Pearson Product Moment adalah salah satu teknik analisis statistik yang digunakan untuk
mengukur hubungan antara dua variabel. Variabel-variabel ini dapat berupa data nominal atau
data interval. Analisis ini merupakan salah satu cara yang digunakan untuk menentukan seberapa
dekat dua variabel tersebut berhubungan satu sama lain.
r=
∑ (X −X ¿)(Y −Y ) ¿
√ ∑ ( X −X )2 ∑ ( Y −Y )2
Dimana:
Nilai r berkisar antara -1 dan 1, dimana nilai positif menunjukkan korelasi positif, nilai nol
menunjukkan korelasi nol, dan nilai negatif menunjukkan korelasi negatif. Semakin dekat nilai r
ke 1 atau -1, semakin kuat hubungan antara dua variabel. Semakin dekat nilai r ke 0, semakin
lemah hubungan antara dua variabel.
Seorang peneliti ingin mengetahui apakah ada hubungan antara tinggi badan dan berat badan
pada 10 orang siswa. Data yang diperoleh adalah sebagai berikut :
X=
∑ X = 160+ 165+170+175+180+185+ 190+195+200+205 =182 , 5
n 10
Y=
∑ Y = 50+55+60+ 65+70+75+80+ 85+90+ 95 =72 ,5
n 10
No Tinggi Berat (X −X ) (Y −Y ) ( X −X )
2
(Y −Y )
2
(X −X )¿)
1 160 50 -22.5 -22.5 506.25 506.25 506.25
KOLERASI SPEARMAN
Korelasi Spearman adalah suatu ukuran korelasi yang mengukur hubungan linier antara dua
variabel ordinal. Korelasi Spearman dihitung dengan mengurutkan nilai-nilai dari kedua variabel
dan kemudian menghitung korelasi antara urutan tersebut. Nilai rho Spearman yang dihasilkan
berkisar antara -1 sampai 1, di mana nilai yang mendekati 1 menunjukkan adanya hubungan
positif yang kuat antara kedua variabel, nilai yang mendekati 0 menunjukkan adanya hubungan
yang lemah atau tidak ada hubungan sama sekali, dan nilai yang mendekati -1 menunjukkan
adanya hubungan negatif yang kuat.
(( ( )
2
6∗Σ d
rs=1−
n n2−1 ) )
Dimana:
5 Puas Tinggi
6 Puas Tinggi
1. Tentukan dua variabel yang ingin Anda bandingkan, yaitu tingkat kepuasan terhadap
kondisi lingkungan kerja (variabel X ) dan tingkat produktivitas kerja (variabel Y ).
2. Urutkan nilai-nilai dari masing-masing variabel dari yang terkecil ke yang terbesar.
Dalam kasus ini, karena kedua variabel bersifat ordinal, maka urutan nilai yang tepat
adalah sebagai berikut :
X (tingkat kepuasan terhadap kondisi Y (tingkat produktivitas
No
lingkungan kerja) kerja)
1 Sangat tidak puas Sangat rendah
3 Sedang Sedang
4 Puas Tinggi
3. Tetapkan nilai rangking untuk setiap nilai dari masing-masing variabel dengan
menempatkan setiap nilai pada posisi yang sesuai dalam urutan yang telah diurutkan :
X (tingkat kepuasan terhadap Y (tingkat Ranking Ranking
No
kondisi lingkungan kerja) produktivitas kerja) X Y
5 Puas Tinggi 4 4
6 Puas Tinggi 4 4
4. Hitung selisih antara nilai rangking dari setiap pasangan nilai dari masing-masing
variable :
X (tingkat kepuasan Y (tingkat
Ranking Ranking Selisih
No terhadap kondisi produktivitas
X Y Ranking
lingkungan kerja) kerja)
5 Puas Tinggi 4 4 0
6 Puas Tinggi 4 4 0
5 Puas Tinggi 4 4 0 0
6 Puas Tinggi 4 4 0 0
2
Σ d =1+4 +1+9=15
(( ( )
2
6∗Σ d
rs=1−
n n2−1 ) )
(( ) ( 9010 ∗99)=1−0.09=0.91
( 6∗15 )
rs=1− =1−
10∗( 10 −1 ) )
2
8. Tentukan tingkat korelasi antara dua variabel dengan menggunakan skala berikut :
CONTOH SOAL
Seorang guru sedang meneliti apakah ada hubungan antara keatifan berkunjung ke
perpustakaan dengan nilai Statiska.
Jawab :
1. Buat Tabel Penolong
Dalam praktiknya, analisis regresi terbagi menjadi dua jenis yaitu regresi linier sederhana
dan regresi linier berganda. Pada regresi linier berganda, variabel bebasnya berjumlah lebih dari
satu dan memengaruhi variabel yang tak bebas.
Mengutip Modul Regresi Linier Berganda susunan I Made Yuliara, tujuan dari analisis
regresi linier berganda adalah untuk memprediksi nilai variabel tak bebas atau response ( Y ),
apabila nilai-nilai variabel bebasnya atau predictor ( X 1 , X 2, ... , Xn) diketahui.
Pada analisis regresi linier berganda, data yang digunakan biasanya berskala interval atau
rasio. Dikutip dari buku Analisis Regresi: Teori dan Aplikasi dengan R karya Achmad Efendi,
dkk., berikut rumus persamaannya :
Dimana :
Y = variabel terikat
a = konstanta
b 1 , b 2 = koefisien regresi
X 1 , X 2 = variabel bebas
Contoh kasus:
Hipotesis :
Ho: b 1=b 2=0, Promosi dan Harga tidak berpengaruh signifikan terhadap keputusan
konsumen membeli deterjen merek “DAHSYAT”.
Ha: b 1≠ b 2 ≠ 0, Promosi dan Harga berpengaruh signifikan terhadap keputusan
konsumen membeli deterjen merek “DAHSYAT”.
I. DATA KASUS
No. X1 X2 X1 Y X2 Y X1 X2 2 2
Y X1 X2
Resp.
1 10 7 23 230 161 70 100 49
2 2 3 7 14 21 6 4 9
3 4 2 15 60 30 8 16 4
4 6 4 17 102 68 24 36 16
5 8 6 23 184 138 48 64 36
6 7 5 22 154 1 10 35 49 25
7 4 3 10 40 30 12 16 9
8 6 3 14 84 42 18 36 9
9 7 4 20 140 80 28 49 16
10 6 3 19 1 14 57 18 36 9
Jumlah 60 40 170 1 122 737 267 406 182
III. PERSAMAAN ANALISIS REGRESI LINEAR SEDERHANA
Kriteria :
F hitung ≤ F tabel = Ho diterima
F hitung > F tabel = Ho ditolak, Ha diterima
F hitung (5,25) > F tabel (4,74) = Ho ditolak, Ha Diterima.
Jadi, dapat disimpulkan bahwa Promosi dan Harga berpengaruh signifikan
terhadap keputusan konsumen membeli deterjen merek “DAHSYAT”.
KOLERASI PARSIAL
I. Analisis Korelasi Parsial
Dimana :
n = Jumlah data
X = Variabel bebas
Y = Variabel terikat
Dimana
:
r yx = korelasi antara variabel terikat Y dengan variable bebas X 1
1
Interpretasi hasil Uji Kolmogorov Smirnov adalah bahwa jika nilainya di atas
0,05 maka distribusi data dinyatakan memenuhi asumsi normalitas, dan jika nilainya
di bawah 0,05 maka diinterpretasikan sebagai tidak normal. Hipotesis pada uji ini
adalah sebagai berikut :
Keterangan: