KORELASI, SIMPLE REGRESSION DAN MULTIPLE

REGRESSION
Analisisi Korelasi
Analisis korelasi adalah metode evaluasi statistik yang dipergunakan untuk mempelajari
kekuatan hubungan antara dua variabel (variabel independent X) dan variabel dependent
(Y) yang diukur secara numerik. Jenis analisis ini berguna ketika seorang peneliti ingin
menetapkan apakah ada kemungkinan hubungan antar variabel penelitian.

Catatan
Jika variabel itu memiliki hubungan tentu perubahan yang terjadi pada variabel X
(independent) akan berdampak pada perubahan variabel Y (dependent) pula (berkorelasi).

Korelasi dapat dari dua arah, yaitu positif (-) atau negatif (-). Untuk pengujian korelasi dapat
digunakan 2 macam metode korelasi:
1. Pearson Correlation, digunakan untuk data yang berskala interval dan rasio
2. Rank Spearman Correlation, digunakan untuk data yang berskala nominal dan ordinal

Independent dapat berdiri sendiri

Dependent bergantung pada variabel

Contoh kasus yang memiliki korelasi

 Hubungan antara kenaikan harga (X) dengan rasa kue (Y)
 Hubungan harga (X) dengan tingkat permintaan konsumen (Y)

Analisa terhadap korelasi dengan cara menganalisa

1. Koefisien korelasi, menunjukkan kekuatan dan arah hubungan antar dua variabel.
Rentangan nilai koefisien korelasi adalah -1 dan +1 (sekaran, 2009)
 Nilai korelasi sama dengan 0 (nol): tidak terdapat hubungan antar variabel
 Nilai korelasi sama dengan -1: hubungan antar variabel sempurna dan negatif
 Nilai korelasi sama dengan +1: hubungan antar variabel sempurna dan positif
Jika nilai korelasi mendekati 0 (baik posistif maupun negatif), berarti hubungan antar
variabel cenderung lemah, sebaliknya apabila nilai korelaso mendekati 1 (baik positif
maupun negatif) berarti hubungan antar variabel adalah kuat dan cenderung
mengarah pada adanya hubungan yang bersipat sempurna.
2. Koefisien korelasi yang negatif menunjukkan hubungan antar variabel yang terbalik
atau tidak searah, sedangkan koefisien korelasi yang positif menunjukkan hubungan
antar variabel yang searah.
Nilai koefisien korelasi baru dapat diinterpretasikan apabila nilai signifikansinya
adalah di bawah 0,05, yang menunjukkan bahwa besaran korelasi sigbifikansi secara
statistik. Apabila nilai signifikansi korelasi berada di atas atau sama dengan 0,05
maka korelasi tersebut tidak signifikan secara statistik atau dengan kata lain dapat
diinterpretasikan tidak terdapat korelasi antar variabel yang di uji.

Interval Koefisien Tingkat Hubungan

0,00 - 0,199 Sangat Rendah
0,20 – 0,399 Rendah
 0,40 – 0,599 Sedang
0,60 – 0,799 Kuat
0,80 -1,000 Sangat Kuat
Sumber: Sugiyono (2008:184)

Analisis determinasi (R2) adalah mengukur seberapa jauh kemampuan model dalam

menerangkan variasi variabel dependen. Nilai koefisien determinasi adalah 0 dan 1. Nilai
R2 yang kecil berarti kemampuan variabel-variabel dependen saangat terbatas.
 Nilai koefisien determinasi yang kecil memiliki arti bahwa kemampuan
variabel – variabel independen dalam menjelaskan variabel dependen
sangat terbatas, Sebaliknya jika nilai mendekati 1 (satu) dan menjauhi 0
(nol) memiliki arti bahwa variabel – variabel independen memiliki
kemampuan memberikan semua informasi yang dibutuhkan untuk
memprediksi variabel dependen (Ghozali, 2016).

