HUBUNGAN DUA

VARIABEL
A. PENGERTIAN VARIABEL

B. REGRESI DAN KORELASI

 A. Pengertian Variabel
Variabel merupakan gejala yang menjadi
fokus peneliti untuk diamati.
Variabel sebagai atribut dari sekelompok
orang atau objek yang mempunyai vaiasi
antara satu dengan yang lainnya dalam
kelompok itu.
 Contoh variabel:
Tinggi, berat badan, sikap, motivasi, warna
rambut, kepemimpinan, disiplin kerja
merupakan atribut seseorang.
Berat, ukuran, bentuk, dan warna
merupakan atribut dari objek.
Jika tinggi badan, motivasi kerja,
kemampuan dari 35 orang sama, maka
semua itu bukanlah variabel. Jadi,
dikatakan variabel karena ada variasinya.
 Macam-macam Variabel Penelitian, yaitu:
1.Variabel Independen
2.Variabel Dependen
3.Variabel Moderator
4.Variabel Intervening
5.Variabel Kontrol
1.Variabel Independen
Variabel independen/bebas/stimulus/input/
prediktor/antecedent adalah variabel yang
menjadi sebab timbulnya atau berubahnya
variabel dependen (terikat). Jadi, variabel
independen adalah variabel yang
mempengaruhi.
2. Variabel Dependen
Variabel dependen/tak bebas/terikat/respon/
output/kriteria/konsekuen merupakan
variabel yang dipengaruhi atau yang
menjadi akibat karena adanya variabel
bebas.
Antara variabel independen dengan variabel
dependen masing-masing tidak berdiri sendiri
tetapi selalu berpasangan. Contoh:
Panas dan muai panjang
Panas = variabel independen
Muai panjang = variabel dependen
3. Variabel Moderator
Variabel yang mempengaruhi (memperkuat
atau memperlemah) antara variabel
independen dan dependen.
Contoh:
Hubungan antara kemampuan dan
produktivitas kerja akan semakin tinggi jika
etos kerja tinggi. Sebaliknya, kemampuan
dan produktivitas kerja akan semakin rendah
jika etos kerja rendah. Etos kerja sebagai
variabel moderator.
4. Variabel Intervening
Variabel yang mempengaruhi (memperkuat
atau memperlemah) antara variabel
independen dan dependen tetapi tidak
terukur.
Contoh:
Anak yang pandai nilainya akan tinggi.
Tetapi ada anak pandai tetapi nilainya
rendah. Ternyata ia sedag sakit hati dan
frustasi saat mengerjakan soal ujian. Sakit
hati dan frustasi merupakan variabel
intervening yang masih sulit diukur tapi ada.
5. Variabel Kontrol
Variabel yang dikedalikan atau dibuat konstan yang
ditetapkan oleh peneliti, sehingga tidak akan
mempengaruhi variabel utama yang diteliti. Pada
umumnya digunakan pada penelitian menggunakan
metode eksperimen yang bersifat membuat
perbandingan.
Contoh:
Ingin mengetahui hasil belajar kelas XII IPA 1 dan
2 dengan menggunakan tipe pembelajaran
Investigasi Kelompok. Untuk penelitian ini, maka
perlu ditetapkan variabel kontrolnya, yaitu tes hasil
belajar yang sama soalnya.
B.REGRESI DAN KORELASI
Korelasi dan regresi keduanya mempunyai
hubungan yang sangat erat. Setiap regresi
pasti ada korelasinya, tetapi korelasi belum
tentu dilanjutkan dengan regresi.
Korelasi yang tidak dilanjutkan dengan
regresi adalah korelasi antara dua variabel
yang tidak mempunyai hubungan
kausal/sebab akibat atau hubungan
fungsional. Analisis regresi dapat dilakukan
jika hubungan dua variabel berupa
hubungan kausal atau fungsional.
 Contoh hubungan sebab akibat:
Hubungan antara panas dan tingkat muai
panjang.
Hubungan biaya promosi dan volume
penjualan.
Hubungan waktu belajar dengan nilai
intelegensi seseorang.
Hubungan sebab akibat seperti di atas yang
dinyatakan dalam bentuk model persamaan
matematika disebut persamaan regresi.
 Persamaan regresi menyatakan hubungan
fungsional antara suatu variabel tidak bebas
(respons) dengan satu atau beberapa variabel
bebas (deterministik) yang memungkinkan
seseorang dapat meramalkan nilai-nilai
variabel tak bebas berdasarkan nilai-nilai
variabel bebas tertentu.
Ukuran keeratan hubungan satu variabel
dengan variabel lain disebut korelasi.
Berbeda dengan regresi, korelasi tidak dapat
digunakan untuk meramalkan.
 Persamaan regresi yang menyatakan
hubungan linier antara satu variabel tak bebas
dengan satu variabel bebas disebut regresi
linier sederhana.

