-STATISTIKA-
“ MAKALAH ANALISIS ASOSIATIF ”
DISUSUN OLEH :
FAKULTAS TEKNIK
Variabel Y
Variabel Y
Gambar 2 Gambar 3
Gambar 1
Gambar 1 menunjukkan persebaran hubungan antara variabel X dan variabel Y yang tidak
menujukkan pola tertentu. Artinya, pada saat variabel X rendah, variabel Y bisa rendah
maupun tinggi. Demikian juga pada saat variabel X tinggi. Pola seperti ini menujukkan tidak
terdapat hubungan antara kedua variabel tersebut.
Gambar dua menujukkan ketika variabel X rendah maka variabel Y juga rendah. Pada saat
variabel X tinggi maka variabel Y juga tinggi. Hubungan seperti ini menunjukkan bahwa
ntara kedua variabel tersebut terdapat hubungan positif yang cukup kuat.
Gambar dua menujukkan ketika variabel X rendah maka variabel Y tinggi, dan pada saat
variabel X tinggi maka variabel Y rendah. Hubungan seperti ini menunjukkan bahwa antara
kedua variabel tersebut terdapat hubungan negatif yang cukup kuat.
Terdapat bermacam-macam teknik statistik korelasi yang dapat digunakan untuk
menguji hipotesis asosiatif. Teknik koefisien yang mana yang akan dipakai tergantung pada
jenis data yang dianalisis. Berikut adalah berbagai teknik statistik korelasi yang digunakan
untuk menguji hipotesis asosiatif. Uji korelasi untuk data interval dan rasio menggunakan
statistik parametrik, sedangkan uji korelasi untuk data nominal dan ordinal menggunakan
statistik nonparametrik.
Teknik Uji Hipotesis Asosiatif untuk berbagai skala data :
1 50 75
2 45 60
3 55 85
4 65 85
5 43 70
6 60 80
7 56 90
8 50 80
9 42 65
10 50 65
Belajar
N 10 10
N 10 10
Untuk pengambilan keputusan secara statistik, dapat menggunakan dua cara sebagai
berikut:
Membandingkan koefisien korelasi pada output SPSS dengan nilai r pada tabel
Produck-Momment, dengan ketentuan:
1. Jika rhitung > ttabel terdapat hubungan
2. Jika rhitung < ttabel tidak terdapat hubungan
Membandingkan nilai Sig pada output SPSS dengan nilai α (0,05) dengan kriteria
keputusan:
1. Jika Sig > 0,05 maka tidak terdapat hubungan
2. Jika Sig < 0,05 maka terdapat hubungan
2. Korelasi Parsial dan Korelasi Ganda
Korelasi parsial adalah korelasi yang digunakan untuk menguji hubungan dua atau lebih
variabel bebas dengan satu variabel terikat, dan salah satu variabelnya dibuat
tetap/konstan (dikendalikan). Tujuan dari korelasi parsial adalah supaya hubungan antara
kedua variabel tidak dipengaruhi faktor lain. Data yang digunakan adalah data interval
atau rasio.
Korelasi ganda termasuk dalam analisis multiple corelations digunakan untuk mencari
derajat keeratan dan arah hubungan antara dua atau lebih variabel bebas (X1, X2,....Xn)
terhadap variabel terikat (Y) secara bersamaan.
Contoh: Penelitian dengan judul: “Pengaruh Minat dan Intensitas Belajar dengan
Hasil Belajar Mata Kuliah Statistik Inferensial”. Variabel X1 adalah minat (diukur
menggunakan angket dengan skala Likert), variabel X2 adalah Intensitas belajar (diukur
dari lamanya belajar dalam satu Minggu) dan variabel Y adalah hasil belajar Statistik
Inferensial (diukur dari nilai ujian semester). Diperoleh data sebagai berikut:
1 45 50 75
2 30 45 60
3 40 55 85
4 35 65 85
5 32 43 70
6 43 60 80
7 34 56 90
8 42 50 80
9 40 42 65
10 50 50 65
Klik tab sheet [Variable View] pada SPSS data editor dan ketik/copy data sebagai
berikut:
Selanjutanya klik [Analyze] > [Correlate] > [Partial].
Akan terbuka kotak dialog Partial Correlations. Masukan variabel Hasil Belajar dan
Intensitas Belajar pada kotak Variables dan Minat ke dalam Controlling for (variabel
minat yang dikendalikan/ dibuat konstan).
Dari output di atas diperoleh koefisien korelasi Zero-order (tanpa variabel kontrol)
sebesar 0,770, sedangkan setelah variabel Minat dikendalikan, nilai koefisien
korelasi menjadi sebesar 0,777. Jadi, terjadi peningkatan korelasi setelah adanya
variabel Minat yang dikendalikan atau dibuat tetap. Jadi kesimpulannya, jika Minat
belajar adalah sama, maka hubungan positif antara Intensitas Belajar dan Hasil
Belajar akan meningkat.
Untuk menentukan signifikansi dapat dilihat dari output, dapat diketahui koefisien
korleasinya adalah 0,777 dengan Sig adalah 0,014. Ternyata Sig < 0,05 maka dapat
disimpulkan hubungan yang terjadi antara intensitas belajar dan hasil belajar adalah
signifikan.
Langkah-langkah uji korelasi parsial dengan SPSS sebagai berikut:
Lakukan langkah-langkah seperti di atas (input data).
Selanjutanya klik [Analyze] > [Regression] > [Linear].
Akan terbuka kotak dialog Linear Regression, masukan variabel Hasil Belajar ke
dalam kotak Dependent dan variabel yang lainnya ke dalam kotak Independent.
