MAKALAH BIOSTATISTKA

“REGRESI DAN KORELASI”

Disusun untuk memenuhi tugas mata kuliah

“BIOSTATISTIKA”
Dengan Dosen Pengampu
Ir. Arthur G. Pinaria, MP., Ph.d

Disusun Oleh Kelompok 2:

Ahmad A. Adam 232021110002
Vianny D. C. Maramis 232021110012
Gerald N. P. Tulung 232021110022
Andreas K. Wurarah 232021110040

PROGRAM STUDI ILMU KESEHATAN MASYARAKAT

PASCASARJANA
UNIVERSITAS SAM RATULANGI
MANADO
2023
 KATA PENGANTAR

Puji syukur kami panjatkan kehadirat Tuhan yang Maha Kuasa atas rahmat-Nya sehingga
kelompok dapat menyelesaikan makalah ini. Penulisan makalah ini merupakan salah satu tugas
dan persyaratan untuk menyelesaikan tugas mata kuliah Biostatistika di Pasca Sarjana Program
Studi Ilmu Kesehatan Masyarakat Universitas Sam Ratulangi Manado. Makalah ini akan
membahas mengenai “Korelasi.” Dalam penulisan makalah ini kami menyampaikan ucapan terima
kasih yang tak terhingga kepada pihak – pihak yang membantu dalam menyelesaikan pembuatan
makalah ini, khususnya kepada:
1. Ir. Arthur G. Pinaria, MP., Ph.d
2. Semua pihak – pihak yang tidak dapat disebutkan satu-persatu yang telah memberikan
bantuan dalam penulisan makalah ini.
Dalam penulisan makalah ini kami sebagai penulis merasa masih banyak kekurangan-kekurangan
baik pada teknis penulisan maupun materi. Untuk itu kritik dan saran yang bersifat membangun
dari semua pihak sangat kami harapkan demi penyempurnaan pembuatan makalah ini.

Manado, 12 Desember 2023

Kelompok
 DAFTAR ISI

KATA PENGANTAR........................................................................................ 2
DAFTAR ISI ...................................................................................................... 3
BAB I......................................................................... Error! Bookmark not defined.
PENDAHULUAN ..................................................... Error! Bookmark not defined.
1.1 Latar Belakang ................................................ Error! Bookmark not defined.
1.2 Rumusan Masalah ........................................... Error! Bookmark not defined.
1.3 Tujuan Masalah ....................................................................................... 1
BAB II ................................................................................................................ 2
PEMBAHASAN................................................................................................. 2
2.1 Pengertian Korelasi .................................................................................. 2
2.2 Korelasi dan Kausalitas ........................................................................... 2
2.3 Korelasi dan Linearitas ............................................................................ 3
2.4 Asumsi....................................................................................................... 3
2.5 Jenis Korelasi............................................................................................ 4
2.6 Metode Korelasi ....................................................................................... 5
2.7 Analisis Korelasi Sederhana .................................................................... 6
2.8 Analisis Korelasi Parsial ………………………………….……………...8
2.9 Regresi Linier Sederhana ………………………………………………….13
2.10 Regresi Linier Berganda………………………………………………..…15
BAB III .................................................................... Error! Bookmark not defined.1
PENUTUP ............................................................... Error! Bookmark not defined.1
3.1 Kesimpulan .................................................... Error! Bookmark not defined.1
3.2 Saran .............................................................. Error! Bookmark not defined.1
DARTAR PUSTAKA ............................................. Error! Bookmark not defined.2
 BAB I
PENDAHULUAN
1.1 Latar Belakang
Korelasi adalah istilah statistik yang menyatakan derajat hubungan linier antara dua
variabel atau lebih. Analisis korelasi pertama kali dikembangkan oleh Karl Pearson pada tahun
1900. Di dalam teknik analisis korelasi, hubungan antara dua variabel hanya mengenal hubungan
searah (linier) saja, misalnya: tinggi badan menyebabkan berat badannya bertambah, tetapi berat
badannya bertambah belum tentu menyebabkan tinggi badannya bertambah pula. Sehingga dari
contoh tersebut dapat diketahui bahwa dalam analisis korelasi dikenal penyebab dan akibatnya.
Korelasi merupakan teknik analisis yang termasuk dalam salah satu teknik pengukuran
asosiasi / hubungan (Measures of association). Teknik ini berguna untuk mengukur kekuatan
hubungan antara dua variabel (kadang lebih dari dua variabel) dengan skala-skala tertentu.
Diantara sekian banyak teknik-teknik pengukuran asosiasi, terdapat dua teknik korelasi yang
sangat populer sampai sekarang, yaitu Korelasi Pearson Product Moment dan Korelasi Rank
Spearman.
Dalam dunia statistik pendidikan korelasi adalah hubungan antara dua variable atau lebih
yang sifatnnya kuantitatif. Lambang yang digunakan korelasi adalah rxy artinnya korelasi antara
variable X dan variable Y. Nilai korelasi berkisar dan variable Y. Nilai korelasi berkisar antara 0
(n antara 0 (nol) sampai dengan 1.00 artinya nilai kor ol) sampai dengan 1.00 artinya nilai korelasi
paling rendah adalah nol dan paling paling rendah adalah nol dan paling tinggi adalah tinggi adalah
1.00. Hubungan antara variable itu jika ditilik dari segi arahnya, dapat dibedakan menjadi dua
macam yaitu hubungan yang sifatnya satu arah dan hubungan yang sifatnya berlawanan arah.

