
Z=
𝟏
√ 𝒏𝟏𝒏𝟐(𝒏𝟏+𝒏𝟐+𝟏)
𝟏𝟐

Dimana :n1= jumlah sampelpopulasi pertama ;n2= jumlah sampel populasi kedua ; R= jumlah rangking sampel
pertama atau kedua.

Contoh 14.6. uji MWW Sampel Besar.

Lembaga riset perusahaan otomotif ASTRA cabang bandung ingin mengetahui apakah model sepeda motor
honda jenis manual dan automatic setelah empat tahundi gunakan memang berbeda dalam jumlah jarak yang bisa
ditempuh dalam kilometer per liternya. Sebanyak 12 sampel di ambil secara acak untuk masing-masing model.
Hasil sebagai berikut:
Table 14.7. jaral dalam kilometer per liter sepeda motor manual dan automatic

Model Otomatic Modal otomatik Modal manual Modal manual

Sepeda motor Km per liter Sepeda motor Km per liter
1 30,6 1 31,3
2 29,9 2 27,6
3 28,6 3 27,4
 4 28,9 4 28,5
5 28,8 5 29,7
6 30,2 6 31,1
7 31,0 7 27,3
8 30,5 8 29,8
9 29,8 9 27,8
10 29,8 10 26,9
11 29,2 11 28,0
12 30,5 12 30,1
Dengan derajat kepercayaan 5% apakah kita bisa menyimpulkan bahwa model manual lebih irit dari pada model
automatic?

Solusi 14.6.
Prosedur uji MWW sampel besar sebagai berikut:
1. langkah pertama adalah membuat hipotesis nol dan hipotesis alternatifnya.
Hipotesis alternatifnya menyatakanbahwa model manual lebih irit dari pada model automatic. Sedangkan
Hipotesis nol (H0) menyatakan tidak ada perbedaan jarak yang di tempuh perliternya. Uji yang di lakukan
Adalah uji satu sisi. H0 dan Ha bisa di nyatakan sebagai berikut:
Ho : Tidak ada perbedaan jarak tempuh per liternya antara sepeda motor manual dari automatic
Ha : Jarak tempuh per liternya sepeda motor manual lebih jauh dari pada automatic
2. Memilih tingkat signifikasipada a=5%
3. Menentukan uji statistika yaitu uji statistika MWW sampel besar.
4. Membuat keputusan .
 Pada langkah keempat ini kita mencari nilai kritis Z pada tingkat signifikasi 5% dan nilai Z hitung.
Nilai Z kritis dengan uji satu sisi pada tingkat signifikasi 5% sebesar 1,65. Sedang nilai Z hitungnya di hitung
Mengunakan table 14.8.

Nilai Z hitung adalah -1,85.Nilai Z hitung ini lebih besar dari nilai Z kritisnya.Hal ini berarti dari
Sampel yang ada kita bisa menyimpulkan bahwa sepeda motor honda manual lebih irit dari sepeda motor
automatic
Tabel 14.8.Jarak Dalam Kilometer Per Liter Sepeda Motor Manual dan Automatic
Model Automatic Model Automatic Rangking Model Manual Model Manual Rangking
Sepeda Motor KM Per Liter Sepeda Motor Kilo Meter Per
Liter
1 31,3 24 1 30,6 21
2 27,6 4 2 29,9 16
3 27,4 3 3 28,6 8
4 28,5 7 4 28,9 10
5 29,7 12 5 28,8 9
6 31,1 23 6 30,2 18
7 27,3 2 7 31,0 22
8 29,8 14 8 30,5 19,5
9 27,8 5 9 29,8 14
10 26,9 1 10 29,8 14
11 28,0 6 11 29,2 11
 12 30,1 17 12 30,5 19,5
jumlah 118 182

Solusi 14.6. uji MWW dengan Mengunakan program SPSS

Siapkan datanya di dalam SPSS. Ada dua variable yang di perlukan yaitu jenis sepeda motor dan jarak km per
liter. Model automatic di beri angka 1 dan model manual di beri angka 2. Klik Analyze/nonparametik tests/2
independent sampels sehingga muncul tampilan 14.3. masukan KM perliter ke test variable list dan jenis sepeda
motor ke grouping variable.kemudian klik pada Devine groups dan pada groups 1 masukan angka 1 dan groups
masukan angka 2 dan klik continue. pada test type pilih Mann-Whitney U dan klik OK sehingga akan muncul
tampilan 14.4.

Mann-Whitney Test
 Ranks
Jenis sepeda motor N Mean Rank Sum of Ranks
Kkm per liter 1.00 12 15.7 182.00
2.00 12 9.38 118.00
Total 24

Tets statisticsb
Km per liter
Mann- Whitney U 40.000
Wilcoxon W 118.000
Z -1.850
Asymp. Sig. (2-tailed) .064
Exact Sig. [2*(1- tailet Sig.)] .068a
a. Not corrected for ties
b. Grouping Variable : Jenis sepeda motor

