BAB X

ANALISIS REGRESI DAN KORELASI

(Pengujian Hipotesis Asosiatif)

A. Pengantar
Korelasi dan regresi keduanya mempuryai hubungan yang sangat
erat. Setiap regresi pasti ada korelasinya, tetapi korelasi belum tentu
ditunjukkan dengan regresi. Korelasi yang tidak dilanjutkan dengan regrsi
adalah korelasi antara dua variabel yang tidak mempunyai hubungan
kausal atao sebab akibat atau hubungan fungsional. Analisis regresi
dilakukan baik hubungan dua variabel berupa hubungan kausal atau
fungsional. Untuk menetapkan kedua variabel mempunyai hubungan
kausal atau tidak, maka harus didasarkan pada teori atau konsep-konsep
tentang dua variabel tersebut.
Analisis regresi digunakan apabila kita ingin mengetahui
bagaimana variabel dependent (terikat,) dapat diprediksikan melalui
variabel independent (bebas) atau variabel prediktor secara individu.
Dampak dan penggunaan analisis regresi dapat digunakan untuk
memutuskan apakah naik dan menurutnya variabel dependent dapat
dilakukan melalui menaikkan dan menurunkan keadaan variabel
independent atau untuk meningkatkan keadaan variabel dapat dilakukan
dengan meningkatkan variabel independent dan sebaiknya.
Hubungan dua variabel atau lebih dinyatakan negatif, bila nilai
suatu variabel dinaikkan maka akan menurunkan variabel yang lain
demikian juga sebaliknya. Misalnya ada hubungan negatif antara curah
hujan dengan es yang terjual. Hal ini berarti semakin tinggi curah hujan
akan semakin sedikit es yang terjual dan semakin sedikit curah hujan
maka akan semakin tinggi es yang terjual
Kuatnya hubungan antara variabel dinyatakan dalam kofesien
korelasi. Kofesien korelasi positif terbesar adalah + 1 dan koefisien negatif
terbesar -1 bila hubungan kedua variabel mempunyai kofesien korelasi +1
atau -1 maka hubungan tersebut sempurna. Dalam arti kejadian-kujadikan
pada variabel yang satu akan dapat dijadikan atau dipersediakan oleh

tantocornelius@yahoo.com. Statistik PendidikanPage 105

variabel yang lain tanpa terjadi kesalahan (error) . semakin kecil koefisien
korelasi maka akan semakin besar error untuk membuat produksi.
Besarya koefisien korelasi dapat diketahui berdasarkan
penyebaran titik-titik pertemuan antara dua variabel yaitu X dan Y. Apabila
titik-titik itu terdapat dalam garis, maka koefisien korelasinya adalah +1
atau -1 dan jika titik-titik itu membentuk lingkaran, maka koefisien
korelasinya adalah 0.

B. Regresi linear Sederhana

1. Hubungan Antar variabel
Hubungan antar variabel dapat berupa hubungan linear ataupun
hubungan tidak linear. Inisalnya, berat badan laki-laki dewasa sampai
pada taraf tertentu berat badan laki-laki dan tinggi, keliling lingkaran
bergantung pada diam0etemya, dan tekanan gas bergantung pada suhu
dan volumenya.
Hubungan-hubungan itu bila dinyatakan dalam bentuk matematis
akan memberikan persamaan-persamaan tertentu. Untuk dua variabel,
hubungan linearnya dapat dinyatakan dalam bentuk persamaan linear.
Model : Y = α + βX + ε (populasi)
Fungsi Taksiran : Y^ = a + bX (sampel)
Di mana a = konstanta, b = koefisien regresi, yang dapat diperoleh
dari data sampel. Untuk keperluan itu dibutuhkan pasangan data (X, Y)
sebanyak n, misalnya sebagai berikut:
No Subjek X Y
1 X1 Y1
2 X2 Y2
3 X3 Y3
. . .
. . .
. . .
n Xn Yn
Catatan: sampel yang terpilih adalah sampel random dari populasi normal
dan homogen.