1.2 Rumusan Masalah

1. Jelaskan apa yang dimaksud dengan korelasi
2. Jelaskan macam-macam korelasi
3. Jelaskan jenis analisis korelasi sederhana dan parsial

1.3 Tujuan Masalah

1. Mengetahui dan menjelaskan pengertian korelasi
2. Mengetahui dan menjelaskan macam-macam korelasi
3. Mengetahui dan menjelaskan jenis analisis korelasi sederhana dan parsial
 BAB II
PEMBAHASAN

2.1 Pengertian Korelasi

Dalam kegiatan statistik khususnya statistik inferensial, analisis korelasi merupakan
hubungan antara dua variabel atau lebih, yaitu antara variable bebas dan variable variable terikat.
terikat. Hubungan Hubungan korelasi korelasi terdiri terdiri atas dua jenis yakni bivariate bivariate
dan multivariate correlation. Bevariated correlation yaitu analisis terhadap hubungan antara dua
variable, satu varaiabel bebas dengan satu variable terikat, sedangkan multivariate correlation yaitu
analisis hubungan antara lebih dua variable bebas. Variabel yang dikorelasikan dalam analisis
korelasional adalah hubungan antara dua variable yang terdiri dependend variable terikat atau
varaibel yang dipengaruhi dan independend variabel yang mempengaruhi atau disebut juga
variable bebas (Darwyan Syah, 2007).
Korelasi adalah istilah statistic yang menyatakan derajat hubungan linear antara dua
variable atau lebih, yang ditemukan oleh Karl Pearson pada awal 1900 oleh itu terkenal dengan
sebutan korelasi pearson product moment (PPM) Korelasi adalah on product moment (PPM)
Korelasi adalah salah satu teknik analisis statistic yang paling banyak digunakan oleh para peneliti,
karena peneliti pada peneliti pada umumnya tertarik te umumnya tertarik terhadap peristiwa-
perist rhadap peristiwa-peristiwa yang te iwa yang terjadi dan rjadi dan mencoba untuk mencoba
untuk menghubungkannya. Misalnnya kita ingin menghubungkan antara tinggi badan dan berat
badan, badan, antara umur dengan tekanan tekanan darahnya, darahnya, antara motivasi motivasi
dengan prestasi prestasi belajar belajar atau bekerja dan bekerja dan seterusnya. Hubungan
seterusnya. Hubungan antara dua v antara dua variable didalam teknik korelasi ariable didalam
teknik korelasi bukanlah dalam bukanlah dalam arti hubungan sebab akibat melainkan hanya
hubungan searah saja (Husaini Usman, 2006).
Korelasi adalah studi yang membahas tentang derajat hubungan antara dua variable atau
lebih. Korelasi merupakan salah satu teknik analisis statistic yang banyak digunakan oleh peneliti
karena penlitian pada umumnya hanya tertarik terhadap peristiwa yang terjadi dan
menghubungkannya. Besar tingkat keeratan hubungan antara dua variable atau lebih dapat
diketahui dengan mencari angka korelasi (Sarwono, 2011).

2.2 Korelasi dan Kausalitas

Ada perbedaan mendasar antara korelasi dan kausalitas. Jika kedua variabel dikatakan
berkorelasi, maka kita tergoda untuk mengatakan bahwa variabel yang satu mempengaruhi
variabel yang lain atau dengan kata lain terdapat hubungan kausalitas. Kenyataannya belum tentu.
Hubungan kausalitas terjadi jika variabel X mempengaruhi Y. Jika kedua variabel diperlakukan
secara simetris (nilai pengukuran tetap sama seandainya peranan variabel- variabel tersebut
ditukar) maka meski kedua variabel berkorelasi tidak dapat dikatakan mempunyai hubungan
kausalitas. Dengan demikian, jika terdapat dua variabel yang berkorelasi, tidak harus terdapat
hubungan kausalitas.
Terdapat dictum yang mengatakan “correlation does not imply causation”. Artinya korelasi
tidak dapat digunakan secara valid untuk melihat adanya hubungan kausalitas dalam variabel-
variabel. Dalam korelasi aspek-aspek yang melandasi terdapatnya hubungan antar variabel
mungkin tidak diketahui atau tidak langsung. Oleh karena itu dengan menetapkan korelasi dalam
hubungannya dengan variabel- variabel yang diteliti tidak akan memberikan persyaratan yang
memadai untuk menetapkan hubungan kausalitas kedalam variabel- variabel tersebut. Sekalipun
demikian bukan berarti bahwa korelasi tidak dapat digunakan sebagai indikasi adanya hubungan
kausalitas antar variabel. Korelasi dapat digunakan sebagai salah satu bukti adanya kemungkinan
terdapatnya hubungan kausalitas tetapi tidak dapat memberikan indikasi hubungan kausalitas
seperti apa jika memang itu terjadi dalam variabel- variabel yang diteliti, misalnya model
recursive, dimana X mempengaruhi Y atau non- recursive, misalnya X mempengaruhi Y dan Y
mempengaruhi X. Dengan untuk mengidentifikasi hubungan kausalitas tidak dapat begitu saja
dilihat dengan kaca mata korelasi tetapi sebaiknya menggunakan model- model yang lebih tepat,
misalnya regresi, analisis jalur atau structural equation model.