14.7. Uji Kruskal-wallis

Pada bab 12 kita telah mengembangkan uji ANOVA untuk mengetahui apakah rata-rata beberapa populasi
sama atau tidak. Pada uji ANOVA data yang kita gunakan adalah data dalam skala interval atau skala rasio. Selain
itu kita mengansumsi bahwa data mempunyai distribusi normal dan varian yang sama . bila kita mempunyai data
dalam skala nominal atau skala ordinal maka kita tidak bisa mengunakan uji INOVA .
 W.H. Krusan dan W.A. Wallis pada tahun 1952 mengembangkan uji nonparametric di mana hanya
membutuhkan data dalam skala ordinal atau rangking dan tidak memerlukan asumsi data mempunyai distribusi
normal. Jadi uji kruskal-Wallis adalah uji alternative ANOVA ketika data yag kita punya merupakan data dalam
skala ordinal dan distribusi data tidak mengikuti distribusi normal. Sebagai uji ANOVA, hipotesis nol(H o)
Menyatakan bahwa sejumlah populasi mempunyai distribusi sama sedangkan hipotesis alternativenya (H 1)
Menyatakan bahwa sejumlah k populasi tidak mempunyai distribusi yang sama.
Uji kruskal- Wallis di cari dengan mengunakan beberapa langkah yaitu :(1) semua sampel di kelompokan
menjadi satu ; (2) setelah data di kelompokan menjadi satu selanjutnya kita melakukan rangking dari nilai
terendah sampai tertinggi ; (3) nilai yang sudah di-ranggking tersebut kemudian diberi angka di mana nilai mulai
dari satu untuk rangking terendah. Jika ada rangking sama maka nilainya di caridengan rata rata. Adapun formula
mencari nilai hitung dari kruskal-Wallis sebagai berikut :

Dimana :R=jumlah rangking dari setiap sampel

Uji Kruskal-Wallis ini mengikuti distribusi Chi squares (x2)dengan derajat kebebasan (df) sebesar k-1 dimana kk
adalah jumlah sampel. Jika nilai statistika kruskal-wallis yang merupakan nilai x2 hitung sebesar dari nilai x2maka
kita menolak hipotesis nol sebaiknya kita jika nilai-nilai x2 hitung lebih kecil dari nilai x2 maka kita gagal menolak
hipotesis nol
.

Contoh 14.7. uji kruskal wallis

 Seorang analis dibidang keuangan ingin mengetahui apakah terdapat perbedaan tingkat keuntungan (%) tiga bank
syariah milik pemerintah yaitu bank Mandiri,BNI,dan BRI. Data tingkat keuntungan per bulan (data hipotesis)
sebagai berikut :

Mandiri :1,38 1,55 1,90 2,00 1,22 2,11 1,98

BNI :2,00 2,50 2,79 3,01 1,99 2,45
BRI ;1,06 1,37 1,09 1,65 1,44 1,11

Jika distribusi populasi ketiga sampel tersebut tidak diketahui, apakah kita bisa menyimpulkan bahwa terdapat
perbedaan tingkat keutunganketiga bank syariah tersebut dengan tingkat signifikasi a=5%?

Solusi 14.7.
Uji kruskal-Wallis sebagai berikut:
1. Membuat hipotesis nol dan hipotesis alternative yaitu :
Ho: Distribusi populasi adalah sama
Ha :distribusi populasi adalah tidak sama
2. memilih tingkat signifikansi pada a=5%
3.menentukan uji statistika yaitu uji statistika uji kruskal-wallis
4.Membuat keputusan .
Uji kruskal-wallis mengikuti distribusi x2. Nilai kritis distribusi x2 dengan a=5%.dan df sebesar k-1=3-1=2
dimana k adalah 2 populasi yang ada yaitu bank mandiri BNI dan BRI sebesar 5,991.
 Langkah selanjutnya adalah mengabungkan data keuntungan ketiga bank tersebut menjadi satu populasi dan
kemudian melakukan rangking. Rangking terendah di beri angka 1 dan rangking berikut di beri angka 2 dan
seterusnya . Bila ada nilai yang sama maka besarnya adalah rata-rata nilai rangking yang ada. Hasil rangking
ketiga bank bisa di lihat dalam table 14.9.
Tabel 14.9

Dari hasil rangking tersebut kita bisa menghitung nilai statistika kruskal-wallis (H) sebesar :

Solusi14.7. uji kruskal wallis dengan program SPSS

Ada dua variable yang di perlukan yaitu bank dan keuntungan . Bank Mandiri kita beri 1, Bank BNI diberi
angka 2,dan bank BRI beri angka 3.
Klik analyze/nonparametic tests/k independen sampels.masukan keuntungan ke test variable list dan bank ke
grouping variable. Kemudian klik pada define range dan pada minimum masukan angka 1 dan maksimum
masukan angka 3 dan klik continue. pada test type pilih kruskal wallis H dan klik OK sehinnga akan muncul
tampilan
 Tampilan 14.5.

Bank N Mean Rank

Keuntungan 1.00 7 9.64
2.00 6 15.92
3.00 6 4.50
total 19

Test statisticsa,b

keuntungan
Chi-bquare 12.404
df 2
Asymp.slg .002
a. kruskal wallis test
b. grouping variable Banks

14.8 uji korelasi rangking spearman

Korelasi menunjukan keeratan hubungan antara satu variabeldengan variable lainya . sedangkan besar
besar keeratan hubungan antara dua variable di hitung dengan koofisien korelasi analisis korelasi biasanya di
gunakan untuk mencari keeratan antara dua variable dalam skala interval atau rasio. Tetapi kita juga bisa
mengunakan untuk untuk uji nonparametik di mana hubungan keeratan dua variable di ukur dalam skala ordinal
missal sebuah perusahaan ingin mengetahui apakah ada kaitan antara rangking karyawan bagian pemasaran yang
telah mendapatkan training dan rangking penjualan pertahun nya . uji korelasi dari dua variable skala ordinal ini
bisa di uji dengan mengunakan uji korelasi rangking dari spearman. Adapun formula koofisien korelasi dari
spearman sebagai berikut:

