KOLERASI PEARSON PRODUCT MOMENT

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.

Rumus Pearson Product Moment adalah sebagai berikut :

r=
∑ (X −X ¿)(Y −Y ) ¿
√ ∑ ( X −X )2 ∑ ( Y −Y )2
Dimana:

1. r adalah koefisien korelasi

2. X dan Y adalah variabel yang dihubungkan
3. n adalah jumlah data
4. X dan Y adalah rata-rata dari X dan Y
5. ∑ XY adalah jumlah dari hasil perkalian X dan Y
2 2
6. ∑ X dan ∑ Y adalah jumlah dari hasil kuadrat X dan Y

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 :

No Tinggi (cm) Berat (kg)

1 160 50
2 165 55
3 170 60
4 175 65
5 180 70
6 185 75
7 190 80
8 195 85
9 200 90
10 205 95
Hitunglah koefisien kolerasi product moment antara tinggi badan dan berat badan, dan
berikan interpretasinya.
 Jawab :

1. Hitung nilai rata- rata dari masing-masing variabel

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

2. Membuat tabel penolong

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

2 165 55 -17.5 -17.5 306.25 306.25 306.25

3 170 60 -12.5 -12.5 156.25 156.25 156.25

4 175 65 -7.5 -7.5 56.25 56.25 56.25

5 180 70 -2.5 -2.5 6.25 6.25 6.25

6 185 75 2.5 2.5 6.25 6.25 6.25

7 190 80 7.5 7.5 56.25 56.25 56.25

8 195 85 12.5 12.5 156.25 156.25 156.25

9 200 90 17.5 17.5 306.25 306.25 306.25

10 205 95 22.5 22.5 506.25 506.25 506.25

∑ 1825 725 0 0 2112.5 2112.5 2112.5

3. Menghitung nilai koefisiennya

2112, 5
r=
√ 2112, 5 x 2112, 5
2112 ,5
r=
2112 ,5
r =1
Nilai koefisien antara tinggi badan dan berat badan adalah 1, yang menunjukkan
hubungan linear positif sempurna antara kedua variable. Artinya, jika tinggi badan
meningkat, maka berat badan juga meningkat dengan proporsi yang sama.

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.

Kapan korelasi Spearman digunakan

Korelasi Spearman paling umum digunakan ketika kita ingin mengetahui apakah ada
hubungan antara dua variabel ordinal. Variabel ordinal adalah variabel yang memiliki beberapa
kategori yang dapat diurutkan berdasarkan tingkat atau derajat. Contoh variabel ordinal adalah
skala likert (misalnya, sangat setuju, setuju, tidak tahu, tidak setuju, dan sangat tidak setuju).
Korelasi Spearman juga dapat digunakan ketika salah satu atau kedua variabel tidak memenuhi
asumsi-asumsi yang diperlukan untuk menggunakan korelasi Pearson, yang hanya dapat
digunakan untuk mengukur hubungan antara dua variabel kontinu atau interval.

Langkah-langkah menghitung korelasi Spearman

Berikut ini adalah langkah-langkah untuk menghitung korelasi Spearman:

1. Tentukan dua variabel yang ingin Anda bandingkan.

2. Urutkan nilai-nilai dari masing-masing variabel dari yang terkecil ke yang terbesar.
3. Tetapkan nilai rangking untuk setiap nilai dari masing-masing variabel dengan
menempatkan setiap nilai pada posisi yang sesuai dalam urutan yang telah diurutkan.
4. Hitung selisih antara nilai rangking dari setiap pasangan nilai dari masing-masing
variabel.
5. Hitung jumlah kuadrat dari selisih nilai rangking yang telah Anda hitung.
6. Hitung nilai korelasi Spearman dengan menggunakan rumus:

(( ( )
2
6∗Σ d
rs=1−
n n2−1 ) )

Dimana:

- rs adalah nilai korelasi Spearman

- Σ d 2 adalah jumlah kuadrat dari selisih nilai rangking yang telah Anda hitung
- n adalah jumlah pasangan nilai yang telah Anda hitung
7. Interpretasikan nilai korelasi Spearman yang didapat. Nilai yang mendekati +1
menunjukkan korelasi positif yang kuat antara kedua variabel, sedangkan nilai yang
 mendekati -1 menunjukkan korelasi negatif yang kuat antara kedua variabel. Nilai yang
mendekati 0 menunjukkan tidak adanya korelasi yang signifikan antara kedua variabel.

