SPSS
KORELASI
KORELASI
• Merupakan teknik statistik yang
digunakan untuk meguji ada/tidaknya hubungan serta arah hubungan dari dua variabel atau lebih
• Korelasi yang akan dibahas dalam
pelatihan ini adalah :
• Korelasi sederhana pearson & spearman
• Korelasi partial
KOEFISIEN KORELASI
• Besar kecilnya hubungan antara
dua variabel dinyatakan dalam
bilangan yang disebut Koefisien
Korelasi
• Besarnya Koefisien korelasi antara
KOEFISIEN KORELASI
• Besaran koefisien korelasi -1 & 1
adalah korelasi yang sempurna
• Koefisien korelasi 0 atau mendekati
0 dianggap tidak berhubungan
ARAH HUBUNGAN
• Positif (Koefisien 0 s/d 1)
• Negatif (Koefisien 0 s/d -1)
PEARSON CORRELATION
• Digunakan untuk data interval &
rasio
• Distribusi data normal
• Terdiri dari dua variabel
• 1 Variabel X (Independen)
CONTOH
• Judul: Hubungan antara intensitas belajar
dengan prestasi mata kuliah statistik
• Variabel X Intensitas belajar (diukur dari
lamanya belajar dalam satu minggu)
• Variabel Y Prestasi matakuliah statistik
(diukur dari nilai ujian akhir semester)
• Hipotesa:
• H0 : Tidak ada hubungan antara Intenitas
belajar dengan prestasi mata kuliah statistik
• Ha: Ada hubungan antara Intenitas belajar
SPSS
• Ada dua view dalam SPSS
• Data View digunakan untuk
memasukkan data yang akan dianalisis
• Variabel View digunakan untuk
memberi nama variabel dan pemberian koding
UJI NORMALITAS
2. Klik Plots
3. Aktivkan Box Normality plots with test, klik continue kemudian OK
1. Masukkan variabel yang akan diuji
INTERPRETASI NORMALITAS
Lihat Sig. Kolmogorov-Smirnov.
Normal apabila Sig. > 0,05
TAHAP ANALISIS
1. Blok kedua variabel 2. Klik tombol
CARA BACA OUT PUT
Lihat Koefisien pearson korelasi =0,843 dan
INTERPRETASI
• Untuk pengambilan keputusan
statistik, dapat digunakan 2 cara:
1. Koefisien Korelasi dibandingkan
dengan nilai rtabel (korelasi tabel)
• Apabila Koefisien Korelasi > rtabeL Maka ada
korelasi yang signifikan (Ha Diterima)
• Apabila Koefisien Korelasi < rtabeL Maka
tidak ada korelasi yang signifikan (H0
Diterima)
2. Melihat Sig.
• Apabila nilai Sig. < 0,05 Maka ada korelasi
yang signifikan (Ha Diterima)
• Apabila nilai Sig. > 0,05 Maka tidak ada
INTERPRETASI
• Arah hubungan:
• Dilihat dari tanda koefisien korelasi
• Tanda (-) berarti apabila variabel X tinggi
maka variabel Y rendah
• Tanda (+) berarti apabila variabel X tinggi
SPEARMAN
• Digunakan untuk jenis data ordinal
• Cara analisis dan interpretasi sama
dengan Pearson.
• Perbedaan hanya pada waktu
SPEARMAN
KORELASI PARTIAL
• Korelasi yang digunakan untuk
menguji hubungan dua atau lebih variabel independen dengan satu variabel dependen dan dilakukan pengendalian pada salah satu
variabel independennya
X1
Y
X2
CONTOH
• Judul: Hubungan antara biaya promosi
dan penjualan dengan mengendalikan jumlah outlet
• Variabel X1 Biaya Promosi
• Variabel X2 Jumlah outlet (dikendalikan)
• Variabel Y Penjualan
• Hipotesa:
• H0 : Tidak ada hubungan antara biaya promosi
dengan penjualan apabila jumlah outlet dikendalikan
• Ha: Ada hubungan antara biaya promosi dengan
CONTOH
• Buka data : Korelasi ganda dan
partial.sav
KORELASI PARTIAL
1. Variabel
Penjualan & Biaya Promosi
masukkan dalam kotak variabel
2. Variabel Jumlah
OUTPUT PARTIAL
KORELASI GANDA
• Korelasi yang digunakan untuk
menguji hubungan dua atau lebih variabel independen dengan satu variabel dependen secara
bersamaan
X1
Y
CONTOH
• Judul: Hubungan antara biaya
promosi dan jumlah outlet dengan penjualan
• Variabel X1 Biaya Promosi
• Variabel X2 Jumlah outlet
• Variabel Y Penjualan
• Hipotesa:
• H0 : Tidak ada hubungan antara biaya
promosi dan jumlah outlet dengan penjualan
• Ha : Ada hubungan antara biaya promosi
CONTOH
• Buka data : Korelasi ganda dan
partial.sav
KORELASI GANDA
KORELASI GANDA
Untuk Korelasi ganda yang
digunakan hanya output Model
Summary. Lihat koefisien R
INTERPRETASI KORELASI GANDA
• Untuk menginterpretasi korelasi ganda
lihat nilai R, semakin mendekati 1 maka korelasi semakin kuat
• Guna memperkaya analisis, sebelum
dianalisis korelasi ganda dapat juga ditambahkan analisis korelasi pada masing-masing variabel independen
SPSS
REGRESI
REGRESI
• Analisis regresi adalah analisis
lanjutan dari korelasi
• Menguji sejauh mana pengaruh
variabel independen terhadap
variabel dependen setelah diketahui ada hubungan antara variabel
tersebut
• Data harus interval/rasio
REGRESI
• Yang akan dibahas dalam pelatihan
ini adalah:
• Regresi sederhana: yaitu regresi untuk
1 variabel independen dengan 1 variabel dependen
• Regresi ganda: yaitu regresi untuk lebih
REGRESI SEDERHANA
• Buka data : Pearson.sav
REGRESI SEDERHANA
1. Variabel
prestasi statistik masukkan dalam kotak Dependent
2. Variabel intensitas belajar
masukkan dalam kotak
REGRESI SEDERHANA
Korelasi
Signifikans i Model persamaa n regresi
INTERPRETASI REGRESI SEDERHANA
Mode l Summary
.843a .711 .703 6.973 Model
1
R R Square
Adjusted R Square
Std. Error of the Estimate
Predictors: (Constant), Intensitas Belajar a.
