P. 1
Analisis Regresi Dan Korelasi Dengan Program SPSS

Analisis Regresi Dan Korelasi Dengan Program SPSS

|Views: 892|Likes:
Published by riizt_quee
Analisis Regresi dan Korelasi dengan Program SPSS
Analisis Regresi dan Korelasi dengan Program SPSS

More info:

Categories:Types, Research
Published by: riizt_quee on Apr 29, 2013
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOC, PDF, TXT or read online from Scribd
See more
See less

07/29/2014

pdf

text

original

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

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

547 + 0.624 (75) – 0. nilai x1 = 75 dan x2 = 24 maka ramalan nilai y adalah ˆ y = 17. 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 y (nilai statistik maha siswa) dapat diramalkan dengan mengetahui nilai x1 (nilai inteligensi mahasiswa) dan x2 (frekuensi membolos mahasiswa) misalkan.0.284 (4) = 63. sebagai ukuran tepat atau tidaknya garis tersebut sehingga pendekatan.547. b2 = .547 + 0.624 (75) – 0. Korelasi Linear Berganda ‘11 4 Statistik Sosial Ir Farida. MMA Pusat Pengembangan Bahan Ajar Universitas Mercu Buana .211 Penulisan persamaan garis regresi linear berganda biasanya disertai dengan kesalahan baku masing-masing variabel bebas dan koefisien determinasi berganda r2.642.284 (4) y Dengan persamaan regresi linear berganda tersebut.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.284 maka persamaan regresi linear bergandanya menjadi ˆ = 17. b1 = 0.

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

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

542213 Jawaban atas pertanyaan nomor ke2 3 4 5 2 1 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.595769 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. baik level pengetahuan kewarganegaraan dan tingkat partisipasi politik keduanya merupakan konsep yang berkaitan dengan perilaku seorang manusia. Seperti telah diulas dalam modul sebelumnya.C.B.271106 2. Dari lima orang responden akan memiliki jawaban atas angket yang diberikan sebagai berikut. 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.068991 3.271106 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.D dan E).271106 3.542213 3 1 2. 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.Kembali ke contoh kasus kita. kedua variabel yang ada yaitu pengetahuan kewarganegaraan dan tingkat partisipasi politik umumnya belum memiliki standar yang baku dalam skala nilainya. biasanya kita akan menyebarkan angket yang berisi sejumlah daftar pertanyaan atau pernyataan yang akan mengukur sejauh mana level pengetahuan kewarganegaraannya dan tingkat partisipasi politiknya.271106 2.946443 2.946443 2.595769 3.271106 3.542213 2 1 1. MMA Pusat Pengembangan Bahan Ajar Universitas Mercu Buana .946443 3. para peneliti ilmu sosial umumnya menggunakan Skala Likert guna mengukur persepsi atau perilaku sosial.271106 3.542213 1 1 1.542213 6 3 1 1. Misalkan hasilnya (Succesive Interval-nya) diperoleh sebagai berikut: No Resp 1 A B C D E 3 1 2.

‘11 8 Statistik Sosial Ir Farida. 7 10 10 12 Selanjutnya hal yang sama dilakukan pula untuk mendapatkan skor mengenai tingkat partisipasi politiknya.berikutnya). Skor tingkat pengetahuan kewarganegaraan dari kelima responden tersebut akhirnya. MMA Pusat Pengembangan Bahan Ajar Universitas Mercu Buana . misalnya diperoleh sebagai berikut. sehingga misalnya akhirnya diperoleh data sebagai berikut. dengan langkah-langkah sebagai berikut: 1. berkenaan dengan data lengkap di atas. hasilnya seperti berikut. Buat file dengan nama korelasi1. 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. 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. Misalkan variabel Skor Tingkat Pengetahuan Kewarganegaraan kita namai Citizenship dan Skor Tingkat Partisipasi Politik kita namai Participation.