Dimana r =merupakan perbedaan rank antara variable ; n =jumlah observasi

Nilai koofisien korelasi spearman besarnya antara -1 dan 1 jika tandanya positif berarti terdapat hubungan
positif antara dua variable naik (turun) maka variable yang lain naik (turun).Jika tanda korelasi adalah negatif
maka terdapat hubungan yang sebaliknya yaitu satu variabel naik(turun) maka variabel yang lain turun
(naik).Semakin mendekati angka ± 1 berarti terdapat hubungan yang erat antara dua variabel dan semakin
mendekati nol berarti semakin lemah hubungan antara variabel.
Setelah kita mendapatkan nilai koefisien korelasi,maka langkah selanjutnya adalah melakukan uji
signifikan koefisien korelasi.Adapun hipotesis nol dan hipotesis alternative lainnyadapat ditulis sebagai berikut:
H0 : r = 0
Ha : r ≠0
Hipotesis nol mengatakan bahwa tidak ada korelasi antara dua variable sedangkan hipotesis alternative
menyatakan terdapat korelasi. Sedangkan uji statistiknya untuk sampel lebih dari 8 adalah mengikuti distribusi t
dengan derajat kebebasan (df) sebesar n-2 adapun formula ujinya sebagai berikut:

Dimana :rs= nilai koofisien korelasi spearman ;n=jumlah observasi.

Sebagaimana uji statistika parametik statistika sebelumnya, keputusan menolak atau gagal menolak hipotesis nol
hipotesis nol adalah dengan cara membandingkan nilai T hitung dengan nilai t kritisnya jika t hitung lebih besar
dari nilai kritis t kritisnya (nilai absolut) maka kita menolak hipotesis nol dan jika sebaliknya bila t hitung lebih
kecil dari nilai t kritisnya (nilai abolut )maka kita gagal menolak hipotesis nol.

Contoh 14.8. uji korelasi rangking spearman

Kembali pada kasus contoh 14.1 sebelum dari sebuah perusahaan asuransi syariah (takaful) yang sedang
berkembang dijakarta yang melakukan training terhadap karyawan bagian pemasaran. Pada contoh sebelumnya
kita melakukan uji apakah training mampu meningkatkan kinerja penjualan bagian pemasaran. Pada contoh kali
inikita ingin melakukan ujikorelasi apakah ada hubungan antara rangking hasil training dan rangking rata rata
pejualan perbulan setelah training . sampel yang di ambil sama seperti sebelumnya adapun datanya bisa di lihat
dalam table 14.10.
a. hitunglah dan interprestasikan nilai koofisien korelasi spearman!
b. dengan tingkat signifikasi 5% apakah kita bisa menyimpulkan bahwa ada korelasi positif antara hasil training
dengan rangking rata rata penjualan karyawan bagian pemasaran di perusahaan asuransi tersebut?

Tabel 14.10.Rangking Hasil Training Penjual Setelah Training

Nama Rangking hasil training Rangking penjualan sesudah
training
Agug 2 3
Ambarwati 6 6
Budiman 5 5
Budiwati 3 4
Cahyadi 7 8
Desisanti 8 7
Dewirohmi 4 2
Eiseyanti 9 10
Faizan 1 1
Gumarang 10 9
Solusi 14.8.
a. mencari korelasi antara rangking hasil training dengan rata rata penjual setelah ranting sebagai berikut:

Rangking training Rangking penjualan Perbedaan rangking (d) D2

2 3 -1 1
6 6 0 0
5 5 0 0
3 4 -1 1
7 8 -1 1
8 7 1 1
4 2 2 4
9 10 -1 1
1 1 0 0
10 10 1 1
Total 10

Nilai koofisien korelasi sebesar 0,939 dan bertanda positif angka ini menunjukan adanya korelasi positif yg kuat
antara rangking hasil training dengan rangking hasil penjualan training.
b. melakukan uji hipotesis signifikasi koofisien korelasi adapun langkah sebagai berikut
1. membuat hipotesis nol dan hipotesis alternative hipotesis alternative mengatakan bahwa ada korelasi
positive antara hasil training dengan rangking rata rata penjual karyawan bagian pemasaran dan hipotesis nolnya
menyatakan tidak ada korelasi ada positif antara rangking hasil training dan rata rata pejualan perbulan setelah
training kedua dapat di nyatakan sebagai berikut:
 Ho:r =0
Ha: r> 0
2. memilih tingkat signifikasi pada a=5%
3. menentukan uji statistika yaitu uji statistika korelasi spearman .
4. membuat keputusan .
Pada langkah keempat ini kita mencari nilai kritis t pada tingkat signifikasi 5% dan nilai t hitung . nilai t
kritis dengan satu sisi pada tingkat signifikasi 5% dengan df 8 sebesar 1,860. Sedangkan nilai t hitungnya sebesar
sebagai berikut :

Ketika menolak hipotesis nol krna t hitung 7,75 lebih besar dari nilai kritisnya 1,860. Dengan demikian kita bisa
menyimpulkan bahwa dari sampel yang ada terdapat korelasi positif antara rangking hasil training dengan
rangking penjual setelah training