Persamaan regresi yang menyatakan

hubungan linier antara satu variabel tak bebas
dengan beberapa variabel bebas disebut
regresi linier ganda.
 REGRESI LINIER SEDERHANA
Regresi linier sederhana merupakan bagian
regresi yang mencakup hubungan linier satu
variabel tak bebas Y dengan satu variabel
bebas X. Persamaan umum regresi linier
sederhana sebagai berikut:
= +
 Persamaan umum regresi linier sederhana sebagai
berikut:
= + .....(i)
Keterangan:
= Subjek dalam variabel tak bebas yang
diprediksikan.
a = Harga Y jika X = 0 (harga konstan)
b = Angka arah atau koefisien regresi yang
menunjukkan angka peningkatan ataupun
penurunan variabel tak bebas yang didasarkan
pada variabel bebas. Jika b(+) maka naik, dan
jika b(-) maka terjadi penurunan.
X = Subjek pada variabel bebas yang mempunyai
nilai tertentu.
 Mencari nilai a dan b dapat menggunakan
rumus berikut:
2
= ......... (ii)
2 2

= ...........(iii)
2 2

Contoh perhitungan regresi linier sederhana:

Data berikut adalah hasil pengamatan
terhadap nilai kualitas layanan (X) dan nilai
rata-rata penjualan barang tertentu tiap bulan.
Data kedua variabel diberikan pada tabel
berikut.
 Penyelesaian:
Persamaan regresi linearnya adalah sebagai
berikut:
= + = 93,85 + 1,29
Keterangan:
Koefisien b dinamakan koefisien arah regresi
linier dan menyatakan perubahan rata-rata
variabel Y untuk setiap perubahan variabel X
sebesar satu unit. Perubahan ini merupakan
pertambahan jika b bertanda positif dan
penurunan atau pengurangan jika bertanda
negatif.
 Keterangan:
Karena nilai b = 1,29 bertanda positif, maka
dapat dikatakan bahwa untuk setiap nilai
kualitas layanan bertambah satu, maka nilai
rata-rata penjualan barang tiap bulan akan
bertambah 1,29. Dengan kata lain, setiap nilai
kualitas layanan bertambah 10, maka nilai
rata-rata penjualan tiap bulan akan bertambah
sebesar 12,9.
 Penyelesaian:
Koefisien korelasinya, yaitu:
r = 0,6909
Keterangan:
Berdasarkan hasil perhitungan diperoleh
korelasi positif antara nilai kualitas layanan
(X) dan nilai rata-rata penjualan (Y). Ini
berarti meningkatnya nilai kualitas layanan
akan meningkatkan pula nilai rata-rata
penjualan.
 Penyelesaian:
Koefisien determinasi, yaitu:
2 = 0,4773 atau sebesar 47,73%.
Keterangan:
Ini berarti bahwa nilai rata-rata penjualan
barang tiap bulan adalah 47,73% ditentukan
oleh nilai kualitas layanan yang diberikan
melalui persamaan regresi
= 93,85 + 1,29
Sisanya 52,27% ditentukan oleh faktor
lain.
 Korelasi merupakan
angka yang
menunjukkan arah dan
KORELASI kuatnya hubungan antar
(Korelasi dua variabel atau lebih.
dalam Arah dinyatakan dalam
Regresi bentuk hubungan
Linear) positif atau negatif,
sedangkan kuatnya
hubungan dinyatakan
dalam besarnya
koefisien korelasi (r).
 Jika koefisien korelasi positif, maka kedua
variabel mempunyai hubungan searah.
Artinya, jika nilai variabel X tinggi, maka
nilai variabel Y akan tinggi juga. Sebaliknya,
jika koefisien korelasi negatif, maka kedua
variabel mempunyai hubungan yang terbalik.
Artinya, jika nilai variabel X tinggi, maka
nilai variabel Y akan rendah (dan sebaliknya).
 Contoh:
Ada hubungan positif antara tinggi badan
dengan kecepatan lari. Ini berarti semakin
tinggi badan orang, maka akan semakin
cepat larinya, dan semakin pendek orang
maka akan semakin lambat larinya. Korelasi
positif ditunjukkan pada gambar berikut.
 Contoh:
Ada hubungan negatif antara curah hujan
dengan es yang terjual. Hal ini berarti
semakin tinggi curah hujan, maka akan
semakin sedikit es yang terjual, dan
semakin sedikit curah hujan, maka akan
semakin banyak es yang terjual. Korelasi
negatif ditunjukkan pada gambar berikut.
 Koefisien korelasi menunjukkan kekuatan
hubungan linear dan arah hubungan dua
variabel acak.
Besarnya koefisien korelasi berkisar antara
+1 sampai -1. Koefisien korelasi positif
terbesar adalah 1 dan koefisien korelasi
negatif terbesar adalah -1, sedangkan yang
terkecil adalah 0.
Jika r = +1 menunjukkan hubungan positif
sempurna, sedangkan jika r = -1
menunjukkan hubungan negatif sempurna.
r tidak mempunyai satuan. Tanda + atau -
hanya menunjukkan arah hubungan.
 Besarnya koefisien korelasi dapat diketahui
berdasarkan penyebaran titik-titik pertemuan
antara dua variabel, misalnya X dan Y.
Jika titik-titik itu terdapat dalam satu garis,
maka koefisien korelasinya adalah 1 atau -1.
Jika titik-titik itu membentuk lingkaran, maka
koefisien korelasinya adalah 0.
Hubungan X dan Y untuk berbagai koefisien
jika digambarkan dalam diagram pencar
(scatterplot) dapat dilihat pada gambar
berikut.
 Intrepretasi nilai r sebagai berikut (Sarwono,
2006) :
0: Tidak ada korelasi antara dua variabel.
> 0 0,25: Korelasi sangat lemah.
> 0,25 0,5: Korelasi cukup.
> 0,5 0,75: Korelasi kuat.
> 0,75 0,99: Korelasi sangat kuat.
1: Korelasi sempurna
 Untuk perhitungan koefisien korelasi r
berdasarkan sekumpulan data ,
berukuran n dapat digunakan rumus:

