A. Landasan Teori
1. Korelasi
Analisis korelasi adalah suatu analisis statistik yang mengukur
tingkat asosiasi atau hubungan antara dua variabel, yaitu variabel bebas
(independent variable) disimbolkan dengan “X” dan variabel terikat
(dependent variable) disimbolkan dengan “Y”, dimana hubungan antara
dua variabel disebut korelasi bivariat (Priyambodo, 2018). Analisis korelasi
berasal dari kata correlation analysis, digunakan untuk mengetahui arah
hubungan, kuat hubungan, dan signifikansi kuatnya hubungan antara dua
variabel atau lebih. Dua variabel dikatakan berkorelasi apabila perubahan
pada salah satu variabel disertai dengan perubahan pada variabel lainnya
secara linier, baik dalam arah yang sama ataupun arah yang sebaliknya
(Roflin dan Zulvia, 2021).
Dalam analisis korelasi dapat dijumpai jenis kolerasi yang
berkolerasi positif, berkolerasi negatif, serta tidak berkolerasi. Dua variabel
berkolerasi positif apabila kedua variabel X dan Y cenderung berubah
secara bersama-sama dalam arah yang sama atau apabila terjadi kenaikan
(penurunan) variabel X akan diikuti oleh kenaikan (penurunan) variabel Y.
Korelasi negatif apabila kedua variabel cenderung berubah dalam arah yang
berlawanan, jika variabel X meningkat menyebabkan variabel Y menurun
atau variabel X menurun makan variabel Y akan meningkat. Dua variabel
dikatakan tidak berkolerasi, apabila kedua variabel ini tidak memiliki
keterkaitan atau berhubungan satu sama lainnya, dimana perubahan pada
salah satu variabelnya, tidak mempengaruhi variabel yang lai (Paiman,
2019).
Alat yang digunakan untuk mengukur derajat hubungan antar
variabel, digunakan koefisien korelasi (correlation coefisient) yang
dinotasikan dengan “r”. Koefisien korelasi mengambil nilai diantara -1 dan
31
32
+1, sesuai dengan sifat korelasi itu sendiri. Jika dua variabel berkolerasi
positif, maka nilai koefisien korelasi mendekati +1, sedangkan dua variabel
berkolerasi negatif, maka nilai koefisien korelasi akan mendekati -1.
Apabila dua variabel tidak berkolerasi, maka koefisien korelasi akan
mendekati 0. Mnurut Paiman (2019), untuk menginterpretasikan koefisien
korelasi, terdapat pedoman yang digunakan sebagai berikut:
Tabel 3.1 Pedoman untuk Menginterpretasikan Koefisien Korelasi
Interval Koefisien Tingkat Hubungan
0.00 - 0.199 Sangat Rendah
0.20 - 0.399 Rendah
0.40 - 0.599 Sedang
0.60 - 0.799 Kuat
0.80 - 1.000 Sangat Kuat
Keterangan:
Y= Variabel Terikat
a = Konstanta Regresi
b = Koefisien Regresi
X = Variabel Bebas
e= eror
Koefisien determinasi biasa disimbolkan dengan r2 dapat
ditentukan dengan cara menguadratkan koefisien korelasi. Nilai r2
menunjukan presentase variabel bebas atau predictor X yang dapat
menjelaskan atau menerangkan variabel tak bebas atau respone Y,
sedangkan 100% dikurangkan dengan nilai presentase tersebut menunjukan
atau menjelaskan adanya variabel lain diluar variabel X yang berpengaruh
terhadap variabel Y. Untuk mendapat suatu kesimpulan, maka digunakan
uji hipotesis, dimana pada regresi linier sederhana ini menggunakan uji-t
unuk menguji signifikan hipotesis yang diajukan. Dengan uji signifikansi
ini dapat diketahui apakah variable bebas/ predictor/ independent (X)
berpengaruh secara signifikan terhadap variable tak bebas/ response/
dependent (Y). Arti dari signifikan adalah bahwa pengaruh antar variable
berlaku bagi seluruh populasi (Subandriyo, 2020).
Uji-t dapat dilakukan dengan mula-mula menentukan hipotesisnya
terlebih dahulu. Dalam regresi linier sederhana, rumusan hipotesis yang
diguanakan sebagai berikut:
H0: β=0; variabel X tidak berpengaruh signifikan/nyata terhadap Y.
Ha: β ≠ 0; variabel X berpengaruh signifikan/nyata terhadap Y.
Pengambilan keputusan didasarkan pada nilai thitung dan ttabel. Apabila nilai
thitung lebih kecil dari ttabel maka H0 diterima dan Ha ditolak, begitupun
sebaliknya, apabila nilai thitung lebih besar dari ttabel maka H0 ditolak dan Ha
diterima. Pada aplikasi SPSS, untuk menentukan keputusan yang diambil,
digunakan dasar apabila nilai signifikan lebih besar dari 0.05 maka H0
diterima dan Ha ditolak, sebaliknya apabila nilai signifikan lebih kecil dari
0.05, maka H0 ditolak dan Ha diterima (Yustika dkk, 2022).
34
B. Soal Latihan
1. Korelasi
a. Soal
b. Langkah Kerja
1) Membuka aplikasi SPSS 23 kemudian mengklik Variabel View.
Kemudian, menuliskan Luas Lahan dan Hasil Panen Padi pada kolom
Name.
