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

sebagai ukuran tepat atau tidaknya garis tersebut sehingga pendekatan.642. b1 = 0.211 Penulisan persamaan garis regresi linear berganda biasanya disertai dengan kesalahan baku masing-masing variabel bebas dan koefisien determinasi berganda r2.547. nilai y (nilai statistik maha siswa) dapat diramalkan dengan mengetahui nilai x1 (nilai inteligensi mahasiswa) dan x2 (frekuensi membolos mahasiswa) misalkan. b2 = .284 maka persamaan regresi linear bergandanya menjadi ˆ = 17.624 (75) – 0. MMA Pusat Pengembangan Bahan Ajar Universitas Mercu Buana .547 + 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. nilai x1 = 75 dan x2 = 24 maka ramalan nilai y adalah ˆ y = 17.284 (4) = 63.624 (75) – 0.0. Korelasi Linear Berganda ‘11 4 Statistik Sosial Ir Farida.284 (4) y Dengan persamaan regresi linear berganda tersebut.547 + 0.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.

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

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

kedua variabel yang ada yaitu pengetahuan kewarganegaraan dan tingkat partisipasi politik umumnya belum memiliki standar yang baku dalam skala nilainya.946443 2. para peneliti ilmu sosial umumnya menggunakan Skala Likert guna mengukur persepsi atau perilaku sosial.271106 3.C. 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. baik level pengetahuan kewarganegaraan dan tingkat partisipasi politik keduanya merupakan konsep yang berkaitan dengan perilaku seorang manusia.D dan E).542213 3 1 2.271106 3.542213 2 1 1.946443 3.B.595769 3.946443 2.542213 6 3 1 1.542213 Jawaban atas pertanyaan nomor ke2 3 4 5 2 1 2.068991 3.Kembali ke contoh kasus kita. Seperti telah diulas dalam modul sebelumnya. 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. 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 1 1 1. MMA Pusat Pengembangan Bahan Ajar Universitas Mercu Buana . 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.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. 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 2.595769 3.271106 3. Dari lima orang responden akan memiliki jawaban atas angket yang diberikan sebagai berikut. Misalkan hasilnya (Succesive Interval-nya) diperoleh sebagai berikut: No Resp 1 A B C D E 3 1 2.271106 2.271106 2.

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

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

969) yang > 0. (2-tailed)) Bila kita hendak merumuskan hipotesis bahwa antara dua variabel.01) maka Ho diterima Jika probabilitas < 0.5. didapat angka +0. (2-tailed) N Pearson Correlation Sig. yaitu tingkat pengetahuan kewarganegaraan seseorang dengan partisipasi politiknya memiliki hubungan (korelasi).05 (atau 0. Hal ini berarti : • Arah korelasi positif. Dasar pengambilan keputusannya adalah dengan dasar probabilitas sebagai berikut: • • Jika probabilitas > 0. • Besaran korelasi (0. artinya semakin tinggi tingkat pengetahuan kewarganegaraan seseorang maka partisipasi politiknya cenderung semakin besar. Arti Angka Korelasi (Lihat Pearson Correlation) Ada dua hal dalam penafsiran korelasi. 2.007 5 5 . (2-tailed) N Citizenship 1 Participation .01 level (2-tailed). kita misalnya dapat menguji dengan melakukan uji dua sisi.007 5 5 Participation **.969** . berarti tingkat pengetahuan kewarganegaraan seseorang berkorelasi KUAT dengan partisipasi politiknya.969 (tanda “+” disertakan karena tidak ada tanda “-“ pada output.969** 1 . Signifikansi Hasil Korelasi (lihat Sig. Korelasi antara Citizenship dengan Participation. Analisis Output 1. 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. Correlation is significant at the 0. serta kuat tidaknya korelasi. jadi otomatis positif). yaitu tanda ‘+” atau ‘-“ yang berhubungan dengan arah korelasi.Correlations Citizenship Pearson Correlation Sig.01) maka Ho ditolak ‘11 10 Statistik Sosial Ir Farida. MMA Pusat Pengembangan Bahan Ajar Universitas Mercu Buana .05 (atau 0. Demikian pula sebaliknya.

