A. Pendahuluan
Analisa korelasi digunakan untuk mengetahui hubungan antara dua variabel. Hubungan antara dua variabel dinyatakan dalam bentuk koefisien korelasi (r). Ada beberapa analisa korelasi yang dapat digunakan sesuai dengan jenis data penelitian, yaitu Pearson, Spearman dan Kendall. Korelasi Pearson digunakan jika data terdistribusi normal dan data sekunder, sedangkan untuk korelasi Spearman dan Kendall digunakan jika data tidak terdistribusi normal dan data kualitatif. Dalam buku ini akan dibatasi dengan Uji Korelasi Pearson saja.
B. Koefisien Korelasi (r)
Nilai korelasi berkisar antara -1 sampai dengan 1. Tanda positif menunjukkan arah hubungan yang positif/searah antardua variabel, dan tanda negatif menunjukkan arah hubungan yang negatif/berlawanan arah. Tanda berlawanan arah berarti jika satu variabel naik, maka variabel lain akan turun, begitu pula sebaliknya jika tandanya searah, apabila satu variabel naik maka variabel lainnya akan naik juga.
Keeratan hubungan antara dua variabel dinyatakan dari nilai korelasi tersebut. Nilai korelasi yang makin mendekati 1 ataupun -1, maka hubungan antara kedua variabel tersebut sangat kuat sekali. Nilai
Analisa Korelasi
Bab 6
40 Aplikasi Komputer Bisnis
yang makin mendekati 0.0 mengindikasikan hubungan yang lemah. Berikut adalah bagan hubungan keeratan pada korelasi.
(Sumber: Anderson, 2014)
1. Tata Cara Pengerjaan
Gunakan kembali data pada Uji Normalitas (hlm 34 data Indonesia 2004-2017). Pada data tersebut, Bapak Ahmad akan meneliti hubungan antara:
i) logGDP dengan logFDI,
ii) GDP growth (annual %) dengan logFDI, iii) logFINALCONS dengan logFDI,
iv) Exports of goods and services (% of GDP) dengan logFDI, v) Imports of goods and services (% of GDP) dengan logFDI.
Bantulah Bapak Ahmad untuk menentukan hubungan antara variabel tersebut.
1) Data Indonesia 2004-2017 adalah sebagai berikut.
2) Langkah-langkahnya adalah sebagai berikut. Pilih Analyze Correlate Bivariate.
3) Pilihlah menu command (Analyze) Masukkan variabel yang
ingin dilakukan uji korelasi Pilih uji korelasi yang sesuai (tick Pearson) OK.
41 Bab 6 | Analisa Korelasi 4) Hipotesa nol (H0) dan Hipotesa Alternatif (H1)
Hipotesa nol dan hipotesa alternatif dalam uji korelasi ini adalah:
H01: Variabel GDP growth (annual %) tidak berkorelasi dengan
Variabel logFDI.
H11: Variabel GDP growth (annual %) berkorelasi dengan Variabel
logFDI.
H02: Variabel logFINALCONS tidak berkorelasi dengan Variabel
logFDI.
H12: Variabel logFINALCONS berkorelasi dengan Variabel logFDI.
H03: Variabel Exports of goods and services (% of GDP) tidak
berkorelasi dengan Variabel logFDI.
H13: Variabel Exports of goods and services (% of GDP) berkorelasi dengan Variabel logFDI.
H04: Variabel Imports of goods and services (% of GDP) tidak
berkorelasi dengan Variabel logFDI.
H14: Variabel Imports of goods and services (% of GDP) berkorelasi dengan Variabel logFDI.
Hipotesa secara umum:
H0: ρ = 0 (no correlation, tidak ada hubungan/korelasi Antara
variabel X dan Y)
H1: ρ ≠ 0 (correlation exists, Ada hubungan/korelasi Antara variabel X dan Y)
Aturan penolakannya adalah:
• H0 diterima jika p-value pada kolom sig. > level of significance (α).
• H0 ditolak jika p-value pada kolom sig. < level of significance (α).
42 Aplikasi Komputer Bisnis
5) Hasil output SPSS untuk korelasi kedua variabel sebagai berikut.