Square Estimate
Regresi adalah suatu metode analisis statistik yang digunakan untuk melihat pengaruh
antara dua atau lebih banyak variabel.
Hubungan variabel tersebut bersifat fungsional yang diwujudkan dalam suatu model
matematis. Pada analisis regresi, variabel dibedakan menjadi dua bagian, yaitu variabel
respons (response variable) atau biasa juga disebut variabel bergantung (dependent variable),
dan variabel explanatory atau biasa disebut penduga (predictor variable) atau disebut juga
variabel bebas (independent variable).
Regresi terbagi menjadi beberapa jenis, yaitu regresi sederhana (linier sederhana dan
nonlinier sederhana) dan regresi berganda (linier berganda atau nonlinier berganda).
Analisis ini juga digunakan untuk memahami variabel bebas mana saja yang berhubungan
dengan variabel terikat, dan untuk mengetahui bentuk-bentuk hubungan tersebut.
Analisis regresi dalam statistika adalah salah satu metode untuk menentukan hubungan
sebab-akibat antara satu variabel dengan variabel yang lain. Variabel "penyebab" disebut
dengan bermacam-macam istilah: variabel penjelas, variabel eksplanatorik, variabel
independen, atau secara bebas, variabel X (karena sering kali digambarkan dalam grafik
sebagai absis, atau sumbu X). Variabel terkena akibat dikenal sebagai variabel yang
dipengaruhi, variabel dependen, variabel terikat, atau variabel Y. Kedua variabel ini dapat
merupakan variabel acak (random), namun variabel yang dipengaruhi harus selalu variabel
acak.
Regresi linear sederhana adalah hubungan secara linear antara satu variable independen
(X) dengan variabel dependen (Y). Analisis ini digunakan untuk mengetahui arah hubungan
antara variabel independen dengan variabel dependen apakah positif atau negatif serta untuk
memprediksi nilai dari variabel dependen apabila nilai variabel independen mengalami
kenaikan atau penurunan nilai. Data yang digunakan biasanya berskala interval atau rasio.
C. RUMUS ANALISIS REGRESI LINEAR SEDERHANA
Y’ = a + bX
Keterangan:
b = angka arah atau koefisien regresi, yang menunjukkan angka peningkatan ataupun
penurunan variabel dependen yang didasarkan pada perubahan variabel independen. Bila (+)
arah garis naik, dan bila (-) maka arah garis turun.
Secara teknik harga b merupakan tangent dari perbandingan antara panjang garis
variabel dependen, setelah persamaan regresi ditemukan.
Jika harga b merupakan fungsi dari koefisien korelasi. Bila koefisien korelasi tinggi,
maka harga b juga besar, sebaliknya bila koefisien korelasi rendah maka harga b juga rendah
(kecil). Selain itu bila koefisien korelasi negatif maka harga b juga negatif, dan sebaliknya
bila koefisien korelasi positif maka harga b juga positif.
Selain itu harga a dan b dapat dicari dengan rumus berikut:
Seorang pengusaha bernama Andrianto ingin meneliti tentang pengaruh biaya promosi
terhadap volume penjualan pada perusahaan minyak wangi. Dari pernyataan tersebut
didapatvariabel dependen (Y) adalah volume penjualan dan variabel independen (X) adalah
biaya promosi. Data-data yang didapat ditabulasikan sebagai berikut:
N Biaya Volume
o Promosi Penjualan
1 12 56
2 14 62
3 13 60
4 12 61
5 15 65
6 13 66
7 14 60
8 15 63
9 13 65
10 14 62
Langkah :
Y= a + bx
Konstanta (a) = 45.286; Koefisien Regresi (b) = 1,238; dan t hitung = 1.419
Ho :Tidak ada pengaruh secara signifikan antara biaya promosi dengan volume penjualan
Ha : Ada pengaruh signifikan antara biaya promosi dengan volume penjualan
Dengan menggunakan tingkat signifikansi 5%, pengujian 2 sisi, dan derajat kebebasan (df) =
n-k-1 = 10-1-1 = 8 (dimana n = jumlah data, k = jumlah variabel independen) maka diperoleh
t tabel sebesar 2.30600. (dapat dilihat pada Ms Excel dengan mengetikkan “=tinv(0,05;8)”
lalu tekan Enter).
Karena t hitung < t tabel, maka Ha diterima. Kesimpulannya, terdapat pengaruh yang
signifikan antara biaya promosi dengan volume penjualan. Dikutip dari :
(https://fatkhan.web.id/contoh-kasus-uji-regresi-linear-sederhana/)
Sebagai contoh, kita dapat melihat hubungan antara biaya periklanan (X) dan hasil
penjualan (Y). Menurut perkiraan hubungan tersebut sangat mungkin, bisa jadi periklanan
bukanlah satu-satunya penentu tinggi rendahnya hasil penjualan. Selain biaya periklanan bisa
saja terdapat variabel lain yang dapat memengaruhi hasil penjualan.
Y = variabel dependen
X = variabel independen
Demikian juga, jika jumlah anggota rumah tangga bertambah 1 orang maka akan
menaikkan pengeluaran untuk pembelian barang-barang tahan lama per minggu sebesar
Rp45,1 dengan asumsi pendapatan per minggu konstan/tetap.
1 19 10
2 14 8
3 14 7
4 10 7
5 13 8
6 16 9
7 7 4
8 11 6
Pembahasan:
X Y X2 Y2 XY
14 7 196 49 98
10 7 100 49 70
13 8 169 64 104
16 9 256 81 144
7 4 49 16 28
11 6 121 36 66