cara perhitungan korelasi menggunakan spss.ppt

Korelasi merupakan salah satu bentuk dan ukuran yang memiliki beberapa variabel dalam hubungan yang menggunakan kata dari korelasi positif, sehingga terjadi perubahan meningkat pada sebuah benda. Menurut Kamus Besar Bahasa Indonesia (KBBI) adalah hubungan timbal balik atau sebab akibat. SPSS merupakan salah satu software yang digunakan untuk melakukan sebuah analisis statistik baik secara tepat dan cepat, dimana hasil analisis tersebut menghasilkan berbagai macam jenis output yang dikehendaki atau sesuai dengan tujuan dari penelitian itu sendiri. Tujuan analisis korelasi untuk mempelajari hubungan keeratan antar 2 variabel kuantitatif berdasarkan angkanya, bukan tandanya. Ingat ! kalau keeratan lihat besarnya, bukan tandanya.
Analisis korelasi tidak menunjukkan hubungan fungsional atau dengan kata lain, analisis korelasi tidak membedakan antara variabel dependen dengan variabel independen.
Korelasi menyatakan derajat hubungan antara dua variabel tanpa memperhatikan variabel mana yang menjadi peubah. Karena itu hubugan korelasi belum dapat dikatakan sebagai hubungan sebab akibat.
Simbol Korelasi “r”
Hubungan antar variabel dapat berbentuk searah (+) atau terbalik (-)
Nilai koefisien korelasi berkisar antara -1 sampai +1 atau besarnya -1  r  1
Koefisien korelasi bernilai + (searah), dalam model regresi bermakna semakin tinggi nilai X maka semakin tinggi nilai Y
Dalam menghitung koefisien korelasi banyak rumus yang digunakan, tergantung pada skala data yang dianalisis. Beda skala data yang diukur, maka beda rumus korelasi yang digunakan. Korelasi Bivariat
yaitu korelaksi yang terjadi antara 2 variabel sehingga variabel lain diabaikan
jenis-jenis korelasi adalah
Korelasi Parsial yaitu korelasi yang mencerminkan data nyata tetapi variabel lain digunakan sebagai kontrol kendali. Fungsi korelasi adalah Menentukan korelasi antar variabel berdasarkan peringkat
Jika ada hubungan, seberapa kuat hubungan antar variabel tesebut
Menggunakan jenis data ordinal dan nominal
Contoh :
Seorang guru melakukan penelitian untuk mengetahui hubungan kedisiplinan dengan prestasi siswa. Ia mengumpulkan data dengan menggunakan sampel sebanyak 20 siswa. Berikut data yang diperoleh

1. Korelasi & Regresi

2. Tujuan analisis korelasi untuk mempelajari hubungan keeratan antar 2 variabel kuantitatif berdasarkan angkanya , bukan tandanya . Ingat ! kalau keeratan lihat besarnya , bukan tandanya . Analisis korelasi tidak menunjukkan hubungan fungsional atau dengan kata lain, analisis korelasi tidak membedakan antara variabel dependen dengan variabel independen . Korelasi menyatakan derajat hubungan antara dua variabel tanpa memperhatikan variabel mana yang menjadi peubah . Karena itu hubugan korelasi belum dapat dikatakan sebagai hubungan sebab akibat . PENGANTAR

3. Simbol Korelasi “r” Hubungan antar variabel dapat berbentuk searah (+) atau terbalik (-) Nilai koefisien korelasi berkisar antara -1 sampai +1 atau besarnya -1  r  1 Koefisien korelasi bernilai + ( searah ), dalam model regresi bermakna semakin tinggi nilai X maka semakin tinggi nilai Y Dalam menghitung koefisien korelasi banyak rumus yang digunakan , tergantung pada skala data yang dianalisis . Beda skala data yang diukur , maka beda rumus korelasi yang digunakan

4. JENIS-JENIS KORELASI Korelasi Bivariat yaitu korelaksi yang terjadi antara 2 variabel sehingga variabel lain diabaikan Korelasi Parsial yaitu korelasi yang mencerminkan data nyata tetapi variabel lain digunakan sebagai kontrol kendali

5. Nilai kooefisiean korelasi berkisar antara sampai 1 atau sampai -1. Jika nilai semakin mendekati 1 atau -1 maka hubungan semakin erat , sebaliknya jika mendekati maka hubungan semakin lemah . Macam koefisien korelasi yang digunakan : Korelasi Pearson Product Moment Korelasi Kendalls Korelasi Spearman KORELASI BIVARIATE