Model Regresi Sederhana

Analisis Regresi Sederhana adalah sebuah metode pendekatan untuk pemodelan
hubungan antara satu variabel dependen dan satu variabel independen. Dalam Analisis
Regresi Sederhana, hubungan antara variabel bersifat linier, dimana perubahan pada
variabel X akan diikuti oleh perubahan pada variabel Y secara tetap. Sementara pada
hubungan non linier, perubahan variabel X tidak diikuti dengan perubahan variabel Y secara
proporsional. Analisis Regresi Sederhana merupakan salah satu teknik analisis yang luas
pemakaiannya. Analisis ini banyak digunakan untuk melakukan prediksi dan ramalan.
Rumus Regresi Linier Sederhana:
Y = A + BX + e
Keterangan:
 Y: Variabel dependen (variabel terikat).
 X: Variabel independen (variabel bebas).
 A: Konstanta (nilai dari Y apabila X = 0).
 B: Koefisien regresi (pengaruh positif atau negatif).
 e: Residual atau error.

Multiple Regression atau Regresi Berganda

Regresi berganda adalah model regresi atau prediksi yang melibatkan lebih dari satu
variabel bebas atau prediktor. Istilah regresi berganda dapat disebut juga dengan istilah
multiple regression. Kata multiple berarti jamak atau lebih dari satu variabel.
Formula dari regresi linear berganda adalah:
y = β0 + β1X1 + … + βnXn + ɛ

 y = nilai prediksi dari dependent variable

 β0 = the y-intercept (nilai dari y saat parameter / independent variable yang lain
bernilai 0)
 β1X1 = koefisien regresi (β1) dari independent variable yang pertama (X1) (besarnya
efek yang ditimbulkan terhadap prediksi nilai y saat nilai dari independent
variable yang pertama berubah)
 βnXn = koefisien regresi dari independent variable yang terakhir
  ɛ = eror dalam model (besarnya variasi dalam estimasi model terhadap nilai y)

LATIHAN
Ani dan Ina melakukan penelitian apakah terhadap pengaruh antara harga gula, upah
karyawan, dan harga tepung terdapat harga roti pada PT Roti Angin Ribut. Berikut diperoleh
data dalam jangka waktu 20 tahun.

TAHU HARGA GULA UPAH KARYAWAN HARGA TEPUNG HARGA ROTI

N
2010 6000 15000 9000 20000
2011 6500 13000 8000 22000
2012 7000 12500 8500 20500
2013 6100 17000 9600 21500
2014 6200 16500 9650 21000
2015 8000 16400 9700 20700
2016 6700 15600 8700 21650
2017 7100 15500 8050 21000
2018 7500 16200 8100 20600
2019 6000 14000 8200 20900
2020 6900 10000 9550 19500
2021 6980 18000 8950 19700
2022 7656 15400 8750 20950
2023 6880 13000 8770 23000
2024 6190 16650 9600 22000
2025 7100 15670 9250 21500
2026 6390 15900 8100 20000
2027 6450 16900 10000 19900
2028 6500 17000 8400 20700
2029 6800 18250 9200 20000
1. Lakukan analisa korelasi dan koefisien determinasi!
2. Buat persamaan regresi dan jelaskan arti masing-masing koefisien regresi tersebut!
3. Tentukan nilai harga roti untuk tahun berikutnya jika harga gula Rp. 10.500. Upah
karyawan Rp. 25.000 dan harga tepung Rp. 15.000?
4. Lakukan uji F dan uji T!
 Jawab

1. Lakukan analisa korelasi dan koefisien determinasi

Jawab.
 Analisa Korelasi
R = 0, 174 artinya secara statistik hubungan antara variabel dependen (harga roti) dengan
variabel independen (harga gula, harga tepung, dan upah karyawan) adalah sangat rendah
dan positif

Model Summary
Adjusted R Std. Error of the
Model R R Square Square Estimate
1 .174a
.030 -.151 961.497
a. Predictors: (Constant), Harga_Tepung, Harga_GUla,
Upah_Karyawan

 Koefisien Determinasi
Adjusted R Square = -0,151 =15,1% = 0% artinya tidak terdapat kontribusi besarnya
variabel dependen (harga roti) yang dapat dijelaskan oleh variasi variabel independen
(harga tepung, harga gulam dan upah karyawan).