lalu kita tambahkan 1 lagi variabel dengan nama Democracy yang mewakili variabel tingkat perilalu demokrasi seseorang. karena tidak ada data yang hilang.sav. Sehingga diperoleh tampilan sebagai berikut: 2. Jika sudah nampak. Jumlah Data yang Berkorelasi Dapat dilihat dari dari nilai N. (2-tailed) diperoleh angka probailitasnya 0. Karena ketiga variabel bersifat kuantitatif. Hal ini bisa dilihat juga dari adanya tanda ** pada angka korelasi. maka data yang diproses adalah 5.05 atau 0. MMA Pusat Pengembangan Bahan Ajar Universitas Mercu Buana . dan pilih Partial. Keputusan pada contoh kasus yang kita miliki pada keterangan Sig. pilih menu Analyze. maka tipe analisis korelasi yang digunakan adalah Pearson. Maka akan tampak di layar tampilan seperti gambar berikut: ‘11 11 Statistik Sosial Ir Farida. Kemudian pilih submenu Correlate.007 maka kedua variabel tersebut memang SECARA NYATA berkorelasi.01 adalah tergantung pilihan kita. 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. Langkah-langkah yang ditempuh: 1. bila kita ingin menghitung korelasi parsial antara tingkat pengetahuan kewarganegaraan seseorang dengan perilaku demokratisnya dimana partisipasi politik menjadi variabel kontrol. Buka lagi file korelasi1. 3.• Catatan: 0. dari menu utama SPSS. Misalnya seperti pada contoh di atas.

3.004 5 5 5 Participation Democracy **. Pengisian: a. Outputnya sebagai berikut: Correlations Correlations Citizenship Pearson Correlation Sig.969** 1 . Display actual signifance level pilih untuk diaktifkan. pilih Citizenship dan Democracy b. ‘11 12 Statistik Sosial Ir Farida. Variable yang akan dikorelasikan. MMA Pusat Pengembangan Bahan Ajar Universitas Mercu Buana . pilih Two-tailed untuk uji dua sisi. (2-tailed) N Pearson Correlation Sig.968** .007 . (2-tailed) N Citizenship 1 Participation Democracy . kemudian tekan tombol OK untuk prosessing data.977** 1 .969** . Abaikan yang lainnya. Test of Significance yang akan digunakan. dengan cara mengkliknya.007 .007 .968** . (2-tailed) N Pearson Correlation Sig. d.01 level (2-tailed). Controlling for (variabel pengontrol). Correlation is significant at the 0. pilih participation c.977** . e.004 5 5 5 .007 5 5 5 .

Baik.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 . Jadi datanya bisa kualitatif maupun kuantitatif. Arti Angka Korelasi (Lihat Correlation) Pada hasil output ada dua bagian. ‘11 13 Statistik Sosial Ir Farida. Bila dibandingkan terlihat bahwa angka korelasi antara Citizenship dengan Democracy dengan menggunakan variabel pengontrol nilainya menjadi turun. semakin tinggi tingkat partisipasi politik seseorang. Tidak Baik dan seterusnya.000 . yaitu dari 0. yaitu Citizenship. yang pertama adalah Analsis Korelasi Pearson (Bivariat) antara 3 variabel. Demikian pula sebaliknya. Untuk data yang bersifat ordinal. Participation dan Democracy.603 2 Democracy . seperti hasil dari penyebaran kuesioner yang berisi variabel berjenjang seperti: Sangat baik. Mari kita lihat contoh kasus analisis untuk data ordinal dengan membuka file nilai_karyawan. Hal ini berarti bahwa dengan memperhitungkan besarnya tingkat partisipasi politik seseorang. KORELASI UNTUK DATA ORDINAL Bila kita memiliki data yang memiliki tipe ordinal. 0 Democracy Analisis Hasil Pengolahan oleh SPSS: Analisis Output 1. maka ada kecenderungan partisipasi politik orang tersebut akan semakin meningkat.397.968 menjadi 0.603 2 1. Sehingga. dan jika perilaku demokrasinya pun meningkat.397 . apakah analisis korelasinya harus sama ? Menggunakan Pearson ? Jawabannya tentu tidak. masih ada korelasi positif antara tingkat pengetahuan kewarganegaraan dengan perilaku demokratisnya. Sedangkan tandanya masih “positif’. maka harus menggunakan korelasi Spearman dan Kendall. 0 .397 .000 . Sedangkan bagian yang kedua analisis korelasi antara Citizenship dengan Democracy dimana Participation menjadi variabel pengontrolnya.

