ANALISIS REGRESI DAN KORELASI BERGANDA Pada kehidupan nyata banyak kasus yang memerlukan pengetahuan tentang hubungan

suatu variabel dengan variabel lain. Hubungan tersebut tidak hanya antar dua variabel, dalam banyak kasus hubungan tersebut dapat melibatkan lebih dari dua variabel. Sebagai contoh, kepuasan pelanggan bisa dipengaruhi oleh banyak variabel seperti kualitas, pelayanan, harga, kemudahan, dan lainnya. Hubungan linear lebih dari dua variabel bila dinyatakan dalam bentuk persamaan matematis adalah : Y = a + b1x1 + b2x2 +……………bkxk + Keterangan : x, x1, x2……..xk = variabel-variabel a, b1, b2……..bk = bilangan konstan (konstanta) koefisien variabel

Persamaan regresi linear berganda Regresi linear berganda adalah regresi dimana variabel terikatnya (Y) dihubungkan atau dijelaskan lebih dari satu variabel, mungkin dua, tiga dan seterusnya variabel bebas (x, x1, x2……..xn ) namun masih menunjukkan diagram hubungan yang linear. Penambahan variabel bebas ini diharapkan dapat lebih menjelaskan karakteristik hubungan yang ada walaupun masih saja ada variabel yang terabaikan. Bentuk umum dari persamaan linear berganda dapat ditulis sebagai berikut: a. Bentuk stokastik
ˆ = a + b1x1 + b2x2 + b3x3 ……………bkxk + c y

b. Bentuk non stokastik
ˆ = a + b1x1 + b2x2 + b3x3……………bkxk y

‘11

1

Statistik Sosial
Ir Farida, MMA

Pusat Pengembangan Bahan Ajar Universitas Mercu Buana

Keterangan
ˆ y

: Variabel terikat (nilai duga y) : koefisien regresi : variabel bebas : kesalahan pengganggu

a, b1, b2 b3……..bk x1, x2 x3……..xk e

Pendugaan dan Pengujian Koefisien Regresi 1. Kesalahan baku regresi dan koefisien regresi berganda Kesalahan baku atau selisih taksir standar regresi adalah nilai menyatakan seberapa jauh menyimpangnya nilai regresi tersebut terhadap nilai sebenarnya. Nilai ini digunakan untuk mengukur tingkat ketepatan suatu pendugaan dalam menduga nilai. Jika nilai ini sama dengan nol maka penduga tersebut memiliki tingkat ketepatan 100%. Kesalahan baku atau selisih taksir standar regresi berganda dirumuskan Se = Keterangan Se : Kesalahan baku regresi berganda n : Jumlah pasangan observasi m : jumlah konstant dalam persamaan regresi berganda. Untuk koefisien b1 dan b2 kesalahan bakunya dirumuskan Se Sb1 =

∑y

2

− b1

( ∑ x y) + b ( ∑ x y)
1 2 2

n−m

( ∑x ( ∑x

2 1

2 − nx1 1 − r 2 y1

)( )(

) )

Se Sb2 =
2 2

− nx 2 1 − r 2 y1 2

2. Pendugaan interval koefisien regresi berganda (parameter B1 dan B2)

‘11

2

Statistik Sosial
Ir Farida, MMA

Pusat Pengembangan Bahan Ajar Universitas Mercu Buana

Tujuan ialah mengetahui variabel-variabel bebas yang digunakan itu memiliki pengaruh yang nyata atau tidak terhadap y tersebut.3 3.Parameter B1 dan B2 sering juga disebut sebagai koefisien regresi parsial. Pengujian hipotesis koefisien regresi berganda (parameter B1 dan B2) Pengujian hipotesis bagi koefisien regresi berganda atau regresi parsial parameter B1 dan B2 dapat dibedakan menjadi 2 bentuk. khususnya pada taraf nyata 1% ‘11 3 Statistik Sosial Ir Farida. MMA Pusat Pengembangan Bahan Ajar Universitas Mercu Buana . pengujian hipotesis serentak merupakan pengujian hipotesis koefisien regresi berganda dengan B1 dan B2 serentak atau bersama-sama mempengaruhi Y. yaitu pengujian hipotesis serentak dan pengujian hipotesis individual. dapat dilakukan apabila persamaan garis regresinya sudah diestimasi dan nilai variabel bebas x1. Variabel bebas x1 dan x2 disebut memiliki pengaruh yang nyata apabila dalam pengujian hipotesis koefisien parsialnya H0 : B1 = B2 = 0 ditolak atau H1 : B1 ≠ B2 ≠ 0 diterima. Suatu persamaan garis regresi linear berganda dapat dipakai dalam peramalan dengan terlebih dahulu melakukan pengujian hipotesis terhadap koefisien-koefisien regresi parsialnya. Pendugaan parameter B1 dan B2 menggunakan distribusi t dengan derajat bebas db = n – m secara umum pendugaan parameter B1 dan B2 adalah : b1 – ta/2n-m Sbi ≤ Bi ≤ bi + ta/2n-m Sbi i = 2. x2 sudah diketahui. Peramalan dengan Regresi Linear Berganda Peramalan terhadap nilai Y dengan menggunakan regresi linear berganda. Pengujian hipotesis individual yaitu merupakan pengujian hipotesis koefisien regresi berganda dengan hanya satu B (B 1 dan B2) yang mempunyai pengaruh Y.