=
2 2 2 2
 Koefisien Determinasi
Koefisien determinasi ( 2 ) atau koefisien
penentu merupakan proporsi variabilitas
dalam suatu data yang dihitung didasarkan
pada model statistik. Koefisien determinasi
bisa juga untuk menyatakan besarnya
hubungan dua variabel.
 Jika persamaan regresi linier Y atas X telah
ditentukan dan sudah diperoleh koefisien arah
b, maka koefisien determinasi dapat
ditentukan oleh rumus:

2
=
2 2
 Contoh
Carilah persamaan regresi linear, koefisien
korelasi, dan koefisien determinasi dari data
data berikut yang menggambarkan hasil
pengamatan mengenai banyak orang datang
(X) dan banyak orang berbelanja (Y) di
sebuah toko selama 30 hari.
No Banyaknya Pengunjung Berbelanja
1 34 32
2 38 36
3 34 31
4 40 38
5 30 29
6 40 35
7 40 33
8 34 30
9 35 32
10 39 36
11 33 31
12 32 31
13 42 36
14 40 37
15 42 35
16 42 38
17 41 37
18 32 30
19 34 30
20 36 30
21 37 33
22 36 32
23 37 34
24 39 35
25 40 36
26 33 32
27 34 32
28 36 34
29 37 32
30 38 34
 Penyelesaian:
Persamaan regresi linearnya adalah sebagai
berikut:
= 8,24 + 0,68
Keterangan:
Karena nilai b = 0,68 bertanda positif, maka
dapat dikatakan bahwa untuk setiap nilai
pengunjung (X) bertambah satu orang, maka
rata-rata pembeli (Y) bertambah dengan 0,68
orang.
 Penyelesaian:
Koefisien korelasinya, yaitu:
r = 0,8758
Keterangan:
Berdasarkan hasil perhitungan diperoleh
korelasi positif antara banyak pengunjung X
dan yang berbelanja Y. Ini berarti
meningkatnya pengunjung yang datang
meningkatkan pula banyaknya yang
berbelanja.
 Penyelesaian:
Koefisien determinasi, yaitu:
2 = 0,7670 atau sebesar 76,7%.
Keterangan:
Ini berarti bahwa meningkatnya atau
menurunnya pembeli 76,7% dapat dijelaskan
oleh banyaknya pengunjung melalui
hubungan linier yang persamaannya
= 8,24 + 0,68
Sisanya ditentukan oleh keadaan lain.