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

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. dapat dilakukan apabila persamaan garis regresinya sudah diestimasi dan nilai variabel bebas x1. khususnya pada taraf nyata 1% ‘11 3 Statistik Sosial Ir Farida.3 3. 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.Parameter B1 dan B2 sering juga disebut sebagai koefisien regresi parsial. x2 sudah diketahui. pengujian hipotesis serentak merupakan pengujian hipotesis koefisien regresi berganda dengan B1 dan B2 serentak atau bersama-sama mempengaruhi Y. Suatu persamaan garis regresi linear berganda dapat dipakai dalam peramalan dengan terlebih dahulu melakukan pengujian hipotesis terhadap koefisien-koefisien regresi parsialnya. MMA Pusat Pengembangan Bahan Ajar Universitas Mercu Buana . Pengujian hipotesis individual yaitu merupakan pengujian hipotesis koefisien regresi berganda dengan hanya satu B (B 1 dan B2) yang mempunyai pengaruh Y. Tujuan ialah mengetahui variabel-variabel bebas yang digunakan itu memiliki pengaruh yang nyata atau tidak terhadap y tersebut. Peramalan dengan Regresi Linear Berganda Peramalan terhadap nilai Y dengan menggunakan regresi linear berganda. yaitu pengujian hipotesis serentak dan pengujian hipotesis individual. 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.

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. b2 = .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. nilai x1 = 75 dan x2 = 24 maka ramalan nilai y adalah ˆ y = 17.624 (75) – 0. b1 = 0.547 + 0.284 maka persamaan regresi linear bergandanya menjadi ˆ = 17.547 + 0.284 (4) y Dengan persamaan regresi linear berganda tersebut.0.211 Penulisan persamaan garis regresi linear berganda biasanya disertai dengan kesalahan baku masing-masing variabel bebas dan koefisien determinasi berganda r2. sebagai ukuran tepat atau tidaknya garis tersebut sehingga pendekatan. nilai y (nilai statistik maha siswa) dapat diramalkan dengan mengetahui nilai x1 (nilai inteligensi mahasiswa) dan x2 (frekuensi membolos mahasiswa) misalkan. Korelasi Linear Berganda ‘11 4 Statistik Sosial Ir Farida.547. MMA Pusat Pengembangan Bahan Ajar Universitas Mercu Buana .642.284 (4) = 63.624 (75) – 0.

1.r12 2 y1 ( I−r )( I−r ) 2 I2 2) Koefisien korelasi parsial antara y dan x2. Korelasi linear berganda dengan dua variabel bebas c. pada hubungan yang melibatkan lebih dari dua variabel. (variabel Y) dan dua atau lebih variabel bebas (x 1.12 = ry1 − ry2 . disimbolkan KPB y. apabila x1 konstan dirumuskan ‘11 5 Statistik Sosial Ir Farida. Koefisien korelasi parsial Koefisien korelasi parsial merupakan koefisien korelasi antara dua variabel. Rumus : Ry. koefisien korelasi berganda. MMA Pusat Pengembangan Bahan Ajar Universitas Mercu Buana . Analisis korelasinya menggunakan tiga koefisien korelasi yaitu koefisien determinasi berganda. apabila x2 konstan dirumuskan ry. Koefisien penentu berganda atau koefisien determinasi berganda Koefisien determinasi berganda.12 atau R2 merupakan ukuran kesusaian garis regresi linear berganda terhadap suatu data. x2……xk). Koefisien korelasi berganda Koefisien korelasi berganda disimbolkan ry12 merupakan ukuran keeratan hubungan antara variabel terikat dan semua variabel bebas. Rumus KPBy.12 = b1 ∑ x1 y + b 2 ∑ x 2 y ∑y 2 d. Secara bersama-sama.Korelasi linear berganda merupakan alat ukur mengenai hubungan yang terjadi antara variabel yang terikat. Jika variabel lainnya konstan. Ada 3 koefisien korelasi parsial untuk hubungan yang melibatkan 3 variabel yaitu sebagai berikut : 1) Koefisien korelasi parsial antara y dan x1. dan koefisien korelasi parsial.12 = b1 ∑ x1 y + b 2 ∑ x 2 y ∑y 2 e.