6) Analisa korelasinya:
i. GDP growth (annual %) dengan logFDI,
H0 diterima (p-value 0.425 > α 0.05). Artinya tidak ada hubungan
antara GDP growth (annual %) dan logFDI. Jadi, perubahan nilai GDP growth (annual %), tidak akan memengaruhi perilaku investor dalam menanamkan modal di Indonesia.
ii. logFINALCONS dengan logFDI,
H0 ditolak (p-value 0.016 < α 0.05). Artinya ada hubungan
antara logFINALCONS dan logFDI yang menunjukkan hubungan yang sedang, erat dan searah (r=0.627). Jadi, jika nilai konsumsi di Indonesia meningkat, maka kecenderungan investor menanamkan modal di Negara tersebut (Indonesia) juga akan mengalami peningkatan.
iii. Exports of goods and services (% of GDP) dengan logFDI,
H0 diterima (p-value 0.08 > α 0.05). Artinya tidak ada hubungan
antara Exports of goods and services (% of GDP) dan logFDI. Jadi, perubahan nilai Exports barang tidak akan memengaruhi perilaku investor dalam menanamkan modal di Indonesia. iv. Imports of goods and services (% of GDP) dengan logFDI.
H0 diterima (p-value 0.460 > α 0.05). Artinya tidak ada
hubungan antara Imports of goods and services (% of GDP) dan logFDI. Jadi, perubahan nilai Imports barang tidak akan memengaruhi perilaku investor dalam menanamkan modal di Indonesia.
43 Bab 6 | Analisa Korelasi
C. Multikolinearitas (Multicollinearity)
Multikolinearitas adalah suatu keadaan di mana variabel-variabel independent memiliki hubungan korelasi yang perfect (r mendekati atau sama dengan 1). Variabel independent saling memengaruhi yang akan menyebabkan nilai koefisien regresi akan cenderung menjadi bias. Multikolinearitas pada umumnya terjadi pada data time-series.
Menurut Gujarati (2003), jika korelasi antara kedua variabel independen melebihi 0,8 maka terdapat masalah multikolineritas. Jika suatu data terdapat masalah multikolineritas, adapun hal yang dapat kita lakukan adalah mengganti variabel independennya dengan variabel lain atau menghapus salah satu variabel independen yang berkorelasi tinggi.
1. Tata Cara Pengerjaan
Lakukan tahapan seperti pada uji korelasi Pearson (poin 1 halaman 40) dan gunakan kembali data tersebut, ujilah apakah ada masalah multikolinearitas pada variabel-variabel independentnya. Variabel dependent (Y) adalah logaritma dari Foreign Direct Investment (logFDI). Variabel-variabel bebas yang memengaruhi variabel dependen adalah variabel GDP growth (annual %), logFINALCONS, Exports of goods and services (% of GDP) dan Imports of goods and services (% of GDP).
44 Aplikasi Komputer Bisnis 2) Hasil Pengamatan:
Pada data di atas terdapat multikolinearitas antara Export of Goods and Services (%) dan logFINALCONS (r > 0,80 yaitu 0,938). 3) Pembersihan data pertama:
Untuk mengatasi masalah Multikolinearitas adalah Salah satu variabel dibuang (Export of Goods and Services (%) atau logFINALCONS) atau diganti dengan variabel lainnya.
3.a Berikut adalah output korelasi, Jika variabel Export of Goods and Services (%) dihilangkan.
3.b Berikut adalah hasil output korelasi, Jika variabel logFINALCONS dihilangkan.
4) Pembersihan data kedua:
Pembersihan data pertama, lihatlah variabel signifikan mana yang memiliki korelasi lebih tinggi. Dalam hal ini yang signifikan adalah antara logFDI – logFINALCONS (poin 3.a.) dan antara logFDI – Export (poin 3.b).
45 Bab 6 | Analisa Korelasi Korelasi antara logFDI – logFINALCONS lebih tinggi (0,627) dibandingkan logFDI-Export (-0,483). Dengan demikian sebaiknya variabel yang didelete adalah Export of Goods and Services (%). Walaupun acuan di atas, tidak bisa diterapkan oleh setiap kasus penelitian, namun hal utama yang perlu diperhatikan apakah setelah pembersihan data kedua, data sudah bersih dari masalah multikolinearitas. Dalam poin 5 dapat dilihat selain korelasi lebih lemah dan masih terdapatnya masalah multikolinearitas, jadi variabel Export of Goods and Services (%) sebaiknya dihilangkan. 5) Jadi, antara variabel X sudah tidak terdapat masalah multikolinearitas jika menghilangkan variabel (poin 3.b di atas), Export of Goods and Services (%).
47