MODUL lll

“Uji korelasi dan regresi “

Oleh

KELOMPOK ROHINGYA:

MUHAMMAD FATUR RIZKY 2211052

KEVIN JONATHAN 2211089
ADIFA ALDANI 2211069
SAHALA SIAHAAN 2211075
REVI PRIYADI LILIWERI 2211086
ALDI SAPUTRA 2211042
LAULILIEN 2211025
JELITA BALQIS 2211005
RASLINO TIAGHSE 2211028
ZAINUL ABROR 2211066
ALPATH LAUDA 2211062
 TEKNIK INDUSTRI
FAKULTAS TEKNOLOGI INDUSTRI
INSTITUT TEKNOLOGI BATAM
2023

4.1. Tujuan Praktikum

1. Mampu menganalisis hubungan yang signifikan antara variabel.

2. Mengetahui sistem pola antara variabel-variabel dependent dan independent.
3. Mampu menentukan atau memprediksi nilai variabel dependent.

4.2 Tugas Pratikum

1. Membuat dan mencari data dari sumber terpercaya untuk diolah kemudian tampilkan dalam
bentuk tabel data historis dengan jumlah data minimal sejumlah 100 data.
2. Melakukan perhitungan Uji Korelasi Regresi (Regresi Linear Sedehana dan Regresi Linear
Berganda) dari sejumlah yang telah didapat dengan menggunakan software SPSS.
3. Melakukan analisa dari hasil sejumlah hasil olahan yang didapat hingga tentukan kesimpulan
keputusan dan rumus regresi yang didapat.

4.3 Latar Belakang

Dalam materi Statistika, terdapat regresi dan korelasi yang digunakan untuk mempelajari
pola dan mengukur hubungan statistik antara dua atau lebih variabel. Sepanjang sejarah umat
manusia, orang melakukan penelitian tentang ada tidaknya hubungan antara dua hal, fenomena,
kejadian atau lainnya. Dan ada tidaknya pengaruh antara satu kejadian dengan kejadian yang
lainnya. Karena itu untuk mempermudah dalam melakukan penghitungan suatu kejadian
maka digunakan korelasi dan regresi dalam ilmu statistika. Korelasi merupakan teknik analisis
yang termasuk dalam salah satu teknik pengukuran asosiasi/hubungan. Teknik ini
berguna untuk mengukur kekuatan hubungan antara dua variabel (kadang lebih dari dua
variabel). Sedangkan regresi merupakan salah satu analisis yang bertujuan untuk mengetahui
pengaruh suatu variabel terhadap variabel lain. Dalam analisis regresi, variabel yang
mempengaruhi disebut independent variabel (variable bebas) dan variabel yang dipengaruhi
disebut dependent variabel (variabel terikat). Terdapat dua macam regresi dan korelasi yaitu regresi
dan korelasi linear sederhana dan linear ganda. Perbedaannya terletak pada jumlah variabel.
Dalam regresi dan korelasi linear sederhana, terdapat satu variabel bebas dan satu variabel
terikat. Sedangkan pada regresi dan korelasi linear ganda, terdapat lebih dari satu variabel. Maka
dari itu, dalam makalah ini akan dibahas tentang “Analisis Regresi dan Korelasi Linear Ganda.”
4.4 Pengolahan Data
4.3.1 deskripsi kasus

a. korelasi pearson

Analisis korelasi adalah metode statistika yang digunakan untuk menentukan suatu besaran
yang menyatakan bagaimana kuat hubungan suatu variabel dengan variabel lain dengan tidak
mempersoalkan apakah suatu variabel tertentu tergantung kepada variabel lain

b. korelasi spearmen

adalah uji statistik yang ditujukan untuk mengetahui hubungan antara hasil ujian
statistika dengan hari belajar minggu ,dua atau lebih variabel berskala ordinal.

c. Korelasi Kendall’s tau-b

pada korelasi ini biasanya digunakan untuk menguji korelasi antara dua variabel
yang mana produk terjual dengan jumah kerja datanya tidak terdistribusi normal atau tidak
diketahui distribusinya.

d. uji linieritas

uji linearitas digunakan untuk mengetahui linearitas data, yaitu apakah dua
variable yaitu sales dengan promosi mempunyai hubungan yang linear atau tidak.

e. regresi linier sederhana

Analisis regresi linear sederhana digunakan untuk mengetahui pengaruh atau hubungan secara
linear antara satu variabel independen dengan satu variabel dependen regresi linier berganda

f. regresi linier berganda

Analisis regresi linear berganda digunakan untuk mengetahui pengaruh atau hubungan secara
linear antara dua atau lebih variabel independen dengan satu variabel dependen.