tantocornelius@yahoo.com. Statistik PendidikanPage 106

 Dari perhitungan melalui pasangan data (X, Y) dapat ditentukan : (i)
persamaan atau model regresi Y atas X, (ii) Linieritas dan signifikansi
regresi Y atas X, dan (iii) koefisien korelasi dan koefisien determinasi.
Contoh: Misalnya sedang dibahas hubungan antara Kompetensi (X) dan
Kinerja karyawan (Y). Untuk itu diambil sampel acak sebanyak 15 orang
sebagai berikut:
No Responden X Y
1 40 4
2 55 16
3 32 12
4 55 24
5 50 15
6 52 24
7 61 22
8 44 17
9 30 4
10 22 14
11 40 24
12 64 26
13 58 20
14 48 9
15 44 14

Pertanyaan:
1. Tentukan persamaan regresi Y atas X
2. Lakukan pengujian Linieritas regresi Y atas X dan signifikansi
regresi Y atas X
3. Hitung koefisien korelasi dan koefisien determinasi Y atas X
Penyelesaian:
Untuk memudahkan menghitung jumlah kuadrat dan jumlah hasil
kali dari variabel X dan Y, terlebih dahulu dibuat tabel persiapan sebagai
berikut:
No X X2 Y Y2 XY
Responden
1 40 1600 4 14 160
2 55 3025 16 256 880
3 32 1042 12 144 384
4 55 3025 24 576 1320

tantocornelius@yahoo.com. Statistik PendidikanPage 107

 No X X2 Y Y2 XY
Responden
5 50 2500 15 225 750
6 52 2704 24 576 1248
7 61 3721 22 484 1342
8 44 1936 17 289 748
9 30 900 4 16 120
10 22 484 14 196 308
11 40 1600 24 576 960
12 64 4096 26 676 1664
13 58 3364 20 400 1160
14 48 2304 9 81 432
15 44 1936 14 196 616
Jumlah 695 34219 245 4707 12092

a. Menentukan persamaan regresi Y atas X (Y^ = a + bX)

Dari tabel di atas, dapat ditentukan persamaan atau model regresi
sebagai berikut:
Y^ = a + bX
∑ xy
b=
∑ x²
a = Y - bX
di mana:
∑X = 695, ∑X² = 34219, X 1= 46,33
∑Y = 245, ∑Y2 = 4707, Y ❑= 16,33
∑XY = 12092

(∑ X ) (∑Y ) ( 695 ) (245)

∑xy = ∑XY - =¿ 12092 – = 740,333
n 15
(∑ X)² (695)²
∑x² = ∑X² - = 34219 – = 2017,333
n 15
(∑ Y )² (245)²
∑y2 = ∑Y2 - = 4707 - = 705,333
n 15
740,333
b= = 0,367
2017,333
a = 16,33 – (0,367)(46,33) = -0,67
Jadi persamaan regresinya Y atas X adalah Y^ = -0,67 + 0,367X

tantocornelius@yahoo.com. Statistik PendidikanPage 108

b. Uji Linearitas dan Signifikansi Regresi Y atas X
Langkah-langkah pengujian adalah:
1) Menghitung Jumlah Kuadrat (JK) beberapa sumber varians
JK(T) = ∑Y2 = 4707

=(❑ )
❑

JK(a)
∑Y ² =
245²
= 4001,667
15
n
JK(b/a) = b∑xy = (0,367)(740,333) = 271,692
JK(S) = JK(T) – JK(a) – JK(b/a)
= 4704 – 4001,667 – 271,692 = 433,641

{∑ }
2
JK(G) =∑
i−12
(∑ Y )
Y 2i −
i=1 ni

Selanjutnya data terlebih dahulu diurutkan menurut variabel X:

X 22 30 32 40 40 44 44 48 50 52 55 55 58 61 64
Y 14 4 12 4 24 17 14 9 15 24 16 24 20 22 26

28² 31² 40²

JK(G) = (4² + 24² - ) + (17² + 14² – )+ (16² + 24² - ) =
2 2 2
238,5
JK(Tc) = JK(S) – JK(G) = 433,641 – 236,5 = 197,141
2) Menentukan derajat bebas (db) beberapa sumber varians
db(T) = n = 15
db(a) = 1
db(b) =1
db(S) = n – 2 = 15 – 2 = 13
db(G) = n – k = 15 – 12 = 3 (k=12)
db(Tc) = k – 2 = 12 – 2 = 10
3) Menghitung Rata-rata Jumlah Kuadrat (RJK)
JK (a) 4001,667
RJK(a) = = =¿ 4001,667
db (a) 1

