Dalam melakukan analisis Regresi terlebih dahulu harus diketahui apakah variabel-variabel yang akan diregresikan, itu merupakan regresi linear maupun regresi non linear, karena hal ini akan menctukan teknik analisa regresi mana yang akan dipergunakan dalam menganalisis data.
Untuk mengetahui apakah variabel-variabel yang akan diregresiakn apakah itu regresi linear atau non linear ada beberapa metode yang dapat digunakan, yaitu metode tangan bebas menggunakan diagram sebagai bahan pertimbangan merupakan cara yang paling sederhana untuk menentukan suatu variabel regresi linear dan regresi non linear.
25
DAFTAR PUSTAKA
https://www.spssindonesia.com/2017/03/uji-analisis-regresi-linear-sederhana.html https://www.scribd.com/document/106316867/Laporan-Hasil-Penelitian-
Praktikum-Regresi-Sederhana
https://www.scribd.com/document/388724481/Makalah-Regresi-Linier-Sederhana https://duwiconsultant.blogspot.com/2011/11/analisis-regresi-linier-
sederhana.html
LAMPIRAN
26
LAPORAN PRAKTIKUM STATISTIK MODUL II
KORELASI LINIER SEDERHANA
Kelompok 2
1. Badzlin Dunyana (2070031093)
2. Muhammad Lukman Hakim (2070031092)
3. Fajar sidik Rumlan Tamnge (2070031038)
4. Wahyu Pratama Sutardji (2070031028)
5. Alifah Aprilya (2070031032)
6. Ramadhani (2070031023)
LABORATORIUM STATISTIKA INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
UNIVERSITAS KRISNADWIPAYANA JAKARTA
i
LEMBAR PENGESAHAN
Laporan ini disusun sebagai salah satu syarat kelulusan Laporan Akhir Praktikum Statistik Modul 2 “Korelasi Linier Sederhana”. Jurusan Teknik Industri Fakultas Teknik Universitas Krisnadwipayana.
Kelompok 2
1. Badzlin Dunyana (2070031093) 2. Muhammad Lukman Hakim (2070031092) 3. Fajar sidik Rumlan Tamnge (2070031038) 4. Wahyu Pratama Sutardji (2070031028) 5. Alifah Aprilya (2070031032) 6. Ramadhani (2070031023)
Dengan ini telah diperiksa untuk DITERIMA/DITOLAK Jakarta, 3 Desember 2021
Menyetujui, Menyetujui, KALAB Teknik Indutri Asisten Laboratorium
Statistik Teknik Industri
Aries Abbas, S.T, M.M, M.T Amallia Aindina Fitri
NIDN: 03290565505 NIM: 1970031040
ii
KATA PENGANTAR
Puji syukur kami panjatkan kepada Tuhan yang maha Esa, yang telah memberikan rahmat-Nya kepada kami untuk menyelesaikan Laporan Akhir Praktikum Statistika modul 2 "Korelasi Linier Sederhana"
Kami juga ingin mengucapkan terima kasih yang dalam dan tulus kepada
semua pihak yang telah terlibat dalam penyusunan Laporan Akhir Praktikum Statistika modul 2 " Korelasi Linier Sederhana " yang kami buat.
Kami sadar bahwa penyusunan laporan praktikum ini jauh dari kata baik.
maka dari itu, kami mengharapkan saran dan kritik dari pembaca guna meperbaiki di kesempatan berikutnya.