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

kita misalnya dapat menguji dengan melakukan uji dua sisi.007 5 5 Participation **.Correlations Citizenship Pearson Correlation Sig.969 (tanda “+” disertakan karena tidak ada tanda “-“ pada output.05 (atau 0.01) maka Ho ditolak ‘11 10 Statistik Sosial Ir Farida.969** . 2. Arti Angka Korelasi (Lihat Pearson Correlation) Ada dua hal dalam penafsiran korelasi. Dasar pengambilan keputusannya adalah dengan dasar probabilitas sebagai berikut: • • Jika probabilitas > 0.969** 1 . didapat angka +0.969) yang > 0. Signifikansi Hasil Korelasi (lihat Sig.01) maka Ho diterima Jika probabilitas < 0.05 (atau 0. serta kuat tidaknya korelasi.01 level (2-tailed). Demikian pula sebaliknya. Korelasi antara Citizenship dengan Participation. jadi otomatis positif). 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.007 5 5 . (2-tailed)) Bila kita hendak merumuskan hipotesis bahwa antara dua variabel. (2-tailed) N Citizenship 1 Participation .5. yaitu tanda ‘+” atau ‘-“ yang berhubungan dengan arah korelasi. Correlation is significant at the 0. Analisis Output 1. • Besaran korelasi (0. yaitu tingkat pengetahuan kewarganegaraan seseorang dengan partisipasi politiknya memiliki hubungan (korelasi). MMA Pusat Pengembangan Bahan Ajar Universitas Mercu Buana . berarti tingkat pengetahuan kewarganegaraan seseorang berkorelasi KUAT dengan partisipasi politiknya. artinya semakin tinggi tingkat pengetahuan kewarganegaraan seseorang maka partisipasi politiknya cenderung semakin besar. (2-tailed) N Pearson Correlation Sig. Hal ini berarti : • Arah korelasi positif.

01 adalah tergantung pilihan kita. Buka lagi file korelasi1. lalu kita tambahkan 1 lagi variabel dengan nama Democracy yang mewakili variabel tingkat perilalu demokrasi seseorang. dan pilih Partial. pilih menu Analyze. bila kita ingin menghitung korelasi parsial antara tingkat pengetahuan kewarganegaraan seseorang dengan perilaku demokratisnya dimana partisipasi politik menjadi variabel kontrol. Maka akan tampak di layar tampilan seperti gambar berikut: ‘11 11 Statistik Sosial Ir Farida. (2-tailed) diperoleh angka probailitasnya 0.007 maka kedua variabel tersebut memang SECARA NYATA berkorelasi. Hal ini bisa dilihat juga dari adanya tanda ** pada angka korelasi.05 atau 0. Karena ketiga variabel bersifat kuantitatif. Langkah-langkah yang ditempuh: 1. MMA Pusat Pengembangan Bahan Ajar Universitas Mercu Buana . Misalnya seperti pada contoh di atas.sav. Kemudian pilih submenu Correlate. dari menu utama SPSS. karena tidak ada data yang hilang.• Catatan: 0. Jumlah Data yang Berkorelasi Dapat dilihat dari dari nilai N. Jika sudah nampak. Sehingga diperoleh tampilan sebagai berikut: 2. Keputusan pada contoh kasus yang kita miliki pada keterangan Sig. maka data yang diproses adalah 5. 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. maka tipe analisis korelasi yang digunakan adalah Pearson.

968** .3.977** 1 .007 .007 . (2-tailed) N Pearson Correlation Sig. (2-tailed) N Citizenship 1 Participation Democracy . Pengisian: a.968** .004 5 5 5 .004 5 5 5 Participation Democracy **. Test of Significance yang akan digunakan. pilih Two-tailed untuk uji dua sisi.01 level (2-tailed). pilih participation c. dengan cara mengkliknya. Controlling for (variabel pengontrol).007 . pilih Citizenship dan Democracy b. Display actual signifance level pilih untuk diaktifkan. MMA Pusat Pengembangan Bahan Ajar Universitas Mercu Buana . e.007 5 5 5 . Abaikan yang lainnya. Correlation is significant at the 0.969** 1 . Outputnya sebagai berikut: Correlations Correlations Citizenship Pearson Correlation Sig.977** . (2-tailed) N Pearson Correlation Sig. ‘11 12 Statistik Sosial Ir Farida.969** . Variable yang akan dikorelasikan. d. kemudian tekan tombol OK untuk prosessing data.