2.3 Korelasi dan Linearitas

Terdapat hubungan erat antara pengertian korelasi dan linieritas. Korelasi Pearson,
misalnya, menunjukkan adanya kekuatan hubungan linier dalam dua variabel. Sekalipun demikian
jika asumsi normalitas salah maka nilai korelasi tidak akan memadai untuk membuktikan adanya
hubungan linieritas. Linieritas artinya asumsi adanya hubungan dalam bentuk garis lurus antara
variabel. Linearitas antara dua variabel dapat dinilai melalui observasi scatterplots bivariat. Jika
kedua variabel berdistribusi normal dan behubungan secara linier, maka scatterplot berbentuk
oval; jika tidak berdistribusi normal scatterplot tidak berbentuk oval.
Dalam praktinya kadang data yang digunakan akan menghasilkan korelasi tinggi tetapi
hubungan tidak linier; atau sebaliknya korelasi rendah tetapi hubungan linier. Dengan demikian
agar linieritas hubungan dipenuhi, maka data yang digunakan harus mempunyai distribusi normal.
Dengan kata lain, koefesien korelasi hanya merupakan statistik ringkasan sehingga tidak dapat
digunakan sebagai sarana untuk memeriksa data secara individual.

2.4 Asumsi
Asumsi dasar korelasi diantaranya seperti di bawah ini:
1. Kedua variabel bersifat independen satu dengan lainnya, artinya masing- masing variabel berdiri
sendiri dan tidak tergantung satu dengan lainnya. Tidak ada istilah variabel bebas dan variabel
tergantung.
2. Data untuk kedua variabel berdistribusi normal. Data yang mempunyai distribusi normal artinya
data yang distribusinya simetris sempurna. Jika digunakan bahasa umum disebut berbentuk kurva
bel.
Menurut (Johnston, 2004) ciri-ciri data yang mempunyai distribusi normal ialah sebagai
berikut:
a. Kurva frekuensi normal menunjukkan frekuensi tertinggi berada di tengah-tengah, yaitu
berada pada rata-rata (mean) nilai distribusi dengan kurva sejajar dan tepat sama pada
bagian sisi kiri dan kanannya. Kesimpulannya, nilai yang paling sering muncul dalam
distribusi normal ialah rata-rata (average), dengan setengahnya berada dibawah rata-rata
dan setengahnya yang lain berada di atas rata-rata.
b. Kurva normal, sering juga disebut sebagai kurva bel, berbentuk simetris sempurna.
c. Karena dua bagian sisi dari tengah-tengah benar-benar simetris, maka frekuensi nilai-
nilai diatas rata-rata (mean) akan benar-benar cocok dengan frekuensi nilai- nilai di bawah
rata-rata.
d. Frekuensi total semua nilai dalam populasi akan berada dalam area dibawah kurva. Perlu
diketahui bahwa area total dibawah kurva mewakili kemungkinan munculnya karakteristik
tersebut.
e. Kurva normal dapat mempunyai bentuk yang berbeda-beda. Yang menentukan bentuk-
bentuk tersebut adalah nilai rata-rata dan simpangan baku (standard deviation) populasi.

2.5 Jenis Korelasi

1. Korelasi positif
Korelasi positif adalah tingkat hubungan antara dua variabel yang mempunyai ciri, bahwa
perubahan variabel independent x (variabel bebas x) diikuti oleh perubahan variable dependent y
(variabel tidak bebas y) secara “searah.”.
2. Korelasi negative
Korelasi negatif adalah tingkat hubungan antara dua variabel yang mempunyai ciri, bahwa
perubahan variabel independent x (variabel bebas x) diikuti oleh perubahan variabel dependent y
(variabel tidak bebas y) secara “Berlawanan”.
3. Korelasi sederhana (simple corelation)
Adalah tingkat hubungan yang terjadi antara 2 (dua) variabel saja.
4. Korelasi Multiple (Multiple Corelation)
Yaitu tingkat hubungan yang tejadi antara 2 (dua) variable atau lebih. Misalkan pada model
regrsi linier multiple ( y = a0 + a1x1 + a2x2 + e ), maka maksud dan pengertian dari pernyataan di
atas adalah: Tingkat hubungan antara y dengan x1 atau tingkat hubungan antara y dengan x2 atau
tingkat hubungan antara x1 dan x2.
5. Korelasi sempurna (perfect corelation)
Maksud dan pengertian dari Korelasi sempurna antara 2 variabel, yaitu suatu kondisi
bahwa setiap nilai variabel bebas x akan terdapat pada setiap nilai variabel tidak bebas y nya. Hal
ini dapat diartikan pula, bahwa garis regresi yang terbentuk dari data yang tersebar (terdistribusi)
adalah merupakan tempat kedudukan dari data – data dimaksud, sehingga nilai r nya =1 atau r =
-1.
6. Korelasi Tidak Sempurna (Imperfect Corelation)
Korelasi antara 2 (dua) variabel dikatakan tidak sempurna, jika titik – titik yang tersebar
tidak terdistribusi tepat pada satu garis lurus.
7. Korelasi yang mustahil (nonsense corelation)
Korelasi antara dua variabel yang seolah-olah ada tetapi tidak ada.