Solusi 14.8.uji korelasi rangking spearman dengan program SPSS

Klik analyze /correlate/bivariate . masukan variable training dan penjual ke variables pada correlation
coefficients pilih spearma dan pada test of significance pilih one-tailes.klik OK dan hasilnya di tampilkan pada
tampilan 14.6. koofisien korelasinya sebesar 0,939.pada sig (1-tailed) sebesar 0,000 sehingga menolak hipotesis
nol
Tampilan 14.6
*nonparametik correlation
[dataseto]
 Correlations

Soal soal latihan bab 14

1. Rata- rata IPK mahasiswa lebih tinggi dari mahasiswa selain salah satu factor adalah jam belajar perminggunya
untuk membuktikan kebenaran hal ini maka di ambil sepuluh sampel mahasiswa hasil sebagai berikut:
Mahasiswi 30 35 28 26 32 30 34 29 27 25
Mahasiswa 22 26 27 25 28 24 25 21 20 19
Jika distribusi populasi tidak di ketahui dengan tingkat signifikasi 5% apakah kita bisa menyimpilkan bahwa jam
belajar mahasiswi lebih tinggi daripada mahasiswa permnggu ?
2. sebuah perusahaan ingin meningkatkan produktivitas pekerjaan dengan cara membeli mesin baru berikut ini
adalah data produktivitas dari 12 pekerjaan sebelum dan sesudah pembelian mesin baru .
Produktivitas 1 2 3 4 5 6 7 8 9 10 11 12
sebelum 12 23 24 17 16 10 15 25 21 10 20 17
sesudah 17 27 30 18 16 25 28 22 23 22 19 21
Ujilah apakah pembelian mesin baru mampu meningkatkan produktivitas pekerjaan dengan tingkat signifikasi 5%
jika distribusi populasi tidak di ketahui !
3. seorang analis di bidang keuangan ingin mengetahui apakah terdapat perbedaan kemampuan bank syriah di
Indonesia dalam menyalurkan dana ke pihak ketiga dengan melihat tingkat FDR (finacing to deposit ratio =%)
empat bank syariah tahun 2009-2014 sebagai berikut :
Mandiri syariah :8,36 88,55 89,90 90,00 91,22 92,38
 Bank muamalat Indonesia : 87,26 88,47 89,45 90,00 91,11 92,01
Bni syariah : 87,00 88,50 89,79 90,01 90,99 91,45
Bri syariah : 87,06 88,37 90,09 89,65 91,44 92,11
Jika distribusi populasi ketiga sampel tersebut tidak diketahui apakah kita bisa menyimpilkan bahwa terdapat
perbedaan tingkat penyaluran dana keempat bank syariah tersebut dengan tingkat signifikansi a=5%?
4. program study akintansi Universitas Islam Di Indonesia (UII) yokyakarta melakukan training untuk
meningkatkan softskil mahasiswa berikut ini adalah data hasil rangking training di kampus dan perusahaan dari 12
mahasiswa yang di pilih:

Training 1 2 3 4 5 6 7 8 9 10 11 12
Dikampus 12 8 8 4 10 9 11 12 10 13 8 7
Diperusahaan 9 6 4 3 4 4 9 6 5 9 6 6
a. hitunglah dan interprestasikan nilai koofisien korelasi spearman
b. dengan tingkat signifikasi 5% apakah kita bisa menyimpilkan bahwa ada korelasi positif antara hasil
training di kampus dan di perusahaan untuk mahasiswa tersebut ?

241..
 bab 15
korelasi dan regresi
15.1. pendahuluan.
Metode statistika yang kita bahas pada bab-bab sebelumnya baru sebatas analisis data untuk variabel
tunggal dalam banyak kasus analisis data terkait erat dengan dua atau lebih variable analisis banyak variable ini di
gunakan untuk menganalisis hubungan keterkaitan satu variable dengan variabel variabel lain atau mencari
hubungan pengaruh satu atau lebih variabel ke variabel lain . analisis keterkaitan satu variable dengan variabel lain
di sebut analisis korelasi sedangkan analisis pengaruh satu atau lebih variable terhadap variabel lain disebut regresi
pada bab ini akan membahas korelasi dengan regrasi sederhana
Analisis korelasi merupakan suatu analisis kekutatan hubungan (stereigh of the relationship ) atau
kovarian (covariance) antara dua variabel yang di ukur untuk dua koofisien korelasi . analisis regresi adalah
metode statistika yang di kembangkan untuk mengestimasi variabel lain di sebut dengan variabel dependen (
dependen /response variable) sedangkan variable yang nilainya digunakan sebagai dasar untuk mengestimasi
variablain di sebut dengan variabel independen (independent /explanatory variable
Pembahasanmasalah korelasi akan dimula dengan menjelaskan perbedaan antra korelasi dan regresi .
kemudiandi lanjutkan dengan jenis korelasi yang meliputi metode perhitungan korelasi melalui sketergram ,
metode pearson, spearman , koefisien determinasi maupun metode leats squares dan uji hipotesis korelasi
sedangkan pembahasan analisis regresi memfokuskan pada regresi sedehana dimana satu variabel dependen di
pengaruhi oleh satu variabel independen . bab16 akan membahas regresi berganda atau komplek di mana satu
variabel dependen di pengaruhi dua atau lebih variabel independen pembahasan regresi sedehana di mulai dengan
jenis hubungan antar variabel di dalam regresi sketergram ide tentang regresi metode ordinary leats squarws (OLS)
untuk mendapatkan koofisien regresi stardart error of estimate interfal estimasi koefisien regresi dan koofisien
determinasi
15.2.korelasi
15.2.1 korelasi regresi dan kausalitas
 Hubungan antaravariabel bisa di kategoriakn menjadi tiga kategori yaitu korelasi regresi dan kausalitas
korelasi menunjukan derajat asosiasi atau keratin hubungan antara satu variabel dengan variabel lain missal ada
hubungan keeratan atau korelasi antara pengeluaran iklan dan volume penjualan regresi di lain pihak menjelaskan
penggaruh satu variabel atau lebih di sebut variabel independen terhadap variabel lain di sebut variabel dependen
misalnya selain dengan mencari korelasi antara pengeluaran iklan dan volume.