Model Summary
Adjusted R Std. Error of the
Model R R Square Square Estimate
1 .174a
.030 -.151 961.497
a. Predictors: (Constant), Harga_Tepung, Harga_GUla,
Upah_Karyawan

Catatan
Jika hasilnya positif, maka artinya secara statistik besarnya variasi dependen (XXX)
yang dapat dijelaskan oleh variasi variabel independen (a,b,c) adalah sebesar xxx%,
sedangkan sisanya sebesar xxx% dijelaskan oleh variabel lain yang tidak dimasukkan
ke dalam model regresi
2. Buat persamaan regresi dan jelaskan arti masing-masing koefisien regresi
tersebut!
Jawab

Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 23653.259 4329.564 5.463 .000
Harga_GUla -.112 .398 -.069 -.281 .782
Upah_Karyawan -.044 .111 -.099 -.394 .699
Harga_Tepung -.154 .353 -.110 -.435 .669
a. Dependent Variable: Harga_Roti

Y = b0 +b1X1+b2X2+ …bkXk+e
Y =23653.259-0,112X1-0,044X2-0,154X3+ e

Arti Koefisien Regresi

 bo 23653.259 = artinya jika variabel independen harga gula, harga tepung, dan
upah karyawan bernilai o maka variabel dependen harga roti sebesar
23653.259
 b10,112 artinya setiap kenaikan satu variabel independen harga gula akan
MENURUNKAN variabel dependen harga roti sebesar 0, 112 dengan asumsi
variabel harga tepung dan upah karyawan dianggap tetap atau konstan
 b20,044 artinya setiap kenaikan satu variabel independen upah karyawan akan
MENURUNKAN variabel dependen harga roti sebesar 0, 044 dengan asumsi
variabel harga gula dan harga tepung dianggap tetap atau konstan
 b30,154 artinya setiap kenaikan satu variabel independen harga tepung akan
MENURUNKAN variabel dependen harga roti sebesar 0, 154 dengan asumsi
variabel harga gula dan upah karyawan dianggap tetap atau konstan

3. Tentukan nilai harga roti untuk tahun berikutnya jika harga gula Rp. 10.500. Upah
karyawan Rp. 25.000 dan harga tepung Rp. 15.000?
Jawab
Diketahui:
Harga gula Rp. 10.500.
Upah karyawan Rp. 25.000
Harga tepung Rp. 15.000

Maka.

Y =23653.259-0,112X1-0,044X2-0,154X3+ e
Y =23653.259-0,112(10500)-0,044(25000)-0,154(15000)+e
Y = 19067,26+ e (wajib ditulis)
4. Lakukan uji F dan uji T
 Uji F
Adapun ketentuan dari uji F yaitu sebagai berikut (Ghozali, 2016) :

1. Jika nilai signifikan F < 0,05 maka H0ditolak dan H1 diterima. Artinya semua
variabel independent/bebas memiliki pengaruh secara signifikan terhadap
variabel dependen/terikat.
2. Jika nilai signifikan F > 0,05 maka H0 diterima dan H1 Artinya, semua
variabel independent/bebas tidak memiliki pengaruh secara signifikan
terhadap variabel dependen/terikat.
Atau
Jika Sig ≥ α (0,05) maka model tidak fit
Jika Sig< α (0,05) maka model fit

ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 462861.193 3 154287.064 .167 .917b
Residual 14791638.807 16 924477.425
Total 15254500.000 19
a. Dependent Variable: Harga_Roti
b. Predictors: (Constant), Harga_Tepung, Harga_GUla, Upah_Karyawan