Contoh menghitung korelasi Spearman secara manual

Sebuah penelitian dilakukan terhadap sampel 10 orang untuk mengetahui apakah ada
hubungan antara tingkat kepuasan terhadap kondisi lingkungan kerja (variabel X) dan tingkat
produktivitas kerja (variabel Y). Data yang diperoleh dari penelitian tersebut adalah sebagai
berikut :

X (tingkat kepuasan terhadap kondisi Y (tingkat produktivitas

No
lingkungan kerja) kerja)

1 Sangat tidak puas Sangat rendah

2 Tidak puas Rendah

3 Tidak puas Sedang

4 Sedang Sangat tinggi

5 Puas Tinggi

6 Puas Tinggi

7 Sangat puas Tinggi

8 Sangat puas Rendah

9 Sangat puas Sangat tinggi

10 Sangat puas Sangat tinggi

Langkah-langkah untuk menghitung korelasi Spearman antara tingkat kepuasan terhadap

kondisi lingkungan kerja dan tingkat produktivitas kerja adalah sebagai berikut :

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

2 Tidak puas Rendah

3 Sedang Sedang

4 Puas Tinggi

5 Sangat puas Sangat 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

1 Sangat tidak puas Sangat rendah 1 1

2 Tidak puas Rendah 2 2

3 Tidak puas Sedang 2 3

4 Sedang Sangat tinggi 3 5

5 Puas Tinggi 4 4

6 Puas Tinggi 4 4

7 Sangat puas Tinggi 5 4

8 Sangat puas Rendah 5 2

9 Sangat puas Sangat tinggi 5 5

10 Sangat puas Sangat tinggi 5 5

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)

1 Sangat tidak puas Sangat rendah 1 1 0

2 Tidak puas Rendah 2 2 0

3 Tidak puas Sedang 2 3 -1

4 Sedang Sangat tinggi 3 5 -2

5 Puas Tinggi 4 4 0

6 Puas Tinggi 4 4 0

7 Sangat puas Tinggi 5 4 1

8 Sangat puas Rendah 5 2 3

9 Sangat puas Sangat tinggi 5 5 0

10 Sangat puas Sangat tinggi 5 5 0

5. Hitung jumlah kuadrat selisih ranking dari masing-masing variabel (d 2) :

X (tingkat kepuasan Y (tingkat
N Ranking Ranking Selisih 2
terhadap kondisi produktivitas d
o X Y Ranking
lingkungan kerja) kerja)

1 Sangat tidak puas Sangat rendah 1 1 0 0

2 Tidak puas Rendah 2 2 0 0

3 Tidak puas Sedang 2 3 -1 1

4 Sedang Sangat tinggi 3 5 -2 4

5 Puas Tinggi 4 4 0 0

6 Puas Tinggi 4 4 0 0

7 Sangat puas Tinggi 5 4 1 1

8 Sangat puas Rendah 5 2 3 9

9 Sangat puas Sangat tinggi 5 5 0 0

10 Sangat puas Sangat tinggi 5 5 0 0

6. Hitung total kuadrat selisih rangking dari masing-masing variabel ( Σ d 2) :

2
Σ d =1+4 +1+9=15

7. Hitung koefisien korelasi Spearman (rs) dengan menggunakan rumus berikut :

(( ( )
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 :

- rs > 0.8 : Korelasi yang kuat

- 0.6 <rs < 0.8 : Korelasi yang sedang
- 0.4 < rs < 0.6 : Korelasi yang lemah
- rs < 0.4 : Tidak ada korelasi

Dengan demikian, dapat disimpulkan bahwa tingkat korelasi antara variabel

tingkat kepuasan terhadap kondisi lingkungan kerja dengan variabel tingkat
produktivitas kerja adalah kuat (rs = 0.91). Artinya, semakin tinggi tingkat kepuasan
terhadap kondisi lingkungan kerja, maka akan semakin tinggi pula tingkat
produktivitas kerja. Sebaliknya, semakin rendah tingkat kepuasan terhadap kondisi
lingkungan kerja, maka akan semakin rendah pula tingkat produktivitas kerja.

KOLERASI POINT SERIAL

 Untuk mengetahui kuat hubungan antara variabel dengan skala ordinal yang memiliki lebih
dari 2 katagori, misalnya aktifitas di perpustakaan dengan variabel dengan skala interval/rasio,
misalnya nilai ujian digunakan rumus berikut :

CONTOH SOAL
Seorang guru sedang meneliti apakah ada hubungan antara keatifan berkunjung ke
perpustakaan dengan nilai Statiska.

Jawab :
1. Buat Tabel Penolong

2. Lakukan Uji Hipotesa

REGRESI GANDA
Analisis regresi merupakan teknik analisis data yang digunakan untuk mengkaji hubungan
antara beberapa variabel dan meramal suatu variabel. Teknik ini biasa dikenal dalam ilmu
statistika dan dikemukakan oleh Sir Francis Galton (1822-1911).