242….

Penjualan kita juga bisa menganalisis besar pengaruh pengeluaran iklan terhadap penjualan
Dalam kasus variabel pengeluaran iklan dan volume penjualan regresi berbeda dengan korelasi korelasi
menunjukan kekuatan hubungan antara satu variabel dengan variabel lainya korelasi yang tertingi antara
pengeluara iklan dan volume penjualan tidak berarti variabel pengeluaran iklan mempengaruhi variabel volume
penjualan . korelasi yang tertinggi ini mungkin di sebbkan variabel pengeluaran iklan dan volume penjualan
bergerak dalam arah yang sama atau berkebalikan . jika variabel pengeluaran iklan naik maka akan di ikuti oleh
variabel volume penjualan dengan gerak yang searah atau gerak yang berlawanan arah sedangkan regresi mampu
mengetahui seberapa pengaruh pengeluaran iklan terhadap volume penjualan .
Kausalitas menunjukan pengaruh satu variabel terhadap variabel lain seperti regresi namun kausalitas ini
berbea dengan regresi regresi menunjukan hubungan satu arah dari variabel indeenden ke variabel dependen tidak
ada variabel independen sedangkan kausalitas menunjukan hubungan dua arah . adannya hubungan dua arah di
dalam kausalitas ini maka di dalam kausalitas semua variabel adalh dependen . tidak ada variabel independen
dalam banyak kasus perilaku ekonomi hubungan antara variabel tidak hanya brsifat satu arah tetapi dua arah
misalnya hubungan antara pertumbuhan ekonomi dan jumlah uang beredar jika pertumbuhan ekonomi tinggimaka
uang beredar cenderung itu naik sebaliknya jika jumlah uang beredar naik maka akan mendorong pertumbuhan
ekonomi .
 15.2.2. jenis jenis korelasi.
Keeratan hubungan antara satu variabel dengan variabel yang lain bisa di kelompokan menjadi 3
kelompok yaitu :
1. korelasi positif vs negatif
2. korelasi linear vs nonlinear
3. korelasi sederhana persial atau kompleks

15.2.2.1. korelasi positif vs negatif

Di lihat dari arah dari arah pergerakan hubungan antara dua variabel maka bisa di kategorikan sebagai hubungan
atau korelasi positif atau negatif korelasi positif terjadi jika pergerakan da variabel bergerak dalam arah yang sama
jika satu variabeel mengalami kenaikan maka variabel lain maka variabel lain akan mengalami kenaikan begitu
pula sebaliknya jika satu variabel mengalami penurunan maka variabel lain juga menggalami penurunan naik atau
turunnya variabel ini bisa proposional maupun tidak proposional di lain pihak korelasi negatif terjadi jika
pergerakan dua variabel tidak bergerak sama dalam satuu arah bila varriabel satu mengalami penurunan atau bila
satu variabel mengalami kenaikan

15.2.2.2. korelasi linear vs nonlinear

Korelasi antar variabel juga bisa di lihat dari apakh perubahan dua atau variabel bersifat tetap(konstan) atau
tidak tetap ( tidak konstan )korelasi di katakana linear jika perubahan absoult dua variabel naik atau menurun
dalam perubahan yang konstan dengan kata lain korelasi linear terjadi jika variasi nilai dua variabel mempunyai
rasio yang kostan . korelasi linear ini bila di gambarkan dalam sebuah kurfa berupa garis lurus yang
menghubungkan satu variabel dengan variabel lain sedangkan korelasi tidak linear terjadi jika perubahan absoult
244…
 satu variabel terdapat variabel lain tidak konstan dengan kata lain korelasi tidak linear terjadi jika variasi nilai dua
variabel mempunyai rasio yang tidak konstan. Korelasi tidak linear ini bila di gambarkan dalam sebuah grafik
berupa garis tidak lurus.

15.2.2.3. korelai sederhana ,persial,dan kompleks .

Korelasi antar variabel bisa di bedakan berdasarkan jumlah variabel dan analis didalam korelasi bila kita
hanya melihat keeratan hubungan antara dua variabel maka tersebut dengan korelasi sederhana (simple korelation )
misalnya kita tertarik melihat korelasi antara pengeluaran iklan dan volume penjualan sedangkan variabel lain di
asumsikan tetap maka korelasi ini di sebut dengan korelasi persial antara oengeluaran iklan dan volume penjualan
Di lain pihak ketika variabel yang analis lebih dari dua variabel dan kita sekaligus mencari korelasi secara
bersama sama maka korelasi ni di sebut dengan korelasi kompleks (multiple correlation ) misalnya kita ingin
mencari korelasi antara volume penjualan dengan pengeluaran iklan harga kualitas produk harga pesaing dan
sebagai cara bersama sama .