2.6 Metode Korelasi

Menurut (Setiady Akbar Purnomo, 2000), macam-macam teknik korelasi antara lain
sebagai berikut.
1. Product Moment Pearson.
Menurut (Anas Sudijono, 2008) Product Moment Correlation atau lengkapnya Product of
the Moment Correlation adalah salah satu teknik untuk mencari korelasi antar dua variabel yang
kerap kali digunakan. Teknik korelasi ini di kembangkan oleh Karl Pearson, yang karenanya sering
dikenal dengan istilah Teknik Korelasi Pearson. Disebut Product Moment Correlation karena
koefisien korelasinya diproleh dengan cara mencari hasil perkalian dari momen-momen variabel
yang dikorelasikan (Product of the Moment).
Teknik Korelasi Product Moment dipergunakan apabila baerhadapan dengan kenyataan
berikut ini.
a. Kedua variabelnya berskala interval.
b. Sampel yang diteliti bersifat homogen, atau setidaknya mendekati homogen.
Menurut (Sugiyono, 2010) Populasi Homogen adalah sumber data yang unsurnya
memiliki sifat yang sama sehingga tidak perlu mempersoalkan jumlahnya secara
kuantitatif. Populasi Heterogen adalah sumber data yang unsurnya memiliki sifat atau
 keadaan yang berbeda (bervariasi) sehingga perlu ditetapkan batas-batasnya, baik secara
kualitatif maupun kuantitatif.
c. Regresinya merupakan regresi linear.
Menurut (Jonathan Sarwono, 2011) regresi linear mendefinisikan analisis regresi
sebagai kajian terhadap hubungan satu variabel yang disebut sebagai kajian terhadap
hubungan satu variabel yang disebut sebagai variabel yang diterangkan dengan satu atau
dua variabel yang menerankan . Variabel pertama disebut juga sebagai variabel tergantung
dan variabel sebagai variabel bebas.

2. Rank Spearman : Kedua variabelnya berskala ordinal.

Adakalanya kita ingin mengukur kuatnya hubungan antara dua variabel tidak berdasarkan
pasangan nilai data yang sebenarnya, tetapi berdasarkan rankingnya. Hubungan tersebut
dinamankan rank correlation coefficient. Analisis korelasi Spearman termasuk dalam statistik non-
parametrik. Metode korelasi ini ditemukan Carl Spearman pada tahun 1904.

3.Point Serial : Satu berskala nominal sebenarnya dan satu berskala interval.
Menurut (Hartono, 2011) Teknik ini digunakan apabila dua variabel yang akan
dikorelasikan varibel pertama berskala nominal dan variabel yang kedua berskala interval.
Misalnya korelasi antara jenis kelamin dengan kecakapan berbahasa.

4. Biserial : Satu berskala nominal buatan dan satu berskala interval.

Menurut (Anas Sudijono, 2008) Teknik korelasi point biserial adalah salah satu teknik yang
biasa digunakan untuk mencari korelasi antara dua variabel. Teknik analisis korelasional point
biserial ini juga dapat dipergunakan unuk menguji validity item (validitas soal) yang telah diajukan
dalam tes, dimana skor tes unuk tiap butir soal dikorelasikan dengan hasil tes untuk tiap butir soal
dikorelasikan dengan skor hasil tes secara totalitas.

5. Koefisien kontingensi : Kedua variabelnya berskala nominal.

Menurut (Anas Sudijono, 2008) teknik Korelasi koefisien kontingensi adalah salah satu
teknik korlasi yang dua buah variabel dikorelasikan adalah berbenuk gejala ordinal. Misalnya:
Tingkat pendidikan : tinggi rendah, menengah, rendah. Pemahaman terhadap agama islam: baik,
cukup, kurang dan sebagainya. Kuat-lemah, tinggi-rendah, atau besar-kecilnya korelasinya antar
dua variabel yang sedang diselidiki korelasinya, dapat diketahui dari besar- kecilnya angka indeks
korelasi yang disebut Coefficient Contingency yang umumnya diberi lambang huruf C atau KK
(singkatan dari Koefisien Kontingensi).

2.7 Analisis Korelasi Sederhana

 Menurut (Duwi Priyatno, 2010) analisis korelasi sederhana (Bivariate Correlation)
digunakan untuk mengetahui keeratan hubungan antara dua variable dan untuk mengetahui arah
hubungan yang terjadi. Ada tiga metode korelasi sederhana di antaranya, Pearson Correlation,
Kendall tau-b dan Spearmans rho. Pearson Correlation digunakan untuk data berskala interval atau
rasio, sedangkan Kendall tau-b dan Spearmans rho lebih cocok untuk data berskala ordinal.
Dalam analisis korelasi Product Moment Pearson, nilai korelasi (r) berkisar antara 1 sampai
-1, nilai semakin mendekati 1 tau -1 berarto hubungan antara dua variable semakin kuat, sebaliknya
semakin mendekati 0 berarti hubungan antara dua variable semakin lemah. Nilai positif
menunjukan hubungan searah (X naik maka Y naik) dan nilai negative menunjukan hubungan
terbalik (X naik maka Y turun).
Menurut (Sugiyono, 2007) pedoman memberikan interpretasi koefisien korelasi sebagai
berikut :
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 = sanggat kuat

