MODUL 4

KORELASI DAN REGRESI

4.1 Tujuan Praktikum

1. Mampu memahami uji korelasi dan regresi
2. Mampu menyelesaikan permasalahan korelasi dan regresi dengan software SPSS

4.2 Tugas Praktikum

1. Mencari dan membuat data dari sumber terpercaya untuk diolah kemudian
tampilkan dalam bentuk tabel data historis dengan jumlah minimal 100 data
2. Melakukan uji perhitungan korelasi dan regresi linar seederhana dan berganda
dari sejumlah data yang didapat menggunakan SPSS
3. Melakukan analisa dari sejumlah hasil olahan yang didapat hingga tentukan
kesimpulan keputusan dan rumus regresi yang didapatkan.

4.3 Pengolahan Data

4.3.1 Deskripsi Kasus

a. Regresi Linear Sederhana
Data regresi linear sederhana adalah data harga bahan bakar minyak
premium dan data harga bahan bakar minyak solar. Data harga bahan
bakar minyak premium merupakan variabel independent (X) sedangkan
harga bahan bakar minyak solar merupakan variabel dependent (Y).
b. Regresi Linear Berganda
Data regresi linear berganda adalah data harga bahan bakar minyak jenis
premium, data harga bahan bakar minyak jenis solar dan harga bahan
bakar minyak jenis minyak tanah. Data harga bahan bakar minyak jenis
premium variabel independent (X1), Data harga bahan bakar minyak
 jenis solar merupakan variabel independent (X2), dan data jumlah
pembelian bahan bakar minyak merupakan variabel dependent (Y).

4.3.2 Tabel Data Historis

a. Regresi Linear Sederhana
Harga Bahan Bakar
Harga Bahan Bakar Minyak
No. Minyak Jenis Solar
Jenis Premium (Rupiah)
(Rupiah)
1 150 52.5
2 150 52.5
3 150 52.5
4 150 52.5
5 150 52.5
6 150 52.5
7 150 52.5
8 150 52.5
9 500 300
10 500 300
11 500 300
12 700 380
13 700 380
14 750 380
15 750 380
16 750 380
17 700 600
18 750 550
19 700 550
20 700 600
21 700 900
22 750 1150
 Harga Bahan Bakar
Harga Bahan Bakar Minyak
No. Minyak Jenis Solar
Jenis Premium (Rupiah)
(Rupiah)
23 700 1240
24 700 1390
25 700 1890
26 700 1650
27 1200 1650
28 1000 2100
29 1000 2500
30 1000 2500
31 600 2500
32 1150 2500
33 1450 2650
34 1550 2600
35 1600 3000
36 1750 3000
37 1800 3000
38 1800 3500
39 1800 4300
40 2400 5500
41 4500 4800
42 4500 4800
43 4500 4500
44 6000 4500
45 5500 4500
46 5000 4500
47 4500 5500
48 4500 5500
49 6000 5500
 Harga Bahan Bakar
Harga Bahan Bakar Minyak
No. Minyak Jenis Solar
Jenis Premium (Rupiah)
(Rupiah)
50 8500 7500

b. Regresi Linear Berganda

Jumlah Penjualan
Harga Bahan Bakar Harga Bahan Bakar
Bahan Bakar
No. Minyak Jenis Minyak Jenis Solar
Minyak (Kilo
Premium (Rupiah) (Rupiah)
Liter)
1 150 52.5 19800
2 150 52.5 19200
3 150 52.5 18950
4 150 52.5 19000
5 150 52.5 19890
6 150 52.5 20300
7 150 52.5 19220
8 150 52.5 19448
9 500 300 18952
10 500 300 19874
11 500 300 18590
12 700 380 19743
13 700 380 18284
14 750 380 18462
15 750 380 19800
16 750 380 18479
17 700 600 18643
18 750 550 18241
19 700 550 19441
 Jumlah Penjualan
Harga Bahan Bakar Harga Bahan Bakar
Bahan Bakar
No. Minyak Jenis Minyak Jenis Solar
Minyak (Kilo
Premium (Rupiah) (Rupiah)
Liter)
20 700 600 18881
21 700 900 19380
22 750 1150 18434
23 700 1240 19599
24 700 1390 19781
25 700 1890 18022
26 700 1650 19053
27 1200 1650 18967
28 1000 2100 19592
29 1000 2500 19413
30 1000 2500 19990
31 600 2500 19550
32 1150 2500 19155
33 1450 2650 18721
34 1550 2600 18400
35 1600 3000 19538
36 1750 3000 18385
37 1800 3000 19760
38 1800 3500 18146
39 1800 4300 19919
40 2400 5500 19732
41 4500 4800 18020
42 4500 4800 18451
43 4500 4500 18933
44 6000 4500 19310
45 5500 4500 19912
 Jumlah Penjualan
Harga Bahan Bakar Harga Bahan Bakar
Bahan Bakar
No. Minyak Jenis Minyak Jenis Solar
Minyak (Kilo
Premium (Rupiah) (Rupiah)
Liter)
46 5000 4500 18093
47 4500 5500 18434
48 4500 5500 18503
49 6000 5500 18570
50 8500 7500 18605