Demikian kami sampaikan, semoga laporan akhir praktikum ini dapat bermanfaat bagi pembaca
Jakarta, 3 Desember 2021
Kelompok 2
iii
DAFTAR ISI
LEMBAR PENGESAHAN ... i KATA PENGANTAR ... ii DAFTAR ISI ... iii DAFTAR GAMBAR ... iv BAB I ... 6 PENDAHULUAN ... 6 1.1. ... Maksud dan Tujuan
6
1.2. ... Latar Belakang Masalah 6
1.3. ... Perumusan Masalah 7
1.4. ... Pembatasan Masalah 7
1.5. ... Sistematika Pembahasan 8
BAB II ... 11 LANDASAN TEORI ... 11 2.1 Korelasi Linier Sederhana ... 11 2.2 Pola Hubungan Antara 2 Variabel ... 12 BAB III ... 19
iv
PENGUMPULAN DAN PENGOLAHAN DATA ... 19 3.1. ... Pengumpulan Data. 4.1. ... Korelasi linier sederhana
27
4.1.1. ... Analisis korelasi linier sederhana 27
4.1.2. ... Analisis korelasi linier sederhana menggunakan software SPSS 27
BAB V ... 27 KESIMPULAN DAN SARAN ... 28 5.1. Kesimpulan ... 28 5.2. Saran ... 28 BAB VI ... 28 DAFTAR PUSTAKA ... 29
DAFTAR GAMBAR
Gambar 3.2.6. 1 tampilan awal SPSS ...23 Gambar 3.2.6. 2 mengisi kolom yang telah ditentukan...23 Gambar 3.2.6. 3 memasukan data ...24 Gambar 3.2.6. 4 pilih Corralate ...24 Gambar 3.2.6. 5 mengatur Bivariate Correlations ...24 Gambar 3.2.6. 6 hasil penghitungan SPSS ...25
v
DAFTAR TABEL
Tabel 3.1. 1 Tabel Pedoman Kriteria Korelasi ... 13 Tabel 3.1. 2 Tabel Pengolahan Data ... 19 Tabel 3.1. 3 Tabel Pengolahan Data ... 20
6
BAB I
PENDAHULUAN
1.1.Maksud dan Tujuan
Maksud dan tujuan dari penulisan laporan akhir ini adalah untuk mengetahui ukuran kekuatan hubungan dua variabel dan juga untuk dapat mengetahui bentuk hubungan antar dua variabel tersebut dengan hasil yang sifatnya kuantitaif. Kekuatan hubungan antara dua variabel yang dimaksud disini adalah apakah hubungan tersebut ERAT, LEMAH, ataupun TIDAK ERAT sedangkan bentuk hubungannya adalah apakah bentuk korelasinya Linier Positif ataupunLinier Negatif.
1.2.Latar Belakang Masalah
Analisis korelasi sederhana (Bivariate Correlation) digunakan untuk mengetahui keeratan hubungan antara dua variabel dan untuk mengetahui arah hubungan yang terjadi. Koefisien korelasi sederhana. menunjukkan seberapa besar hubungan yang terjadi antara dua variabel. Dalam SPSS ada tiga metode korelasi sederhana (bivariate correlation) diantaranya Pearson Correlation, dan Spearman Correlation. Pearson Correlation digunakan untuk data berskala interval atau rasio, dan Spearman Correlation lebih cocok untuk data berskala ordinal.
Pada bab ini akan dibahas analisis korelasi sederhana dengan metode Pearson atau sering disebut Product Moment Pearson. Nilai korelasi (r) berkisar antara 1 sampai -1, nilai semakin mendekati 1 atau -1 berarti hubungan antara dua variabel semakin kuat, sebaliknya nilai mendekati 0 berarti hubungan antara dua variabel semakin lemah. Nilai positif menunjukkan hubungan searah (X naik maka Y naik) dan nilai negatif menunjukkan hubungan terbalik (X naik maka Y turun). Menurut Sugiyono (2007) pedoman untuk memberikan interpretasi koefisien korelasi sebagai berikut:
0,00 - 0,199 = sangat rendah 0,20 - 0,399 = rendah 0,40 - 0,599 = sedang 0,60 - 0,799 = kuat
7 0,80 - 1,000 = sangat kuat
1.3.Perumusan Masalah
1. Apa itu korelasi linier sederhana?
2. Bagaimana cara pengolahan data korelasi linier sederhana?
3. Bagaimana cara pengolahan data korelasi linier sederhana dengan menggunakan software SPSS?
1.4.Pembatasan Masalah
Berdasarkan latar belakang diatas agar tidak terjadi pembiasan atau perluasan masalah, maka penyusunan laporan akhir modul 2 ini membatsi masalah sebagai berikut:
1. menjelaskan mengenai teori-teori tentang Korelasi Linier Sederhana 2. menjelaskan mengenai urutan langkah-langkah dalam memecahkan 3. masalah dalam pengumpulan data pengelolahan data koefisien linier
sederhana menggunakan rumus manual maupun Software SPSS
8 1.5.Sistematika Pembahasan
Flow Chart :
Praktikum dimulai
Praktikum Pengumpulan Data Observasi :
1. Data Atribut 2. Data Variabel
Asintensi 1 dan 2
Pengumpulan Laporan
Responsi
Selesai
Ditolak
Diterima
9
Untuk menyusun Lapoan ini secara sistematis, maka penulis menyusun sistematika Laporan sebagai Berikut :
BAB I LANDASAN PENDAHULUAN
Pada BAB ini menjelaskan mengenai maksud dan tujuan, latar belakang masalah, perumusan masalah, batasan masalah, dan Sistematika Penulisan.
