KORELASIMerupakan teknik statistik yang digunakan untuk meguji ada/tidaknya hubungan serta arah hubungan dari dua variabel atau lebih

Korelasi yang akan dibahas dalam pelatihan ini adalah :1. Korelasi sederhana pearson & spearman2. Korelasi partial3. Korelasi ganda.

KOEFISIEN KORELASIBesar kecilnya hubungan antara dua variabel dinyatakan dalam bilangan yang disebut Koefisien Korelasia. Besarnya Koefisien korelasi antara   -1   0  +1b. Besaran koefisien korelasi  -1 & 1 adalah korelasi yang sempurnac. Koefisien korelasi 0 atau mendekati 0 dianggap tidak berhubungan antara dua variabel yang diuji

ARAH HUBUNGANa. Positif (Koefisien 0 s/d 1)b. Negatif (Koefisien 0 s/d -1)c. Nihil (Koefisien 0)

PEARSON CORRELATIONDigunakan untuk data interval & rasioDistribusi data normalTerdiri dari dua variabel1 Variabel X (Independen)1 Variabel Y (dependen)

CONTOH

Judul: Hubungan antara intensitas belajar dengan prestasi mata kuliah statistikVariabel X : Intensitas belajar (diukur dari lamanya belajar dalam satu minggu)Variabel Y : Prestasi matakuliah statistik (diukur dari nilai ujian akhir semester)

Hipotesa:H0: Tidak ada hubungan antara Intenitas belajar dengan prestasi mata kuliah statistikHa: Ada hubungan antara Intenitas belajar dengan prestasi mata kuliah statistikINPUT DATA KE SPSS

Input Data ke SPSS

SPSSAda dua view dalam SPSSa. Data View : digunakan untuk memasukkan data yang akan dianalisisb. Variabel View : digunakan untuk memberi nama variabel dan pemberian koding.

UJI NORMALITAS

Uji Normalitas SPSS

Normalitas Plot SPSS

INTERPRESTASI NORMALITAS

TAHAP ANALISIS

INTERPRETASIUntuk pengambilan keputusan statistik, dapat digunakan 2 cara:1. Koefisien Korelasi dibandingkan dengan nilai r tabel (korelasi tabel)    Apabila Koefisien Korelasi > r tabel, Maka ada korelasi yang signifikan (Ha Diterima)    Apabila Koefisien Korelasi < r tabel, Maka tidak ada korelasi yang signifikan (H0 Diterima)

2. Melihat Sig.    Apabila nilai Sig. < 0,05 Maka ada korelasi yang signifikan (Ha Diterima)    Apabila nilai Sig. > 0,05 Maka tidak ada korelasi yang signifikan (H0 Diterima)

Arah hubungan:Dilihat dari tanda koefisien korelasi   Tanda (-) berarti apabila variabel X tinggi maka variabel Y rendah   Tanda (+) berarti apabila variabel X tinggi maka variabel Y juga tinggi

SPEARMANa. Digunakan untuk jenis data ordinalb. Cara analisis dan interpretasi sama dengan Pearson.c. Perbedaan hanya pada waktu memilih box yang diaktifkan adalah box spearman.

KORELASI PARTIALKorelasi yang digunakan untuk menguji hubungan dua atau lebih variabel independen dengan satu variabel dependen dan dilakukan pengendalian pada salah satu variabel independennya

CONTOHJudul: Hubungan antara biaya promosi dan penjualan dengan mengendalikan jumlah outletVariabel X1: Biaya PromosiVariabel X2: Jumlah outlet (dikendalikan)

Variabel Y: Penjualan

Hipotesa:H0: Tidak ada hubungan antara biaya promosi dengan penjualan apabila jumlah outlet dikendalikanHa: Ada hubungan antara biaya promosi dengan penjualan apabila jumlah outlet dikendalikan

CONTOHBuka data : Korelasi ganda dan partial.sav Data

ANALISIS

KORELASI PARTIAL

OUTPUT PARTIAL

KORELASI GANDAKorelasi yang digunakan untuk menguji hubungan dua atau lebih variabel independen dengan satu variabel dependen secara bersamaan.