4.3.3 Ho dan Ha, Tingkat Probabilitas (p), Kriteria Pengujian

a. Uji Linearitas
- Ho : data tidak bersifat linear
Ha : data bersifat linear
- Tingkat probabilitas : 95%
- Kriteria pengujian
Signifikansi > probabilitas kesalahan berarti Ho diterima
Signifikansi < probabilitas kesalahan berarti Ho ditolak
b. Output ANOVA
- Ho : model regresi tidak bisa digunakan untuk mempridiksi
Ha : model regresi bisa digunakan untuk memprediksi
- Tingkat probabilitas : 95%
- Kriteria pengujian
Signifikansi > probabilitas kesalahan berarti Ho diterima
Signifikansi < probabilitas kesalahan berarti Ho ditolak
c. Uji Korelasi
- Ho : tidak ada korelasi antar variabel
Ha : ada korelasi antar variabel
- Tingkat probabilitas : 95%
 - Kriteria pengujian
Signifikansi > probabilitas kesalahan berarti Ho diterima
Signifikansi < probabilitas kesalahan berarti Ho ditolak

4.3.4 Cara Kerja

a. Regresi Linear Sederhana
1. Karena data pada uji regresi baik itu sederhana maupun berganda
harus berkorelasi maka tahap pertama yang dilakukan adalah uji
korelasi data.
- Masukkan data ke SPSS, klik variabel view seperti pada gambar

- Klik data view dan isikan datanya

- Klik analyze > correlate > bivariate

- Kemudian masukkan kedua variabel ke kotak variabel disebelah

kanan, checklist koefisien korelasi sebagai pearson product moment
kemudian klik oke, gambar berikut :
2. Tahap kedua pada uji regresi adalah uji linearitas. Uji linearitas ini
bertujuan untuk mengetahui apakah data linear atau tidak. Tahapannya
sebagai berikut :
- Klik analyze > compare means > means

- Kemudian masukkan variabel harga premium ke independent list

sedangakan variabel harga solar ke dependent list

- Klik options dan centang pilihan test of linearity

3. Tahap selanjutnya adalah uji regresi. Tahapnya sebagai berikut :
- Pilih analyze > Regression > Linear. Maka akan muncul kotak
dialog seperti dibawah ini.

- Klik options dan isikan probabilitas 0,05 centang include constants

dan exclude cases listwise

- Klik statistics, checklist model fit, estimated, dan casewise

diagnostics kemudian pilih all cases.
 - Klik plots, checklist normal probability plots kemudian continue

b. Regresi Linear Berganda

1. Karena data pada uji regresi baik itu sederhana maupun berganda
harus berkorelasi maka tahap pertama yang dilakukan adalah uji
korelasi data.
- Masukkan data ke SPSS, klik variabel view seperti pada gambar

- Klik data view kemudian input datanya.