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. ordinal.wordpress. 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 3) Koefisien korelasi parsial antara x1 dan x2 apabila y konstan dirumuskan R12y = ( I−r )( I−r ) 2 2 y1 y2 r12 − ry1. Sebelum kita memulai analisis kita perhatikan dahulu apakah data yang akan kita peroleh berskala nominal. Korelasi linear berganda dengan 3 variabel bebas a./modul-matemati Analisis Korelasi dengan SPSS Contoh : Menghitung korelasi antara pengetahuan tentang kewarganegaraan dengan partisipasi politik seseorang. MMA Pusat Pengembangan Bahan Ajar Universitas Mercu Buana . 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.ry.com/. Sedangkan untuk yang berskala ordinal kita gunakan Spearman Correlation (Statistik Non-Parametrik)..rI2 2.. interval atau rasio ? Sebab perlakuan terhadap data-data tersebut akan berbeda ketika kita akan melakukan analisis korelasi.12 = ( I−r )( I−r ) 2 2 y1 y2 ry2 − ry1. ‘11 6 Statistik Sosial Ir Farida.files.

D dan E). biasanya kita akan menyebarkan angket yang berisi sejumlah daftar pertanyaan atau pernyataan yang akan mengukur sejauh mana level pengetahuan kewarganegaraannya dan tingkat partisipasi politiknya.542213 Jawaban atas pertanyaan nomor ke2 3 4 5 2 1 2. Misalkan hasilnya (Succesive Interval-nya) diperoleh sebagai berikut: No Resp 1 A B C D E 3 1 2.C.542213 6 3 1 1.946443 2.542213 3 1 2. 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.271106 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.271106 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.271106 2.068991 3. baik level pengetahuan kewarganegaraan dan tingkat partisipasi politik keduanya merupakan konsep yang berkaitan dengan perilaku seorang manusia. MMA Pusat Pengembangan Bahan Ajar Universitas Mercu Buana . Dari lima orang responden akan memiliki jawaban atas angket yang diberikan sebagai berikut.542213 1 1 1.271106 3.595769 3.542213 2 1 1. 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. Seperti telah diulas dalam modul sebelumnya. kedua variabel yang ada yaitu pengetahuan kewarganegaraan dan tingkat partisipasi politik umumnya belum memiliki standar yang baku dalam skala nilainya.Kembali ke contoh kasus kita.B.946443 2.068991 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.271106 2. para peneliti ilmu sosial umumnya menggunakan Skala Likert guna mengukur persepsi atau perilaku sosial.271106 3.946443 3.595769 3.

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

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

05 (atau 0. Analisis Output 1. jadi otomatis positif). berarti tingkat pengetahuan kewarganegaraan seseorang berkorelasi KUAT dengan partisipasi politiknya.007 5 5 .01 level (2-tailed). artinya semakin tinggi tingkat pengetahuan kewarganegaraan seseorang maka partisipasi politiknya cenderung semakin besar.01) maka Ho ditolak ‘11 10 Statistik Sosial Ir Farida. (2-tailed)) Bila kita hendak merumuskan hipotesis bahwa antara dua variabel.01) maka Ho diterima Jika probabilitas < 0. MMA Pusat Pengembangan Bahan Ajar Universitas Mercu Buana .Correlations Citizenship Pearson Correlation Sig. didapat angka +0. Demikian pula sebaliknya.007 5 5 Participation **. 2.969** . Signifikansi Hasil Korelasi (lihat Sig. Arti Angka Korelasi (Lihat Pearson Correlation) Ada dua hal dalam penafsiran korelasi. yaitu tingkat pengetahuan kewarganegaraan seseorang dengan partisipasi politiknya memiliki hubungan (korelasi). kita misalnya dapat menguji dengan melakukan uji dua sisi. 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. Korelasi antara Citizenship dengan Participation. Correlation is significant at the 0. (2-tailed) N Citizenship 1 Participation . yaitu tanda ‘+” atau ‘-“ yang berhubungan dengan arah korelasi.969) yang > 0.5.969 (tanda “+” disertakan karena tidak ada tanda “-“ pada output.969** 1 .05 (atau 0. Dasar pengambilan keputusannya adalah dengan dasar probabilitas sebagai berikut: • • Jika probabilitas > 0. (2-tailed) N Pearson Correlation Sig. serta kuat tidaknya korelasi. • Besaran korelasi (0. Hal ini berarti : • Arah korelasi positif.