2.7.1 Contoh Kasus

Penelitian tentang hubungan antara kecerdasan dengan prestasi belajar pada siswa SMU
Negeri Manado. Pengambilan data dalam penelitian ini menggunakan alat ukur kuesioner. Peneliti
membuat 2 variable yaitu, kecerdasan dan prestasi belajar. Tiap variable dibuat beberapa butir
pertanyaan dengan menggunakan skala Likert yaitu, angka 1 = sanggat tidak setuju, 2 = tidak
setuju, 3 = setuju dan 4 = sangat setuju. Kuesioner kemudian dibagikan kepada 15 responden.

2.7.2 Uji Signifikansi Koefisien Korelasi Sederhan (Uji t)

Uji signifikansi koefisien korelasi digunakan untuk menguji apakah hubungan yang terjadi
itu dapat berlaku untuk populasi (dapat digeneralisasi) atau tidak. Dari kasus di atas populasinya
adalah siswa SMU Negeri Manado dan sampel yang diambil dari kasus di atas adalah 15 siswa
SMU Negeri Manado, jadi apakah hubungan yang terjadi atau kesimpulan yang diambil dapat
berlaku untuk populasi yaitu seluruh siswa SMU Negeri Manado atau tidak (hanya berlaku untuk
sampel saja).
Langkah-langkah pengujian sebagai berikut :
1. Menentukan hipotesis
 H0 : Tidak ada hubungan antara kecerdasan dengan prestasi belajar
Ha : Ada hubungan antara kecerdasan dengan prestasi belajar
2. Menentukan tingkat signifikansi
Pengujian menggunakan uji dua sisi (two-tailed) dengan tingkat signifikansi α = 5%.
Tingkat signifikansi dalam hal ini berarti kita menggambil resiko salah dalam mengambil
keputusan untuk menolak hipotesis yang benar sebanyak-banyaknya 5% (signifikansi 5% atau
0,05 adalah ukuran standar yang sering digunakan dalam penelitian).
3. Menentukan t hitung
Rumus mencari t hitung adalah :
t hitung = r √n-2 / √1-𝑟 2
Keterangan :
r = koefisien korelasi sederhana
n = jumlah data atau sampel
4. Menentukan t table
Tabel distribusi t dicari pada α = 5% : 2 = 2,5% (karena uji dua sisi atau two tailed) dengan
derajat kebebasan (df) n-2.
5. Kriteria pengujian
H0 diterima jika –t table ≤ t hitung ≤ t table
H0 ditolak jika –t hitung < -t table atau t hitung > t table
Berdasarkan signifikansi
H0 diterima jika signifikansi > 0,05
H0 ditolak jika signifikansi < 0,05
6. Membandingkan t hitung dengan t table dan signifikansi
7. Menarik kesimpulan

2.8 Analisis Korelasi Parsial

Menurut (Duwi Priyatno, 2010) analisis korelasi parsial digunakan untuk mengetahui
hubungan antara dua variable di mana variable lainnya yang dianggap berpengaruh dikendalikan
atau dibuat tetap (sebagai variable control). Hal ini dimaksudnakn agar hubungan kedua variable
tidak dipengaruhi oleh factor lai. Nilai korelasi (r) berkisar antara 1 sampai -1, nilai semakin
mendekati 1 atau -1 berarti hubungan antara dua variable semakin kuat, sebaliknya nilai mendekati
0 berarti hubungan antara dua variable semakin lemah. Nilai positif menunjukan hubungan searah
(X naik Y naik) dan nilai negative menunjukan hubungan terbalik (X naik maka Y turun). Data
yang digunakan biasanya berskala interval atau ratio.
Menurut (Sugiyono, 2007) pedoman memberikan interpretasi koefisien korelasi sebagai
berikut :
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 = sanggat kuat
Koefisien korelasi parsial dapat dicari dengan menggunakan rumus sebagai berikut :
Korelasi antara x1 dengan y, dimana x2 sebagai variable control.
2.8.1 Contoh Kasus
Penelitian dengan menggunakan alat ukur skala. Peneliti ingin meneliti tentang hubungan
antara kecerdasan dengan prestasi belajar jika terdapat factor tingkat stress pada siswa yang diduga
mempengaruhi akan dikendalikan. Dengan ini peneliti membuat 2 variable, yaitu kecerdasan dan
prestasi belajar dan 1 variable control yaitu tingkat stress. Tiap variable dibuat beberapah butir
pertanyaan dengan menggunakan skala Likert yaitu, angka 1 = sangat tidak setuju, 2 = tidak setuju,
3 = setuju dan 4 = sangat setuju. Kuesioner kemudian dibagikan kepada 15 responden.
2.8.2 Uji Signifikansi Koefisien Korelasi Parsial (Uji t)
Uji signigikansi koefisien korelasi parsial digunakan untuk menguji apakah hubungan yang
terjadi itu berlaku untuk populasi (dapat digeneralisasi).
Langkah-langkah pengujian sebagai berikut :
1. Menentukan hipotesis
H0 : Tidak ada hubungan antara kecerdasan dengan prestasi belajar jika tingkat stress tetap.
Ha : Ada hubungan antara kecerdasan dengan prestasi belajar jika tingkat stress tetap.
2. Menentukan tingkat signifikansi
Pengujian menggunakan uji dua sisi (two-tailed) dengan tingkat signifikansi α = 5%.
Tingkat signifikansi dalam hal ini berarti kita menggambil resiko salah dalam mengambil
keputusan untuk menolak hipotesis yang benar sebanyak-banyaknya 5% (signifikansi 5% atau
0,05 adalah ukuran standar yang sering digunakan dalam penelitian).
3. Menentukan t hitung
Rumus mencari t hitung dengan 3 variable adalah :
t hitung = r√n-3 / √1-𝑟 2
 Keterangan :
r = koefisien korelasi parsial
n = jumlah data atau sampel
4. Menentukan t table
Tabel distribusi t dicari pada α = 5% : 2 = 2,5% (karena uji dua sisi atau two tailed) dengan
derajat kebebasan (df) n-2.
5. Kriteria pengujian
H0 diterima jika –t table ≤ t hitung ≤ t table
H0 ditolak jika –t hitung < -t table atau t hitung > t table
Berdasarkan signifikansi
H0 diterima jika signifikansi > 0,05
H0 ditolak jika signifikansi < 0,05
6. Membandingkan t hitung dengan t table dan signifikansi
7. Menarik kesimpulan

