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

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

284 maka persamaan regresi linear bergandanya menjadi ˆ = 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 x1 = 75 dan x2 = 24 maka ramalan nilai y adalah ˆ y = 17.284 (4) = 63.284 (4) y Dengan persamaan regresi linear berganda tersebut. sebagai ukuran tepat atau tidaknya garis tersebut sehingga pendekatan. MMA Pusat Pengembangan Bahan Ajar Universitas Mercu Buana .547. b2 = .211 Penulisan persamaan garis regresi linear berganda biasanya disertai dengan kesalahan baku masing-masing variabel bebas dan koefisien determinasi berganda r2.624 (75) – 0. Korelasi Linear Berganda ‘11 4 Statistik Sosial Ir Farida.547 + 0.624 (75) – 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.642. b1 = 0.0. nilai y (nilai statistik maha siswa) dapat diramalkan dengan mengetahui nilai x1 (nilai inteligensi mahasiswa) dan x2 (frekuensi membolos mahasiswa) misalkan.547 + 0.

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

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.. ordinal. ‘11 6 Statistik Sosial Ir Farida./modul-matemati Analisis Korelasi dengan SPSS Contoh : Menghitung korelasi antara pengetahuan tentang kewarganegaraan dengan partisipasi politik seseorang. Korelasi linear berganda dengan 3 variabel bebas a.files.. Sebelum kita memulai analisis kita perhatikan dahulu apakah data yang akan kita peroleh berskala nominal.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.ry.rI2 2. Sedangkan untuk yang berskala ordinal kita gunakan Spearman Correlation (Statistik Non-Parametrik). 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. Koefisien korelasi berganda ry123 = b1 ∑ x1 y + b 2 ∑ x 2 y + b3 ∑ x 3 y ∑y 2 Materi di atas dicopy dari : masbied.wordpress. interval atau rasio ? Sebab perlakuan terhadap data-data tersebut akan berbeda ketika kita akan melakukan analisis korelasi.com/.

271106 2.068991 3.595769 3.946443 2.B. baik level pengetahuan kewarganegaraan dan tingkat partisipasi politik keduanya merupakan konsep yang berkaitan dengan perilaku seorang manusia.542213 Jawaban atas pertanyaan nomor ke2 3 4 5 2 1 2. Dari lima orang responden akan memiliki jawaban atas angket yang diberikan sebagai berikut.271106 2.C.Kembali ke contoh kasus kita. para peneliti ilmu sosial umumnya menggunakan Skala Likert guna mengukur persepsi atau perilaku sosial. kedua variabel yang ada yaitu pengetahuan kewarganegaraan dan tingkat partisipasi politik umumnya belum memiliki standar yang baku dalam skala nilainya.271106 2. biasanya kita akan menyebarkan angket yang berisi sejumlah daftar pertanyaan atau pernyataan yang akan mengukur sejauh mana level pengetahuan kewarganegaraannya dan tingkat partisipasi politiknya.946443 3.946443 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. 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. 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.542213 2 1 1.271106 3.542213 1 1 1.068991 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. 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. Misalkan hasilnya (Succesive Interval-nya) diperoleh sebagai berikut: No Resp 1 A B C D E 3 1 2.271106 3. MMA Pusat Pengembangan Bahan Ajar Universitas Mercu Buana .542213 3 1 2.271106 3.595769 3. Seperti telah diulas dalam modul sebelumnya.D dan E).542213 6 3 1 1.

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

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

jadi otomatis positif). Signifikansi Hasil Korelasi (lihat Sig.007 5 5 .01) maka Ho diterima Jika probabilitas < 0. artinya semakin tinggi tingkat pengetahuan kewarganegaraan seseorang maka partisipasi politiknya cenderung semakin besar. kita misalnya dapat menguji dengan melakukan uji dua sisi. Demikian pula sebaliknya. berarti tingkat pengetahuan kewarganegaraan seseorang berkorelasi KUAT dengan partisipasi politiknya. Analisis Output 1.969** . serta kuat tidaknya korelasi. 2. yaitu tanda ‘+” atau ‘-“ yang berhubungan dengan arah korelasi. (2-tailed) N Pearson Correlation Sig.05 (atau 0.007 5 5 Participation **. 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. yaitu tingkat pengetahuan kewarganegaraan seseorang dengan partisipasi politiknya memiliki hubungan (korelasi).01 level (2-tailed).5.969** 1 .969 (tanda “+” disertakan karena tidak ada tanda “-“ pada output. • Besaran korelasi (0. Dasar pengambilan keputusannya adalah dengan dasar probabilitas sebagai berikut: • • Jika probabilitas > 0. (2-tailed) N Citizenship 1 Participation . MMA Pusat Pengembangan Bahan Ajar Universitas Mercu Buana . Correlation is significant at the 0.01) maka Ho ditolak ‘11 10 Statistik Sosial Ir Farida.969) yang > 0. Korelasi antara Citizenship dengan Participation.Correlations Citizenship Pearson Correlation Sig. didapat angka +0. Hal ini berarti : • Arah korelasi positif.05 (atau 0. (2-tailed)) Bila kita hendak merumuskan hipotesis bahwa antara dua variabel. Arti Angka Korelasi (Lihat Pearson Correlation) Ada dua hal dalam penafsiran korelasi.