N 20 20
**. Correlation is significant at the 0.01 level (2-tailed).
d. Interpretasi
Berdasarkan output terlihat bahwa nilai korelasi antara variabel
luas lahan dengan hasil panen padi adalah sebesar 0.987 dan termasuk
kedalam interval 0.80 - 1.000 dengan hubungan sangat kuat. Dari hasil
output tersebut dapat diambil kesimpulan bahwa hubungan kedua variabel
tersebut positif sangat kuat.
37
b. Langkah Kerja
1) Membuka aplikasi SPSS 23 kemudian mengklik Variabel View.
Kemudian, menuliskan Luas Lahan dan Hasil Panen Padi pada kolom
Name.
Correlations
Hasil Panen
Padi Luas Lahan
Pearson Correlation Hasil Panen Padi 1.000 .987
Luas Lahan .987 1.000
Sig. (1-tailed) Hasil Panen Padi . .000
Luas Lahan .000 .
N Hasil Panen Padi 20 20
Luas Lahan 20 20
Variables Entered/Removeda
Variables Variables
Model Entered Removed Method
1 Luas Lahan b
. Enter
a. Dependent Variable: Hasil Panen Padi
b. All requested variables entered.
41
Model Summaryb
Change Statistics
R Adjusted Std. Error R
Mod Squa R of the Square F Sig. F Durbin-
el R re Square Estimate Change Change df1 df2 Change Watson
1 .987a .974 .972 2.959 .974 663.665 1 18 .000 .850
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 5810.166 1 5810.166 663.665 .000b
Residual 157.584 18 8.755
Total 5967.750 19
a. Dependent Variable: Hasil Panen Padi
b. Predictors: (Constant), Luas Lahan
Coefficientsa
Standardi
zed
Unstandardized Coefficien Collinierity
Coefficients ts Correlations Statistics
Std. Zero- Parti Tolera
Model B Error Beta t Sig. order al Part nce VIF
1 (Constant) 72.647 2.369 30.665 .000
Luas .98
1.114 .043 .987 25.762 .000 .987 .987 1.000 1.000
Lahan 7
a. Dependent Variable: Hasil Panen Padi
Collinierity Diagnosticsa
Variance Proportions
Model Dimension Eigenvalue Condition Index (Constant) Luas Lahan
1 1 1.960 1.000 .02 .02
2 .040 7.019 .98 .98
a. Dependent Variable: Hasil Panen Padi
42
Residuals Statisticsa
Std.
Minimum Maximum Mean Deviation N
Predicted Value 101.61 161.78 131.25 17.487 20
Std. Predicted Value -1.695 1.746 .000 1.000 20
Standard Error of
.662 1.357 .908 .231 20
Predicted Value
Adjusted Predicted
101.27 162.25 131.24 17.552 20
Value
Residual -4.582 5.076 .000 2.880 20
Std. Residual -1.548 1.716 .000 .973 20
Stud. Residual -1.589 1.761 .002 1.008 20
Deleted Residual -4.823 5.350 .011 3.093 20
Stud. Deleted Residual -1.665 1.881 .007 1.040 20
Mahal. Distance .001 3.047 .950 .986 20
Cook's Distance .000 .087 .036 .031 20
Centered Leverage
.000 .160 .050 .052 20
Value
a. Dependent Variable: Hasil Panen Padi
Charts
43
44
d. Interpretasi
1) Regresi Linier Sederhana
H0: β=0, artinya tidak ada pengaruh variabel luas lahan terhadap variabel
hasil panen padi.
Ha: β ≠ 0, artinya ada pengaruh variabel luas lahan terhadap variabel hasil
panen padi.
2) Uji t dan Signifikan
Berdasarkan output diperoleh nilai t hitung sebesar 25.762 dan t
tabel sebesar 2.101. Dari hasil tersebut dapat dilihat bahwa t hitung lebih
besar dari t tabel (t hitung > t tabel) yang artinya menolak H0. Hal ini
berarti variabel luas lahan secara individu mempengaruhi hasil panen padi.
Dengan nilai signifikan 0.000 dan alpha sebesar 0.05, dapat dilihat bahwa
nilai signifikan lebih kecil dari alpha (sig < α) maka dapat disimpulkan
bahwa keputusan yang diambil yaitu menolak H0 yang artinya ada
pengaruh luas lahan terhadap hasil panen padi.
3) Koefisien Determinasi (R Square)
Berdasarkan output diperoleh nilai R square sebesar 0.974. Jika
dalam bentuk presentase menjadi 97.4% yang artinya bahwa variabel luas
lahan mempengaruhi variabel hasil panen padi sebesar 97.4%, sedangkan
2.6% dipengaruhi oleh faktor lain atau dapat disimpulkan bahwa sebesar
97.4% luas lahan mempengaruhi hasil panen padi dan 2.6% lainnya
dipengaruhi oleh faktor lain di luar model.
4) Persamaan Regresi Linier Sederhana
Berdasarkan output diperoleh persamaan regresi yaitu:
Y = 72.467 + 1.114X + e
Artinya, setiap naik satu satuan (hektar) variabel luas lahan akan
mempengaruhi atau meningkatkan hasil produksi pertanian sebesar 1.114
ton.
45
DAFTAR PUSTAKA
Roflin, E., dan Zulvia, F. E. 2021. Kupas tuntas analisis korelasi. Penerbit NEM.
Yustika, D., dan Sudarti, S. 2022. Analisis Regresi Linier Sederhana untuk
Mengestimasi Pengaruh Kemampuan Self Regulated Learning terhadap
Hasil Belajar Siswa Menggunakan Model Pembelajaran Rasi. Jurnal
Pendidikan MIPA, 12(2), 294-297.
Efendi, A., dkk. 2020. Analisis Regresi Teori dan Aplikasi dengan R. Malang:
UBPress.