4.a. Korelasi Ganda (Untuk Ikom)
4.a. Korelasi Ganda (Untuk Ikom)
X1 Y
Korelasi multiivariate: korelasi antara lebih
dari satu variabel independen dengan
satu variabel dependen.
X1
X1
X2
X2 Y
X3
X3
Xn
Xn
• Misal:
• Y = Kesediaan membeli produk
• X1 = terpaan iklan
• X2 = terpaan WOM
X1 =TERPAAN
IKLAN Y = KESEDIAAN
X2 = TERPAAN MEMBELI
WOM
Hipotesis Nol:
Tidak ada hubungan antara DERAJAD TERPAAN
IKLAN dan DERAJAD TERPAAN WOM dengan
KESEDIAAN UNTUK MEMBELI.
Hipotesis Alternatif:
Semakin tinggi derajad terpaan iklan dan
semakin tinggi derajad terpaan WOM semakin
tinggi kesediaan untuk membeli.
Koefisien Korelasi Ganda
• Koefisien korelasi ganda menunjukkan kuatnya
hubungan antara satu variabel dengan dua
variabel yang lain atau lebih yang digabungkan.
• Korealasi ganda berkaitan dengan interkorelasi
variabel-variabel independent sebagaimana
juga korelasi mereka dengan variabel
dependent.
• INTERKORELASI VARIABEL-VARIABEL,
TERMASUK SATUVARIABEL DEPENDENT DAN
DUA VARIABEL INDEPENDENT(Data Buatan)
Variabel Y X1 X2
Y - 0,465 0,583
X1 - - 0,562
Dari mana koefisien korelasi diperoleh?
KASUS/ X1 X2 Y
RESPONDEN
1
2
3
4
5
6
dst
• Pada tabel di atas menunjukkan interkolerasi
variabel X1, X2, dan Y. Dengan demikian maka
masing-masing variabel dikorelasikan satu
sama lain.
• Adapun cara untuk memperoleh besarnya
angka koefisien korelasi ganda adalah sebagai
berikut:
r2yx1 + r2yx2 – 2(ryx1.ryx2.rx1x2)
R2y.x1x2 = -----------------------------------------
1 – rx1x2
R2Y.X1X2 = 0,367
R = 0,606
• Penafsiran korelas iganda R
• Setelah besarnya R kita peroleh maka yang menjadi
pokoknya adalah dengan nilai R itu apa yang dapat kita
katakan .
• R2 dapat disebut sebagai koefisien determinasi ganda
(coefficient of multiple determinition).
• Hal ini menyatakan besarnya proporsi di dalam Y yang
tergantungpada, berasosiasi dengan atau diprediksikan
(diramalkan) oleh gabungan X1 dan X2 dengan regresi
tertimbang.
• Dalam hal ini R2adalah 0,367,
maka dapat kita katakan bahwa
36,7% dari varians Y diterangkan
(disebabkan) oleh X1 dan X2 pada
keseluruhannya.
• Sisa presentase varians, yaitu 64,3% (1-36,7%)
masih dapat diterangkan yaitu diketahui
sebagai koefisien non determinasi ganda
(coefficient of multiple nondetermination)
yang diberisimbol K2. Hal ini sesuai dengan
kenyataan bahwa R2 + K2 = 1.0. Sebagai mana
halnya juga dengan r2 + k2 = 1.0.
• Bila lebih dari tiga variabel, rumus menjadi
berbelit-belit.
• SPSS bagi analisis data.
• BUKA SPSS.