JK (b/a) 271,692
RJK(b/a) = = = 271,692
db(b /a) 1

tantocornelius@yahoo.com. Statistik PendidikanPage 109

 JK (S) 433,641
RJK(S) = = = 33,357
db (S) 13

JK (G) 236 ,5
RJK(G) = = = 78,833
db (G) 3

JK (Tc) 197,141
RJK(Tc) = = = 19,7141
db(Tc) 10

4) Menentukan Fhitung
Fhitung yang akan ditentukan adalah berkaitan dengan uji linearitas
dan uji signifikansi regresi.
Uji Linearitas Regresi Y atas X
Hipotesis statistiknya:
H0: Y = α + βX (regresi linier)
H1: Y ≠ α + βX (regresi tidak linier)
RJK (Tc) 19,7141
Fhitung (Tc) = = =0,2501
RJK (G) 78,833
Ftabel (0,05; 10; 3) = 8,78 dan Ftabel (0,01; 10; 3) = 27,23
Karena Fhitung ≤ Ftabel, maka H0 diterima, sehingga regresi Y atas X
adalah Linear.
Uji Signifikansi Regresi Y atas X
Hipotesis statistiknya:
H0: β ≤ 0 (regresi tidak berarti/tidak signifikan)
H1: β > 0 (regresi berarti atau signifikan)
RJK (b/a) 27,692
Fhitung (b/a) = = =8,145
RJK ( S) 33,357
Ftabel (0,05; 1; 13) = 4,67 dan Ftabel (0,01; 1; 13) = 9,07
Karena Fhitung > Ftabel, maka H0 ditolak pada taraf signifikansi (α) =
0,05. Dengan demikian regresi Y atas X adalah berarti atau
signifikan.
Kesimpulan dari pengujian linearitas dan signifikansi regresi adalah
terdapat hubungan antara kompetensi dengan kinerja pegawai.
5) Menyusun tabel ANAVA Regresi

tantocornelius@yahoo.com. Statistik PendidikanPage 110

 Sumber db JK RJK Fhitung Ftabel
varians α= 5% α= 1%
Total 15 4707

Regresi (a) 1 4001,667 4001,66

7
Regresi 1 271,692 271,692 8,145* 4,67 9,07
(b/a)
Sisa 13 433,641 33,357
Tuna 10 197,141 19,7141
Cocok 8,78ns 8,78 27,23
Galat 3 236,50 78,833

c. Koefisien Korelasi dan Uji Signifikansi Koefisien Korelasi X dan Y

Koeefisien korelasi adalah koefisien yang memperlihatkan tingkat
keeratan hubungan antara variabel X dan Y.
(i) Koefisien Korelasi antara X dan Y
❑
∑ xy 740,333

√(∑ x ²)(∑ y ) √
❑
rxy =
( 2017,333 ) ( 705,333 )
= = 0,621
❑
❑ ❑
∑ ❑
❑ ❑

Jadi koefisien korelasi antara X dan Y adalah 0,621

(ii) Uji Signifikansi Koefisien Korelasi X dan Y
Hipotesi statistiknya:
H0: ρ ≤ 0
H1: ρ > 0
r xy √ n−2 0,621 √ 13
thitung = = = 2,849
√1−r 2
xy √1−0 , 621²
ttabel (0,95; 13) = 1,77 dan ttabel(0,99; 13) = 2,65
Kesimpulan: karena thitung > ttabel maka H0 ditolak. Ini berarti bahwa
korelasi antara X dengan Y adalah sangat signifikan. Karena
koefisien korelasi adalah positif, maka dapat dikatakan bahwa
koefisien korelasi antara X dan Y bersifat positif dan sangat
signifikan. Artinya makin tinggi kompetensi makin tinggi pula
kinerja pegawai yang dapat di capai.
(iii) Koefisien Determinasi (Penentu)