nilai x1 = 75 dan x2 = 24 maka ramalan nilai y adalah ˆ y = 17.284 (4) y Dengan persamaan regresi linear berganda tersebut. nilai y (nilai statistik maha siswa) dapat diramalkan dengan mengetahui nilai x1 (nilai inteligensi mahasiswa) dan x2 (frekuensi membolos mahasiswa) misalkan.284 (4) = 63.0. b2 = . sebagai ukuran tepat atau tidaknya garis tersebut sehingga pendekatan.Kelebihan peramalan y dengan menggunakan regresi linear berganda adalah dapat diketahui besarnya pengaruh secara kuantitatif setiap variabel bebas (x 1 atau x2) apabila pengaruh variabelnya dianggap konstan.624 (75) – 0.547 + 0. MMA Pusat Pengembangan Bahan Ajar Universitas Mercu Buana .547. Korelasi Linear Berganda ‘11 4 Statistik Sosial Ir Farida.642.547 + 0.211 Penulisan persamaan garis regresi linear berganda biasanya disertai dengan kesalahan baku masing-masing variabel bebas dan koefisien determinasi berganda r2.624 (75) – 0.284 maka persamaan regresi linear bergandanya menjadi ˆ = 17. b1 = 0. Misalnya sebuah persamaan regresi berganda y = a + b1x1 + b2x2 Keterangan : y x1 x2 b1 b2 : Nilai statistik mahasiswa : Nilai inteligensi mahasiswa : Frekuensi membolos mahasiswa : Pengaruh x1 terhadap y jika x2 konstan : Pengaruh x2 terhadap y jika x1 konstan jika a = 17.

apabila x2 konstan dirumuskan ry. Analisis korelasinya menggunakan tiga koefisien korelasi yaitu koefisien determinasi berganda. Secara bersama-sama. pada hubungan yang melibatkan lebih dari dua variabel.12 = b1 ∑ x1 y + b 2 ∑ x 2 y ∑y 2 e. disimbolkan KPB y.Korelasi linear berganda merupakan alat ukur mengenai hubungan yang terjadi antara variabel yang terikat. (variabel Y) dan dua atau lebih variabel bebas (x 1. MMA Pusat Pengembangan Bahan Ajar Universitas Mercu Buana . dan koefisien korelasi parsial.12 = b1 ∑ x1 y + b 2 ∑ x 2 y ∑y 2 d. koefisien korelasi berganda. 1. x2……xk). Jika variabel lainnya konstan. Koefisien korelasi parsial Koefisien korelasi parsial merupakan koefisien korelasi antara dua variabel. Rumus : Ry.12 atau R2 merupakan ukuran kesusaian garis regresi linear berganda terhadap suatu data.r12 2 y1 ( I−r )( I−r ) 2 I2 2) Koefisien korelasi parsial antara y dan x2.12 = ry1 − ry2 . Korelasi linear berganda dengan dua variabel bebas c. Ada 3 koefisien korelasi parsial untuk hubungan yang melibatkan 3 variabel yaitu sebagai berikut : 1) Koefisien korelasi parsial antara y dan x1. Koefisien korelasi berganda Koefisien korelasi berganda disimbolkan ry12 merupakan ukuran keeratan hubungan antara variabel terikat dan semua variabel bebas. Rumus KPBy. apabila x1 konstan dirumuskan ‘11 5 Statistik Sosial Ir Farida. Koefisien penentu berganda atau koefisien determinasi berganda Koefisien determinasi berganda.