2.9 Regresi Linier Sederhana

Analisis regresi linier sederhana adalah hubungan secara linier antara satu variable
independen (X) dengan variable dependen (Y). Analisis ini bertujuan untuk memprediksi nilai dari
variable dependen apabila nilai variable independen mengalami kenaikan atau penurunan dan
untuk mengetahui arah hubungan antara variable independen dengan variable dependen apakah
positif atau negative.
Rumus regresi linier sederhana = Y = a +bX
Keterangan :
Y = Variabel dependen (nilai yang diprediksikan)
X = Variabel independen
a = konstanta (nilai Y apabila X) = 0
b = Koefisien regresi (nilai peningkatan ataupun penurunan)
2.9.1 Contoh Kasus
Seorang peneliti ingin meneliti tentang pengaruh biaya promosi terhadap volume pnjualan
pada perusahaan jual beli motor. Peneliti menggunakan data bulanan selama 25 bulan. Dengan ini
didapati variable dependen (Y) adalah volume penjualan dan variable independen (X) adalah biaya
promosi. Peneliti menganalisis dengan bantuan program SPSS dengan alat analisis regresi linier
sederhana karena hanya menggunakan satu variable dependen.
Didapat nilai persamaan regresinya sebagai berikut :
Y = a+bX
Y = 41745,082+1,344X
Arti persamaan sebagai berikut :
- Konstanta sebesar 41745,082 artinya, jika biaya promosi (X) nilainya adalah 0, maka volume
penjualan (Y) nilainya sebesar Rp. 41745,082
- Koefisien regresi variable biaya promosi (X) sebesar 1,344 artinya, jika biaya promosi
mengalami kenaikan Rp. 1 maka volume penjualan (Y) akan mengalami peningkatan sebesar Rp.
1,344. Koefisien bernilai positif artinya terjadi hubungan positif antara biaya promosi dengan
volume penjualan, semakin tinggi biaya promosi maka semakin meningkat volume penjualan.
2.9.2 Uji Koefisien Regresi Sederhana (Uji t)
Uji ini dilakukan untuk mengetahui apakah variable independen (X) berpengaruh secara
signifikan terhadap variable dependen (Y). Signifikan artinya berarti atau berpengaruh yang terjadi
dapat berlaku untuk populasi (dapat digeneralisasikan).
Rumus t hitung pada analisis regresi adalah :
t hitung = b/Sb
Keterangan :
b = koefisien regresi
Sb = standar eror
Langkah-langkah pengujian sebagai berikut :
1. Menentukan hipotesis
H0 : Ada pengaruh antara biaya promosi dengan volume penjualan
Ha : Tidak ada pengaruh antara biaya promosi dengan volume penjualan
2. Menentukan tingkat signifikansi
Pengujian menggunakan uji dua sisi (two-tailed) dengan tingkat signifikansi α = 5%.
Tingkat signifikansi dalam hal ini berarti kita menggambil resiko salah dalam mengambil
keputusan untuk menolak hipotesis yang benar sebanyak-banyaknya 5% (signifikansi 5% atau
0,05 adalah ukuran standar yang sering digunakan dalam penelitian).
3. Menentukan t hitung
Berdasarkan output diperoleh t hitung sebesar 12,817
4. Menentukan t table
Tabel distribusi t dicari pada α = 5% : 2 = 2,5% (karena uji dua sisi atau two tailed) dengan
derajat kebebasan (df) n-k-1 atau 25-2-1=22
5. Kriteria pengujian
H0 diterima jika –t table ≤ t hitung ≤ t table
H0 ditolak jika –t hitung < -t table atau t hitung > t table
Berdasarkan signifikansi
H0 diterima jika signifikansi > 0,05
H0 ditolak jika signifikansi < 0,05
6. Membandingkan t hitung dengan t table dan signifikansi
Nilai t hitung > t table (12,817 > 2,074) maka H0 ditolak
7. Menarik kesimpulan
Oleh karena nilai t hitung > t table ( 12,817>2,074) maka H0 ditolak, artinya bahwa ada
pengaruh secara signifikan antara biaya promosi dengan volume penjualan.
2.10 Analisis Regresi Linier Berganda
Analisis regresi linier berganda adalah hubungan secara linier antara dua atau lebih
variable independen (𝑋1 , 𝑋2 , … . 𝑋𝑛 ) dengan variable dependen (Y). Analisis ini untuk
memprediksikan nilai dari variable dependen apabila nilai variable independen mengalami
kenaikan atau penurunan dan untuk mengetahui arah hubungan antara variable independen dengan
variable dependen apakah masing-masing variable independen berhubungan positif atau negative.
Persamaan regresi linier berganda sebgai berikut :
Y=a+𝑏1 𝑋1 + 𝑏2 𝑋2 +. . +𝑏𝑛 𝑋𝑛
Keterangan :
Y = Variable dependen (nilai yang diprediksikan)
𝑋1 , 𝑋2 , 𝑋𝑛 = Variabel independen
a = konstanta
𝑏1 𝑏2 𝑏𝑛 = Koefisien regresi (nilai peningkat atau penurunan)
2.10.1 Contoh Kasus
Seorang peneliti ingin melakukan penelitian tentang factor yang memppengaruhi harga saham
pada perusahaan. Peneliti dalam penelitiannya ingin mengetahui hubungan antara rasio keuangan
PER dan ROI terhadap harga saham. Dengan ini peneliti menggunakan alat analisis linier
berganda. Dari uraian di atas maka didapat variable dpenden (Y) adalah harga saham, sedangkan