5. 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). Dari menu utama SPSS. IQ dan Loyalitas dengan cara mengkliknya untuk menyorotnya. Maka akan tampak di layar tampilan seperti gambar berikut: 3. IQ yang dimiliki dan Loyalitas karyawan. pilih menu Analyze. Karena ketiga variabel tersebut kualitatif maka korelasi yang digunakan adalah korelasi Spearman dan Kendall. Langkah-langkahnya sebagai berikut: 1. IQ dan loyalitasnya. dan pilih Bivariate. Buka file nilai_karyawan 2. 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. Hasilnya adalah sebagai berikut: NonParametric Correlation ‘11 14 Statistik Sosial Ir Farida. Pengisian: Bila pada analsis data kuantitatif yang dicentang pada Correlation Coefficients adalah Pearson. Untuk variabel. 4. lalu klik tanda panah. Dimana ada 75 orang karyawan. Kemudian pilih submenu Correlate.

000 .893 .508 75 75 1.005 .072 . atau semakin loyal seorang karyawan.000 . hasilnya tidak jauh berbeda. untuk memastikan apakah kedua variabel berkorelasi secara signifikan. 1. atau semakin tinggi IQ karyawan maka prestasinya cenderung makin jelek. Demikian pula sebaliknya.004 75 .299** .015 .299** . MMA Pusat Pengembangan Bahan Ajar Universitas Mercu Buana .016 1. 2.509 75 1. (2-tailed) N Correlation Coefficient Sig. Analisis: Penafsirannya sama dengan penafsiran pada analisis Pearson.072 .509 75 75 Loyalitas Konsumen .000 -.893 .016 . Signifikansi Hasil Korelasi (lihat Sig.015 < 0. (2-tailed) N Correlation Coefficient Sig. 75 75 .01 level (2-tailed).004 .072 0.5 menunjukan hubungan keduanaya lemah. Catatan: angka korelasi yang dipakai adalah korelasi Kendall.005 jauh lebih kecil daripada 0. ‘11 15 Statistik Sosial Ir Farida. 75 75 .893 75 75 -. Arti Angka Korelasi (Lihat Pearson Correlation) • Korelasi antara Prestasi dan Loyalitas adalah positif.000 .508 yang hampir mendekati 0.893 75 75 -. • Korelasi anatara IQ dengan Loyalitas hampir signifikan (Probabilitas adalah 0.000 . 75 . Untuk kasus ini bisa dilakukan dengan pengujian ulang dengan data yang diperbaharui. Namun angka korelasi 0.077 . (2-tailed) N Correlation Coefficient Sig. (2-tailed)) • Korelasi antara Prestasi dengan Loyalitas adalah signifikan (Probabilitas 0.005 75 . demikian pula sebaliknya. (2-tailed) N **.5 menunjukkan lemahnya hubungan kedua variabel tersebut. .077 .000 -.05).508 75 1.330** . 75 Kendall's tau_b Prestasi Karyawan IQ Karyawan Loyalitas Konsumen Spearman's rho Prestasi Karyawan IQ Karyawan Loyalitas Konsumen Correlation Coefficient Sig. Korelasi antara Prestasi dengan IQ adalah negatif.015 1. yang berarti adanya hubungan yang benar-benar signifikan antara Prestasi dan Loyalitas seorang karyawan. maka prestasinya cenderung semakin bagus. (2-tailed) N Correlation Coefficient Sig.330** . Akan tetapi angka korelasi sebesar 0.5 menunjukkan lemahnya hubungan ekedua variabel tersebut. Correlation is significant at the 0. . Namun bila diukur dengan Spearman.05).299 < 0. (2-tailed) N Correlation Coefficient Sig. • • Korelasi antara IQ dengan Loyalitas positif dan nilainya 0.Correlations Prestasi Karyawan IQ Karyawan 1.