Misalnya seperti pada contoh di atas.007 maka kedua variabel tersebut memang SECARA NYATA berkorelasi. Buka lagi file korelasi1. Sehingga diperoleh tampilan sebagai berikut: 2. Keputusan pada contoh kasus yang kita miliki pada keterangan Sig. Kemudian pilih submenu Correlate.05 atau 0. Hal ini bisa dilihat juga dari adanya tanda ** pada angka korelasi. Maka akan tampak di layar tampilan seperti gambar berikut: ‘11 11 Statistik Sosial Ir Farida. Langkah-langkah yang ditempuh: 1. pilih menu Analyze. bila kita ingin menghitung korelasi parsial antara tingkat pengetahuan kewarganegaraan seseorang dengan perilaku demokratisnya dimana partisipasi politik menjadi variabel kontrol. Jika sudah nampak. lalu kita tambahkan 1 lagi variabel dengan nama Democracy yang mewakili variabel tingkat perilalu demokrasi seseorang. maka tipe analisis korelasi yang digunakan adalah Pearson. 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. 3. Karena ketiga variabel bersifat kuantitatif. maka data yang diproses adalah 5. MMA Pusat Pengembangan Bahan Ajar Universitas Mercu Buana . (2-tailed) diperoleh angka probailitasnya 0.• Catatan: 0. karena tidak ada data yang hilang.sav. dan pilih Partial. dari menu utama SPSS.01 adalah tergantung pilihan kita. Jumlah Data yang Berkorelasi Dapat dilihat dari dari nilai N.

(2-tailed) N Pearson Correlation Sig. Outputnya sebagai berikut: Correlations Correlations Citizenship Pearson Correlation Sig.007 .007 .969** 1 . pilih Two-tailed untuk uji dua sisi.007 . Correlation is significant at the 0.004 5 5 5 Participation Democracy **. (2-tailed) N Pearson Correlation Sig.969** . ‘11 12 Statistik Sosial Ir Farida. Controlling for (variabel pengontrol).3. pilih Citizenship dan Democracy b. MMA Pusat Pengembangan Bahan Ajar Universitas Mercu Buana . Pengisian: a.007 5 5 5 . e. Test of Significance yang akan digunakan.977** 1 .004 5 5 5 .968** . pilih participation c. dengan cara mengkliknya. d. kemudian tekan tombol OK untuk prosessing data. Abaikan yang lainnya. Variable yang akan dikorelasikan.968** . (2-tailed) N Citizenship 1 Participation Democracy .01 level (2-tailed). Display actual signifance level pilih untuk diaktifkan.977** .

Sehingga. 0 . Arti Angka Korelasi (Lihat Correlation) Pada hasil output ada dua bagian.603 2 Democracy . masih ada korelasi positif antara tingkat pengetahuan kewarganegaraan dengan perilaku demokratisnya. maka ada kecenderungan partisipasi politik orang tersebut akan semakin meningkat. yaitu dari 0. Jadi datanya bisa kualitatif maupun kuantitatif. ‘11 13 Statistik Sosial Ir Farida. Hal ini berarti bahwa dengan memperhitungkan besarnya tingkat partisipasi politik seseorang. Untuk data yang bersifat ordinal. Bila dibandingkan terlihat bahwa angka korelasi antara Citizenship dengan Democracy dengan menggunakan variabel pengontrol nilainya menjadi turun.397.000 . KORELASI UNTUK DATA ORDINAL Bila kita memiliki data yang memiliki tipe ordinal. Tidak Baik dan seterusnya. yaitu Citizenship. Baik. semakin tinggi tingkat partisipasi politik seseorang. dan jika perilaku demokrasinya pun meningkat. Mari kita lihat contoh kasus analisis untuk data ordinal dengan membuka file nilai_karyawan.397 . seperti hasil dari penyebaran kuesioner yang berisi variabel berjenjang seperti: Sangat baik. Participation dan Democracy. Sedangkan tandanya masih “positif’. maka harus menggunakan korelasi Spearman dan Kendall.968 menjadi 0.000 . Sedangkan bagian yang kedua analisis korelasi antara Citizenship dengan Democracy dimana Participation menjadi variabel pengontrolnya. apakah analisis korelasinya harus sama ? Menggunakan Pearson ? Jawabannya tentu tidak. yang pertama adalah Analsis Korelasi Pearson (Bivariat) antara 3 variabel.603 2 1. 0 Democracy Analisis Hasil Pengolahan oleh SPSS: Analisis Output 1. Demikian pula sebaliknya.397 .Partial Corr Correlations Control Variables Participation Citizenship Correlation Significance (2-tailed) df Correlation Significance (2-tailed) df Citizenship 1. MMA Pusat Pengembangan Bahan Ajar Universitas Mercu Buana .