4.3.2 Tabel data histories

1. Untuk laporan ini kami menggunakan 1 data untuk 6 pengujian
4.3.3 Tentukan H0 dan Ha, tingkat probabilitas (p) dan kriteria pengujian
a) korelasi person
1 H0: tidak ada korelasi antara keuntungan sebelum dan susudah pembiayaan
Dan keuntungan sebelum dan sudah pembiyaan adalah nol tidak signifikan
2 Ha: terdapat korelasi antara keuntungan sebelum dan sebelum pembiayaan
Dan keuntungan sebelum dan sudah pembiyaan tidak sama dengan nol atau
signifikan
3 P : 5%
4 Jika probabilitas > 0,05, maka H0 diterima
5 Jika probabilitas < 0,05, maka H0 tidak diterima
b) korelasi spearmen
1. H0: tidak ada korelasi monotonic antara keuntungan sebelum dan sebelum
pembiayaan.
2. Ha: terdapat korelasi monotonic antara keuntungan sebelum dan sesudah
pembiyaan
3. P : 5%
4. Jika probabilitas > 0,05, maka H0 diterima
 5. Jika probabilitas < 0,05, maka H0 tidak diterima
c)
c). korelasi kendalls tau-b
1. H0: tidak ada korelasi kendalls tau-b antara keuntungan sebelum dan sebelum
pembiayaan.
2. Ha: terdapat korelasi kendalls tau-b antara keuntungan sebelum dan sesudah
pembiyaan
3. P : 5%
4. Jika probabilitas > 0,05, maka H0 diterima
5. Jika probabilitas < 0,05, maka H0 tidak diterima
B
d). uji linieritas
1. H0:tidak ada hubungan linier antara variabel keuntungan sebelum dan susudah
pembiyaan atau tidak adanya hubungan liniear antara variable .
2. Ha: terdapat ada hubungan linier antara variabel keuntungan sebelum dan
susudah pembiyaan atau adanya hubungan liniear anata variabel
3. P : 5%
4. Jika probabilitas > 0,05, maka H0 diterima
5. Jika probabilitas < 0,05, maka H0 tidak diterima
N

e). regresi linier sederhana

1. H0: tidak ada keuntungan sebelum dan sesudah pembiyaan bahwa tidak ada
hubungan linier antara variabel keuntungan sebelum dan susudah pembiyaan.
2. Ha: terdapat ada keuntungan sebelum dan sesudah pembiyaan bahwa ada
hubungan linier antara variabel keuntungan sebelum dan susudah pembiyaan
3. P : 5%
4. Jika probabilitas > 0,05, maka H0 diterima
5. Jika probabilitas < 0,05, maka H0 tidak diterima
B
f). regresi linier berganda
 1. H0: tidak ada keuntungan sebelum dan sesudah pembiyaan bahwa tidak ada
hubungan linier antara variabel keuntungan sebelum dan susudah pembiyaan.
2. Ha: terdapat ada keuntungan sebelum dan sesudah pembiyaan bahwa ada
hubungan linier antara variabel keuntungan sebelum dan susudah pembiyaan
3. P : 5%
4. Jika probabilitas > 0,05, maka H0 diterima
5. Jika probabilitas < 0,05, maka H0 tidak diterima

4.3.4 Cara Kerja

1. KOLERASI PERSON
a. Masukan Data Kolerasi Person

b. Pilih dan klik Analyze-Correlate-Bivariate seperti berikut:

.
 c. Masukan kedua variable ke kotak Variables di sebalah kanan

d. Kemudian klik OK,maka akan muncul hasil seperti berikut:

2. KOLERASI SPEARMAN
a. Masukan data Kolerasi Spearman

b. Pilih dan klik Analyze-Correlate-Bivariate seperti berikut:

c. Masukan kedua variable ke kotak Variables di sebalah kanan

d. Kemudian klik OK,maka akan muncul hasil seperti berikut:
3. KORELASI KENDALL’S
a. Masukan data Kolerasi Kendall’s

b. Pilih dan klik Analyze-Correlate-Bivariate seperti berikut:

c. Masukan kedua variable ke kotak Variables di sebalah kanan

 d. Kemudian klik OK,maka akan muncul hasil seperti berikut:

4. UJI LINIERITAS

a. Masukkan data uji linieritas

b. Pilih dan klik Analyze- Compare Means > Means seperti berikut:
 c. Masukan kedua variable ke kotak Variables di sebalah kanan

d. Tekan OK untuk proses data dan didapatkan output seperti gambar di bawah ini

5. UJI REGRESI LINIER SEDERHANA

a. Masukkan data linier sederhana

1. Pilih dan klik Analyze > Regression > Linear. Masukkan variable keuntungan setelah
memperoleh pembiayaan (X) ke dalam kolom independent dan variable
keuntungan sebelum memperoleh pembiayaan (Y) ke dalam kolom dependent,
serta nama ke dalam case label.
2. Selanjutnya pilih kolom Options.