 - Klik analyze > correlate > bivariate

- Pindahkan semua variabel seperti pada gambar

- Klik ok maka akan muncul output

2. Setelah uji korelasi kita akan menguji linearitas. Tahapnya adalah
sebagai berikut.
- Klik analyze > regression > linear
 - Statistics, checklist Estimates, Model fit, dan Descriptive. Continue

- Plots, checklist Produce all partial plots. Continue. OK

- Maka akan keluar outputnya

4.3.5 Hasil Output SPSS

a. Regresi Linear Sederhana
 Uji Korelasi
  Uji Linearity

 Uji Regresi

b. Regresi Linear Berganda

 Uji Korelasi
  Uji Linearitas

 Uji Regresi

4.3.6 Analisis Hasil Output SPSS

a. Regresi Linear Sederhana
 Uji Korelasi
Pada hasil output didapatkan signifikansi sebesar 0,000.
Berarti signifikansi < 0,05, Ho ditolak maka harga bahan bakar
minyak jenis premium dan harga bahan bakar minyak jenis solar
mempunyai korelasi.
Pada kolom pearson correlation didapatkan hasil 0,893.
Nilai ini jika dilihat pada interpretasi R berarti variabel
mempunyai korelasi yang kuat.
 Uji Linearity
Pada kolom signifikansi dan baris linearity didapatkan nilai 0,00.
Sign < 0,05 berarti data bersifat linear dan bisa dilanjutkan ke
proses selanjutnya.
  Uji Regresi
Pada tabel model summary didapatkan hasil R square
sebesar 0,797. Artinya, 79,7% variasi harga bahan bakar minyak
jenis premium bisa dijelaskan oleh variasi harga bahan bakar
minyak jenis solar. Sementara sisanya disebabkan oleh sebab lain.
Pada tabel ANOVA diperoleh signifikansi sebesar 0,000. Ini
berarti signifikansi < 0,05, Ho ditolak disimpulkan bahwa model
regresi ini dapat digunakan untuk memprediksi harga bahan bakar
minyak jenis premium.
Pada tabel coefficient dapat ditentukan koefisien dari a dan
b yang memenuhi persamaan y = a + bx. Dimana didapatkan nilai
a sebesar 558,986 dan b sebesar 0,95. Jadi persamaan regresi linear
yang didapatkan adalah y = 558,986 + 0,95x.
b. Regresi Linear Berganda
 Uji Korelasi
Tingkat signifikansi koefisien korelasi satu sisi sebesar 0,00
maka sig ≤ 0,05. Maka korelasi di antara variabel harga BBM
jenis premium, jenis solar, dan jumlah pembelian sangat nyata.
Korelasi harga BBM premium & harga BBM solar = 0,893
Korelasi harga BBM premium & jumlah pembelian = 0,815
Korelasi harga BBM solar & jumlah pembelian = 0,482
Maka variabel harga BBM jenis premium lebih berpengaruh
terhadap jumlah pembelian daripada harga BBM jenis solar.
 Uji Linearitas
Sig ≤ 0,05. Maka Ho ditolak, artinya data memiliki asumsi
linearitas sehingga dapat dilanjutkan ke tahap berikutnya.
 Uji Regresi
R square pada tabel diatas adalah 0,401. Hal tersebut berarti
40,1% dari variasi jumlah pembelian bisa dijelaskan oleh
variabel harga BBM jenis premium dan solar. Sementara sisanya
 100% - 40,1% = 59,9% dijelaskan oleh variabel-variabel yang
lain.
Dari uji ANOVA diperoleh tingkat signifikansi 0,00.
Karena nilai sig ≤ 0,05 maka model regresi bisa digunakan untuk
memprediksi jumlah pembelian bahan bakar minyak. Atau bisa
dikatakan bahwa harga BBM jenis premium dan BBM jenis
solar secara bersama-sama berpengaruh terhadap jumlah
pembelian.
Persamaan yang didapat dari uji regresi linear sederhana
adalah:

Y = 18848.265 + 0,512 X1 - 0,185 X2

Di mana Y = jumlah pembelian, X1 = harga BBM premium,

X2 = harga BBM solar.

4.3.7 Keputusan
a. Uji Regresi Linear Sederhana
Pada uji regresi linear sederhana semua variabel mempunyai korelasi
yang kuat, diasumsikan linear dan didapatkan persamaan regresi
yaitu Y = 558,986 + 0,95X
b. Uji Regresi Linear Berganda
Pada uji regresi linear berganda salah satu variabel mempunyai
korelasi yang agak rendah dan variabel yang satunya lagi
mempunyai korelasi yang kuat, masing – masing variabel
diasumsikan linear dan didapatkan persamaan regresi yaitu Y =
18848.265 + 0,512 X1 - 0,185 X2