tantocornelius@yahoo.com. Statistik PendidikanPage 111

 Koefisien determinasi adalah sebuah koefisien yang
memperlihatkan besarnya variasi yang ditimbulkan oleh variabel
bebas yang dinyatakan dengan prosentase. Untuk hasil analisis di
atas, koefisien determinasi antara X dan Y adalah kuadrat dari r xy
= 0,621, yaitu r²xy = 0,385. Koefisien mengandung makna bahwa
38,5 % variasi kinerja pegawai dapat dijelaskan oleh kompetensi.
C. Regresi Linier Berganda Dua Prediktor
Jika skala pengukuran daru dua variabel bebas (predictor) dari
sebuah variabel tak bebas (criterion) yang dianalisis merupakan interval
atau rasio, maka untuk menjelaskan hubungan antara variabel tersebut
dapat dilakukan menggunakan regresi linear berganda dengan dua
predictor. Misalnya variabel bebas tersebut adalah X1, X2 dan variabel
terikatnya Y, maka hubungan antara X1, X2, dan Y atau dinamakan regresi
linear berganda Y atas X1, dan X2. Hubungan atau pertautan antara
variabel tersebut dinyatakan dalam persamaan matematika berikut:
Model : Y = β0 + β1X1 + β2X2 + ε (populasi)
Fungsi Taksiran : Y^ = b0 + b1X1 + b2X2 (sampel)
Di mana b0 adalah konstanta, b1 dan b2 masing-masing koefisien
regresi yang berkaitan dengan variabel X1, dan X2. Nilai b0 adalah
konstanta b1 dan b2 yang dapat diperoleh dari data sampel. Untuk
keperluan itu dibutuhkan pasangan data (X1, X2, dan Y), dengan
persyaratan diambil secara random, populasi normal, dan homogen.
No. Subjek X1 X2 X3
1 X11 X21 Y1
2 X12 X22 Y2
3 X13 X23 Y3
. . . .
. . . .
n X1n X2n Yn

Dari tabel di atas ditentukan jumlah kuadrat dan jumlah hasil kali
antara variabel dapat ditentukan dengan menggunakan rumus deviasi.
Yang selanjutnya digunakan untuk menentukan:
(1) Persamaan regresi ganda Y atas X1 dan X2.

tantocornelius@yahoo.com. Statistik PendidikanPage 112

 (2) Signifikansi persamaan regresi ganda Y atas X1 dan X2.
(3) Koefisien korelasi ganda dan koefisien determinasinya.
(4) Signifikansi koefisien persamaan regresi ganda Y atas X1 dan X2.
(5) Koefisien korelasi parsial dan signifikansinya.
Contoh: Akan dianalisis hubungan antara Kompetensi (X 1) dan
Kompensasi (X2) dengan Kinerja Karyawan. Untuk tujuan ini misalnya
diambil sampel acak sebagai berikut:
No. Subjek X1 X2 Y
1 12 10 6
2 14 11 7
3 10 14 8
4 16 13 8
5 18 15 9
6 24 20 10
7 12 8 5
8 30 16 12
9 10 12 6
10 16 9 7
Jumlah 162 128 78

Pertanyaan:
a. Tentukan persamaan regresi ganda Y atas X1 dan X2.
b. Lakukan pengujian signifikansi regresi ganda Y atas X1 dan X2.
c. Hitung dan uji signifikansi koefisien korelasi ganda Y atas X1 dan
X2.
d. Lakukan pengujian signifikansi koefisien persamaan regresi ganda
Y atas X1 dan X2.
e. Hitung dan uji signifikansi koefisien korelasi parsial.
f. Tentukan peringkat hubungan antara variabel bebas dan variabel
tak bebas.
Penyelesaian:
Sebelum menjawab pertanyaan-pertanyaan di atas, maka terlebih
dahulu dibuat tabel persiapan regresi ganda dengan dua predictor
seperti di bawah ini.