6. Teknik Pengukuran Hubungan untuk Setiap Skala Pengukuruan Pengukuran Koefisien penggunaan Interval dan rasio Pearson product moment Untuk data yg berhub. Scr linear & kontinu Ordinal, nominal Kendall’s Tau-b Spearman’s rho Berdasarkan P-Q; penyesuaian thd dimensi tabel . Berdasarkan P-Q; perluasan asimetris dari Gamma Korelasi product moment utk data yg diranking

7. PRODUCT MOMENT PEARSON Korelasi Pearson berguna untuk mengukur keeratan hubungan antara dua variabel yang mempunyai distribusi data normal. Contoh : Seorang manajer perusahaan melakukan penelitian tentang hubungan harga , kuantitas dengan pendapatan . Sampel menggunakan 10 tahun yaitu dari tahun 1999 sampai 2008. Data-data yang didapat telah diinput sebagai berikut :

8. NO Pendapatan Harga Kuantitas 1 2 3 4 5 6 7 8 9 10 5125000 4850000 6700000 6970000 7600000 8455000 7965000 9300000 9855000 10750000 125000 135000 155000 158000 163500 170000 182000 195000 210000 225000 48 38 42 57 61 66 70 74 76 80 Apakah terdapat hubungan signifikan atau tidak antara variabel-variabel tersebut ?

9. Langkah-Langkah analisis dengan SPSS : Masukkan semua data halaman Data View . Klik Analyze → Correlate → Bivariate Perhatikan kotak dialog yang tampil

10. Masukkan variabel pendapatan , harga dan kuantitas ke kotak Variables . Centang kotak Pearson dan kotak Flag Sig Klik OK

11. Pengujian Koefisien Harga : Menentukan hipotesisnya H : Tidak ada hubungan antara harga dengan pendapatan H 1 : ada hubungan antara harga dengan pendapatan Kriteria pengujian Jika Sig > 0,05, maka H diterima Jika Sig < 0,05, maka H ditolak Kesimpulan karena sig < 0,05 yaitu 0,000< 0,05 maka H ditolak . Jadi dapat disimpulkan bahwa ada hubungan antara harga dengan pendapatan

12. Pengujian Koefisien Kuantitas : Menentukan hipotesisnya H : Tidak ada hubungan antara kuantitas dengan pendapatan H 1 : ada hubungan antara kuantitas dengan pendapatan Kriteria pengujian Jika Sig > 0,05, maka H diterima Jika Sig < 0,05, maka H ditolak Kesimpulan karena sig < 0,05 yaitu 0,00 < 0,05 maka H ditolak . Jadi dapat disimpulkan bahwa ada hubungan antara kuantitas dengan pendapatan

13. Latihan Anda melakukan pengamatan terhadap hubungan antara besar tunjangan yang diterima karyawan dengan masa kerja pada suatu perusahaan . No Tunjangan Waktu No Tunjangan Waktu 1 2 3 4 5 6 7 8 9 10 300000 350000 350000 400000 400000 425000 450000 475000 450000 500000 1 1 1,5 2 2,5 3 3 4 4,5 5 11 12 13 14 15 16 17 18 19 20 450000 500000 500000 550000 525000 550000 600000 650000 600000 650000 5 5,5 6 6 6,5 7 7 7,5 8 8

14. KENDALL'S DAN SPEARMAN Menentukan korelasi antar variabel berdasarkan peringkat Jika ada hubungan , seberapa kuat hubungan antar variabel tesebut Menggunakan jenis data ordinal dan nominal Contoh : Seorang guru melakukan penelitian untuk mengetahui hubungan kedisiplinan dengan prestasi siswa . Ia mengumpulkan data dengan menggunakan sampel sebanyak 20 siswa . Berikut data yang diperoleh : Fungsi

15. No Prestasi Kedisiplinan No Prestasi Kedisiplinan 1 2 3 4 5 6 7 8 9 10 7 6 5 9 8 6 8 6 7 8 8 6 6 7 8 5 7 6 6 8 11 12 13 14 15 16 17 18 19 20 7 6 7 8 8 9 5 8 7 6 9 5 7 6 8 8 6 9 7 7