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

007 . Abaikan yang lainnya. (2-tailed) N Pearson Correlation Sig. Pengisian: a. d.004 5 5 5 . Controlling for (variabel pengontrol). e.977** .007 5 5 5 . Variable yang akan dikorelasikan. MMA Pusat Pengembangan Bahan Ajar Universitas Mercu Buana .01 level (2-tailed).969** .969** 1 . pilih Citizenship dan Democracy b. Outputnya sebagai berikut: Correlations Correlations Citizenship Pearson Correlation Sig.968** . (2-tailed) N Citizenship 1 Participation Democracy .968** . pilih Two-tailed untuk uji dua sisi. kemudian tekan tombol OK untuk prosessing data. Correlation is significant at the 0.007 . (2-tailed) N Pearson Correlation Sig. dengan cara mengkliknya.3. ‘11 12 Statistik Sosial Ir Farida.977** 1 . Display actual signifance level pilih untuk diaktifkan.007 .004 5 5 5 Participation Democracy **. pilih participation c. Test of Significance yang akan digunakan.

maka ada kecenderungan partisipasi politik orang tersebut akan semakin meningkat. ‘11 13 Statistik Sosial Ir Farida. Bila dibandingkan terlihat bahwa angka korelasi antara Citizenship dengan Democracy dengan menggunakan variabel pengontrol nilainya menjadi turun. masih ada korelasi positif antara tingkat pengetahuan kewarganegaraan dengan perilaku demokratisnya. MMA Pusat Pengembangan Bahan Ajar Universitas Mercu Buana . Baik.000 . Sehingga. Sedangkan bagian yang kedua analisis korelasi antara Citizenship dengan Democracy dimana Participation menjadi variabel pengontrolnya. seperti hasil dari penyebaran kuesioner yang berisi variabel berjenjang seperti: Sangat baik. 0 . dan jika perilaku demokrasinya pun meningkat.397. Tidak Baik dan seterusnya. Sedangkan tandanya masih “positif’. Jadi datanya bisa kualitatif maupun kuantitatif.603 2 1. Mari kita lihat contoh kasus analisis untuk data ordinal dengan membuka file nilai_karyawan. apakah analisis korelasinya harus sama ? Menggunakan Pearson ? Jawabannya tentu tidak. Untuk data yang bersifat ordinal. 0 Democracy Analisis Hasil Pengolahan oleh SPSS: Analisis Output 1. Hal ini berarti bahwa dengan memperhitungkan besarnya tingkat partisipasi politik seseorang. yaitu dari 0.397 . Demikian pula sebaliknya.397 . yaitu Citizenship.968 menjadi 0. yang pertama adalah Analsis Korelasi Pearson (Bivariat) antara 3 variabel. Participation dan Democracy. semakin tinggi tingkat partisipasi politik seseorang.603 2 Democracy .000 . KORELASI UNTUK DATA ORDINAL Bila kita memiliki data yang memiliki tipe ordinal. Arti Angka Korelasi (Lihat Correlation) Pada hasil output ada dua bagian. maka harus menggunakan korelasi Spearman dan Kendall.Partial Corr Correlations Control Variables Participation Citizenship Correlation Significance (2-tailed) df Correlation Significance (2-tailed) df Citizenship 1.