BAB II LANDASAN TEORI
Pada BAB ini menjelaskan mengenai teori-teori tentang Korelasi Linier Sederhana
BAB III PEGOLAHAN DATA
Pada BAB ini menjelaskan mengenai urutan langkah-langkah dalam memecahkan masalah dalam pengumpulan data pengelolahan data.
BAB IV ANALISIS
Di bab ini praktikan menjelaskan secara ringkas dan sistematis aktivitas yang terdiri dari serangkaian kegiatan seperti; mengurai. membedakan, dan memilah sesuatu untuk dikelompokkan kembali menurut kriteria tertentu dan kemudian dicari kaitannya lalu ditafsirkan maknanya.
BAB V KESIMPIULAN DAN SARAN
Di bab ini menjelaskan kesimpulan dari hasil penulisan dan saran-saran yang diberikan praktikan berkaitan dengan penulisan laporan praktikum dari proses praktikum dan penulisan laporan yang sudah dilaksanakan.
BAB VI (DAFTAR PUSTAKA)
Di bab ini praktikan menguraikan daftar yang berisi nama penulis, judul tulisan, penerbit, identitas penerbit dan tahun terbit dari sebuah buku atau kajian lain yang digunakan sebagai sumber atau rujukan bagi praktikan dalam menyusun laporan akhir praktikum.
10
11
BAB II
LANDASAN TEORI
2.1 Korelasi Linier Sederhana
Korelasi Sederhana merupakan suatu Teknik Statistik yang dipergunakan untuk mengukur kekuatan hubungan 2 Variabel dan juga untuk dapat mengetahui bentuk hubungan antara 2 Variabel tersebut dengan hasil yang sifatnya kuantitatif.
Kekuatan hubungan antara 2 variabel yang dimaksud disini adalah apakah hubungan tersebut ERAT, LEMAH, ataupun TIDAK ERAT sedangkan bentuk hubungannya adalah apakah bentuk korelasinya Linear Positif ataupun Linear Negatif.
Disamping Korelasi, Diagram Tebar (Scatter Diagram) sebenarnya juga dapat mempelajari hubungan 2 variabel dengan cara menggambarkan hubungan tersebut dalam bentuk grafik. Tetapi Diagram tebar hanya dapat memperkirakan kecenderungan hubungan tersebut apakah Linear Positif, Linear Negatif ataupun tidak memiliki Korelasi Linear. Kelemahan Diagram Tebar adalah tidak dapat menunjukkan secara tepat dan juga tidak dapat memberikan angka Kuantitas tentang kekuatan hubungan antara 2 variabel yang dikaji tersebut.
Kekuatan Hubungan antara 2 Variabel biasanya disebut dengan Koefisien Korelasi dan dilambangkan dengan symbol “r”. Nilai Koefisian r akan selalu berada di antara -1 sampai +1.
Perlu diingat :
Koefisien Korelasi akan selalu berada di dalam Range -1 ≤ r ≤ +1
Jika ditemukan perhitungan diluar Range tersebut, berarti telah terjadi kesalahan perhitungan dan harus di koreksi terhadap perhitungan tersebut.
Rumus Pearson Product Moment
Koefisien Korelasi Sederhana disebut juga dengan Koefisien Korelasi Pearson karena rumus perhitungan Koefisien korelasi sederhana ini dikemukakan oleh Karl Pearson yaitu seorang ahli Matematika yang berasal dari Inggris.
12
Rumus yang dipergunakan untuk menghitung Koefisien Korelasi Sederhana adalah sebagai berikut :
(Rumus ini disebut juga dengan Pearson Product Moment)
r = nΣxy – (Σx) (Σy) . √{nΣx² – (Σx)²} {nΣy2 – (Σy)2}
Dimana :
n = Banyaknya Pasangan data X dan Y Σx = Total Jumlah dari Variabel X Σy = Total Jumlah dari Variabel Y
Σx2= Kuadrat dari Total Jumlah Variabel X Σy2= Kuadrat dari Total Jumlah Variabel Y
Σxy= Hasil Perkalian dari Total Jumlah Variabel X dan Variabel Y 2.2 Pola Hubungan Antara 2 Variabel
Pola / Bentuk Hubungan antara 2 Variabel :
1. Korelasi Linear Positif (+1)
Perubahan salah satu Nilai Variabel diikuti perubahan Nilai Variabel yang lainnya secara teratur dengan arah yang sama. Jika Nilai Variabel X mengalami kenaikan, maka Variabel Y akan ikut naik. Jika Nilai Variabel X mengalami penurunan, maka Variabel Y akan ikut turun.