variable independen (𝑋1 dan 𝑋2 ) adalah PER dan ROI antara tahun 1991-2010.
Dari data tersebut didapat output persamaan regresinya sebagai berikut :
Y=a+𝑏1 𝑋1 + 𝑏2 𝑋2
Y= 4604,42 + (-64,991) 𝑋1 +697,671𝑋2
Keterangan :
Y = Harga saham yang diprediksi (Rp)
a = konstanta
𝑏1 , 𝑏2 = koefisien regresi
𝑋1 = PER(%)
𝑋1 = ROI(%)
Persamaan regresi di atas dapat dijelaskan sebagai berikut :
- Konstanta sebesar 4604,424 artinya jika PER (𝑋1 ) dan ROI (𝑋2 ) nilainya adalah 0, maka harga
saham (Y) nilainya adalah sebesar Rp. 4606,424.
- Koefisien regresi variable PER (𝑋1 ) sebesar -64,991 artinya jika PER mengalami kenaikan 1%
maka harga saham (Y) akan mengalami peningkatan sebesar Rp. 64,991 dengan asumsi variable
independen lain nilainya tetap. Koefesien bernilai negative artinya terjadi hubungan negative
antara PER dengan harga saham, semakin naik PER, maka semakin turun harga saham.
- Koefisien regresi variable ROI (𝑋2 ) sebesar 697,671 artinya jika ROI mengalami kenaikan 1%,
maka harga saham (Y) akan mengalami peningkatan sebesar 697,671 dengan asumsi variable
independen lain nilainya tetap. Koefisian bernilai positif artinya terjadi hubungan positif antara
ROI dengan harga saham, semakin naik ROI , maka semakin meningkat harga saham.
A. Analisis Korelasi Ganda (R)
Analisis korelasi ganda digunakan untuk mengetahui hubungan antara dua tau lebih variable
independen terhadap variable dependen secara serentak.
Berdasarkan output diperoleh angka R sebesear 0,879. Karena nilai korelasi ganda berada anttara
0,80-1,00 maka dapat disimpulkan bahwa terjadi hubungan yang sangat kuat antara PER dan ROI
terhadap harga saham.
B. Analisis Determinasi (𝑅2 )
Analisis determinasi digunakan untuk mengetahui presentasi sumbangan pengaruh variable
independen secara serentak terhadap variable dependen.
Berdasarkan output diperoleh angka 𝑅2 sebesar 0,773 atau 77,3%. Hal ini menunjukan bahwa
presentase sumbangan pengaruh variable indpenden (PER dan ROI) terhadap variable dpenden
(harga saham) sebesar 77,3%.
C. Uji Koefisien Regresi Secara Bersama-sama (Uji F)
Uji ini digunakan untuk mengetahui apakah variable independen secara bersama-sama
berpengaruh secara signifikan terhadap variable dependen.
1. Merumuskan Hipotesis
H0 : Tidak ada pengaruh antara PER dan ROI secara bersama-sama terhadap harga saham.
Ha : Ada pengaruh antara PER dan ROI secara bersama-sama terhadap harga saham.
2. Menentukkan tingkat signifikansi
Tingkat signifikansi menggunakan 0,005 (a=5%)
3.Menentukan F hitung
Berdasarkan table diperoleh F hitung sebesar 28,953
4. Menentukan F table
Dengan menggunakan tingkat keyakinan 95%, a = 5%, df 1 atau 3-1 =2, dan df 2 atau 20-2-1, hasil
untuk F table sebesar 3,592.
5. Kriteria Pengujian
H0 : diterima bila F hitung ≤ F table
Ha : ditolak bila F hitung > F tabel
6. Membandingkan F hitung dengan F table
Nilai F hitung > F table 28,953>3,592, maka H0 ditolak
7. Kesimpulan
Karena F hitung > F table 28,953>3,592, maka H0 ditolak, artinya PER dan ROI secara bersama-
sama berpengaruh terhadap harga saham pada perusahaan.
D. Uji Koefisien Regresi Secara Parsial (Uji t)
Uji ini untuk mengetahui apakah dalam model regresi variable indpenden secara parsial
berpengaruh terhadap signifikansi variable dependen.
1. Menentukan Hipotesis
H0 : Secara parsial tidak ada pengaruh antara PER dengan harga saham
Ha : Secara parsial ada pengaruh antara PER dengan harga saham.
2. Menentukan tingkat signifikansi
Tingkat signifikansi menggunakan 0,005 (a=5%)
3. Menentukan t hitung
Berdasarkan output diperoleh t hitung sebesar -1,154
4. Menentukan t table
Tabel distribusi t dicari pada α = 5% : 2 = 2,5% (karena uji dua sisi atau two tailed) dengan
derajat kebebasan (df) n-k-1 atau 20-2-1=17
5. Kriteria pengujian
H0 : diterima jika –t table ≤ t hitung ≤ t table
Ha : ditolak jika –t hitung <-t table atau t hitung > t table
6. Membandingkan t hitung dengan t table
Nilai –t hitung > -t table (-1,154 > -2,110), maka H0 diterima
7. Kesimpulan
Oleh karena nilai –t hitung >-t table (-1,154 > -2,110) maka H0 diterima, artinya secara parsial
PER tidak berpengaruh terhadap harga saham pada perusuhaan.
 BAB III
KESIMPULAN
3.1 Kesimpulan
Teknik analisis korelasi merupakan bagian dari teknik pengukuran asosiasi (measure of
association) yang berguna untuk mengukur kekuatan hubungan dua variabel (atau lebih).
Terdapat beberapa teknik analisis korelasi, diantaranya yang paling terkenal dan digunakan
secara luas diseluruh dunia ialah teknik analisis korelasi Pearson dan Spearman.

