ANALISIS KORELASI

DAN REGRESI
[Lerbin R. Aritonang R.]
ASPEKINDO, Minggu, 28 November 2021:
15.00-17.30

1
 CATATAN AWAL
METODE STATISTIKA HANYA SEBAGAI ALAT
Metode statistika tidak lebih dari sekedar alat alat.
Berawal dari teori (hipotesis), kemudian diuji melalui data dengan
bantuan metode statistika. Selanjutnya, hasil dari metode statistika
harus “dikembalikan” (dikaitkan, diinterpretasikan sesuai dengan) ke
teorinya.

2
 UJI HIPOTESIS PENELITIAN DENGAN METODE STATISTIKA
HIPOTESIS HIPOTESIS H0 DITOLAK H0 TIDAK DAPAT
PENELITIAN1) STATISTIK2) JIKA DITOLAK JIKA
KORELASI 0 =0
>0 =0
<0 =0 A>B AB
REGRESI atau p  0.05 atau p > 0.05
0 =0
>0 =0
<0 =0
1)
disebut juga sebagai hipotesis alternatif atau substantif
2)
disebut juga sebagai hipotesis nol
A = statistik uji. B = statistik teoritis.
Jika A > B maka p (atau Sig.)  0.05. Jika A  B maka p (atau Sig.) > 0.05

3
PRIORITAS INTERPRETASI ATAS HASIL ANALISIS STATISTIKA
# tanda pada hipotesis penelitian harus sama dengan tanda pada hasil
analisis statistika: >, <
# hasil p. atau Sign. terkait dengan statistika, bukan teori (hipotesis)
# statistika tidak lebih dari sekedar alat

4
 VARIABEL
ARTI
= objek yang nilainya bervariasi dan variasinya dinyatakan dalam
bentuk angka atau bilangan
FUNGSI
# variabel dependen: variasinya untuk dijelaskan/dipresiksi
# variabel independen: variasinya untuk menjelaskan/dipresiksi
KAITAN VARIABEL DAN KONSTANTA
selalu sama dengan nol, tidak ada kaitan, tidak dapat dikaitkan
Analisis korelasi maupun analisis regresi: kaitan variabel-variabel
5
 KORELASI (HUBUNGAN)
• Ko: Bersama, berpasangan
• Relasi: kaitan atau hubungan
=> Data variabel-variabel harus berpasangan
• Korelasi berdasarkan jumlah variabel
# sederhana: 1 variabel dependen (VD, Y) dan 1 variabel independent
(VI, X)
# ganda: 1 VD dan beberapa VI
# parsial: 1 VD dan 1 atau lebih VI dengan memparsialkan (membuat
konstan) variabel lain
6
 SIMBOL KOEFISIEN KORELASI
#  (dibaca: rho, untuk populasi)
# rxy: koefisien korelasi sederhana
# R : koefisien korelasi ganda
# Ṝ, Radj: koefisien korelasi ganda yang disesuaikan atas jumlah variabel
independen dan ukuran sampel
# r1y.2: koefisien korelasi X1 dan Y dengan memparsialkan X2

7
BESARAN KOEFISIEN KORELASI: -
1.00 s.d. +1.00
# -1.00: korelasi negatif sempurna;
peningkatan nilai satu variabel berbanding terbalik dengan
penurunan nilai pasangannya
# 0.00: tidak ada korelasi
# +1.00: korelasi positif sempurna;
peningkatan nilai satu variabel berbanding sama dengan
peningkatan nilai pasangannya;
penurunan nilai satu variabel berbanding sama dengan
penurunan nilai pasangannya
# Makin mendekati +1.00 atau -1.00 makin kuat
8
KORELASI DAN GAMBAR SEBARAN
DATA

9
10
 KOEFISIEN DETERMINASI: 2
XY2% = persentase variabilitas Y yang dapat dijelaskan melalui
variabilitas X.
1 - XY2% = persentase variabilitas Y yang tidak dapat dijelaskan melalui
variabilitas X.
Secara umum: IQ;IP2% = 25%.
=> masih ada 75% variabilitas IP yang belum dapat dijelaskan