15.2.3. metode perhitungan korelasi

Seberapa besar keeratan hubungan antara dua variabel di ukur dengan koofisien korelasi ada beberapa cara
mencari keeratan hubungan antara dua variabel yaitu :
1. melalui sketergram
2. metode pearson
3. metode spearman
4. koefisien determinasi.

15.2.3.1. sketergram.
 Sketergram (scaltergram) atau diagram pancar adalah sebuah plot data antara satu variabel dengan variabel
lain misalnya kita mempunyai dua variabel sketergram di cari dengan menghubungakan satu variabel dengan
variabel di dalam sumbuh X dan sumbuh Y biasa sumbuh Y di gunakan untuk variabel dependen (dependent
variabel ) atau variabel penjelas (explanatory variable) yaituvariabel yang mempengaruhi variabel lain nilai nya
setiap titik mencerminkan besarnya nilai variabel dependen dan variabel independen sketergram berguna untuk:
(1) membantu kita melihat apakah terdapat hubungan antara dua variabel
(2) membantukita menentukan bentuk hungan antara dua variabel apakah linear atau nonlinear

245…..

Pembentukan sketergram bisa di jelaskan dengan mengunakan data hipotesis antara besarnya pengeluaran iklan
dan volume penjualan sebuah perusahaan dalam periode 2005-2014 sebagaimana terlihat pada table 15.1 volume
penjualan adalah variabel dependen atau variabel respond an pengeluaran iklan merupakan variabel independen
atau variabel penjelas sehingga sumbu Y digunakan volume penjual dan sumbuh X di gunakan untuk pengeluaran
iklan.
Table 15.1 pengeluaran iklandan volume penjual perusahaan 2005-2014.

Data untuk setiap perusaandi tunjukan oleh satu titik di dalam sketergram lihat gambar 15.1. misalnya titik A pada
titik (20,11) menunjukan plot data untuk tahun 2005 sedang titik J pada titik (120,140) merupakan plot data untuk
tahun 2014 plot data dari titik a sampai H inilah disebut dengan sketergram dari 10 titik mulai dari A sampai J
kemudian kita bisa menarik sebuah garis lurus sehimgga dari contoh yang kita punya menunjukan bahwa korelasi
antara pengeluaran iklan dan volume penjualan merupakan korelasi positif dan linear.

246…..
Gambar 15.2 meupakan gabungan dari beberpa contoh sketergram yang menunjukan bentuk hubungan
antara dua variabel gambar 15.2 (a) mengambarkan korelasi positif linear di mana variabel X dan Y bergerak
dalam arah yang sama gambar 15.2.(b) menunjukan korelasi negatif linear karna variabel X dan Y bergerak dalam
arah yang berlawanan gambar 15.2.(c) menunjukan hubungan nonlinear antara X dan Y sedang gambar 15.2.(d)
menunjukan tidak ada korelasiantara variabel X dan Y
247…..
 15.2.3.2. koerelasi parson
Metode sketergram yang kita jelaskan pada subbab sebelumnya hanya memberi sebuah sinyal atau indikasi
ada tidaknya korelasi antara dua variabel sketergram tidak korelasi antara dua variabel sketergram tidak memberi
kekuatan besar hubungan antara dua variabel melalui angka numerik kari pearson telah mengembangkan formula
untuk menghitung besar hubungan antara dua variabel yang di sebut koofisien korelasi koofisien korelasi dari
parson ini di gunakan untuk menghitungkorelasi antara dua variabel x dan y yang di ukur dalam bentukinterval
atau skala rasio selain itu kedua variabel x dan y didistribusikam secara normal dan hubungan variabel x dan y
adalah linear adapun voormula koofisien dari karl pearson sebagai berikut:

Dimana :
Subtitusipersamaan (15.2)-(15.4) ke dalam persamaan (15.1) akan menghasilkan formula koefisien korelasi karl
pearson sebagai berikut :

Dimana :y =variabel dependen ;x = variabel variabel indenden ;n= jumlah sampel atau observasi formula
persamaan (15.5) tersebut bisa dinyatakan dalam dalam bentuk formula yang lain sebagai berikut :

Nilai koofisien korelas ini -1 < r < . Angka korelasi r ini menunjukan besaran (magnitude ) dan sekaligus arah
hubungan antara dua variabel yaitu positif atau negatif . nilai r= -1 menunjukan korelasi negatif yang sempurna
nilai r= 1 menunjukan korelasi positif yang sempurna jika nilai koofisien koresi mendekati angka +1 menunjukan
korelasi positif atau negatif yang kuat dan sebaliknya jika mendekati angka 0 menunjukan adanya korelasi positif
atau negatif yang lemah

Contoh 15. 1 . korelasi dari pearson

 Kembali ke kasus hubungan antara pengeluaran iklan dan volume penjual sebuah perusahaan selama periode
2005-2014 sketegram yang kita buat sebelumnya mengidentifikasikan adanya korelasi positif linear antara
pengeluaran iklan dan volume penjualan dalam periode tersebut hitunglah besar koofisien korelasi pearson
tersebut!.