3. Pilih kolom Statistics. Checklist Estimates dan Model fit.

4. Pilih kolom Plots. Tidak ada yang diisi karena praktikum ini terfokus pada model
prediksinya saja.

5. Tekan OK untuk proses data dan didapatkan output seperti gambar di bawah ini
6. REGRESI LINEAR BERGANDA

a. Masukkan data linear berganda

1. Kemudian pilih menu Analyze > Regression > Linear. Masukkan variable keuntungan
setelah memperoleh pembiayaan dan pesentase perkembangan usaha mikro ke dalam
kolom independent dan variabel keuntungan sebelum memperoleh pembiayaan ke
dalam kolom dependent, serta nama ke case label.
2. Selanjutnya pilih kolom options

3. Pilih kolom Statistics. Checklist Estimates dan Model fit.

 4. Pilih kolom plots. Tidak ada yang diisi karena praktikum ini terfokus pada model
prediksinya saja

5. Tekan OK untuk proses data dan didapatkan output seperti gambar di bawah ini
4.3.5. Hasil dan Analisis Output SPSS

a. Hasil Output Data Pearson

Berdasarkan keterangan pada table dibawah terdapat 10 responden, dengan harga jual sama
besarnya dari nilai – (rata-rata) dan keuntungan setelah pembiayaan. dapat disimpulkan bahwa
hubungan antara variabel independen dan dependen signifikan.
b. Hasil Output Data Spearman
Berdasarkan keterangan pada table dibawah yang merupakan hasil uji data spearman modal
tidak memperoleh nilai sig 0.000 dan sesudah pembiayaan diperoleh nilai sig 0.000 dan juga
memperoleh persentasi senilai 854.

c. Hasil Output Data Kendall’s

Berdasarkan keterangan pada table dibawah yang merupakan hasil uji data spearman modal
tidak memperoleh nilai sig dan sesudah pembiayaan diperoleh nilai sig 0.200 dan juga
memperoleh persentasi senilai 443.
d. Hasil output data uji linearitas
Berdasarkan keterangan pada table dibawah linearity didapatkan signifikansi sebesar
0.310 yang berarti bahwa nilai signifikansi tersebut > 0.05 maka H0 diterima sehingga
dapat dikatakan bahwa tidak ada hubungan yang linear antara modal dan keuntungan
setelah memperoleh pembiayaan.

e. Hasil output data regresi linear sederhana

Berdasarkan keterangan pada table dibawah Output variables entered/removed menjelaskan

bahwa variabel independen yang dimasukkan ke dalam model adalah keuntungan dan variabel
dependennya adalah modal, serta tidak ada variabel yang dikeluarkan (removed). Metode
regresi yang digunakan adalah enter.
Berdasarkan keterangan pada table dibawah Dalam regresi sederhana angka R ini
menunjukkan korelasi sederhana (korelasi Pearson) antarvariabel. Angka R yang didapat
adalah 0.358 artinya korelasi antara modal dan keuntungan masih lemah.
Angka R square pada tabel dibawah adalah 0,128. Standard error of the estimate
menunjukkan ukuran kesalahan prediksi dimana kesalahan dalam memprediksi penjualan
pada kasus ini adalah 3681,949.

Dari uji ANOVA atau F Test dibawah, diperoleh F hitung sebesar 26.374 dengan tingkat
signifikansi 0,0000. Oleh karena signidikansi (0,0000) jauh lebih kecil dari 0,05 maka Ho
ditolak atau ada pengaruh keuntungan setelah memperoleh pembiayaan terhadap modal
sehingga model regresi bisa digunakan untuk memprediksi keuntungan setelah
memperoleh pembiayaan.

Hipotesis pertama:

Pada kasus ini, nilai signifikansinya adalah 0.001 yang berarti signifikansi ≤ 0.05 maka
H0 ditolak sehingga dapat dikatakan bahwa ada hubungan yang signifikan antara modal
dan keuntungan.

Hipotesis kedua:

Pada kasus ini, nilai signifikansinya adalah 0.001 yang berarti signifikansi ≤ 0.05 maka
H0 ditolak sehingga dapat dikatakan bahwa ada hubungan yang signifikan antara modal
dan persentase perkembangan usaha mikro.
4.3.6. Keputusan

Keputusan uji korelasi melibatkan nilai koefisien korelasi (biasanya Pearson) dan nilai p-value. Jika
koefisien korelasi signifikan (p-value < 0,05), maka dapat disimpulkan terdapat hubungan
signifikan antara dua variabel. Sebaliknya, jika p-value > 0,05, kita gagal menolak hipotesis nol dan
menyatakan tidak adanya hubungan signifikan. S ignifikan dalam Pearson bernilai 000 maka dapat
disimpulkan bahwa terdapat hubungan signifikan anatar dua variable.

Regresi Linear Sederhana:

Dalam regresi linear sederhana, keputusan didasarkan pada koefisien regresi dan p-value. Jika p-
value < 0,05, kita dapat menyimpulkan bahwa hubungan antara variabel independen dan dependen
signifikan. Sebaliknya, jika p-value > 0,05, tidak cukup bukti untuk menolak hipotesis nol tentang
ketidaksignifikan hubungan.

Regresi Linear Berganda:

Keputusan pada regresi linear berganda juga bergantung pada koefisien regresi dan p-value. Jika p-
value < 0,05, kita dapat menyimpulkan bahwa setidaknya satu variabel independen berpengaruh
signifikan terhadap variabel dependen. Jika p-value > 0,05, tidak cukup bukti untuk menolak
hipotesis nol bahwa tidak ada pengaruh signifikan dari variabel independen.