16. Langkah-Langkah analisis dengan SPSS : Masukkan semua data halaman Data View . Klik Analyze → Correlate → Bivariate Perhatikan kotak dialog yang tampil

17. Masukkan variabel pendapatan , harga dan kuantitas ke kotak Variables . Centang kotak Kendall’s dan Spearman dan kotak Flag Sig Klik OK

18. Pengujian Dengan Kendall’s : Menentukan hipotesisnya H : Tidak ada hubungan antara kedisiplinan dengan prestasi H 1 : ada hubungan antara kedisiplinan dengan prestasi Kriteria pengujian Jika Sig > 0,05, maka H diterima Jika Sig < 0,05, maka H ditolak Kesimpulan karena sig < 0,05yaitu 0,008 < 0,05 maka H ditolak . Jadi dapat disimpulkan bahwa ada hubungan antara kedisiplinan dengan prestasi

19. Pengujian Dengan Spearman : Menentukan hipotesisnya H : Tidak ada hubungan antara kedisiplinan dengan prestasi H 1 : ada hubungan antara kedisiplinan dengan prestasi Kriteria pengujian Jika Sig > 0,05, maka H diterima Jika Sig < 0,05, maka H ditolak Kesimpulan karena sig < 0,05yaitu 0,003 < 0,05 maka H ditolak . Jadi dapat disimpulkan bahwa ada hubungan antara kedisiplinan dengan prestasi

20. Latihan Seorang peneliti mengamati terhadap hubungan antara besar prestasi , IQ dan motivasi pada 10 anak .

21. Contoh data kuesioner

22. Penelitian yang dilakukan bertujuan menganalisis hubungan stres kerja dengan kepuasan kerja . Hubungan yang diharapkan dalam pengujian ini adalah hubungan negatif yang berarti semakin tinggi stres kerja maka semakin rendah kepuasan kerja atau sebaliknya . Dari data tabulasi 15 responden di atas , peneliti ingin mengetahui hubungan stres kerja dengan kepuasan kerja .

23. No Gender Stres Kerja Kepuasan Kerja 1 2 3 4 5 Total 1 2 3 4 5 Total 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Wanita Pria Pria Pria Wanita Pria Wanita Wanita Wanita Pria Pria Wanita Pria Pria Pria 4 4 3 4 4 4 2 3 43 3 3 4 4 3 3 4 4 3 3 4 44 3 3 4 3 3 4 3 2 4 3 4 2 4 4 2 3 4 4 3 4 4 4 4 2 4 4 3 4 3 4 3 3 2 3 3 4 4 3 4 4 3 4 4 2 1 2 2 3 3 4 4 3 5 5 3 5 5 2 3 4 5 3 4 4 5 2 3 3 5 5 3 3 2 5 5 3 3 4 4 3 3 3 4 5 3 5 3 2 5 4 3 5 5 4 5 2 5 4 4 5 3 5 3 3 5 5 5 4 3 5 2 3 4 5 5 3 5 2 3 4 4 3 4 4 5 2 3

24. Klik Analyze → Correlate → Bivariate Perhatikan kotak dialog yang tampil Langkah-langkah korelasi bivariate

25. Langkah-langkah korelasi bivariate Masukkan variabel stres kerja dan kepuasan kerja ke dalam kotak Variables Pada kolom Correlation Coeffisients pilih Pearson dan pada Test of Significance pilih two-tailed karena belum ditentukan arah hubungan dari variabel stress kerja dan kepuasan kerja .

26. Klik Option , pilih Means and Standard Deviations

27. Klik Continue → OK

28. Hasil Out Put

29. Menentukan hipotesisnya H : Tidak ada hubungan antara stres kerja dengan kepuasan kerja H 1 : ada hubungan antara stres kerja dengan kepuasan kerja Kriteria pengujian Jika Sig > 0,05, maka H diterima Jika Sig < 0,05, maka H ditolak Kesimpulan karena sig < 0,05 yaitu 0,039< 0,05 maka H ditolak . Jadi dapat disimpulkan bahwa ada hubungan antara stres kerja dengan kepuasan kerja Uji Hipotesis

30. Analisis Terdapat hubungan stres kerja dengan kepuasan kerja . Besarnya nilai hubungan tersebut sebesar -0,536. sifat korelasi negatif menunjukkan semakin tinggi stres kerja maka semakin rendah kepuasan kerja , sebaliknya semakin rendah stres kerja maka semakin tinggi kepuasan kerja .

