Sabtu, 11 Agustus 2012

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 :

KOEFISIEN KORELASI

Besar kecilnya hubungan antara dua variabel dinyatakan dalam bilangan yang disebut Koefisien Korelasi
  • Besarnya Koefisien korelasi antara   -1   0  +1
  • Besaran koefisien korelasi  -1 & 1 adalah korelasi yang sempurna
  • Koefisien korelasi 0 atau mendekati 0 dianggap tidak berhubungan antara dua variabel yang diuji

ARAH HUBUNGAN

  • Positif (Koefisien 0 s/d 1)
  • Negatif (Koefisien 0 s/d -1)
  • Nihil (Koefisien 0)


PEARSON CORRELATION

  • Digunakan untuk data interval & rasio
  • Distribusi data normal
  • Terdiri dari dua variabel
  • 1 Variabel X (Independen)
  • 1 Variabel Y (dependen)
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 dengan prestasi mata kuliah statistik

INPUT DATA KE SPSS




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







INTERPRETASI NORMALITAS




TAHAP ANALISIS








INTERPRETASI

Untuk pengambilan keputusan statistik, dapat digunakan 2 cara:
1. Koefisien Korelasi dibandingkan dengan nilai r tabel (korelasi tabel)
  • Apabila Koefisien Korelasi > r tabel, Maka ada korelasi yang signifikan (Ha Diterima)
  • Apabila Koefisien Korelasi < r tabel, 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 korelasi yang signifikan (H0 Diterima)

Arah hubungan:
Dilihat dari tanda koefisien korelasi
  • Tanda (-) berarti apabila variabel X tinggi maka variabel Y rendah
  • Tanda (+) berarti apabila variabel X tinggi maka variabel Y juga tinggi

  • Digunakan untuk jenis data ordinal
  • Cara analisis dan interpretasi sama dengan Pearson.
  • Perbedaan hanya pada waktu memilih box yang diaktifkan adalah box 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

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 penjualan apabila jumlah outlet dikendalikan


CONTOH
Buka data : Korelasi ganda dan partial.sav Data

ANALISIS




KORELASI PARTIAL



OUTPUT PARTIAL





KORELASI GANDA

Korelasi yang digunakan untuk menguji hubungan dua atau lebih variabel independen dengan satu variabel dependen secara bersamaan.


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 dan jumlah outlet dengan penjualan


CONTOH
Buka data : Korelasi ganda dan partial.sav Data


KORELASI GANDA






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 dengan variabel dependen (caranya sama dengan analisis korelasi pearson.

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
  • Data Berdistribusi normal.
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 dari satu variabel independen dengan 1 variabel dependen.

REGRESI SEDERHANA

Buka data : Pearson.sav Data









INTERPRETASI REGRESI SEDERHANA

Output 1


Lihat nilai R = 0,843 ini berarti bahwa korelasi antara variabel X dengan Y adalah 0,843



INTERPRETASI REGRESI SEDERHANA
OTPUT 2



  • Untuk melihat signifikansi persamaan regresi dapat dilihat dari nilai F = 81,329 dan dibandingkan dengan F tabel
  • Apabila nilai F < F tabelmaka persamaan garis regresi tidak dapat digunakan untuk prediksi
  • Apabila nilai F > F tabelmaka persamaan garis regresi dapat digunakan untuk prediksi
  • Selain itu dapat pula dengan melihat nilai Sig. dapat digunakan untuk prediksi apabila nilai Sig. < 0,05

INTERPRETASI REGRESI SEDERHANA
OUTPUT 3


  • Untuk membuat persamaan garis regresi dapat dilihat dari kolom B.
  • Constan = 38,481 dan intensitas belajar= 2,978
  • Berarti persamaan garisnya adalah: Y=38,481 + 2,978 X.

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 independennya (multikolinearitas)
CONTOH
Buka data : Korelasi ganda dan partial.sav










INTERPRETASI REGRESI GANDA
Output 1


Lihat nilai R = 0,976 ini berarti bahwa korelasi antara variabel X1dan X2secara bersamaan dengan Y adalah 0,976.


INTERPRETASI REGRESI GANDA
Output 2



Untuk melihat signifikansi persamaan regresi dapat dilihat dari nilai F = 118,294 dan dibandingkan dengan F tabel
  • Apabila nilai F < F tabelmaka persamaan garis regresi tidak dapat digunakan untuk prediksi
  • Apabila nilai F > F tabelmaka persamaan garis regresi dapat digunakan untuk prediksi
  • Selain itu dapat pula dengan melihat nilai Sig. dapat digunakan untuk prediksi apabila nilai Sig. < 0,05


INTERPRETASI REGRESI GANDA
Output 3



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: Y=64,639 + 2,342 biaya promosi + 0,535 Jumlah Outlet



INTERPRETASI REGRESI GANDA
Output 4



Identifikasi kolinieritas dapat dilakukan dengan melihat:
  • Output 3, Kolom VIF. : terjadi kolinearitas apabila nilai VIF > 5
  • Output 4, Kolom eugenvalue: terjadi kolinearitas apabila nilai eugenvalue mendekati 0
  • Output 4, Kolom condition index: terjadi kolinearitas apabila nilai condition index > 15. Dikatakan parah apabila > 30

2 comments :

Tinggalkan Komentar Anda Di Sini

Analisis SPSS