Koefisien penentu berganda KPB = b1 ∑ x1 y + b 2 ∑ x 2 y + b3 ∑ x 3 y ∑y 2 2 ∑y = ∑y 2 2 ( ∑ y) − n b. MMA Pusat Pengembangan Bahan Ajar Universitas Mercu Buana . interval atau rasio ? Sebab perlakuan terhadap data-data tersebut akan berbeda ketika kita akan melakukan analisis korelasi.files.com/. Untuk data yang berskala interval dan atau rasio (bersifat kuantitatif/parametrik) tipe analisis korelasi yang digunakan adalah Pearson Correlation atau istilah lainnya adalah Product Moment Correlation... Sebelum kita memulai analisis kita perhatikan dahulu apakah data yang akan kita peroleh berskala nominal.ry.12 = ( I−r )( I−r ) 2 2 y1 y2 ry2 − ry1.rI2 3) Koefisien korelasi parsial antara x1 dan x2 apabila y konstan dirumuskan R12y = ( I−r )( I−r ) 2 2 y1 y2 r12 − ry1. Korelasi linear berganda dengan 3 variabel bebas a.wordpress. Sedangkan untuk yang berskala ordinal kita gunakan Spearman Correlation (Statistik Non-Parametrik). ‘11 6 Statistik Sosial Ir Farida. Koefisien korelasi berganda ry123 = b1 ∑ x1 y + b 2 ∑ x 2 y + b3 ∑ x 3 y ∑y 2 Materi di atas dicopy dari : masbied.rI2 2. ordinal./modul-matemati Analisis Korelasi dengan SPSS Contoh : Menghitung korelasi antara pengetahuan tentang kewarganegaraan dengan partisipasi politik seseorang.

D dan E). kedua variabel yang ada yaitu pengetahuan kewarganegaraan dan tingkat partisipasi politik umumnya belum memiliki standar yang baku dalam skala nilainya.542213 2 1 1.271106 2.946443 2. Misalkan untuk mengukur pengetahuan seseorang dibuatkan instrumen yang terdiri atas 6 butir pertanyaan guna mengukur pengetahuannya tentang kewarganegaraan yang diberikan kepada 5 orang responden (A. MMA Pusat Pengembangan Bahan Ajar Universitas Mercu Buana . Dari lima orang responden akan memiliki jawaban atas angket yang diberikan sebagai berikut. Biasanya untuk mendapatkan nilai-nilai bagi variabel-variabel tersebut kita terlebih dahulu melakukan pengukuran kepada sejumlah responden mengenai tingkat pengetahuannya tentang kewarganegaraan dan tingkat partisipasi politiknya.271106 2.B.Kembali ke contoh kasus kita. Maka biasanya data yang akan kita dapatkan dari hasil survey/penyebaran angket yang mengukur tingkat pengetahuan kewarganegaraan seseorang dan tingkat partisipasi politiknya akan berskala ordinal. biasanya kita akan menyebarkan angket yang berisi sejumlah daftar pertanyaan atau pernyataan yang akan mengukur sejauh mana level pengetahuan kewarganegaraannya dan tingkat partisipasi politiknya.595769 3.542213 1 1 1. baik level pengetahuan kewarganegaraan dan tingkat partisipasi politik keduanya merupakan konsep yang berkaitan dengan perilaku seorang manusia. Seperti telah diulas dalam modul sebelumnya. para peneliti ilmu sosial umumnya menggunakan Skala Likert guna mengukur persepsi atau perilaku sosial.068991 Lalu untuk mendapatkan skor tiap-tiap responden untuk menentukkan tingkat pengetahuan kewarganegaraan yang dimilikinya digunakan rumus tertentu (caranya dibahas pada topik ‘11 7 Statistik Sosial Ir Farida.595769 3.068991 3. No Resp 1 A B C D E 3 4 5 5 7 2 4 5 5 7 Jawaban atas pertanyaan nomor ke2 3 4 5 3 1 2 4 2 3 5 3 4 5 5 5 7 7 7 6 3 4 5 7 7 Maka nilai-nilai jawaban tersebut terlebih dahulu harus di transformasikan ke dalam data interval.542213 6 3 1 1.271106 2.946443 2.C.542213 3 1 2.271106 3.271106 3.946443 3. Misalkan hasilnya (Succesive Interval-nya) diperoleh sebagai berikut: No Resp 1 A B C D E 3 1 2.542213 Jawaban atas pertanyaan nomor ke2 3 4 5 2 1 2.271106 3.