tantocornelius@yahoo.com. Statistik PendidikanPage 113

 No. X1 X2 Y X12 X22 Y12 X1Y X2Y X1X2
Subjek
1 12 10 6 144 100 36 72 60 120
2 14 11 7 196 121 49 98 77 154
3 10 14 8 100 196 64 80 112 140
4 16 13 8 256 169 64 128 104 208
5 18 15 9 324 225 81 162 135 270
6 24 20 10 576 400 100 240 200 480
7 12 8 5 144 64 25 60 40 96
8 30 16 12 900 256 144 360 192 480
9 10 12 6 100 144 36 60 72 120
10 16 9 7 256 81 49 112 63 144
Jumlah 162 128 78 2996 1756 648 1372 1065 2212

a. Menentukan Persamaan Regresi Linear Ganda Y atas X1 dan X2

Untuk menentukan persamaan regresi ganda terlebih dahulu
ditentukan nilai-nilai sebagai berikut:
Y^ = a + bX
∑ xy
b=
∑ x²
a = Y - bX
di mana:
∑X1 = 162 ∑X1² = 2996 X 1= 16,2
∑X2 = 128 ∑X2² = 1756 X 2 = 12,8
∑Y = 78 ∑Y2 = 648 Y ❑= 7,8
∑x12 = 371,6 ∑x22 = 117,6 ∑y2 = 39,6
∑X1Y = 1372 ∑x1y =108,4
∑X2Y = 1055 ∑x2y = 56,6
∑X1X2 = 2212 ∑x1x2 = 138,4
Selanjutnya dibentuk persamaan berikut:
b1∑x12 + b2∑x1x2 = ∑x1y
b1∑x1x2 + b2∑x22 = ∑x2y
( ∑ x ₂² ) ( ∑ x ₁ y )− ( ∑ x ₁ x ₂ ) ( ∑ x ₂ y )
b1 =
( ∑ x ₁² )( ∑ x ₂² )−( ∑ x ₁ x ₂ ) ²
( 117 , 6 ) ( 108 , 4 )−( 138 , 4 )( 56 ,6 ) 4914
= = = 0,200215
( 371 ,6 )( 117 , 6 )−( 138 ) ² 24545 ,6

tantocornelius@yahoo.com. Statistik PendidikanPage 114

 ( ∑ x ₁² ) ( ∑ x ₂ y )− ( ∑ x ₁ x ₂ ) ( ∑ x ₁ y )
b2 =
( ∑ x ₁² )( ∑ x ₂² )−( ∑ x ₁ x ₂ ) ²
( 371, 6 )( 56 , 6 )−( 138 , 4 )( 108 , 4 ) 6030
= ( 371 ,6 )( 117 , 6 )−( 138 ) ² = 24545 ,6 = 0,235665

b0 = Y ❑- b1 X 1 - b2 X 2
b0 = 7,8 – (0,200215)(16,2) – (0,245665)(12,8) = 1,412001
Persamaan atau model regresi ganda Y atas X1 dan X2
diekspresikan sebagai berikut:
Y^ = 1,412001 + 0,200215 X1 + 0,245665 X2 atau
Y^ = 1,412 + 0,200 X1 + 0,246 X2

b. Uji Signifikansi Persamaan Regresi Ganda Y atas X1 dan X2

Untuk menguji apakah regresi linear ganda Y atas X 1 dan X2 (Y^ =
1,412 + 0,200 X1 + 0,246 X2) bersifat signifikan atau tidak dilakukan
dengan langkah-langkah sebagai berikut:
(i) Menghitung Jumlah Kuadrat (JK) beberapa Sumber Varians
JK(T) = ∑y² = 39,6
JK(Reg) = b1∑x₁y + b2∑x₂y = (0,200)(108,4) + (0,246)(56,6) =
35,608
JK(Res) = JK(T) – JK(Reg) = 39,6 - 35,608 = 3,992
(ii) Menentukan Derajat Bebas (db) beberapa Sumber Varians
db(T) = n – 1 = 10 – 1 = 9
db(Reg) = k = 2 (k adalah banyaknya predictor)
db(Res) = n – k – 1 = 10 – 2 – 1 = 7
(iii) Menghitung Rata-rata Jumlah Kuadrat (RJK)
JK (Reg) 35,608
RJK(Reg) = = = 17,804
db (Reg) 2