Solusi 15.1.
Kita bisa mengunakan formula (15.1) ataupun formula 15.6 namun formula 15.6 lebih mudah kita aplikasikan
table 15.2 akan kita gunakan untuk menghitung koofisien korelasi berdasarkan formula 15.6

249…..
Nilai koofisien korelasi sebesar 0,995 dan bertanda positif angka koofisien korelasi tersebut menunjukan adanya
korelasi positif yang kuat antara pengeluaran iklan dan volume penjualan periode 2014-2015 jika pengeluaran
iklan naik maka volume penjual naik dan sebaaliknya bila pengeluaran iklan menurun maka volume penjual
menurun.

Solusi 15.1 dengan program excel

Klik autosum/more function/statisticak/pearson/ok. Hasilnya di tampilan 15.1

250…..

15.2.2.3.korelasi spearman rank

Berbeda dengan pearson spearman mengambangkan perhitungan koofisien korelasi antara dua variabel
didasarkan pada data ordinal atau data yang di-rangking dengan kata lain metode ini digunakan untuk menghitung
koofisien korelasi dari data kuatitatif yang di susun berdasarkan rangkung rangking masing masing variabel
mengunakan angka rangking diamana angka 1 menunjukan data individu pada rangking pertama , 2 untuk
rangking berikut da seterusnya sampai pada data terakhir dari n observasi formula koofisien dari spearman sebagai
berikut
 Dimana merupakan :d=merupakan perbedaan rank antara variabel ;n=jumlah observasi
Nilaikoefisien korelasi ini -1< r <1 didalam perhitungan persamaan 15.7 susunan nilai rangking dua variabel yang
di hitung nilai koorelasi bisa di lakukan dengan urutan menurun (discending) maupun urutan menaik(ascending ).

Contoh 15.2.korelasi dari spearman

Sebuah lembaga analis keuangan mencoba menganalis apakah ada hubungan korelasi antara harga saham
Indonesia Jakarta apapun datanya bisa di lihat dalam table 15.3 hitunglah koefisien korelasi berdasarkan rangking
spearman dan interprestasikan hasilnya ?

Solusi 15.2
Perhitungan korelasi spearman di lakukan dengan me-rangking setiap data dalam hal ini kita melakukan rangking
harga saham dan dividen setelah itu kita menghitungperbedaan antara rangking keduanya (d) data table 15.4
digunakan untuk menghitung korelasi spearman .
Besarnya koefisien korelasi spearman sebagai berikut

251…..

Korelasi spearman sesebesar 0,894 dan bertanda positif hal ini berarti bahwa terdapat korelasi positif yang kuat
antara harga saham dan dividen yang diberikan semakin tinggi harganya saham maka semakin tinggi pula dividen
yang diberikan dan sebaliknya semakin rendah harga saham maka semakin rendah pula deviden yang diberkan

15.2..4 uji hipotesis korelasi

Pembahasan koofisien korelasi sejauh ini baru terbatas pada bagaimana menghitung besarnya koofisien korelasi
baik mengunakan metode pearson merupakan spearman dari bagaimana mengartiaknangka dan tanda koefisien
korelasi misalnya pada kasus korelasi antara saham perlembar dan deviden sebelum nilai koefisien korelasi sebesar
0,8939 koefisien korelasi ini cukup tinggi sehingga kita bisa mengatakan bahwa jika kita ingin berivestasi di pasar
saham dan ingin mendapatkan deviden yang tinggi maka kita harus membeli saham yang harganya juga tinggi
begitu pula pada kasus korelasi antara pengeluaran iklan dan volume penjual maka pengeluaran iklan harus terus
dinaikan .
Apakah kesimpulan tersebut benar jawabnaya bisa benar bisa salah hal ini terjadi karna korelasi yang
kita hitung hanya di dasarkan data sampel sebanyak 12 perusahaan atau hanya di dasarkan pada sampel 2000-2009
untuk membuktikan koofisien korelasi hasil sampe ini maka kita perlu membuktiakn melalui uji signifikasi
koefisien korelasi sama seperti uji statistiaka sebelm ada 4 langkah mulai dari membuat hipitesis nol adapun uji
statistiak koefisien korelasi ini mengikuti distribusi t denganderajat kebebasan (df) sebesar n -2 adapun formula
ujinya sbb;

Contoh 15.3. uji signifikansi korelasi

Kembali ke kasus korelasi antara harga saham perlembar dan dividen yang diberikan pada contoh 15.2 kita
menghitung besar koefisien korelasisebesar 0,8939 dengan tingkat signifikasi sebesar 5% apakah kita bis
menyimpulkan bahwa terdapat korelasi positif antara harga saham dan deviden
Solusi 15.3
Prosedur uji signifikasi korelasi terdapat dilakukansebagai berikut
1. membuat hipotesis nol dan hipotesis alternative
Hipotesis nolmya menyatakan bahwa tidak ada korelasi antara harga saham dan deviden sedangkan hipotesis
alternatifnya menyatakan bahwa terdapat korelasi positif antara harga saham dan deviden keduanya dapat ditulis
sebagai berikut
Ho : r=0
Ha :r=>0
2. memilih tingkat signifikasi yaitu 5%
3 menemtukan uji statistic uji ini mengikuti distribusi t
4. mambuat keputusan
Mencari nilai t kritis pada tingkat 5%dan t hitung nilai t hitung sebesar sebagai berikut :

Kita menolak hipotesis nol karna t hitung 5,64 lebih besar dari nilai kritisnya 1,860. Dengan demikian kita
menyimpulkan bahwa dari sampel yang ada terdapat korelasi positif antara harga saham per lembar dan deviden
yang di berikan

15.3. registrasi
15.3.1. jenis hubungan antar variabel
Analisis regresi merupakan analis hubungan antara variabel dependen independen variabel dependen
adalah variabel yang di detiminasu atau di prediksi berdasarkan nilai variabel lain yaitu variabel independen .
variabel dependen merupakan variabel yang diguanakan untuk memprediksi atau mengestimasi besarnya variabel
dependen ada dua jenis hubungan antara variabel dependen dan independen didalam analis regresi yaitu hubungan
positif dan hubungan negatif .