Apabila Nilai Koefisien Korelasi mendekati +1 (positif Satu) berarti pasangan data Variabel X dan Variabel Y memiliki Korelasi Linear Positif yang kuat/Erat.
2. Korelasi Linear Negatif (-1)
Perubahan salah satu Nilai Variabel diikuti perubahan Nilai Variabel yang lainnya secara teratur dengan arah yang berlawanan. Jika Nilai Variabel X mengalami
13
kenaikan, maka Variabel Y akan turun. Jika Nilai Variabel X mengalami penurunan, maka Nilai Variabel Y akan naik.
Apabila Nilai Koefisien Korelasi mendekati -1 (Negatif Satu) maka hal ini menunjukan pasangan data Variabel X dan Variabel Y memiliki Korelasi Linear Negatif yang kuat/erat.
3. Tidak Berkorelasi (0)
Kenaikan Nilai Variabel yang satunya kadang-kadang diikut dengan penurunan Variabel lainnya atau kadang-kadang diikuti dengan kenaikan Variable yang lainnya. Arah hubungannya tidak teratur, kadang-kadang searah, kadang-kadang berlawanan.
Apabila Nilai Koefisien Korelasi mendekati 0 (Nol) berarti pasangan data Variabel X dan Variabel Y memiliki korelasi yang sangat lemah atau berkemungkinan tidak berkorelasi.
Ketiga Pola atau bentuk hubungan tersebut jika di gambarkan ke dalam Scatter Diagram (Diagram tebar) adalah sebagai berikut :
Tabel tentang Pedoman umum dalam menentukan Kriteria Korelasi :
Tabel 3.1. 1 Tabel Pedoman Kriteria Korelasi
r Kriteria Hubungan
0 Tidak ada Korelasi
0 – 0.5 Korelasi Lemah
14
0.5 – 0.8 Korelasi sedang 0.8 – 1 Korelasi Kuat / erat
1 Korelasi Sempurna
Contoh Penggunaan Analisis Korelasi di Produksi :
1. Apakah ada hubungan antara suhu ruangan dengan jumlah cacat Produksi?
2. Apakah ada hubungan antara lamanya waktu kerusakan mesin dengan jumlah cacat produksi?
3. Apakah ada hubungan antara jumlah Jam lembur dengan tingkat absensi?
Analisis korelasi merupakan studi pembahasan tentang derajad keeratan hubungan antar variabel yang dinyatakan dengan nilai koefisien korelasi. Hubungan antara variabel tersebut dapat bersifat bersifat positif dan negatif. Dalam analisis korelasi sebenarnya tidak ada istilah variabel independent (X) dan variabel dependent (Y).
Karena pada dasarnya hubungan antara variabel independent dengan variabel dependent, akan bermakna sama dengan hubungan variabel dependent dengan variabel independent. Namun demikian dalam prakteknya banyak kita jumpai peneliti memberikan nama untuk hubungan variabel independent dengan variabel dependent. Hal ini bukan sebuah masalah, sebab penamaan tersebut tujuan sebenarnya hanya sebagal alat bantu saja supaya pembaca lebih mudah memahami arah hubungan yang ingin disampaikan oleh peneliti dalam penelitiannya.
Derajad hubungan biasanya dinyatakan dengan huruf "r" atau disebut juga dengan koefisien korelasi sampel yang merupakan penduga bagi koefisien populasi.
Sedangkan r2 atau r square disebut dengan koefisien determinasi (koefisien penentu). Kekuatan korelasi linear antara variabel yang dihubungkan dapat disajikan dengan r x y
Formula tersebut disebut merupakan formula koefisien korelasi momen produk (product moment karl pearson). Dalam penelitian analisis korelasi bivariate pearson digunakan untuk menguji hubungan antara dua varaibel yang
15
menggunakan data berkala rasio atau interval. Sementara untuk data ordinal pakal Uji Korelasi Rank Spearman
Peryaratan dalam Analisis Korelasi Bivariate Pearson
Ada beberapa persyaratan atau asumsi dasar yang harus terpenuhi ketika kita hendak memakal analisis korelasi bivariate pearson untuk menguji hipotesis penelitian kita.
