TEKNIK ANALISIS DATA

KORELASIONAL
 A. PENGERTIAN TEKNIK ANALISIS DATA
KORELASI

Emzir berpendapat bahwa penelitian korelasional merupakan penelitian yang

berusaha menafsirkan hubungan antarvariabel. Penelitian korelasional
umumnya digunakan pada bidang sosial, ekonomi, juga pendidikan.
Analisis korelasi adalah suatu cara atau metode untuk mengetahui ada atau
tidaknya hubungan linear antara variabel. Apabila terdapat hubungan maka
perubahan-perubahan yang terjadi pada salah satu variabel X akan
mengakibatkan terjadinya perubahan pada variabel lainnya (Y). Korelasi terbagi
menjadi beberapa yakni, korelasi sederhana, dan juga ganda.
B. LINEARITAS REGRESI DAN PERSAMAAN
REGRESI
Regresi adalah suatu metode analisis yang biasa digunakan untuk melihat
pengaruh antara dua atau banyak variabel. Umumnya, analisis regresi digunakan untuk
melakukan prediksi atau ramalan.
Uji regresi merupakan salah satu uji yang digunakan untuk mengukur ada atau
tidaknya korelasi antar variabel. Menurut Nazir (2011: 458) analisis regresi digunakan
untuk mempelajari bagaimana eratnya hubungan antara satu variabel atau beberapa
variabel independen dengan sebuah variabel dependen. Uji regresi linearitas terbagi
menjadi 2 yaitu: uji linearitas sederhana (Bivariate Regression) dan uji linearitas berganda
(Multiple Regression).
REGRESI LINEAR SEDERHANA (BIVARIATE
REGRESSION)

• sederhana dalam Regresi linier sederhana menunjukkan bahwa

dalam model regresi yang terbentuk hanya melibatkan satu
variabel bebas (X) dan satu variabel terikat (Y). Digunakan
hanya untuk satu variabel terikat dan satu variabel bebas.
Persamaan regresi linear sederhana
• Y= a + bX
LANJUTAN

Keterangan:
Y : variabel terikat
X : variabel bebas
a dan b : Konstanta
Contoh Perhitungan Manual
seorang peneliti ingin mengetahui pengaruh pengalaman kerja (X) terhadap omzet
penjualan(Y). Data penelitian berjumlah 8 karyawan. Data secara lengkap dapat dilihat pada
table berikut ini :
 Y= a + bX
Persamaan regresi linear sederhana
Y= α + bX
Y= 3,25 +1,25
REGRESI LINEAR BERGANDA (MULTIPLE REGRESSION)

• Regresi linear berganda Menurut (Soleh, 2005) apabila variabel bebas dari
suatu persamaan regresi lebih dari satu (misal X1, X2, …, Xk) dan
semuanya mempengaruhi dari variabel terikat (Y) maka model regresi
yang terbentuk dinamakan model regresi linier berganda (multiple).
Digunakan hanya untuk satu variabel terikat dan dua atau lebih variabel
bebas.
Persamaan regresi linear berganda
Y= a + b¹ X¹ + b² X²
LANJUTAN

Y : variabel terikat
X¹ : variabel bebas terikat pertama
X² : variabel bebas terikat kedua
a, b¹ dan b² : konstanta
Contoh perhitungan manual
seorang peneliti ingin mengetahui pengaruh motivasi belajar (X1), minat belajar
(X2) terhadap prestasi belajar matematika (Y). Data penelitian berjumlah 12 siswa,
data secara lengkap dapat dilihat pada table berikut ini:
1. tentukan persamaaan regresi linear berganda dengan dua prediktor?
2. Buktikan apakah ada pengaruh motivasi dan minat belajar terhadap prestasi belajar?
Memasukkan nilai statistik ke rumus yang digunakan

Persamaan regresi linear berganda

Y= α + b1X1 + b2X2
Menentukan nilai konstanta b1, b2 dan α

Nilai konstanta b1 Nilai konstanta b2

Nilai konstanta α

1. Persamaan regresi linear berganda dengan

dua prediktor
Y= α + b1X1 + b2X2

Y= 17,313 + 0,387X1 + 0,507X2

Menghitung nilai korelasi Menentukan Fhitung dan F tabel

koefisien korelasi ganda Ry.12 Menentukan nilai Fhitung

n = jumlah sampel

m = jumlah variabel bebas

R = koefisien korelasi ganda

Menentukan nilai Ftabel
Ftabel  taraf signifikansi α = 5% = 0,05 karena uji
dua pihak (two tails), db = n - m - 1 = 12-2-1= 9
Pembilang m = 2 dan penyebut db = 9
Sehingga F(α) (m, db) = F (0,05) (2,9) = 4,260

Perumusan hipotesis untuk menguji koefisien korelasi adalah sbb:

H0: p = 0 (tidak terdapat hubungan signifikan antara variabel X dan variabel Y)

H1: p ≠ 0 (terdapat hubungan signifikan antara variabel X dan Y)

2. Menarik kesimpulan ada tidaknya pengaruh motivasi dan
minat belajar terhadap prestasi belajar

Fhitung = 11,316

F tabel = 4,260

Fhitung > Ftabel maka H0 ditolak artinya ada pengaruh motivasi dan
minat belajar tehadap prestasi belajar matematika.
C. ANALISIS KORELASI

Analisis korelasi adalah analisis yang mempelajari mengenai kuat tidaknya hubungan antara
satu variabel dengan variabel yang lainnya. Ukuran yang di gunakan untuk menunjukkan
kuat tidaknya hubungan yang terjadi antar dua variabel disebut dengan koefisien korelasi.
Koefisien korelasi untuk data populasi disimbolkan dengan r.
Dalam analisis korelasi, tidak perlu dibedakan yang mana variabel independen ataupun
variabel dependen sehingga hubungannya dipandang sebagai hubungan simetris (X dan
Y).
D. UJI SIGNIFIKANSI KOEFISIEN KORELASI

Apabila dalam menghitung koefisien korelasi atas dasar sampel yang berukuran n dan data
sampel tersebut akan kita gunakan untuk menyimpulkan atau menggambarkan keadaan
populasinya. Maka setelah harga koefisien korelasi diketahui, kita belum boleh mengambil
kesimpulan sebelum kita melakukan pengujian terhadap koefisien korelasinya apalagi
langkah awal kita dalam analisis data adalah melakukan penghitungan korelasi sebelum
analisis regresi.
Untuk mengetahui apakah ada hubungan signifikan antara variabel X dengan variabel Y.
Kita tidak berasumsi atau kita tidak mengetahui sebelumnya hubungan ini adalah hubungan
positif atau negatife.
KESIMPULAN

• Analisis korelasi adalah analisis yang mempelajari mengenai kuat tidaknya hubungan
antara satu variabel dengan variabel yang lainnya. Ukuran yang di gunakan untuk
menunjukkan kuat tidaknya hubungan yang terjadi antar dua variabel disebut dengan
koefisien korelasi. Koefisien korelasi untuk data populasi disimbolkan dengan r.
• Regresi adalah suatu metode analisis yang biasa digunakan untuk melihat pengaruh
antara dua atau banyak variabel. Umumnya, analisis regresi digunakan untuk
melakukan prediksi atau ramalan. Uji regresi merupakan salah satu uji yang digunakan
untuk mengukur ada atau tidaknya korelasi antar variabel.