yaitu Citizenship. MMA Pusat Pengembangan Bahan Ajar Universitas Mercu Buana . Jadi datanya bisa kualitatif maupun kuantitatif. apakah analisis korelasinya harus sama ? Menggunakan Pearson ? Jawabannya tentu tidak. Hal ini berarti bahwa dengan memperhitungkan besarnya tingkat partisipasi politik seseorang. Baik.000 .603 2 Democracy . 0 . seperti hasil dari penyebaran kuesioner yang berisi variabel berjenjang seperti: Sangat baik.Partial Corr Correlations Control Variables Participation Citizenship Correlation Significance (2-tailed) df Correlation Significance (2-tailed) df Citizenship 1. Tidak Baik dan seterusnya. Sedangkan tandanya masih “positif’.397 . KORELASI UNTUK DATA ORDINAL Bila kita memiliki data yang memiliki tipe ordinal. ‘11 13 Statistik Sosial Ir Farida. dan jika perilaku demokrasinya pun meningkat. Arti Angka Korelasi (Lihat Correlation) Pada hasil output ada dua bagian. Participation dan Democracy. Bila dibandingkan terlihat bahwa angka korelasi antara Citizenship dengan Democracy dengan menggunakan variabel pengontrol nilainya menjadi turun. yaitu dari 0. Sehingga. yang pertama adalah Analsis Korelasi Pearson (Bivariat) antara 3 variabel.397. Demikian pula sebaliknya.000 . maka harus menggunakan korelasi Spearman dan Kendall.968 menjadi 0. Sedangkan bagian yang kedua analisis korelasi antara Citizenship dengan Democracy dimana Participation menjadi variabel pengontrolnya. Mari kita lihat contoh kasus analisis untuk data ordinal dengan membuka file nilai_karyawan. 0 Democracy Analisis Hasil Pengolahan oleh SPSS: Analisis Output 1. masih ada korelasi positif antara tingkat pengetahuan kewarganegaraan dengan perilaku demokratisnya.397 . Untuk data yang bersifat ordinal.603 2 1. maka ada kecenderungan partisipasi politik orang tersebut akan semakin meningkat. semakin tinggi tingkat partisipasi politik seseorang.

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

508 75 1.5 menunjukkan lemahnya hubungan ekedua variabel tersebut. (2-tailed) N Correlation Coefficient Sig.509 75 75 Loyalitas Konsumen .015 < 0. • • Korelasi antara IQ dengan Loyalitas positif dan nilainya 0.508 yang hampir mendekati 0.016 .005 .01 level (2-tailed). 75 75 .893 75 75 -.077 .05).893 .5 menunjukan hubungan keduanaya lemah. Namun angka korelasi 0.330** .893 75 75 -. Analisis: Penafsirannya sama dengan penafsiran pada analisis Pearson. (2-tailed) N Correlation Coefficient Sig. Untuk kasus ini bisa dilakukan dengan pengujian ulang dengan data yang diperbaharui. atau semakin tinggi IQ karyawan maka prestasinya cenderung makin jelek. . .016 1. demikian pula sebaliknya. Arti Angka Korelasi (Lihat Pearson Correlation) • Korelasi antara Prestasi dan Loyalitas adalah positif. Correlation is significant at the 0. Catatan: angka korelasi yang dipakai adalah korelasi Kendall. • Korelasi anatara IQ dengan Loyalitas hampir signifikan (Probabilitas adalah 0. atau semakin loyal seorang karyawan.000 . Signifikansi Hasil Korelasi (lihat Sig.072 0. 75 .004 .072 .299 < 0. MMA Pusat Pengembangan Bahan Ajar Universitas Mercu Buana . Korelasi antara Prestasi dengan IQ adalah negatif. 2.005 75 . (2-tailed)) • Korelasi antara Prestasi dengan Loyalitas adalah signifikan (Probabilitas 0. (2-tailed) N Correlation Coefficient Sig. (2-tailed) N **.072 . maka prestasinya cenderung semakin bagus. (2-tailed) N Correlation Coefficient Sig.5 menunjukkan lemahnya hubungan kedua variabel tersebut. Namun bila diukur dengan Spearman.508 75 75 1. untuk memastikan apakah kedua variabel berkorelasi secara signifikan. Akan tetapi angka korelasi sebesar 0.077 . hasilnya tidak jauh berbeda.000 .000 . yang berarti adanya hubungan yang benar-benar signifikan antara Prestasi dan Loyalitas seorang karyawan.05).015 1. ‘11 15 Statistik Sosial Ir Farida. 1. 75 75 .299** .299** .005 jauh lebih kecil daripada 0.015 . 75 Kendall's tau_b Prestasi Karyawan IQ Karyawan Loyalitas Konsumen Spearman's rho Prestasi Karyawan IQ Karyawan Loyalitas Konsumen Correlation Coefficient Sig.000 . Demikian pula sebaliknya.000 -.330** . (2-tailed) N Correlation Coefficient Sig.893 .004 75 .509 75 1.Correlations Prestasi Karyawan IQ Karyawan 1.000 -.