JK (Res ) 3,992
RJK(Res) = = = 0,570
db (Res) 7
(iv) Menentukan Fhitung
Hipotesis yang akan diuji adalah:
H0: regresi tidak berarti atau signifikan
H1: regresi berarti atau signifikan

tantocornelius@yahoo.com. Statistik PendidikanPage 115

 RJK (Reg) 17,804
Fhitung (Reg) = = = 31,219
RJK (Sisa) 0,570
Ftabel(0,05; 2; 7) = 4,74 dan Ftabel(0,01; 2; 7) = 9,55
Karena Fhitung > Ftabel, maka H0 ditolak. Dengan demikian regresi
Y^ = 1,412 + 0,200 X1 + 0,246 X2 adalah sangat berarti atau
signifikan. Artinya terdapat hubungan antara Kompetensi dan
Kompensasi dengan Kinerja Karyawan.
(v) Menyusun Tabel ANAVA Regresi
Sumber db JK RJK Fhitung Ftabel
Varians = 5% = 1%
Regresi 2 35,608 17,804
Sisa 7 3,992 0,570 31,219**
(Residu)
Total 9 39,6
Tereduksi

c. Uji Signifikansi Koefisien Regresi Ganda Y atas X1 dan X2

(i) Koefisien Korelasi Ganda
JK (Reg) 35,608
2 ❑ =
R = 39 , 6 = 0,899
y12
∑
❑
y
2

Ry12 = √ 0,899 = 0,948

Jadi koefisien korelasi ganda antara Y dengan X1dan X2 (Ry12)
sebesar 0,948.
(ii) Uji Sifnifikansi Koefisien Korelasi Ganda
Hipotesi statistic yang diuji adalah:
H0: ρy12 ≤ 0
H1: ρy12 > 0
R ²(n−k −1) ( 0,899 ) (10−2−1)
Fhitung =
k (1−R 2)
= 2 (1−0,899)
= 31,219

Ftabel(0,05)(2; 7) = 4,74 dan Ftabel(0,01)(2; 7) = 9,55

Karena Fhitung > Ftabel, maka H0 ditolak. Hal ini berarti bahwa
koefisien korelasi ganda antara X1 dan X2 dengan Y adalah
sangat signifikan. Dengan kata lain tingkat keeratan hubungan

tantocornelius@yahoo.com. Statistik PendidikanPage 116

 antara Kompetensi dan Kompensasi secara bersama-sama
dengan Kinerja Pegawai adalah sangat signifikan.
(iii) Koefisien Determinasi
Koefisien determinasi diartikan sebagai kuadrat dari koefisien
korelasi. Dengan demikian koefisien determinasi antara X 1 dan
X2 dengan Y adalah kuadrat dari Ry12 = 0,948 atau R2y12 x 100 %
= 0,0,899 x 100 % = 89,9 %. Artinya bahwa 89,9 % variansi
nilai pada variabel Kinerja Pegawai (Y) dapat dijelaskan oleh
Kompetensi (X1) dan Kompensasi (X2) secara bersama-sama

Uji Signifikansi Koefisien Persamaan Regresi Ganda

(i) Menghitung Galat Baku Taksiran
JK (S)
S2y12 =
(n−k −1)
3,992
S2y12 = = 0,570
10−2−1
Sehingga galat baku taksiran adalah Sy12 = 0,7552
(ii) Menghitung R2
Karena R1 = R2, maka R21 = R22
Koefisien R1 = R2 dihitung dengan rumus:
∑ x ₁x ₂
R1 =
√( ∑ x ₁² ) ( ∑ x ₂₁² )
138 , 4
R1 = = 0,662
√( 371 , 6 ) ( ∑ 117 ,6 )
Sehingga menghasilkan R21 = R22 = 0,4382
(iii)Menghitung S2 bi
2
S yi 2 …… …k
S2bi = ❑
∑
❑
x 2ij ( 1−R 2i )

2
S y 12
S2 b1 = ❑
∑
❑
x 21 ( 1−R21 )

0,570
= = 0,05228
¿¿

tantocornelius@yahoo.com. Statistik PendidikanPage 117

 Selanjutnya:
2
S y 12
S2b2 = ❑
∑
❑
x 22 ( 1−R22 )

0,570
= = 0,008863
(117 ,6) ( 1−0,4382 )