sehingga misalnya akhirnya diperoleh data sebagai berikut. Tabel Skor Reponden untuk Tingkat Pengetahuan Kewarganegaraan No Responden A (1) B (2) C (3) D (4) E (5) Skor 5.sav dalam folder pribadi Anda. berkenaan dengan data lengkap di atas. 7 10 10 12 Selanjutnya hal yang sama dilakukan pula untuk mendapatkan skor mengenai tingkat partisipasi politiknya.berikutnya). dengan langkah-langkah sebagai berikut: 1. Tabel Data Lengkap No Responden 1 2 3 4 5 Skor Tingkat Pengetahuan Kewarganegaraan 5 7 10 10 12 Skor Tingkat Partisipasi Politik 1 3 5 7 9 Selanjutnya kita olah dengan SPSS. misalnya diperoleh sebagai berikut. Misalkan variabel Skor Tingkat Pengetahuan Kewarganegaraan kita namai Citizenship dan Skor Tingkat Partisipasi Politik kita namai Participation. MMA Pusat Pengembangan Bahan Ajar Universitas Mercu Buana . Skor tingkat pengetahuan kewarganegaraan dari kelima responden tersebut akhirnya. hasilnya seperti berikut. ‘11 8 Statistik Sosial Ir Farida. Buat file dengan nama korelasi1.

d. pilih Exclude case pairwise untuk aktif. Kemudian tekan tombol Options. Selanjutnya SPSS melakukan pekerjaan analisis yang hasilnya dapat terlihat pada bagian output berikut ini. Selanjutnya tekan Continue. Tekan OK untuk mengakhiri pengisisian prosedur analisis. h. Selanjutnya adalah mengisi menu-menu yang ada sebagai berikut: a. pilih menu Analyze. Lalu pada pilihan statistics abaikan saja. dari menu utama SPSS. MMA Pusat Pengembangan Bahan Ajar Universitas Mercu Buana . Correlation Coeffitients atau alat hitung koefisien korelasi. c. Jika sudah nampak. f. Test of Significance yang akan digunakan. Kemudian pilih submenu Correlate. e. ‘11 9 Statistik Sosial Ir Farida. dan pilih bivariate. pilih Two-tailed untuk uji dua sisi. Pilih Pearson. hingga tampak di layar tampilan seperti ini. Pada menu missing values. g. Maka akan tampak di layar tampilan seperti gambar berikut: 3. Flag significant correlations pilih untuk diaktifkan. dengan cara mengkliknya.2. pilih Citizenship dan Participation b. Variable yang akan dikorelasikan.

Korelasi antara Citizenship dengan Participation. yaitu tanda ‘+” atau ‘-“ yang berhubungan dengan arah korelasi. Dasar pengambilan keputusannya adalah dengan dasar probabilitas sebagai berikut: • • Jika probabilitas > 0. serta kuat tidaknya korelasi.01) maka Ho ditolak ‘11 10 Statistik Sosial Ir Farida. maka secara statistik dapat dinyatakan seperti berikut: H0:Tidak ada hubungan (korelasi) antara dua variabel Hi: Ada hubungan (korelasi) antara dua variabel Maka bila kita ingin menguji hipotesis ini. (2-tailed) N Citizenship 1 Participation .969** 1 .007 5 5 Participation **. artinya semakin tinggi tingkat pengetahuan kewarganegaraan seseorang maka partisipasi politiknya cenderung semakin besar. • Besaran korelasi (0. kita misalnya dapat menguji dengan melakukan uji dua sisi.969** .Correlations Citizenship Pearson Correlation Sig.969) yang > 0. Signifikansi Hasil Korelasi (lihat Sig. MMA Pusat Pengembangan Bahan Ajar Universitas Mercu Buana . 2. (2-tailed) N Pearson Correlation Sig.05 (atau 0.007 5 5 . didapat angka +0. Correlation is significant at the 0.969 (tanda “+” disertakan karena tidak ada tanda “-“ pada output.01) maka Ho diterima Jika probabilitas < 0.5.05 (atau 0. Demikian pula sebaliknya.01 level (2-tailed). Hal ini berarti : • Arah korelasi positif. Arti Angka Korelasi (Lihat Pearson Correlation) Ada dua hal dalam penafsiran korelasi. Analisis Output 1. jadi otomatis positif). yaitu tingkat pengetahuan kewarganegaraan seseorang dengan partisipasi politiknya memiliki hubungan (korelasi). (2-tailed)) Bila kita hendak merumuskan hipotesis bahwa antara dua variabel. berarti tingkat pengetahuan kewarganegaraan seseorang berkorelasi KUAT dengan partisipasi politiknya.