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

005 jauh lebih kecil daripada 0.005 .299 < 0. demikian pula sebaliknya.015 < 0.000 -.508 75 1. • Korelasi anatara IQ dengan Loyalitas hampir signifikan (Probabilitas adalah 0.005 75 . atau semakin tinggi IQ karyawan maka prestasinya cenderung makin jelek. (2-tailed) N Correlation Coefficient Sig. maka prestasinya cenderung semakin bagus.077 .015 1.004 . Untuk kasus ini bisa dilakukan dengan pengujian ulang dengan data yang diperbaharui.5 menunjukkan lemahnya hubungan ekedua variabel tersebut. Signifikansi Hasil Korelasi (lihat Sig.000 -. 75 Kendall's tau_b Prestasi Karyawan IQ Karyawan Loyalitas Konsumen Spearman's rho Prestasi Karyawan IQ Karyawan Loyalitas Konsumen Correlation Coefficient Sig. Catatan: angka korelasi yang dipakai adalah korelasi Kendall.509 75 1. ‘11 15 Statistik Sosial Ir Farida.000 . • • Korelasi antara IQ dengan Loyalitas positif dan nilainya 0. (2-tailed) N Correlation Coefficient Sig.893 75 75 -.05). 75 75 .509 75 75 Loyalitas Konsumen .015 . 75 75 .000 . 75 . Correlation is significant at the 0. 1. .000 . Namun angka korelasi 0. . Korelasi antara Prestasi dengan IQ adalah negatif.508 yang hampir mendekati 0.5 menunjukan hubungan keduanaya lemah. MMA Pusat Pengembangan Bahan Ajar Universitas Mercu Buana . (2-tailed) N Correlation Coefficient Sig.004 75 .05). yang berarti adanya hubungan yang benar-benar signifikan antara Prestasi dan Loyalitas seorang karyawan. (2-tailed) N **.330** .508 75 75 1. (2-tailed)) • Korelasi antara Prestasi dengan Loyalitas adalah signifikan (Probabilitas 0.072 . Namun bila diukur dengan Spearman. Arti Angka Korelasi (Lihat Pearson Correlation) • Korelasi antara Prestasi dan Loyalitas adalah positif.Correlations Prestasi Karyawan IQ Karyawan 1.01 level (2-tailed). atau semakin loyal seorang karyawan. Akan tetapi angka korelasi sebesar 0. (2-tailed) N Correlation Coefficient Sig.299** .016 1.072 .072 0.000 . 2.893 .077 . (2-tailed) N Correlation Coefficient Sig. Demikian pula sebaliknya.893 75 75 -.016 .5 menunjukkan lemahnya hubungan kedua variabel tersebut.330** .299** .893 . Analisis: Penafsirannya sama dengan penafsiran pada analisis Pearson. untuk memastikan apakah kedua variabel berkorelasi secara signifikan. hasilnya tidak jauh berbeda.

Tujuan dari analisis regresi adalah untuk memprediksi besar Variabel Terikat (Dependent Variable) dengan menggunakan data Variabel Bebas (Independent Variable) yang sudah diketahui besarnya. Menguji asumsi-asumsi pada regresi berganda. 3. Jika kita memilih metode Stepwise. MMA Pusat Pengembangan Bahan Ajar Universitas Mercu Buana . Linieritas. ANALISIS REGRESI Kita telah berlatih menggunakan analisis korelasi dengan SPSS. Menentukan metode pembuatan model regresi. Intepretasi model Regresi Berganda Persamaan model regresi dinyataakan dalam rumusan sebagai berikut: Y = a + bX1 + cX2 ‘11 16 Statistik Sosial Ir Farida. seperti normalitas.893 jauh lebih besar daripada 0. Heteroskedastisitas dan lain-lainnya. karena tidak ada data yang hilang. 3.05). Default SPSS adalah metode Enter. Stepwise. (Simpan hasil output dengan nama korelasi3). yaitu: Enter. uji-F dan sebagainya) 6. yang berarti antara Prestasi dan IQ seorang karyawan tidak ada hubungan. Menentukan yang mana variabel bebas dan variabel terikatnya 2. maka uji signifikansi justru mendahului uji asumsi seperti normalitas dan sebagainya. Forward dan Backward (perbedaanya akan dibahas pada bagian lain). maka data yang diproses adalah 75. 5. selanjutnya kita akan berlatih untuk menggunakan analisis regresi.• Korelasi antara Prestasi dengan IQ adalah tidak signifikan (Probabilitas 0. Pada dasarnya tahapan penyusunan model analisis regresi adalah sebagai berikut: 1. oleh karena itu dalam latihan kita akan menggunakan default SPSS yaitu metode Enter. Menguji signifikansi model (uji-t. dalam SPSS ada beberapa pilihan. Jumlah Data yang Berkorelasi Dapat dilihat dari dari nilai N. Melihat ada tidaknya data yang outlier (ekstrem) 4.