1. Data penelitian untuk masing-masing variabel setidak-tidaknya berskala rasio atau interval (yaltu data yang berbentuk angka sesungguhnya atau data metrik (data kuantitatif). Namun demikian analisis ini bisa juga dipakai untuk data kuesioner dengan skala likert.
2. Data untuk masing-masing variabel yang dihubungkan berdistribusi normal.
3. Terdapat hubungan yang linear antar variabel penelitian.
Arti Angka Korelasi (Pearson Correlations)
Koefisien korelasi atau Pearson Correlations memiliki nilai paling kecil -1 dan paling besar 1.
1. Berkenaan dengan besaran angka ini, jika 0 maka artinya tidak ada korelasi sama sekali sementara jika korelasi 1 berarti ada korelasi sempurna. Hal ini menunjukkan bahwa semakin nilai pearson correlations mendekati 1 atau -1 maka hubungan antara dua variabel adalah semakin kuat. Sebaliknya, jika nilai r atau pearson correlations mendekati 0 berarti hubungan dua variabel menjadi semakin lemah. Sebenarnya tidak ada ketentuan yang benar-benar tepat mengenai apakah angka korelasi tertentu menunjukkan tingkat korelasi yang tinggi atau lemah. Namun, hal berikut ini dapat kita dijadikan pedoman sederhana bahwa jika angka korelasi di atas 0,5 maka menunjukkan korelasi yang cukup kuat sedangkan jika di bawah 0,5 maka menunjukkan korelasi yang lemah.
16
2. Selain besarnya korelasi, tanda korelasi juga berpengaruh pada penafsiran hasil dalam analisis Ini. Dimana, tanda negatif (-) pada tabel output SPSS menunjukkan adanya arah yang berlawanan, sedangkan tanda…
nilai r hitung (Pearson Correlations) dengan nilai r tabel product moment. Ketiga adalah dengan melihat tanda bintang (*) yang terdapat pada output program SPSS.
1. Berdasarkan Nilal Signifikansi Sig. (2-tailed): Jika nilai Sig. (2-talled) < 0,05 maka terdapat korelasi antar variabel yang dihubungkan. Sebaliknya jika nilai Sig.
(2-tailed) > 0,05 maka tidak terdapat korelasi.
2. Berdasarkan Nilai r hitung (Pearson Correlations): Jika nilal r hitung > r tabel maka ada korelasi antar variabel. Sebaliknya jika nilai r hitung < r tabel maka artinya tidak ada korelasi antar variabel.
3. Berdasarkan Tanda Bintang (*) yang diberikan SPSS: Jika terdapat tanda bintang (*) pada nilai pearson correlation maka antara variabel yang di analisis terjadi korelasi. Sebaliknya jika tidak terdapat tanda bintang pada nilai pearson correlation maka antara variabel yang di analisis tidak terjadi korelasi.
Catatan: Tanda bintang satu (*) menujukkan korelasi pada signifikansi 1% atau 0,01. Sedangkan tanda bintang dua (**) menunjukkan korelasi pada signifikansi 5% atau 0,05.
Untuk lebih jelas, kita langsung praktekkan saja cara melakukan analisis korelasi bivariate pearson dengan program SPSS. Misalkan saya ingin menguji apakah ada hubungan yang signifikan antara Motivasi dan Minat dengan Prestasi belajar siswa.
Adapun detail data penelitiannya dapat anda lihat di bawah ini.
17
1. Buka program SPSS, klik Variable View. Selanjutnya, pada bagian Name tulis saja X1, X2 dan Y, pada Decimals ubah semua menjadi angka 0, pada bagian Label tuliskan Motivasi, Minat dan Prestasi. Pada bagian Measure ganti menjadi Scale
2. Setelah itu, klik Data View, dan masukkan data Motivasi (X1), Minat (X2) dan Prestasi (Y) yang sudah dipersiapkan tadi ke program SPSS.
3. Selanjutnya, dari menu utama SPSS, pilih menu Analyze, lalu klik Correlate, dan klik Bivariate
4. Muncul kotak dialog dengan nama "Bivariate Correlations". Masukkan variabel Motivasi (X1), Minat (X2) dan Prestasi (Y) pada kotak Variables:.
Selanjutnya, pada kolom "Correlation Coefficient" pilih Pearson, lalu untuk kolom "Test of Significant” pilih Two-tailed, dan centang pada Flag Significant Correlations, terakhir klik Ok untuk mengakhiri perintah.