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

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

Tekan OK untuk prosessing data maka outputnya diperoleh sebagai berikut.982). MMA Pusat Pengembangan Bahan Ajar Universitas Mercu Buana .5). Untuk Independent(s) pilih Citizenship dan Democracy c. Output dan Analisisnya Model Summary Model 1 R R Square . Abaikan bagian lain e.927 Std.982(a) menunjukkan bahwa korelasi/hubungan antara Participation dengan kedua variabel independen-nya adalah kuat (karena besarnya > 0. Sedangkan sisanya (100-96. • Std. Untuk pengisian. Predictors: (Constant). Angka R Square atau Koefisien Determinasi adalah 0. pilih Enter d.963 (berasal dari 0.7) atau 7% dijelaskan oleh sebab-sebab yang lain. Method.963 Adjusted R Square . Untuk variabel independen lebih dari dua sebaiknya gunakan Adjusted R Square yang pada latihan kita nilainya 0.963 atau 96. Citizenship Bagian ini menggambarkan derajat keeratan hubungan antarvariabel.982 a . sebagai berikut: a. • • Angka R sebesar 0.85442 menggambarkan tingkat ketepatan prediksi regresi. Error of the Estimate .3% variasi dari Participation dapat dijelaskan oleh variasi dari kedua variabel independen. Error of the Estimate yang nilainya 0.85442 a.927.3. Ini artinya bahwa 0.982 x 0.3 = 0. Pilih variabel Participation b. dimana semakin kecil angkanya maka semakin baik prediksinya. Democracy. Untuk pilihan Dependent (variabel terikat). yaitu Democracy dan Citizenship. ‘11 18 Statistik Sosial Ir Farida.

491 .411 .300 2.411 menunjukkan bahwa setiap pengetahuan kewarganegaraan seseorang bertambah +1 poin. mungkin dapat diintepretasikan dalam konteks budaya politik gal itu adalah budaya “apatis”.361 a. didapat Fhitung 26.037.30.768 .540 1. Error -2. .270 . • Koefisien regresi 0. . Dengan kata lain.411 Citizenship + 0.453 . ‘11 19 Statistik Sosial Ir Farida. tingkat pengetahuan kewarganegaraan seseorang dan tingkat perilaku demokratisnya secara bersama-sama berpengaruh terhadap tingkat partisipasi politiknya.b ANOVA Model 1 Regression Residual Total Sum of Squares 38.175 Sig.396 dengan tingkat signifikansi sebesar 0.460 40.673 1.924 .730 F 26.570 .411 poin.610 . MMA Pusat Pengembangan Bahan Ajar Universitas Mercu Buana .000 df 2 2 4 Mean Square 19.629 t -. Secara kualitatif tentu tidak ada perilaku “minus”.30 menyatakan bahwa jika seseorang tidak memiliki pengetahuan kewarganegaraan dan perilaku demokratis maka partisipasi politiknya -2. Predictors: (Constant).360 . a Coefficients Model 1 (Constant) Citizenship Democracy Unstandardized Coefficients B Std. Karena probabilitas (tingkat signifikansi) ini lebih kecil daripada 0. Democracy. maka partisipasi politiknya akan bertambah 0. • • Persamaan regresi yang diperoleh adalah sebagai berikut: Participation = -2.300 + 0. Dependent Variable: Participation Sedangkan bagian ini menggambarkan seberapa besar koefisien regresinya.037 a a.396 Sig.654 Standardized Coefficients Beta . bahwa secara nyata ketiga variabel itu berskala ordinal. Citizenship b.768 Democracy Konstanta sebesar -2. Dari uji ANOVA atau F-test. Dependent Variable: Participation Bagian ini menggambarkan tingkat signifikansi. Jangan lupa juga.05 maka model regresi ini bisa dipakai untuk memprediksi tingkat partisipasi politik seseorang. tidak memiliki angka “nol” seperti dalam batasan skala interval.

Hi diterima Terlihat bahwa pada kolom Sig. dengan demikian Ho diterima atau dengan kata lain kedua variabel tersebut tidak cukup signifikan mempengaruhi tingkat partisipasi politik seseorang.• Koefisien regresi 0.768 menunjukkan 0.wordpress. MMA Pusat Pengembangan Bahan Ajar Universitas Mercu Buana . 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. untuk ketiga variabel tersebut. > 0.57 dan Democracy = 0. Kejadian di atas mungkin disebabkan karena data-data yang ada memang menunjukkan hal tersebut.453.05 maka Ho ditolak .361 mempunyai angka signifikansi > 0.com/2010/08/modul4.doc ‘11 20 Statistik Sosial Ir Farida.05. < 0.05 maka Ho diterima Jika Sig.768 poin bahwa setiap tingkat perilaku demokratis seseorang bertambah +1 poin. Materi di atas dicopy dari : wsetiabudi.) adalah sebagai berikut: Jika Sig. lihat kolom Sig. yaitu konstanta = 0. Citizenship = 0.files.

Sign up to vote on this title
UsefulNot useful

Master Your Semester with Scribd & The New York Times

Special offer for students: Only $4.99/month.

Master Your Semester with a Special Offer from Scribd & The New York Times

Cancel anytime.