Sehingga diperoleh Sb2 = 0,008632

(iv) Menghitung Statistik.
Statistik uji yang digunakan untuk menentukan signifikansi
dari masing-masing X1 dan 2 adalah statistic uji-t dengan
rumus:
bi
ti =
S bi

Uji signifikansi koefisien X1(b1):

b1 0,200
ti = = = 3,83
S bi 0,5226

F tabel(95; 7) = 1,90 dan F tabel(99; 7) = 3,00

Karena Ho > Ftabel, maka H0 ditolak.Dengan demikian,
koefisien yang berkaitan dengan X1 adalah sangat
signifikan dan X1, maka variabel Y akan mengalami
peningkatan sebesar 0,2000 kali pada konstatnta 1,412
sementara variabel X2 diabaikan atau dikontrol.
Uji signifikansi koefisien X2(b2):
b2 0,246
t2 = = = 2,65
Sb2 0,0929

F tabel(0,95)(47) = 1,90 dan F tabel(99; 47) = 3,00

Nampak bahwa t2 > ttabel sehingga H0 ditolak. Dengan
demikian koefisien yang berkaitan dengan X2 adalah sangat
signifikaan. Dengan kata lain bahwa koefisien X 2 tidak
dapat diabaikan. Kesimpulannya adalah bahwa setiap
peningkatan satu uni variabrel X2 akan meningkatkan

tantocornelius@yahoo.com. Statistik PendidikanPage 118

 variabel Y sebesar 0,246 kali pada konstanta 1,412
sementara variabel X, dianggap tetap atau dikontrol.
d. Korelasi Parsial dan Uji Signifikansi Korelasi Parsial
Untuk menghitung koefisien korelasi parsial, diperlukan
koefisien-koefisien korelasi sebagai berikut:
∑x₁y 108 , 4
ry1 = = = 0,894 (r2y1= 0,7992)
√( ∑ x ₁² ) ( ∑ y ² ) √( 371 , 6 ) ( 39 , 6 )
∑x₂y 56 , 6
ry2 = = = 0,829 (r2y2= 0,6872)
√( ∑ x ₂² ) ( ∑ y ² ) √( 117 , 6 ) ( 39 ,6 )
∑x ₁x ₂ 138 , 4
r12 = = = 0,662 (r2y1= 0,4382)
√( ∑ x ₁² ) ( ∑ x ₂² ) √( 371 , 6 ) ( 117 ,6 )
(i) Koefisien korelasi antara X1 dan Y dengan mengontrol
pengaruh X2 (ryi2)
r y 1−r y 2 r 12 0,894−( 0,829 ) (0,662)
ry12 = = =0,823
√( 1−r 2
y2 )(1−r ) 2
12 √( 1−0,6872 ) (1−0,4382 )
Uji Signifikansi Koefisien Korelasi Parsial:
r y 12 √ n−3 0,823 √ 10−3
thitung = = = 3,83
√(1−r 2
y 12 ) √ ( 1−0 ,823² )
ttabel(0,95; 7) = 1,90 dan ttabel(0,99; 7) = 3,00
Karena thitung > ttabel maka H0 ditolak. Dengan demikian
koefisien korelasi antara Y dan X 1 dengan mengontrol
variabel X2 adalah signifikan. Kesimpulannya bahwa
dengan mengontrol variabel X2 maka (0,823)2 atau 67,73 %
variasi Y dapat dijelaskan oleh variabel X1.
(ii) Koefisien korelasi antara X2 dan Y dengan mengontrol
pengaruh X1 (rry21).
r y 2−r y 1 r 12 0,829−( 0,894 ) (0,662)
ry21 = = =0,707
√( 1−r 2
y1 )(1−r ) 2
12 √( 1−0,7992 ) (1−0,4382 )