Korelasi merupakan teknik analisis yang digunakan untuk mengukur kekuatan hubungan
dua variabel. Korelasi tidak secara otomatis menunjukkan hubungan kausalitas antar variabel.
Hubungan dalam korelasi dapat berupa hubungan linier positif dan negatif. Interpretasi
koefesien korelasi akan menghasilkan makna kekuatan, signifikansi dan arah hubungan kedua
variabel yang diteliti. Untuk melihat kekuatan koefisien korelasi didasarkan pada jarak yang
berkisar antara 0 -1. Untuk melihat signifikansi hubungan digunakan angka signifikansi /
probabilitas / alpha. Untuk melihat arah korelasi dilihat dari angka koefisien korelasi yang
menunjukkan positif atau negatif.

Ada tiga metode korelasi sederhana di antaranya, Pearson Correlation, Kendall tau-b dan
Spearmans rho. Pearson Correlation digunakan untuk data berskala interval atau rasio,
sedangkan Kendall tau-b dan Spearmans rho lebih cocok untuk data berskala ordinal. Analisis
korelasi parsial digunakan untuk mengetahui hubungan antara dua variable di mana variable
lainnya yang dianggap berpengaruh dikendalikan atau dibuat tetap (sebagai variable control).

3.2 Saran
Dalam melakukan uji statistika dibutuhkan ketelitian untuk memilih jenis uji korelasi
yang tepat. Pemilihan jenis uji yang tepat dapat mempengaruhi arah dan hasil uji yang dicari.
 DAFTAR PUSTAKA

Priyatno. Mandiri Belajar SPSS Cetakan Ketiga. Media Kom : Yogyakarta. 2010
Darwyan Syah dkk. 2007 Pengantar Statistik Pendidikan . Jakarta: Gaung Persada Press
Husaini Usman. Manajemen : teori, praktik, dan riset pendidikan. Jakarta : Bumi Aksara. 2006
Sarwono. Ilmu Kebidanan. Yayasan Bina Pustaka. Batu. 2011.

Ron Johnston. Scale, Factor Analyses, and Neighborhood Effects. Geographycal Analysis. 2004.

Akbar, Husaini Usman Dan Purnomo Setiady Metodologi Penelitian Sosial. Jakarta: Bumi Aksara.
2000.

Sugiyono. Metode Penelitian Pendidikan Pendekatan Kuantitatif, kualitatif, dan R&D. Bandung:
Alfabeta. 2010

Sarwono, Jonathan, Metodelogi Penelitian Kuantitatif Dan Kualitatif, Jogjakarta: Graha Ilmu,
2006.

Sugiyono. Metode Penelitian Bisnis. Bandung : Alfabeta. 2007.

Hartono, Jogiyanto. (2011). Metodologi Penelitian Bisnis: Salah Kaprah dan Pengalaman-
pengalaman. BPFE. Yogyakarta.

Anas Sudijono. 2008. Pengantar Statistik Pendidikan. Jakarta: Raja Grafindo Persada