lalu kita tambahkan 1 lagi variabel dengan nama Democracy yang mewakili variabel tingkat perilalu demokrasi seseorang.• Catatan: 0. dari menu utama SPSS. (2-tailed) diperoleh angka probailitasnya 0. Kemudian pilih submenu Correlate. maka tipe analisis korelasi yang digunakan adalah Pearson. Jika sudah nampak. Misalnya seperti pada contoh di atas. Buka lagi file korelasi1. karena tidak ada data yang hilang.05 atau 0. Maka akan tampak di layar tampilan seperti gambar berikut: ‘11 11 Statistik Sosial Ir Farida. pilih menu Analyze. MMA Pusat Pengembangan Bahan Ajar Universitas Mercu Buana .007 maka kedua variabel tersebut memang SECARA NYATA berkorelasi. bila kita ingin menghitung korelasi parsial antara tingkat pengetahuan kewarganegaraan seseorang dengan perilaku demokratisnya dimana partisipasi politik menjadi variabel kontrol. KORELASI PARSIAL Kadang-kadang dalam suatu penelitian kita perlu menambahkan lagi satu variabel yang berfungsi sebagai pengontrol dari dua variabel yang telah berkorelasi terlebih dahulu. Sehingga diperoleh tampilan sebagai berikut: 2.01 adalah tergantung pilihan kita. Karena ketiga variabel bersifat kuantitatif. Langkah-langkah yang ditempuh: 1. 3. dan pilih Partial. Hal ini bisa dilihat juga dari adanya tanda ** pada angka korelasi. maka data yang diproses adalah 5.sav. Keputusan pada contoh kasus yang kita miliki pada keterangan Sig. Jumlah Data yang Berkorelasi Dapat dilihat dari dari nilai N.

dengan cara mengkliknya.977** .007 5 5 5 .007 .004 5 5 5 Participation Democracy **. kemudian tekan tombol OK untuk prosessing data. (2-tailed) N Citizenship 1 Participation Democracy . e.01 level (2-tailed). Outputnya sebagai berikut: Correlations Correlations Citizenship Pearson Correlation Sig. Controlling for (variabel pengontrol).004 5 5 5 . Display actual signifance level pilih untuk diaktifkan.968** . Abaikan yang lainnya. MMA Pusat Pengembangan Bahan Ajar Universitas Mercu Buana . ‘11 12 Statistik Sosial Ir Farida. Pengisian: a.977** 1 . Variable yang akan dikorelasikan. d.007 . (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig.969** 1 . Test of Significance yang akan digunakan.968** .3.969** . pilih Two-tailed untuk uji dua sisi.007 . Correlation is significant at the 0. pilih participation c. pilih Citizenship dan Democracy b.

000 . Bila dibandingkan terlihat bahwa angka korelasi antara Citizenship dengan Democracy dengan menggunakan variabel pengontrol nilainya menjadi turun.397. semakin tinggi tingkat partisipasi politik seseorang. Hal ini berarti bahwa dengan memperhitungkan besarnya tingkat partisipasi politik seseorang. maka ada kecenderungan partisipasi politik orang tersebut akan semakin meningkat. KORELASI UNTUK DATA ORDINAL Bila kita memiliki data yang memiliki tipe ordinal. Participation dan Democracy.397 .603 2 Democracy . maka harus menggunakan korelasi Spearman dan Kendall. Baik. Tidak Baik dan seterusnya.Partial Corr Correlations Control Variables Participation Citizenship Correlation Significance (2-tailed) df Correlation Significance (2-tailed) df Citizenship 1. masih ada korelasi positif antara tingkat pengetahuan kewarganegaraan dengan perilaku demokratisnya.000 .397 . Untuk data yang bersifat ordinal. Demikian pula sebaliknya. ‘11 13 Statistik Sosial Ir Farida. yaitu dari 0. apakah analisis korelasinya harus sama ? Menggunakan Pearson ? Jawabannya tentu tidak. Arti Angka Korelasi (Lihat Correlation) Pada hasil output ada dua bagian. MMA Pusat Pengembangan Bahan Ajar Universitas Mercu Buana . Mari kita lihat contoh kasus analisis untuk data ordinal dengan membuka file nilai_karyawan. dan jika perilaku demokrasinya pun meningkat. yang pertama adalah Analsis Korelasi Pearson (Bivariat) antara 3 variabel.603 2 1. Sedangkan bagian yang kedua analisis korelasi antara Citizenship dengan Democracy dimana Participation menjadi variabel pengontrolnya. yaitu Citizenship. seperti hasil dari penyebaran kuesioner yang berisi variabel berjenjang seperti: Sangat baik. Jadi datanya bisa kualitatif maupun kuantitatif. Sehingga. Sedangkan tandanya masih “positif’. 0 Democracy Analisis Hasil Pengolahan oleh SPSS: Analisis Output 1.968 menjadi 0. 0 .