253….
 Contoh hubungan positif ini misalnya antara besar pengeluaran iklan dan penjualan perusahaan besar pengeluaran
iklan adalah variabel independen ketika pengeluaran iklan mengaalami kenaikan maka volume penjualan akan
meningkat dan sebaliknya jika pengeluaran iklan mengalami penurunan maka volume penjual menurun
Ketika kita mengambar hubungan positif antara pengeluaran iklan dan volume penjual dengan cara mengambar
variabel pengeluaran iklan sebagai variabel independen di dalam sumbu horizontal X dan volume penjual sebagai
variabel independen didalam sunbu vertical Y dilihat gambar 15.3(a)
Didalam regresi hubungan antara variabel dependen bisa negatif terjadi jika kedua bariabel tersebut bergerak
dalam arah berlawanan invense relationship . saat variabel independen mengalami kenaikan maka variabel
dependen justru mengalami penurunan maka variabel dependen mengalami kenaikan contoh hubungan negatif ini
yaituhubungan antara harga dan volume penjualan
Hubungan negatif antara harga dan volume bisa di ligat dalam gambar 15.3(b) sumbu Xmenunjukan harga
sebagai variabel indeoenden dan volume penjual di tunjukan di dalam sumbu Y ketika X naik maka Y akan
mengala,I penurunan dan begitu sebalikmya .

15.3.2. sketergram
Hubungan antara dependen dan independen dalam regresi bisa positif atau negatif.Pertanyaannya bagaimana
kita bisa mengetahui apakah hubungan antarkedua variabel tersebut positif atau negatif.Langkah awal untuk
menentukan bagaimana jenis hubungan antara variabel dependen dan independen adalah dengan membuat
sketergram (scatter diagram).Sketergram merupakan grafik dari data yang diobservasi dalam hal ini
 255
Adalah data variabel dependen maupun Independen.Dari sketergram ini kita bisa mempunyai dua informasi
penting.Pertama,kita bisa mengetahui apakah kedua variabel saling berhubungan.Kedua,jika kedua variabel saling
berhubungan,kita bisa mengetahui hubungan antara kedua variabel itu positif atau negatif.
Pemahaman masalah sketergram ini bisa kita jelaskan dengan mengambil contoh sederhana hubungan
antara pengeluaran iklan dan volume penjualan.Data pengeluaran iklan merupakan variabel independen dan data
volume penjualan merupakan variabel dependen.Untuk keperluan ini,maka diambil sampel sebanyak 8 perusahaan
mulai dari A sampai H.Data kedua variabel tersebut bisa dilihat dalam Tabel 15.5

Gambar 15.4.tersebut kita kenal dengan sketergram.Setiap titik pada sketergram menunjukan besarnya
pengeluaran iklan dan besarnya volume penjualannya.Saat kita melihat titik-titik tersebut akan terlihat adanya
hubungan antara pengeluaran iklan dan volume penjualan dan sekaligus mengetahui bagaimana hubungan antara
pengeluaran iklan dan volume penjualan.Dari gambar 15.4 tersebut terlihat pada kecenderungan bahwa semakin
besar pengeluaran iklan maka semakin besar volume penjualan sebaliknyan semakin kecil pengeluaran iklan maka
semakin kecil volume penjualan.Oleh sebab itu,dari
 256
Sketergram ini kita bisa mengatakan bahwa terdapat hubungan positif antara pengeluaran iklan dan volume
penjualan.
Setelah kita mengetahui hubungan positif antara pengeluaran iklan dan volume penjualan maka kita bisa
membuat suatu hubungan linier positif antara besarnya pengeluaran iklan dan volume penjualan dengan cara
membuat suatu garis lurus yang melewati sketergram tersebut.Garis lurus ini menunjukan hubungan positif antara
sumbu X dan sumbu Y dimana sumbu X menunjukan besarnyan pengeluaran iklan dan sumbu Y menunjukan
besarnya volume penjualan ,lihat Gambar 15.5. Hubungan linier ini menunjukan bahwa setiap variabel X sebesar
1 unit maka variabel Y akan berubah dalam jumlah yang sama.Dengan kata lain variabel Y akan berubah dalam
jumlah yang sama setiap ada perubahan variable X sebesar 1 unit.

Hubungan variabel di dalam analis regresi tidak harus selalu menunjukan hubungan linier.Hubungan
antarvariabel bisa terjadi dalam bentuk hubungan nonlinier.Hubungan nonlinier ini terjadi karena tidak karena
tidak setiap perubahan X sebesar 1 unit akan mengasilkan perubahan Y dalam jumlah yang tetap.Misalnya kita
bisa belajar soal kurva belajar(learning curve).biaya produksi perusahaan.Learning curve menyatakan bahwa setiap
kenaikan Produksi akan menyebabkan biaya Produksi semakin menurun dengan tingkat penurunan semakin
tajam,lihat Gambar 15.6.
Gambar 15.6.Sketergram dengan Garis nonlinier yang Menunjukan Hubungan Nonlinier.