Setelah selasai, maka akan muncul tampilan output SPSS "Correlations" tinggal kita interpretasikan saja.
Interpretasi Analisis Korelasi Bivariate Pearson
Berdasarkan tabel output di atas, kita akan melakukan pernarikan kesimpulan dengan merujuk pada ke-3 dasar pengambilan keputusan dalam analisis korelasi bivariate pearson di atas.
1. Berdasarkan Nilai Signifikansi Sig. (2-tailed): Dari tabel output di atas diketahul nilal Sig. (2-talled) antara Motivasi (X1) dengan Prestasi (Y) adalah sebesar 0,002< 0,05, yang berarti terdapat korelasi yang signifikan antara variabel Motivasi dengan variabel Prestasi. Selanjutnya, hubungan antara Minat (X2) dengan Prestasi (Y) memiliki nilai Sig. (2-talled) sebesar 0,000 < 0,05, yang berarti terdapat korelasi yang signifikan antara variabel Minat dengan variabel Prestasi.
18
2. Berdasarkan Nilai r hitung (Pearson Correlations): Diketahui nilai r hitung untuk hubungan Motivasi (X1) dengan Prestasi (Y) adalah sebesar adalah sebesar 0,796 >r tabel 0,576, maka dapat disimpulkan bahwa ada hubungan atau korelasi antara variabel Motivasi dengan variabel Presta…
3. Berdasarkan Tanda Bintang () SPSS: Dari output di atas diketahui bahwa nilai Pearson Correlation antara masing-masing variabel yang dihubungkan mempunyai dua tanda bintang (*), ini berarti terdapat korelasi antara variabel yang dihubungkan dengan taraf signifikansi 1%.
Demikian pembahasan mengenai cara melakukan analisis korelasi bivariate pearson dengan SPSS. Jika artikel ini bermanfaat silahkan anda dibagikan ke media sosial anda supaya ilmu ini dapat berguna bagi banyak orang yang belum mengetahuinya.
19
BAB III
PENGUMPULAN DAN PENGOLAHAN DATA
3.1.Pengumpulan Data.
Proses pengumpulan data ditentukan oleh variabel-variabel yang ada dalam hipotesis. Data yang telah dikumpulkan pada awalnya belum berarti apa-apa oleh karena itu dilakukan proses analisis data agar menjadi informasi yang
Tabel 3.1. 2 Tabel Pengolahan Data
20
berguna. Pengumpulan data berisikan subtitusi data yang ada di lembar pengamatan.
3.2.Pengolahan data.
Pengolahan data merupakan suatu proses pengumpulan, manipulasi, dan pemrosesan data berdasarkan data yang dikumpulkan agar dapat digunakan untuk mencapai tujuan tertentu.
No x y xy
10 55 80 3025 6400 4400
11 58 82 3364 6724 4756
12 59 96 3481 9216 5664
13 42 98 1764 9604 4116
14 43 97 1849 9409 4171
15 49 100 2401 10000 4900
16 48 55 2304 3025 2640
17 50 60 2500 3600 3000
18 52 66 2704 4356 3432
19 55 75 3025 5625 4125
20 53 78 2809 6084 4134
21 56 85 3136 7225 4760
22 59 88 3481 7744 5192
23 60 90 3600 8100 5400
24 42 95 1764 9025 3990
25 56 96 3136 9216 5376
26 40 98 1600 9604 3920
27 47 50 2209 2500 2350
28 49 53 2401 2809 2597
29 51 55 2601 3025 2805
30 53 56 2809 3136 2968
31 47 59 2209 3481 2773
32 60 63 3600 3969 3780
33 52 65 2704 4225 3380
34 58 68 3364 4624 3944
35 49 67 2401 4489 3283
36 45 69 2025 4761 3105
37 60 70 3600 4900 4200
38 43 75 1849 5625 3225
39 41 72 1681 5184 2952
40 47 76 2209 5776 3572
41 49 80 2401 6400 3920
42 57 92 3249 8464 5244
43 42 95 1764 9025 3990
44 45 96 2025 9216 4320
45 46 82 2116 6724 3772
46 47 85 2209 7225 3995
47 52 88 2704 7744 4576
48 51 93 2601 8649 4743
49 60 100 3600 10000 6000
50 52 95 2704 9025 4940
51 48 98 2304 9604 4704
52 40 54 1600 2916 2160
∑ 2643 3964 136309 314784 2132
𝑋 𝑌
Tabel 3.1. 3 Tabel Pengolahan Data
21 3.2.1. Menghitung Koefisien Korelasi.