pilih menu Analyze. maka sekarang yang harus dicentang adalah Kendall’s tau-b dan Spearman (jangan lupa nonaktifkan yang Pearson-nya). Dimana ada 75 orang karyawan. IQ yang dimiliki dan Loyalitas karyawan. IQ dan loyalitasnya. IQ dan Loyalitas dengan cara mengkliknya untuk menyorotnya. MMA Pusat Pengembangan Bahan Ajar Universitas Mercu Buana . 4. Hasilnya adalah sebagai berikut: NonParametric Correlation ‘11 14 Statistik Sosial Ir Farida. Karena ketiga variabel tersebut kualitatif maka korelasi yang digunakan adalah korelasi Spearman dan Kendall. 5. Pengisian: Bila pada analsis data kuantitatif yang dicentang pada Correlation Coefficients adalah Pearson. lalu klik tanda panah. Dari menu utama SPSS. Buka file nilai_karyawan 2. Langkah-langkahnya sebagai berikut: 1. Untuk variabel. Kemudian pilih submenu Correlate. Maka akan tampak di layar tampilan seperti gambar berikut: 3. Selanjutnya kita akan menghitung korelasi antara Prestasi Kerja. Untuk yang lainnya sama dengan analisis sebelumnya. isikan prestasi.Pada contoh tersebut berisi nilai kapasitas karyawan dari suatu perusahaan dilihat dari aspek prestasi kerja. dan pilih Bivariate.

508 75 75 1.005 75 . (2-tailed) N Correlation Coefficient Sig.05). maka prestasinya cenderung semakin bagus.072 .5 menunjukan hubungan keduanaya lemah.016 .005 jauh lebih kecil daripada 0. (2-tailed) N **.508 yang hampir mendekati 0. 2. untuk memastikan apakah kedua variabel berkorelasi secara signifikan.01 level (2-tailed). Untuk kasus ini bisa dilakukan dengan pengujian ulang dengan data yang diperbaharui. Akan tetapi angka korelasi sebesar 0.004 .016 1. • • Korelasi antara IQ dengan Loyalitas positif dan nilainya 0.015 < 0. (2-tailed) N Correlation Coefficient Sig. 75 Kendall's tau_b Prestasi Karyawan IQ Karyawan Loyalitas Konsumen Spearman's rho Prestasi Karyawan IQ Karyawan Loyalitas Konsumen Correlation Coefficient Sig.509 75 75 Loyalitas Konsumen . Namun angka korelasi 0.000 -.000 .299 < 0.299** . Catatan: angka korelasi yang dipakai adalah korelasi Kendall.072 0.000 .077 . Namun bila diukur dengan Spearman. • Korelasi anatara IQ dengan Loyalitas hampir signifikan (Probabilitas adalah 0.05).893 .893 .299** .330** . ‘11 15 Statistik Sosial Ir Farida.508 75 1. 1.5 menunjukkan lemahnya hubungan ekedua variabel tersebut. 75 75 .015 1.Correlations Prestasi Karyawan IQ Karyawan 1.000 . .000 -. yang berarti adanya hubungan yang benar-benar signifikan antara Prestasi dan Loyalitas seorang karyawan. Analisis: Penafsirannya sama dengan penafsiran pada analisis Pearson. . (2-tailed) N Correlation Coefficient Sig.015 . (2-tailed)) • Korelasi antara Prestasi dengan Loyalitas adalah signifikan (Probabilitas 0.509 75 1. MMA Pusat Pengembangan Bahan Ajar Universitas Mercu Buana .004 75 . 75 .893 75 75 -. hasilnya tidak jauh berbeda.5 menunjukkan lemahnya hubungan kedua variabel tersebut.072 . demikian pula sebaliknya.077 . Correlation is significant at the 0. Korelasi antara Prestasi dengan IQ adalah negatif.893 75 75 -. atau semakin loyal seorang karyawan. 75 75 . atau semakin tinggi IQ karyawan maka prestasinya cenderung makin jelek. Arti Angka Korelasi (Lihat Pearson Correlation) • Korelasi antara Prestasi dan Loyalitas adalah positif.330** .005 .000 . Signifikansi Hasil Korelasi (lihat Sig. Demikian pula sebaliknya. (2-tailed) N Correlation Coefficient Sig. (2-tailed) N Correlation Coefficient Sig.