CONTOHJudul: Hubungan antara biaya promosi dan jumlah outlet dengan penjualan  Variabel X1: Biaya Promosi  Variabel X2: Jumlah outlet  Variabel Y: Penjualan

Hipotesa:  H0: Tidak ada hubungan antara biaya promosi dan jumlah outlet dengan penjualan  Ha: Ada hubungan antara biaya promosi dan jumlah outlet dengan penjualan

CONTOH  Buka data : Korelasi ganda dan partial.sav Data

KORELASI GANDA

INTERPRETASI KORELASI GANDAa. Untuk menginterpretasi korelasi ganda lihat nilai R, semakin mendekati 1 maka korelasi semakin kuatb. Guna memperkaya analisis, sebelum dianalisis korelasi ganda dapat juga ditambahkan analisis korelasi pada masing-masing variabel independen dengan variabel dependen (caranya sama dengan analisis korelasi pearson.

REGRESIa. Analisis regresi adalah analisis lanjutan dari korelasib. Menguji sejauh mana pengaruh variabel independen terhadap variabel dependen setelah diketahui ada hubungan antara variabel tersebutc. Data harus interval/rasiod. Data Berdistribusi normal.

Yang akan dibahas dalam pelatihan ini adalah:a. Regresi sederhana: yaitu regresi untuk 1 variabel independen dengan 1 variabel dependenb. Regresi ganda: yaitu regresi untuk lebih dari satu variabel independen dengan 1 variabel dependen.

REGRESI SEDERHANABuka data : Pearson.sav Data

INTERPRETASI REGRESI SEDERHANAOutput 1

Lihat nilai R = 0,843 ini berarti bahwa korelasi antara variabel X dengan Y adalah 0,843

INTERPRETASI REGRESI SEDERHANAOTPUT 2

Untuk melihat signifikansi persamaan regresi dapat dilihat dari nilai F = 81,329 dan dibandingkan dengan F tabel

Apabila nilai F < F tabelmaka persamaan garis regresi tidak dapat digunakan untuk prediksi Apabila nilai F > F tabelmaka persamaan garis regresi dapat digunakan untuk prediksi Selain itu dapat pula dengan melihat nilai Sig. dapat digunakan untuk prediksi apabila nilai Sig. <

0,05

INTERPRETASI REGRESI SEDERHANAOUTPUT 3

Untuk membuat persamaan garis regresi dapat dilihat dari kolom B. Constan = 38,481 dan intensitas belajar= 2,978 Berarti persamaan garisnya adalah: Y=38,481 + 2,978 X.

REGRESI GANDA

Digunakan untuk analisis regresi dengan jumlah variabel independen lebih dari satu dengan satu variabel dependen

Ada tambahan asumsi yang harus dipenuhi, yaitu tidak boleh ada korelasi antar variabel-variabel independennya (multikolinearitas)

CONTOHBuka data : Korelasi ganda dan partial.sav

INTERPRETASI REGRESI GANDAOutput 1

Lihat nilai R = 0,976 ini berarti bahwa korelasi antara variabel X1dan X2secara bersamaan dengan Y adalah 0,976.

INTERPRETASI REGRESI GANDAOutput 2

Untuk melihat signifikansi persamaan regresi dapat dilihat dari nilai F = 118,294 dan dibandingkan dengan F tabel

Apabila nilai F < F tabelmaka persamaan garis regresi tidak dapat digunakan untuk prediksi Apabila nilai F > F tabelmaka persamaan garis regresi dapat digunakan untuk prediksi Selain itu dapat pula dengan melihat nilai Sig. dapat digunakan untuk prediksi apabila nilai Sig. <

0,05

INTERPRETASI REGRESI GANDAOutput 3

Untuk membuat persamaan garis regresi dapat dilihat dari kolom B.

Constan = 64,639 Biaya promosi= 2,342 Jumlah Outlet= 0,535 Berarti persamaan garisnya adalah: Y=64,639 + 2,342 biaya promosi + 0,535 Jumlah Outlet

INTERPRETASI REGRESI GANDAOutput 4

Identifikasi kolinieritas dapat dilakukan dengan melihat:

Output 3, Kolom VIF. : terjadi kolinearitas apabila nilai VIF > 5 Output 4, Kolom eugenvalue: terjadi kolinearitas apabila nilai eugenvalue mendekati 0 Output 4, Kolom condition index: terjadi kolinearitas apabila nilai condition index > 15. Dikatakan

parah apabila > 30