𝑟 = 𝑛(∑𝑋𝑌)−(∑𝑋)(∑𝑌)
√[𝑛(∑𝑋2)−(∑𝑋2)][𝑛(∑𝑌2)−(∑𝑌2)] = 5 (201589 )−(2643 )(3964 )
√[5 (136309 )−(136309 )][5 (314784 )−(314784 )]
r= 0,0005
3.2.2. Menghitung Koefisien Keterminasi.
𝐾𝑜𝑒𝑓𝑖𝑠𝑖𝑒𝑛 𝑑𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑛 = 𝑟 = 0,0005 = 0,00000025 3.2.3. Menghitung Uji T Dengan Taraf Nyata 5%.
𝑇ℎ𝑖𝑡𝑢𝑛𝑔 = 𝑟
Untuk uji dua arah menggunakan rumus :
𝛼= 0,05= 0,025 Dengan derajat bebas : 𝑑𝑓 = 𝑛 − 𝑘 = 52 − 1 = 51
𝑇𝑡𝑎𝑏𝑒𝑙= 2,008
3.2.4. Perumusan Hipotesis 𝐻0∶ 𝑟 = 0 = Hipotesis ditolak 𝐻1∶ 𝑟 ≠ 0 = Hipotesis diterima Keterangan:
• Perumusan hipotesis Hipotesa ditolak menandakan tidak ada hubungan nyata antara variable X dan variable Y.
• Hipotesa diterima menandakan ada hubungan nyata antara variable X dan variable Y.
Dari hasil pencarian di atas diperoleh hasil
r = 0,0005. Maka dapat disimpulkan Perumusan hipotesis Hipotesa ditolak yang menandakan ada hubungan nyata antara variable X dan variable Y.
3.2.5. Melakukan Uji Hipotesis T
Hipotesis yang diuji adalah koefisien korelasi sama dengan nol. Korelasi dalam populasi dilambangkan dengan 𝜌 sedangkan pada sampel dilambangkan r
22 Jika 𝑇ℎ𝑖𝑡𝑢𝑛𝑔 ≤ 𝑇𝑡𝑎𝑏𝑒𝑙 𝑚𝑎𝑘𝑎 𝐻0 𝑑𝑖𝑡𝑜𝑙𝑎𝑘 Jika 𝑇ℎ𝑖𝑡𝑢𝑛𝑔 > 𝑇𝑡𝑎𝑏𝑒𝑙 𝑚𝑎𝑘𝑎 𝐻0 𝑑𝑖𝑡𝑒𝑟𝑖𝑚𝑎 Keterangan :
• Hipotesa ditolak menandakan terdapat hubungan yang kuat antara variable X dan variable Y.
• Hipotesa diterima menandakan terdapat hubungan yang lemah antara variable X dan variable Y.
Dari hasil perhitungan di atas diperoleh 𝑇ℎ𝑖𝑡𝑢𝑛𝑔 = 0,003 dan 𝑇𝑡𝑎𝑏𝑒𝑙= 2,008 . Maka dapat disimpulkan bahwa terdapat hubungan yang kuat antara variable X dan variable Y.
Dari grafik diatas dapat disimpulkan bahwa adanya pengaruh ke arah negative antara variabel x terhadap variabel y, maka hipotesa ditolak menandakan terdapat hubungan yang kuat antara variable X dan variable Y.
23
3.2.6. Melakukan Perhitungan Korelasi Linier Sederhana Munggunakan SPSS
Berikut langkah -langkah mengaplikasikan software SPSS 1. Buka software SPSS
2. Isi kolom Name, Type, label, Align, Measure, dan Role pada Variabel View
Gambar 3.2.6. 2 mengisi kolom yang telah ditentukan Gambar 3.2.6. 1 tampilan awal SPSS
24
Gambar 3.2.6. 3 memasukan data
Gambar 3.2.6. 4 pilih Corralate
Gambar 3.2.6. 5 mengatur Bivariate Correlations
3. Lalu substitusi data yang ada dilembar kedalam data view
4. Lalu klik analyze dan pilih correlate lalu pilih bivariate
5. Pindahkan variabel X dan variabel Y ke kolom variabel, Lalu klik OK
25
6. Klik output untuk menampilkan hasil pengolahan data yang telah di program
Gambar 3.2.6. 6 hasil penghitungan SPSS
Keterangan:
Nilai Pearson Correlation 0,00 s/d 0,20= tidak ada korelasi.