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

005 . Demikian pula sebaliknya. Catatan: angka korelasi yang dipakai adalah korelasi Kendall. atau semakin loyal seorang karyawan. untuk memastikan apakah kedua variabel berkorelasi secara signifikan. Signifikansi Hasil Korelasi (lihat Sig.299 < 0. 1. 75 75 .015 < 0. (2-tailed) N Correlation Coefficient Sig.893 75 75 -.000 .016 1.5 menunjukan hubungan keduanaya lemah.077 . (2-tailed)) • Korelasi antara Prestasi dengan Loyalitas adalah signifikan (Probabilitas 0. Namun angka korelasi 0.004 75 .509 75 1.000 .05).5 menunjukkan lemahnya hubungan kedua variabel tersebut.000 . demikian pula sebaliknya. Namun bila diukur dengan Spearman.893 .05). 2.299** .893 75 75 -.015 1. (2-tailed) N Correlation Coefficient Sig.016 .004 . yang berarti adanya hubungan yang benar-benar signifikan antara Prestasi dan Loyalitas seorang karyawan.299** . . Correlation is significant at the 0. 75 75 . (2-tailed) N Correlation Coefficient Sig.330** .000 -.077 .000 -.509 75 75 Loyalitas Konsumen . Untuk kasus ini bisa dilakukan dengan pengujian ulang dengan data yang diperbaharui. 75 . hasilnya tidak jauh berbeda.005 75 .893 .000 . MMA Pusat Pengembangan Bahan Ajar Universitas Mercu Buana . (2-tailed) N Correlation Coefficient Sig. (2-tailed) N Correlation Coefficient Sig.5 menunjukkan lemahnya hubungan ekedua variabel tersebut.Correlations Prestasi Karyawan IQ Karyawan 1. (2-tailed) N **.508 75 75 1. • • Korelasi antara IQ dengan Loyalitas positif dan nilainya 0.508 yang hampir mendekati 0.015 . Akan tetapi angka korelasi sebesar 0. Analisis: Penafsirannya sama dengan penafsiran pada analisis Pearson. atau semakin tinggi IQ karyawan maka prestasinya cenderung makin jelek. . Arti Angka Korelasi (Lihat Pearson Correlation) • Korelasi antara Prestasi dan Loyalitas adalah positif. ‘11 15 Statistik Sosial Ir Farida.508 75 1.330** .072 . maka prestasinya cenderung semakin bagus.005 jauh lebih kecil daripada 0. 75 Kendall's tau_b Prestasi Karyawan IQ Karyawan Loyalitas Konsumen Spearman's rho Prestasi Karyawan IQ Karyawan Loyalitas Konsumen Correlation Coefficient Sig.072 0.01 level (2-tailed). Korelasi antara Prestasi dengan IQ adalah negatif.072 . • Korelasi anatara IQ dengan Loyalitas hampir signifikan (Probabilitas adalah 0.

Stepwise. Menentukan metode pembuatan model regresi. 5. (Simpan hasil output dengan nama korelasi3). MMA Pusat Pengembangan Bahan Ajar Universitas Mercu Buana . uji-F dan sebagainya) 6. maka uji signifikansi justru mendahului uji asumsi seperti normalitas dan sebagainya.893 jauh lebih besar daripada 0. 3. selanjutnya kita akan berlatih untuk menggunakan analisis regresi. Heteroskedastisitas dan lain-lainnya. 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.05). Jika kita memilih metode Stepwise. oleh karena itu dalam latihan kita akan menggunakan default SPSS yaitu metode Enter. Pada dasarnya tahapan penyusunan model analisis regresi adalah sebagai berikut: 1. dalam SPSS ada beberapa pilihan. 3. Intepretasi model Regresi Berganda Persamaan model regresi dinyataakan dalam rumusan sebagai berikut: Y = a + bX1 + cX2 ‘11 16 Statistik Sosial Ir Farida. seperti normalitas.• Korelasi antara Prestasi dengan IQ adalah tidak signifikan (Probabilitas 0. Menentukan yang mana variabel bebas dan variabel terikatnya 2. yaitu: Enter. Jumlah Data yang Berkorelasi Dapat dilihat dari dari nilai N. Linieritas. ANALISIS REGRESI Kita telah berlatih menggunakan analisis korelasi dengan SPSS. maka data yang diproses adalah 75. Menguji asumsi-asumsi pada regresi berganda. Melihat ada tidaknya data yang outlier (ekstrem) 4. Default SPSS adalah metode Enter. yang berarti antara Prestasi dan IQ seorang karyawan tidak ada hubungan. karena tidak ada data yang hilang. Forward dan Backward (perbedaanya akan dibahas pada bagian lain).