• Lihat nilai R = 0,843 ini berarti
bahwa korelasi antara variabel X dengan Y adalah 0,843
INTERPRETASI REGRESI SEDERHANA
• Untuk melihat signifikansi persamaan
regresi dapat dilihat dari nilai F = 81,329
dan dibandingkan dengan F tabel
• Apabila nilai F < F tabel maka persamaan garis
regresi tidak dapat digunakan untuk prediksi
• Apabila nilai F > F tabel maka persamaan garis
regresi dapat digunakan untuk prediksi
• Selain itu dapat pula dengan melihat nilai Sig.
dapat digunakan untuk prediksi apabila nilai
Output 2
ANOVAb
3954.224 1 3954.224 81.329 .000a 1604.461 33 48.620
5558.686 34 Regression
Squares df Mean Square F Sig.
Predictors: (Constant), Intensitas Belajar a.
INTERPRETASI REGRESI SEDERHANA
• Untuk membuat persamaan garis
regresi dapat dilihat dari kolom B.
• Constan = 38,481
• dan intensitas belajar= 2,978
• Berarti persamaan garisnya adalah:
Output 3
Coefficie ntsa
38.481 3.506 10.977 .000
2.978 .330 .843 9.018 .000
(Constant) Intensitas Belajar Model
1
B Std. Error
Unstandardized
REGRESI GANDA
• Digunakan untuk analisis regresi
dengan jumlah variabel independen lebih dari satu dengan satu variabel dependen
• Ada tambahan asumsi yang harus
dipenuhi, yaitu tidak boleh ada korelasi antar variabel-variabel
CONTOH
• Buka data : Korelasi ganda dan
partial.sav
REGRESI GANDA
1. Masukkan Variabel penjualan di kotak
Dependent
2. Masukkan Variabel biaya promosi dan jumlah outlet di kotak
Independent
3. Klik Statistics
4. Aktifkan Colinearity Diagnostic & klik
Continue
REGRESI GANDA
Persamaan garis
regresi
Singnifikansi masing-masing variabel independen
INTERPRETASI REGRESI GANDA
• Lihat nilai R = 0,976 ini berarti
bahwa korelasi antara variabel X1
dan X2 secara bersamaan dengan Y
adalah 0,976
Output 1
Mode l Summary
.976a .952 .944 9.757 Model
1
R R Square
Adjusted R Square
Std. Error of the Estimate
INTERPRETASI REGRESI GANDA
• Untuk melihat signifikansi persamaan
regresi dapat dilihat dari nilai F = 118,294
dan dibandingkan dengan F tabel
• Apabila nilai F < F tabel maka persamaan garis
regresi tidak dapat digunakan untuk prediksi
• Apabila nilai F > F tabel maka persamaan garis
regresi dapat digunakan untuk prediksi
• Selain itu dapat pula dengan melihat nilai Sig.
dapat digunakan untuk prediksi apabila nilai Sig. < 0,05
Output 2 ANOVAb
22521.299 2 11260.649 118.294 .000a
1142.301 12 95.192
23663.600 14
Regression
Squares df Mean Square F Sig.
Predictors: (Constant), jumlah outlet, biaya promosi a.
INTERPRETASI REGRESI GANDA
• Untuk membuat persamaan garis
regresi dapat dilihat dari kolom B.
• Constan = 64,639
• Biaya promosi= 2,342
• Jumlah Outlet= 0,535
• Berarti persamaan garisnya adalah:
Output 3
Coefficie ntsa
64.639 13.112 4.930 .000
2.342 .398 .551 5.892 .000 .459 2.177 .535 .101 .496 5.297 .000 .459 2.177 (Constant)
biaya promosi jumlah outlet Model
1
B Std. Error Unstandardized
Coefficients
Beta Standardized
Coefficients
t Sig. Tolerance VIF Collinearity Statistics
INTERPRETASI REGRESI GANDA
• Identifikasi kolinieritas dapat
dilakukan dengan melihat:
1. Output 3, Kolom VIF. terjadi kolinearitas
apabila nilai VIF > 5
2. Output 4, Kolom eugenvalue terjadi
kolinearitas apabila nilai eugenvalue mendekati 0
3. Output 4, Kolom condition index terjadi
kolinearitas apabila nilai condition index > 15. Dikatakan parah apabila > 30
Output 4
Collinearity Diagnosticsa
2.954 1.000 .00 .00 .00
.035 9.237 .58 .41 .00
.011 16.210 .42 .59 1.00
Dimension
Index (Constant) biaya promosi jumlah outlet Variance Proportions