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

963 (berasal dari 0. Sedangkan sisanya (100-96. Predictors: (Constant). • • Angka R sebesar 0.982 a .5).927 Std. Ini artinya bahwa 0.982). Pilih variabel Participation b. dimana semakin kecil angkanya maka semakin baik prediksinya.963 atau 96. Untuk pilihan Dependent (variabel terikat).3 = 0. ‘11 18 Statistik Sosial Ir Farida. yaitu Democracy dan Citizenship. Output dan Analisisnya Model Summary Model 1 R R Square . MMA Pusat Pengembangan Bahan Ajar Universitas Mercu Buana . Untuk pengisian. • Std. Untuk variabel independen lebih dari dua sebaiknya gunakan Adjusted R Square yang pada latihan kita nilainya 0. Tekan OK untuk prosessing data maka outputnya diperoleh sebagai berikut. Angka R Square atau Koefisien Determinasi adalah 0. Untuk Independent(s) pilih Citizenship dan Democracy c. Abaikan bagian lain e. Democracy. pilih Enter d. sebagai berikut: a. Method.982(a) menunjukkan bahwa korelasi/hubungan antara Participation dengan kedua variabel independen-nya adalah kuat (karena besarnya > 0.85442 a. Error of the Estimate . Citizenship Bagian ini menggambarkan derajat keeratan hubungan antarvariabel.963 Adjusted R Square .85442 menggambarkan tingkat ketepatan prediksi regresi.3.927.982 x 0.3% variasi dari Participation dapat dijelaskan oleh variasi dari kedua variabel independen. Error of the Estimate yang nilainya 0.7) atau 7% dijelaskan oleh sebab-sebab yang lain.

Dengan kata lain. bahwa secara nyata ketiga variabel itu berskala ordinal. Citizenship b.924 .037. • • Persamaan regresi yang diperoleh adalah sebagai berikut: Participation = -2. Jangan lupa juga. 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. Error -2.396 dengan tingkat signifikansi sebesar 0.453 .629 t -.270 .491 .396 Sig. didapat Fhitung 26.000 df 2 2 4 Mean Square 19.411 .037 a a. MMA Pusat Pengembangan Bahan Ajar Universitas Mercu Buana .b ANOVA Model 1 Regression Residual Total Sum of Squares 38.30 menyatakan bahwa jika seseorang tidak memiliki pengetahuan kewarganegaraan dan perilaku demokratis maka partisipasi politiknya -2. ‘11 19 Statistik Sosial Ir Farida.610 .361 a.360 .768 Democracy Konstanta sebesar -2. Dependent Variable: Participation Bagian ini menggambarkan tingkat signifikansi.570 .411 Citizenship + 0.411 poin. Secara kualitatif tentu tidak ada perilaku “minus”. Predictors: (Constant). maka partisipasi politiknya akan bertambah 0.411 menunjukkan bahwa setiap pengetahuan kewarganegaraan seseorang bertambah +1 poin.300 + 0.05 maka model regresi ini bisa dipakai untuk memprediksi tingkat partisipasi politik seseorang.460 40.30. • Koefisien regresi 0.654 Standardized Coefficients Beta . Dependent Variable: Participation Sedangkan bagian ini menggambarkan seberapa besar koefisien regresinya. . Dari uji ANOVA atau F-test.540 1.730 F 26.673 1. . Karena probabilitas (tingkat signifikansi) ini lebih kecil daripada 0.300 2. tidak memiliki angka “nol” seperti dalam batasan skala interval.768 . a Coefficients Model 1 (Constant) Citizenship Democracy Unstandardized Coefficients B Std.175 Sig. Democracy.

05 maka Ho diterima Jika Sig.768 poin bahwa setiap tingkat perilaku demokratis seseorang bertambah +1 poin. Hi diterima Terlihat bahwa pada kolom Sig. lihat kolom Sig. > 0.57 dan Democracy = 0.453. yaitu konstanta = 0. < 0.• Koefisien regresi 0.05.) adalah sebagai berikut: Jika Sig.com/2010/08/modul4. Materi di atas dicopy dari : wsetiabudi.doc ‘11 20 Statistik Sosial Ir Farida. MMA Pusat Pengembangan Bahan Ajar Universitas Mercu Buana . Citizenship = 0. Kejadian di atas mungkin disebabkan karena data-data yang ada memang menunjukkan hal tersebut. dengan demikian Ho diterima atau dengan kata lain kedua variabel tersebut tidak cukup signifikan mempengaruhi tingkat partisipasi politik seseorang.wordpress. 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.files.768 menunjukkan 0.05 maka Ho ditolak .361 mempunyai angka signifikansi > 0.

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.