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 :

Y =a+b 1+ X 1+b 2+ X 2+ …+bn+ Xn

Dimana :

Y = variabel terikat

a = konstanta

b 1 , b 2 = koefisien regresi

X 1 , X 2 = variabel bebas

Contoh kasus:

Seorang Manajer Pemasaran deterjen merek “DAHSYAT” ingin mengetahui apakah

Promosi dan Harga berpengaruh terhadap keputusan konsumen membeli produk tersebut?

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. Promosi ( Harga ( Keputusan Konsumen

Responden X 1) X 2) (Y )
1 IO 7 23
2 2 3 7
3 4 2 15
4 6 4 17
5 8 6 23
6 7 5 22
7 4 3 10
8 6 3 14
9 7 4 20
10 6 3 19
Jumlah 60 40 170

II. TABEL PEMBANTU

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

170 = 10 a + 60 b 1 + 40 b 2 ……………………. (1)

1122 = 60 a + 406 b 1 + 267 b 2 ………………….. (2)
737 = 40 a +267 b 1 + 182 b 2 ………………….. (3)

Harga b 2 dimasukkan ke dalam salah satu persamaan (4) atau (5) :

-102 = -46 b 1 - 27 (-0,466)
-102 = -46 b 1 + 12,582
 46 b 1 = 114,582
b 1 = 2,4909

Harga b 1 dan b 2 dimasukkan ke dalam persamaan 1 :

170 = 10 a + 60 (2,4909) + 40 (-0,466)
170 = 10 a + 149,454 – 18,640
10 a = 170 – 149,454 + 18,640
a = 39,186 : 10 = 3,9186

Jadi, dapat diketahui bahwa :

a (konstanta) = 3,9186
b 1 (koefisien regresi X 1) = 2,4909
b 2 (koefisien regresi X 2) = -0,466

Persamaan regresinya adalah :

Y = 3,9186 + 2,4909 X 1 – 0,466 X 2

IV. UJI HIPOTESIS

 F Tabel:
Dk Pembilang = k (jumlah variabel bebas) = 2
Dk Penyebut = n−k −1 = 10-2-1 = 7
F tabel = 4,74
Hipotesis :

 Ho: b 1=b 2=0, Variabel Promosi Dan Harga Tidak Berpengaruh

Signifikan Terhadap Keputusan Konsumen Membeli Deterjen Merek
“DAHSYAT”.
 Ha: b 1≠ b 1 ≠0 , Variabel Promosi Dan Harga Berpengaruh Signifikan
Terhadap Keputusan Konsumen Membeli Deterjen Merek “DAHSYAT”.

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

Untuk menghitung koefisien korelasi dengan korelasi parsial, dilakukan terlebih

dahulu perhitungan korelasi tunggal, dengan rumus sebagai berikut :

Dimana :

n = Jumlah data
X = Variabel bebas
Y = Variabel terikat

Untuk menghitung koefisien korelasi parsial dapat digunakan rumus berikut :

Dimana
:
r yx = korelasi antara variabel terikat Y dengan variable bebas X 1
1

r yx = korelasi antara variabel terikat Y dengan variable bebas X 2

2

r x x = korelasi antara variabel bebas X 1 dengan variable bebas X 2

1 2

II. Uji Normalitas dengan uji kolmogorov-smirnov

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 :

Ho: data berdistribusi normal

H 1:data tidak berdistribusi normal
Sig> 0.05: H 0 diterima, maka data berdistribusi normal.
Sig< 0.05: H 0 ditolak, maka data tidak berdistribusi normal.

III. Uji signifikan koefisien korelasi parsial (uji-t)

 Uji-t digunakan untuk menguji berarti atau tidaknya hubungan variabel-variabel
bebas penempatan pegawai sesuai dengan keahlian dan kemampuannya (X1),
promosi (X2), dan latihan (X3) dengan variabel terikatnya adalah efektivitas kerja
pegawai (Y). Jika hubungan antara variabel-variabel secara parsial signifikan maka
sampel dapat digeneralisasikan pada populasi dimana sampel diambil atau
mencerminkan keadaan populasi. Uji-t diselesaikan dengan rumus, sebagai berikut :

Keterangan:

r = koefisien korelasi parsial

n = Jumlah responden
k = banyaknya variable

Hipotesis pada uji ini adalah sebagai berikut:

H0 : tidak terdapat hubungan yang signifikan

H1 : terdapat hubungan yang signifikan
thitung< ttabel, maka H0 diterima sehingga tidak terdapat hubungan yang signifikan.
thitung > ttabel, maka H0 ditolak sehingga terdapat hubungan yang signifikan.