31. KORELASI Partial PENGERTIAN Korelasi parsial adalah hubungan antara dua variabel yang dalam hal ini variabel lain yang dianggap memengaruhi ( sebagai variabel kontrol ) akan dikeluarkan . Nilai koefisien Nilai koefisien korelasi berkisar antara sampai 1 atau sampai -1. Jika nilai semakin mendekati 1 atau -1, maka hubungan semakin erat ; jika mendekati 0, maka hubungan semakin lemah .

32. Contoh : Data dari analisis korelasi Pearson NO Pendapatan Harga Kuantitas 1 2 3 4 5 6 7 8 9 10 5125000 4850000 6700000 6970000 7600000 8455000 7965000 9300000 9855000 10750000 125000 135000 155000 158000 163500 170000 182000 195000 210000 225000 48 38 42 57 61 66 70 74 76 80

33. Langkah-langkah korelasi partial Klik Analyze → Correlate →Partial Perhatikan kotak dialog yang tampil

34. Masukkan variabel pendapatan dan harga ke kotak Variables , sedangkan kuantitas ke kotak Controlling for . Klik Ok . Akan diperoleh hasil out put sebagai berikut Langkah-langkah korelasi partial

35. Hasil out put Analisis Koefisien korelasi antara “ Harga ” dan “ pendapatan ” dengan “ Kuantitas ” sebagai variabel kontrolnya adalah 0,857. karena koefisien mendekati 1, maka dapat disimpulkan terjadi hubungan yang erat antara “ Harga ” dengan “ Pendapatan ”.

36. Menentukan hipotesisnya H : Tidak ada hubungan yang erat antara harga dengan pendapatan H 1 : ada hubungan yang erat antara harga dengan pendapatan Kriteria pengujian Jika Sig > 0,05, maka H diterima Jika Sig < 0,05, maka H ditolak Kesimpulan karena sig < 0,05 yaitu 0,003 < 0,05 maka H ditolak . Jadi dapat disimpulkan bahwa ada hubungan yang erat antara harga dengan pendapatan

37. Latihan Gaji Tunjangan Waktu Gaji Tunjangan Waktu 140000 142500 150000 150000 160000 160000 165000 165000 160000 172500 300000 350000 350000 400000 400000 425000 450000 475000 450000 500000 1 1 1,5 2 2,5 3 3 4 4,5 5 160000 175000 175000 177500 177500 177500 180000 190000 182500 190000 450000 500000 500000 550000 525000 550000 600000 650000 600000 650000 5 5,5 6 6 6,5 7 7 7,5 8 8 Variabel kontrol : Masa kerja

38. Regresi Linear

39. Definisi Regresi Linear adalah hubungan secara linear antara variabel dependen dengan variabel independen yang digunakan untuk memprediksi atau meramalkan suatu nilai variabel dependen berdasarkan variabel independen Analisis regresi linear dibedakan menjadi 2, yaitu : Analisis regresi linear sederhana Analisis regresi linear berganda

40. Analisis regresi linear sederhana Digunakan untuk tujuan peramalan Terdapat sebuah variabel dependen ( tergantung ) dan variabel independen ( bebas ) Analisis ini untuk mengetahui arah hubungan antara variabel independen dengan variabel dependen, apakah positif atau negatif dan untuk memprediksi nilai dari variabel dependen apabila nilai variabel independen mengalami kenaikan atau penurunan. Data yang digunakan biasanya berskala interval atau rasio Formula persamaan linear : Y = a + bX

41. Contoh Pengaruh tingkat promosi terhadap tingkat penjualan perlengkapan bayi Promosi ( X) 15 10 30 20 26 30 15 20 Penjualan (Y) 60 55 80 65 80 90 70 75

42. Langkah-langkah Masukkan data Promosi (X) dan Penjualan (Y) pada Data View Pada kolom name ketik X pada baris pertama dan Y pada baris kedua . Kotak label diisi promosi dan penjualan . Semua data measure adalah scale

43. Klik ANALYZE - REGRESI, pilih LINEAR

44. Masukkan variabel penjualan pada kotak dependen dan variabel promosi pada kotak independent(s) Klik Statistics kemudian akan muncul kotak dialog baru

45. Pada Residuals beri centang pada Casewise diagnostics Klik All cases Klik continue selanjutnya anda akan kembali kekotak sebelumnya Klik OK