11
CONTOH 1: KORELASI SEDERHANA - SPSS
S X1 X2 X3 X4 X5 X6 X7 r1;1 = +1.00 r2;6 = 0.00 r5;7 = 0.00
1 4 4 1 7 16 5 7 r1;2 = +1.00 r2;7 = 0.00 r6;7 = 0.00
2 6 6 2 6 14 5 7 r1;3 = +1.00 r3;4 = -1.00
3 8 8 3 5 12 5 7 r1;4 = -1.00 r3;5 = -1.00
r1;5 = -1.00 r3;6 = 0.00
4 10 10 4 4 10 5 7
r1;6 = 0.00 r3;7 = 0.00
5 12 12 5 3 8 5 7 r = 0.00 r4;5 = +1.00
1;7
6 14 14 6 2 6 5 7 r2;3 = +1.00 r4;6 = 0.00
7 16 16 7 1 4 5 7 r2;4 = -1.00 r4;7 = 0.00
r2;5 = -1.00 r56 = 0.00

SPSS: Analyze – Correlate – Bivariate

# Pindahkan semua variabel di kotak kiri ke kotak kanan
# Pearson [interval] / Spearman [ordinal], Two/One-tailed
# OK
12
 Sig.
# LA: p = probability of
error; probabilitas
melakukan kekeliruan
menolak H0 yang benar
# Batasan  0.05

13
CONTOH 2A: KORELASI GANDA DAN
YANG DISESUAIKAN - SPSS

SPSS:
Analyze – Regression – Linear – Dependent = Y;
Independent(s) = X1 s.d.X3 - OK
14
 p (Sig.)  0.05: H0 ditolak.
# variabilitas Y yang dapat
dijelaskan X1, X2 dan X3
secara bersama tergolong
besar secara statistika.
# probabilitas kesalahan
karena menolak H0 yang
benar tergolong kecil,
yaitu  0.05

15
R : korelasi ganda antara beberapa X sekaligus dan 1 Y =
R2 : koefisien determinasi =
R2% : persentase variabilitas Y yang dapat dijelaskan secara bersama-
sama melalui variabilitas semua X =
Ṝ : koefisien determinasi yang disesuaikan atas variasi jumlah X dan
ukuran sampel =
Ṝ dapat (dimungkinkan untuk) bernilai negatif

16
 CONTOH 2B: KORELASI PARSIAL - SPSS
DATA: KORELASI GANDA.SAV
SPSS: Analyze - correlate – Bivariate – # Variables: X1, X2 dan Y – OK
# r1y: koefisien korelasi antara X1 dan Y = 0.832 atau r1y2 = 59.2%, p. = 0.005
# r2y: koefisien korelasi antara X1 dan Y = 0.909 atau r2y2 = 82.6%, p. = 0.001
# r12: koefisien korelasi antara X1 dan Y = 0.675 atau r122 = 45.6%, p. = 0.046

SPSS: Analyze - correlate – Partial – # Variables: X2 [atau X1] dan Y # Controlling

for: X1 [atau X2]– OK
# r1y.2: koefisien korelasi antara X1 dan Y dengan memparsialkan
(meniadakan) X2 dari X1 dan Y = 0.711 atau r1y.22 = 50.6%, p. = 0.048
# r2y.1: koefisien korelasi antara X1 dan Y dengan memparsialkan
(meniadakan) X1 dari X2 dan Y = 0.850 atau r2y.12 = 72.3%, p. = 0.008 17
 CONTOH 3: REGRESI SEDERHANA –
SPSS
DATA: KORELASI GANDA.SAV
SPSS: Analyze – Regression – Linear – Dependent = Y; Independent(s) = X1 – OK

Data : Y = a + bX + e
Prediksi: Ŷ = a + bX
e = eror, kekeliruan prediksi
# a (intersep, konstanta) = nilai Y yang diprediksi jika nilai X = 0
# b (koef. regresi) = perubahan nilai Y yang diprediksi jika nilai X
berubah sebesar satu satuan