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

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

Tekan OK untuk prosessing data maka outputnya diperoleh sebagai berikut. Angka R Square atau Koefisien Determinasi adalah 0.982(a) menunjukkan bahwa korelasi/hubungan antara Participation dengan kedua variabel independen-nya adalah kuat (karena besarnya > 0. yaitu Democracy dan Citizenship.963 (berasal dari 0. ‘11 18 Statistik Sosial Ir Farida.5). Pilih variabel Participation b. Error of the Estimate yang nilainya 0. Predictors: (Constant).3 = 0. Abaikan bagian lain e. Untuk pilihan Dependent (variabel terikat).3.963 atau 96.963 Adjusted R Square . Ini artinya bahwa 0. Error of the Estimate . Output dan Analisisnya Model Summary Model 1 R R Square .7) atau 7% dijelaskan oleh sebab-sebab yang lain.982 a . Method. • • Angka R sebesar 0. sebagai berikut: a.982). pilih Enter d. Democracy.927 Std. MMA Pusat Pengembangan Bahan Ajar Universitas Mercu Buana . Citizenship Bagian ini menggambarkan derajat keeratan hubungan antarvariabel. Untuk Independent(s) pilih Citizenship dan Democracy c.85442 menggambarkan tingkat ketepatan prediksi regresi. dimana semakin kecil angkanya maka semakin baik prediksinya.85442 a.982 x 0. • Std.3% variasi dari Participation dapat dijelaskan oleh variasi dari kedua variabel independen. Sedangkan sisanya (100-96.927. Untuk variabel independen lebih dari dua sebaiknya gunakan Adjusted R Square yang pada latihan kita nilainya 0. Untuk pengisian.

270 . bahwa secara nyata ketiga variabel itu berskala ordinal.453 .175 Sig. • • Persamaan regresi yang diperoleh adalah sebagai berikut: Participation = -2. tidak memiliki angka “nol” seperti dalam batasan skala interval.924 . Dengan kata lain.361 a.411 Citizenship + 0. . • Koefisien regresi 0. Secara kualitatif tentu tidak ada perilaku “minus”.629 t -.540 1.360 . Dependent Variable: Participation Sedangkan bagian ini menggambarkan seberapa besar koefisien regresinya.037.05 maka model regresi ini bisa dipakai untuk memprediksi tingkat partisipasi politik seseorang.460 40. Error -2.411 .300 + 0.30. Predictors: (Constant).570 . didapat Fhitung 26.411 poin.768 .411 menunjukkan bahwa setiap pengetahuan kewarganegaraan seseorang bertambah +1 poin.730 F 26.654 Standardized Coefficients Beta .610 . ‘11 19 Statistik Sosial Ir Farida.b ANOVA Model 1 Regression Residual Total Sum of Squares 38.491 . tingkat pengetahuan kewarganegaraan seseorang dan tingkat perilaku demokratisnya secara bersama-sama berpengaruh terhadap tingkat partisipasi politiknya.396 Sig.30 menyatakan bahwa jika seseorang tidak memiliki pengetahuan kewarganegaraan dan perilaku demokratis maka partisipasi politiknya -2.768 Democracy Konstanta sebesar -2.396 dengan tingkat signifikansi sebesar 0. a Coefficients Model 1 (Constant) Citizenship Democracy Unstandardized Coefficients B Std. . MMA Pusat Pengembangan Bahan Ajar Universitas Mercu Buana . Dependent Variable: Participation Bagian ini menggambarkan tingkat signifikansi. Citizenship b. Karena probabilitas (tingkat signifikansi) ini lebih kecil daripada 0. Democracy. Dari uji ANOVA atau F-test.300 2.000 df 2 2 4 Mean Square 19. maka partisipasi politiknya akan bertambah 0.673 1.037 a a. mungkin dapat diintepretasikan dalam konteks budaya politik gal itu adalah budaya “apatis”. Jangan lupa juga.

768 poin bahwa setiap tingkat perilaku demokratis seseorang bertambah +1 poin. < 0.) adalah sebagai berikut: Jika Sig. untuk ketiga variabel tersebut. 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.453.361 mempunyai angka signifikansi > 0.57 dan Democracy = 0.com/2010/08/modul4.wordpress. lihat kolom Sig.05.05 maka Ho ditolak . Citizenship = 0. MMA Pusat Pengembangan Bahan Ajar Universitas Mercu Buana . > 0. Hi diterima Terlihat bahwa pada kolom Sig.05 maka Ho diterima Jika Sig.files.doc ‘11 20 Statistik Sosial Ir Farida.768 menunjukkan 0. dengan demikian Ho diterima atau dengan kata lain kedua variabel tersebut tidak cukup signifikan mempengaruhi tingkat partisipasi politik seseorang. yaitu konstanta = 0.• Koefisien regresi 0. Materi di atas dicopy dari : wsetiabudi. Kejadian di atas mungkin disebabkan karena data-data yang ada memang menunjukkan hal tersebut.

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->