46. Uji Hipotesis dengan Tabel ANOVA Menentukan Uji Hipotesis H : Model Linear antara variabel promosi dengan variabel tingkat penjualan perlengkapan bayi tidak signifikan H 1 : Model Linear antara variabel promosi dengan variabel tingkat penjualan perlengkapan bayi signifikan Menentukan F hitung Dari hasil out put F hitung : 30,059 Menentukan F tabel F tabel : F (1;6;0,05) : 5,987

47. Kriteria Pengujian Jika F hitung < F tabel maka H diterima Jika F hitung > F tabel maka H ditolak Kesimpulan karena F hitung > F tabel yaitu 30,059 > 5,987 maka H ditolak . Jadi dapat disimpulkan bahwa model Linear antara variabel promosi dengan variabel tingkat penjualan perlengkapan bayi signifikan

48. Uji Hipotesis dengan signifikansi Menentukan Uji Hipotesis H : Tidak ada hubungan antara tingkat promosi dengan tingkat penjualan perlengkapan bayi H 1 : ada hubungan antara tingkat promosi dengan tingkat penjualan perlengkapan bayi Kriteria Pengujian Jika Sig > 0,05, maka H diterima Jika Sig < 0,05, maka H ditolak Kesimpulan karena sig < 0,05 yaitu 0,002< 0,05 maka H ditolak . Jadi dapat disimpulkan bahwa ada hubungan antara tingkat promosi dengan tingkat penjualan perlengkapan bayi

49. Latihan Buka kembali data gaji Gaji Tunjangan Waktu Gaji Tunjangan Masa kerja 140000 142500 150000 150000 160000 160000 165000 165000 160000 172500 300000 350000 350000 400000 400000 425000 450000 475000 450000 500000 1 1 1,5 2 2,5 3 3 4 4,5 5 160000 175000 175000 177500 177500 177500 180000 190000 182500 190000 450000 500000 500000 550000 525000 550000 600000 650000 600000 650000 5 5,5 6 6 6,5 7 7 7,5 8 8 Uji apakah terdapat hubungan antara gaji dengan masa kerja ?

50. Analisis regresi linear Berganda Dalam regresi berganda terdapat lebih dari 1 variabel independen antara 2 s/d 7 variabel . Apabila lebih dari 7, maka hasil ramalan tidak efektif Regresi berganda adalah metode yang paling sering digunakan dalam peramalan Lebih efektif daripada regresi sederhana Formula persamaan linear : Y = a + b 1 X 1 + b 2 X 2 + b 3 X 3

51. Tujuan Analisis Regresi Linear Berganda Analisis ini untuk mengetahui arah hubungan antara variabel independen dengan variabel dependen apakah masing-masing variabel independen berhubungan positif atau negatif dan untuk memprediksi nilai dari variabel dependen apabila nilai variabel dependen mengalami kenaikan atau penurunan. Data yang digunakan biasanya berskala interval atau rasio.

52. Contoh Gaji / hari ( Rp ) Jenis Pekerjaan Jam kerja 5000 6000 7000 5000 4000 5000 6000 6000 5000 4000 Petani Buruh Pegawai Petani Pesuruh Petani Buruh Buruh Petani Pesuruh 8 9 10 8 8 8 9 9 8 8

53. Masukkan data pada Data View Pada kolom name ketik gaji pada baris pertama , jenis pekerjaan pada baris kedua dan jam kerja pada baris ketiga . measure adalah scale Langkah-langkah

54. Langkah-langkah Klik Analyze → Regression → Linear. Muncul kotak dialog Linear Regression

55. Langkah-langkah

56. Klik variabel gaji , jenis pekerjaan dan masukkan ke kotak independent(s) : ( dgn mengklik panah ) Klik variabel jam kerja dan masukkan ke kotak dependent ( dgn mengklik panah )

57. 1. Menentukan hipotesisnya H : Tidak ada hubungan antara gaji dan jenis pekerjaan dengan jam kerja. H 1 : ada hubungan antara gaji dan jenis pekerjaan dengan jam kerja. 2. Kriteria pengujian Jika Sig > 0,05, maka H diterima Jika Sig < 0,05, maka H ditolak 3. Kesimpulan karena sig < 0,05 yaitu 0,000< 0,05 maka H ditolak. Jadi dapat disimpulkan bahwa ada hubungan antara tingkat promosi dengan tingkat penjualan perlengkapan bayi.