Uji Signifikansi Koefisien Korelasi Parsial:

tantocornelius@yahoo.com. Statistik PendidikanPage 119

 r y 21 √ n−3 0,707 √10−3
thitung = = = 2,65
√(1−r 2
y 21 ) √( 1−0 ,707² )
ttabel(0,95; 7) = 1,90 dan ttabel(0,99; 7) = 3,00
Karena thitung > ttabel maka H0 ditolak. Dengan demikian
koefisien korelasi antara Y dan X 2 dengan mengontrol
variabel X1 adalah signifikan. Kesimpulannya bahwa
dengan mengontrol variabel X1 maka (0,707)2 atau 49,98 %
variasi Y dapat dijelaskan oleh variabel X2.
e. Peringkat Hubungan Variabel Bebas dengan Variabel
Terikat
Untuk mempermudah melihat urutan atau peringkat keeratan
hubungan antara variabel bebas dengan variabel terikat, di
bawah ini disajikan koefisien korelasi parsial.
Koefisien ttabel
Korelasi n db thitung Peringkat
Parsial α=5% α=1%
ry12 = 0,823 10 3 3,83 Pertama
Ry21 = 0,707 10 3 2,65 1,90 3,00 Kedua

Dengan hasil analisis tabel di atas menunjukkan bahwa

peringkat pertama keeratan hubungan antara variabel bebas
dan terikat dimiliki oleh variabel Kompetensi dan peringkat
kedua variabel Kompensasi. Hal ini juga berimplikasi bahwa
apabila Kinerja Pegawai ingin ditingkatkan, maka faktor pertama
yang perlu diperbaiki adalah Kompetensi para pegawai
kemudian yang kedua adalah faktor kompensasinya.

D. Latihan
1. Jelaskan apa tujuan utama penggunaan analisis regresi dalam
penelitian korelasi ?
2. Dibawah ini disajikan data tentang insentif (X) dengan Kinerja
Karyawan (Y).
X 11 8 11 9 8 9 6 7 7 10
Y 12 7 11 8 9 8 7 6 7 9

tantocornelius@yahoo.com. Statistik PendidikanPage 120

 Pertanyaan:
a. Tentukan persamaan regresi Y atas X (Y^ =a+b X )
b. Lakukan pengujian linearitas dan signifikansi regresi Y atas X dan
tafsirkan hasilnya !
c. Hitung koefisien korelasi dan signifikansi koefisien tersebut, serta
tentukan pula koefisien determinasinya !
3. Berikut ini adalah statistic mengenai Kreativitas (X1), Disiplin Belajar
(X2), dan Prestasi Belajar IPA (Y), yang diperoleh dari 15 subjek,
antara lain:
∑X1 = 198 ∑X1² = 2888 X 1= 13,2
∑X2 = 323 ∑X2² = 7193 X 2 = 21,533
∑Y = 98 ∑Y2 = 664 Y ❑= 6,533
∑X1Y = 1369 ∑X2Y = 2182 ∑X1X2 = 4497
Pertanyaan:
a. Tentukan persamaan regresi ganda (Y = b0 + b1X1 + b2X2)
b. Uji signifikansi persamaan regresi ganda (buat ANAVA regresi)
c. Hitung koefisien korelasi ganda Ry12
d. Hitung koefisien korelasi parsial (ry12 dan ry21)
4. Data penelitian tentang Insentif (X1), motivasi (X2), dan Kinerja
Pegawai (Y) disajikan di bawah ini:
Y 6 6 7 6 7 6 5
X1 6 5 9 4 10 11 4
X2 7 4 9 6 10 9 3
Pertanyaan:
a. Tentukan persamaan regresi Y atas X1 dan X2
b. Lakukan uji signifikansi regresi ganda Y atas X 1 dan X2, tafsirkan
hasilnya!
c. Lakukan pengujian signifikansi koefisien persamaan regresi ganda.
d. Hitung korelasi dan determinasi Y atas X1 dan tafsirkan hasilnya!
e. Hitung korelasi dan determinasi Y atas X2 dan tafsirkan hasilnya!
f. Hitung korelasi dan determinasi Y atas X1 dan X2 serta tafsirkan
hasilnya!

tantocornelius@yahoo.com. Statistik PendidikanPage 121

 g. Hitung korelasi antara X1 dengan Y, dengan mengontrol X 2 dan
tafsirkan hasilnya!
h. Hitung korelasi X2 dengan Y, dengan mengontrol X1 dan tafsirkan
hasilnya!
i. Hitung peringkat hubungan variabel bebas dan variabel terikat!

tantocornelius@yahoo.com. Statistik PendidikanPage 122