 Kesimpulan nilai Sig (0,917) ≥ α (0,05) maka model tidak fit (tidak layak digunakan
dalam penelitian
Berdasarkan tabel Anova dapat diperoleh keputusan bahwa H0ditolak dan H1 diterima. Hal
ini dapat dilihat dari nilai F hitung yaitu sebesar 0,167. Sedangkan nilai signifikansi yang
dihasilkan yaitu 0,917 yang dimana lebih besarl dari 0,05. Dengan demikian dapat
disimpulkan bahwa model regresi berganda ini tidak layak digunakan, dan variabel
independen yang meliputi harga gula, upah karyawan, dan harga tepung tidak memiliki
pengaruh secara simultan terhadap variabel dependen agresivitas pajak.
  Uji T

Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 23653.259 4329.564 5.463 .000
Harga_GUla -.112 .398 -.069 -.281 .782
Upah_Karyawan -.044 .111 -.099 -.394 .699
Harga_Tepung -.154 .353 -.110 -.435 .669
a. Dependent Variable: Harga_Roti

 Hipotesis Variabel X1 Harga Gula

Ho: Tidak Terdapat pengaruh secara individual variabel independen harga gula terhadap
variabel dependen harga roti jika Sig ≥ α (0,05)
Ha: Terdapat pengaruh secara individual variabel independen harga gula terhadap variabel
dependen harga roti jika Sig< α (0,05)
Jika Sig (0,782) ≥ α (0,05) maka Ho tidak dapat ditolak
 Kesimpulan: Tidak terdapat pengaruh secara individual variabel independen
harga gula terhadap variabel dependen harga roti.

 Hipotesis Variabel X2 Upah Karyawan

Ho: Tidak terdapat pengaruh secara individual variabel independen upah karyawan terhadap
variabel dependen harga roti jika Sig ≥ α (0,05)
Ha: Terdapat pengaruh secara individual variabel independen upah karyawan terhadap
variabel dependen harga roti jika Sig< α (0,05)
Jika Sig (0,699) ≥ α (0,05) maka Ho tidak dapat ditolak
 Kesimpulan: Tidak terdapat pengaruh secara individual variabel independen
upah karyawan terhadap variabel dependen harga roti.

 Hipotesis Variabel X3 Harga Tepung

Ho: Tidak terdapat pengaruh secara individual variabel independen harga tepung terhadap
variabel dependen harga roti jika Sig ≥ α (0,05)
Ha: Terdapat pengaruh secara individual variabel independen harga tepung terhadap
variabel dependen harga roti jika Sig< α (0,05)
Jika Sig (0,699) ≥ α (0,05) maka Ho tidak dapat ditolak
 Kesimpulan: Tidak terdapat pengaruh secara individual variabel independen
harga tepung terhadap variabel dependen harga roti.
 Tugas
Ani dan Ina melakukan penelitian apakah terdapat pengaruh antara amenitas, atraksi wisata
dan aksesibilitas.terhadap kepuasan berkunjung pada destinasi wisata Alam Fana . Berikut
diperoleh data dalam jangka waktu 20 tahun.
Aksesibilita
Tahun Amenitas Atraksi Wisata s Kepuasan Pengunjung
2001 251 325 475 645
2002 265 320 486 673
2003 250 335 413 688
2004 275 340 433 666
2005 290 345 422 654
2006 248 330 444 696
2007 250 381 464 647
2008 270 371 467 681
2009 275 333 483 612
2010 259 350 492 660
2011 265 367 477 652
2012 272 381 435 678
2013 281 345 436 638
2014 275 359 445 625
2015 273 399 460 610
2016 285 369 450 686
2017 280 378 440 606
2018 284 380 470 699
2019 295 377 412 620
2020 290 372 423 635
1. Lakukan analisa korelasi dan koefisien determinasi!
2. Buat persamaan regresi dan jelaskan arti masing-masing koefisien regresi tersebut!
3. Tentukan nilai kepuasan pengunjung untuk tahun berikutnya jika tingkat amenitas
75, atraksi wisata 60 dan aksesibilitas 45!
4. Lakukan uji F dan uji T!