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.
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
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
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 :
Test statisticsa,b
keuntungan
Chi-bquare 12.404
df 2
Asymp.slg .002
a. kruskal wallis test
b. grouping variable Banks
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
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
15.2.3.1. 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
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.
250…..
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
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.