Nilai Pearson Correlation 0,21 s/d 0,40= korelasi lemah.
Nilai Pearson Correlation 0,41 s/d 0,60 korelasi sedang.
Nilai Pearson Correlation 0,61 s/d 0,80 = korelasi kuat.
Dapat disimpulkan Perarson Correlatoin = 0,022
Nilai Perarson Correlatoin 0,00 s/d 0,20 maka tidak ada korelasi Keterangan:
Jika nilai Signifikansi <0,05, maka berkorelasi Jika nilai Signifikansi > 0,05, maka tidak berkorelasi
26 Dapat disimpulkan nilai signifikansi = 0,875 Nilai signifikansi >0,05 maka tidak berkorelasi
BAB IV ANALISIS
4.1.Korelasi linier sederhana
4.1.1. Analisis korelasi linier sederhana
Dari hasil pencarian koefisien korelasi mendapatkan koefisian sebesar -0,98.
Maka dapat disimpulkan adanya hubungan antara variable X dan variable Y Sedangkan pada hasil penghitungan uji T dengan taraf uji nyata 5% menghasilkan 𝑇ℎ𝑖𝑡𝑢𝑛𝑔 sebesar -4,92 dan 𝑇𝑡𝑎𝑏𝑒𝑙 sebesar 2,009. Dari keterangan diatas jika 𝑇ℎ𝑖𝑡𝑢𝑛𝑔 > 𝑇𝑡𝑎𝑏𝑒𝑙 𝑚𝑎𝑘𝑎 𝐻0 𝑑𝑖𝑡𝑒𝑟𝑖𝑚𝑎. Maka dapat disimpulkan bahwa terdapat hubungan yang kuat antara variable X dan variable Y. Hipotesa diterima menandakan terdapat hubungan yang lemah antara variable X dan variable Y.
4.1.2. Analisis korelasi linier sederhana menggunakan software SPSS
Pada hasil output didapat signifikasi sebesar 0,875 berarti signifikasi < 0,05 𝐻0 ditolak maka MOTIFASI dan PRODUKTIFITAS mempunyai korelasi
Pada kolom Pearson Correlation didapatkan hasil 0,022 nilai ini jika dilihat pada pedoman derajat hubungan Pearson Correlation menunjukan Nilian Person Correlation 0,00 s/d 0,20. Maka Pearson Correlation pada variabel ini tidak ada korelasi
BAB V
KESIMPULAN DAN SARAN
5.1. Kesimpulan
Korelasi Sederhana merupakan suatu Teknik Statistik yang dipergunakan untuk mengukur kekuatan hubungan 2 Variabel dan juga untuk dapat mengetahui bentuk hubungan antara 2 Variabel tersebut dengan hasil yang sifatnya kuantitatif.
Kekuatan hubungan antara 2 variabel yang dimaksud disini adalah apakah hubungan tersebut ERAT, LEMAH, ataupun TIDAK ERAT sedangkan bentuk hubungannya adalah apakah bentuk korelasinya Linear Positif ataupun Linear Negatif.
5.2. Saran
Dalam Praktikum kali ini banyak sistem yang diubah, maka dari itu diharapkan dalam menjalan proses praktikum diharapkan Asisten Laboratorium diharapkan untuk tidak tergesa-gesa dalam menyampaikan materi agar materi yang disampaikan dapat diterima dangan baik oleh praktikan, kami menyadari dalam proses penulisan masih banyak kesalahan dalam pengaplikasian rumus maupun sistematika penulisan.
BAB VI
DAFTAR PUSTAKA
Febisetiani. 2019. “Korelasi dan Regresi Linier Sederhana”,
https://febisetiani.wordpress.com/2018/11/20/kolerasi-dan-regresi-linier-sederhana/amp/
Diakses pada 2 Desember 2021 pukul 00:39 Anwar Hidayat. 2021. “Analisis Regresi Korelasi”
https://www.statistikian.com/2012/08/analisis-regresi-korelasi.html Diakses pada 2 Desember 2021 pukul 00:45
Adytya billy. 2021. Korelasi adalah nilai kekuatan & arah hubungan”
https://www.merdeka.com/trending/korelasi-adalah-nilai-kekuatan-amp-arah-hubungan-linier-ini-pengertian-lengkapnya-kln.html Diakses pada 2 Desember 2021 pukul 00:57
LAMPIRAN