uji-F dan sebagainya) 6. seperti normalitas.• Korelasi antara Prestasi dengan IQ adalah tidak signifikan (Probabilitas 0. Forward dan Backward (perbedaanya akan dibahas pada bagian lain). Melihat ada tidaknya data yang outlier (ekstrem) 4. Menentukan metode pembuatan model regresi. Default SPSS adalah metode Enter. Pada dasarnya tahapan penyusunan model analisis regresi adalah sebagai berikut: 1. Menentukan yang mana variabel bebas dan variabel terikatnya 2. MMA Pusat Pengembangan Bahan Ajar Universitas Mercu Buana . oleh karena itu dalam latihan kita akan menggunakan default SPSS yaitu metode Enter. maka uji signifikansi justru mendahului uji asumsi seperti normalitas dan sebagainya. ANALISIS REGRESI Kita telah berlatih menggunakan analisis korelasi dengan SPSS. Menguji signifikansi model (uji-t. Tujuan dari analisis regresi adalah untuk memprediksi besar Variabel Terikat (Dependent Variable) dengan menggunakan data Variabel Bebas (Independent Variable) yang sudah diketahui besarnya. Linieritas. Menguji asumsi-asumsi pada regresi berganda. selanjutnya kita akan berlatih untuk menggunakan analisis regresi. Stepwise. 3. Intepretasi model Regresi Berganda Persamaan model regresi dinyataakan dalam rumusan sebagai berikut: Y = a + bX1 + cX2 ‘11 16 Statistik Sosial Ir Farida. Jika kita memilih metode Stepwise. dalam SPSS ada beberapa pilihan. maka data yang diproses adalah 75.05).893 jauh lebih besar daripada 0. Heteroskedastisitas dan lain-lainnya. karena tidak ada data yang hilang. Jumlah Data yang Berkorelasi Dapat dilihat dari dari nilai N. 5. (Simpan hasil output dengan nama korelasi3). yang berarti antara Prestasi dan IQ seorang karyawan tidak ada hubungan. 3. yaitu: Enter.

Keterangan: Y = Variabel dependen X1 dan X2 = Variabel-variabel independen a. Untuk itu kita lihat lagi contoh data yang kita punya sebelumnya. lalu submenu Regression. Buat atau jika sudah ada buka lagi file SPSS yang memuat data ini. Dari menu SPSS. b. pilih menu utama Analyze. MMA Pusat Pengembangan Bahan Ajar Universitas Mercu Buana . Democracy 1 4 5 6 8 2. kemudian pilih Linear … Maka akan tampak tampilan seperti ini ‘11 17 Statistik Sosial Ir Farida. c = konstanta-konstanta regresi Latihan: Kembali kita buka lagi file sebelumnya yang menggambarkan antara tingkat partisipasi politik seseorang dengan tingkat pengetahuan kewarganegaraannya dan tingkat perilaku demokrasinya. bagaimana tingkat partisipasi politik seseorang bila tingkat pengetahuan kewarganegaraannya dan tingkat perilaku demokrasinya berubah-ubah nilainya. Dalam analisis regresi kita ingin meprediksi. Tabel Data Analisis Regresi Responden Participation Citizenship 1 1 5 2 3 7 3 5 10 4 7 10 5 9 12 Langkah-langkah: 1.

927 Std. • Std.982 x 0. Abaikan bagian lain e. Error of the Estimate yang nilainya 0.963 Adjusted R Square . Error of the Estimate .7) atau 7% dijelaskan oleh sebab-sebab yang lain. Untuk Independent(s) pilih Citizenship dan Democracy c.963 (berasal dari 0. Untuk variabel independen lebih dari dua sebaiknya gunakan Adjusted R Square yang pada latihan kita nilainya 0. Untuk pilihan Dependent (variabel terikat).982(a) menunjukkan bahwa korelasi/hubungan antara Participation dengan kedua variabel independen-nya adalah kuat (karena besarnya > 0. Predictors: (Constant). Angka R Square atau Koefisien Determinasi adalah 0. dimana semakin kecil angkanya maka semakin baik prediksinya.85442 a.982). Method. Citizenship Bagian ini menggambarkan derajat keeratan hubungan antarvariabel. Tekan OK untuk prosessing data maka outputnya diperoleh sebagai berikut.927. yaitu Democracy dan Citizenship. Output dan Analisisnya Model Summary Model 1 R R Square .5). Sedangkan sisanya (100-96.963 atau 96. pilih Enter d. • • Angka R sebesar 0.982 a .3. Untuk pengisian. sebagai berikut: a.85442 menggambarkan tingkat ketepatan prediksi regresi.3% variasi dari Participation dapat dijelaskan oleh variasi dari kedua variabel independen.3 = 0. Ini artinya bahwa 0. Democracy. Pilih variabel Participation b. MMA Pusat Pengembangan Bahan Ajar Universitas Mercu Buana . ‘11 18 Statistik Sosial Ir Farida.