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

‘11 18 Statistik Sosial Ir Farida. yaitu Democracy dan Citizenship. pilih Enter d. Sedangkan sisanya (100-96.927. Ini artinya bahwa 0.3 = 0.7) atau 7% dijelaskan oleh sebab-sebab yang lain. Abaikan bagian lain e. Pilih variabel Participation b.982).3% variasi dari Participation dapat dijelaskan oleh variasi dari kedua variabel independen.982(a) menunjukkan bahwa korelasi/hubungan antara Participation dengan kedua variabel independen-nya adalah kuat (karena besarnya > 0. Tekan OK untuk prosessing data maka outputnya diperoleh sebagai berikut. MMA Pusat Pengembangan Bahan Ajar Universitas Mercu Buana . Untuk pengisian.963 (berasal dari 0. Error of the Estimate .85442 menggambarkan tingkat ketepatan prediksi regresi. Error of the Estimate yang nilainya 0.85442 a.963 Adjusted R Square . Untuk Independent(s) pilih Citizenship dan Democracy c.982 x 0.982 a . dimana semakin kecil angkanya maka semakin baik prediksinya. Untuk variabel independen lebih dari dua sebaiknya gunakan Adjusted R Square yang pada latihan kita nilainya 0. Predictors: (Constant).963 atau 96. • Std. • • Angka R sebesar 0. Democracy. Citizenship Bagian ini menggambarkan derajat keeratan hubungan antarvariabel.927 Std. Output dan Analisisnya Model Summary Model 1 R R Square . Untuk pilihan Dependent (variabel terikat). Angka R Square atau Koefisien Determinasi adalah 0.3. Method.5). sebagai berikut: a.

453 . Error -2. Karena probabilitas (tingkat signifikansi) ini lebih kecil daripada 0. didapat Fhitung 26.30. mungkin dapat diintepretasikan dalam konteks budaya politik gal itu adalah budaya “apatis”. tingkat pengetahuan kewarganegaraan seseorang dan tingkat perilaku demokratisnya secara bersama-sama berpengaruh terhadap tingkat partisipasi politiknya. ‘11 19 Statistik Sosial Ir Farida. Dari uji ANOVA atau F-test. Democracy.270 .300 2. Dependent Variable: Participation Bagian ini menggambarkan tingkat signifikansi. Jangan lupa juga.b ANOVA Model 1 Regression Residual Total Sum of Squares 38. MMA Pusat Pengembangan Bahan Ajar Universitas Mercu Buana .768 Democracy Konstanta sebesar -2.654 Standardized Coefficients Beta . a Coefficients Model 1 (Constant) Citizenship Democracy Unstandardized Coefficients B Std.300 + 0. • Koefisien regresi 0.411 Citizenship + 0. Secara kualitatif tentu tidak ada perilaku “minus”. bahwa secara nyata ketiga variabel itu berskala ordinal.924 . Dengan kata lain. • • Persamaan regresi yang diperoleh adalah sebagai berikut: Participation = -2.30 menyatakan bahwa jika seseorang tidak memiliki pengetahuan kewarganegaraan dan perilaku demokratis maka partisipasi politiknya -2.629 t -.360 .05 maka model regresi ini bisa dipakai untuk memprediksi tingkat partisipasi politik seseorang.570 .460 40.411 poin.673 1.491 . tidak memiliki angka “nol” seperti dalam batasan skala interval.037 a a.540 1.411 menunjukkan bahwa setiap pengetahuan kewarganegaraan seseorang bertambah +1 poin.768 .396 Sig.396 dengan tingkat signifikansi sebesar 0.175 Sig. Predictors: (Constant).037.411 . Citizenship b. Dependent Variable: Participation Sedangkan bagian ini menggambarkan seberapa besar koefisien regresinya.361 a. .610 . maka partisipasi politiknya akan bertambah 0. .730 F 26.000 df 2 2 4 Mean Square 19.

• Koefisien regresi 0. Citizenship = 0.05 maka Ho ditolak .) adalah sebagai berikut: Jika Sig.768 poin bahwa setiap tingkat perilaku demokratis seseorang bertambah +1 poin. Kejadian di atas mungkin disebabkan karena data-data yang ada memang menunjukkan hal tersebut.453.361 mempunyai angka signifikansi > 0.doc ‘11 20 Statistik Sosial Ir Farida. lihat kolom Sig. 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. < 0.05.com/2010/08/modul4. dengan demikian Ho diterima atau dengan kata lain kedua variabel tersebut tidak cukup signifikan mempengaruhi tingkat partisipasi politik seseorang. Hi diterima Terlihat bahwa pada kolom Sig.768 menunjukkan 0.57 dan Democracy = 0.wordpress.05 maka Ho diterima Jika Sig. yaitu konstanta = 0.files. MMA Pusat Pengembangan Bahan Ajar Universitas Mercu Buana . Materi di atas dicopy dari : wsetiabudi. > 0. untuk ketiga variabel tersebut.

Sign up to vote on this title
UsefulNot useful