18
Y, Ŷ, Ȳ Ŷ

b = koef. regresi,
tingkat kemiringan, tangen
a
X
O

19
20
 p (Sign.)
Koef. regresi  0.05  0.05 > 0.05 > 0.05
Constant  0.05 > 0.05  0.05 > 0.05
KESIMPULAN OK OK Tidak OK Tidak OK
MUTLAK: tanda koefisien regresi harus sama dengan
yang ada pada hipotesis penelitian

TAHAP-TAHAP
1. Periksa: tanda koefisien regresi pada hipotesis penelitian dan hasil
analisis statistik harus sama
2. Hasil uji hipotesis: lihat tabel di atas

21
 CONTOH 4: REGRESI GANDA – SPSS
DATA: KORELASI GANDA.SAV
SPSS: Analyze – Regression – Linear – Dependent = Y; Independents = X1
dan X2 – OK
Data : Y = a + b1X1 + b2X2 + e
Prediksi: Ŷ = a + b1X1 + b2X2
e = eror, kekeliruan prediksi
# a (intersep, konstanta) = nilai Y yang diprediksi jika nilai X1 maupun X2 = 0
# b (koef. regresi parsial) = perubahan nilai Y yang diprediksi jika nilai X
berubah sebesar satu satuan

22
# b1 = perubahan nilai Y yang diprediksi berdasarkan nilai X1 jika nilai
X2 diparsialkan, dibuat tetap
# b2 = perubahan nilai Y yang diprediksi berdasarkan nilai X2 jika nilai
X1 diparsialkan, dibuat tetap

23
 TAHAP-TAHAP
(MESTINYA DIMULAI DENGAN PEMERIKSAAN
ASUMSI)
1. Periksa kesesuaian tanda tiap koefisien
regresi yang dihasilkan dan yang ada
pada hipotesis penelitian
2. p (Sig.) harus  0.05 sehingga H0 (1  2)
ditolak => uji-F atau Anova
3. p (Sig.) tiap koefisien regresi parsial harus
 0.05 sehingga H0 (1  0 dan 2  0)
ditolak => uji-t
4. Jelaskan arti (Constant) dan tiap besaran
koefisien regresi parsial yang diperoleh
5. Jelaskan arti R, R Square (dan Adjusted R
Square) yang diperoleh
Uji-F => juga untuk menguji
H0:  ganda = 0 atau 2 = 0 24
 KORELASI DAN REGRESI
SEDERHANA
# Korelasi: simetris [r12 = r21], fungsi variabel tidak berpengaruh
# Regresi: tidak simetris, fungsi variabel berpengaruh
# Tanda koefisien korelasi dan regresi sederhana selalu sama: +, 0, -
Koefisien Korelasi Koefisien Regresi
Sederhana Sederhana
xy xy
----------------- -----
[(x2) (y2)] x2
Pembilang: sama, termasuk tandanya
Penyebut: tidak mungkin negatif

25
 ASUMSI KLASIK REGRESI GANDA
Tiap analisis/uji statistik:
# didasarkan pada asumsi tertentu
# hasil analisis/ujinya layak digunakan jika asumsinya terpenuhi
Asumsi dalam Ilmu Ekonomi:
# Hukum Permintaan: Jika harga suatu produk naik, maka permintaan
atas produk itu akan turun
# Hukum Permintaan itu benar/valid dengan asumsi ceteris paribus
(hal-hal lainnya dianggap tetap)

26
 11 asumsi klasik regresi ganda dengan
metode OLS (Ordinary Least Squares)
1. Tidak ada multikolinieritas: antara variabel-variabel independent
tidak berkorelasi
2. Homoskedastisitas: variansi eror variabel dependen pada tiap nilai
variabel independen adalah homogen
3. Tidak ada otokorelasi: eror variabel dependen yang berdekatan tidak
berkorelasi
4. Lain-lain

27
 TERIMA KASIH,
SEMOGA BERMANFAAT!

28