Dependent Variable: Participation Sedangkan bagian ini menggambarkan seberapa besar koefisien regresinya.654 Standardized Coefficients Beta . tidak memiliki angka “nol” seperti dalam batasan skala interval.270 .411 menunjukkan bahwa setiap pengetahuan kewarganegaraan seseorang bertambah +1 poin.361 a.411 Citizenship + 0.540 1. . mungkin dapat diintepretasikan dalam konteks budaya politik gal itu adalah budaya “apatis”.175 Sig.30.491 . Dependent Variable: Participation Bagian ini menggambarkan tingkat signifikansi.460 40. tingkat pengetahuan kewarganegaraan seseorang dan tingkat perilaku demokratisnya secara bersama-sama berpengaruh terhadap tingkat partisipasi politiknya. ‘11 19 Statistik Sosial Ir Farida.730 F 26.396 Sig.30 menyatakan bahwa jika seseorang tidak memiliki pengetahuan kewarganegaraan dan perilaku demokratis maka partisipasi politiknya -2. Citizenship b.b ANOVA Model 1 Regression Residual Total Sum of Squares 38.037. • • Persamaan regresi yang diperoleh adalah sebagai berikut: Participation = -2. bahwa secara nyata ketiga variabel itu berskala ordinal.768 Democracy Konstanta sebesar -2.673 1. Error -2. Jangan lupa juga. Predictors: (Constant). MMA Pusat Pengembangan Bahan Ajar Universitas Mercu Buana . Secara kualitatif tentu tidak ada perilaku “minus”. Karena probabilitas (tingkat signifikansi) ini lebih kecil daripada 0.000 df 2 2 4 Mean Square 19.037 a a. Dengan kata lain. Democracy.360 .570 .411 .411 poin.396 dengan tingkat signifikansi sebesar 0.924 .453 .629 t -.300 + 0.768 .05 maka model regresi ini bisa dipakai untuk memprediksi tingkat partisipasi politik seseorang. • Koefisien regresi 0. didapat Fhitung 26. a Coefficients Model 1 (Constant) Citizenship Democracy Unstandardized Coefficients B Std.300 2. maka partisipasi politiknya akan bertambah 0. Dari uji ANOVA atau F-test.610 . .

453. dengan demikian Ho diterima atau dengan kata lain kedua variabel tersebut tidak cukup signifikan mempengaruhi tingkat partisipasi politik seseorang. < 0.57 dan Democracy = 0.768 menunjukkan 0.05 maka Ho diterima Jika Sig.768 poin bahwa setiap tingkat perilaku demokratis seseorang bertambah +1 poin. Hi diterima Terlihat bahwa pada kolom Sig.361 mempunyai angka signifikansi > 0.) adalah sebagai berikut: Jika Sig.05 maka Ho ditolak . Materi di atas dicopy dari : wsetiabudi.• Koefisien regresi 0.05. maka partisipasi politiknya akan bertambah juga sebesar • Sedangkan uji-t digunakan untuk menguji signifikansi konstanta dan setiap variabel independen Hipotesis yang dibangun adalah sebagai berikut: Ho = Koefisien Regresi Tidak Signifikan Hi = Koefisien Regresi Signifikan Pengambilan keputusan (berdasarkan probabilitas. yaitu konstanta = 0.com/2010/08/modul4. untuk ketiga variabel tersebut. Citizenship = 0. MMA Pusat Pengembangan Bahan Ajar Universitas Mercu Buana .wordpress. > 0.doc ‘11 20 Statistik Sosial Ir Farida. Kejadian di atas mungkin disebabkan karena data-data yang ada memang menunjukkan hal tersebut. lihat kolom Sig.files.

Master your semester with Scribd & The New York Times

Special offer for students: Only $4.99/month.

Master your semester with Scribd & The New York Times

Cancel anytime.