Makalah Statistik Kel. 8
Makalah Statistik Kel. 8
Makalah Statistik Kel. 8
Disusun oleh:
Sri Fatimah (2116050096)
Tito permana putra (2116050109)
Vhydea Putri Agustin (2116050121)
Darul Ilmi (1916050105)
Dosen pengampu ;
Romy Yunika Putra, S.St., M.Stat
B. Rumusan Masalah
1. apa yang dimaksud dengan analisis korelasi?
2. Apa itu korelasi parsial?
3. Apa itu korelasi ordinal?
4. Apa yang dimaksud dengan analisis regresi?
C. Tujuan Masalah
Agar bisa mengetahui apa yang dimaksud dengan analisis korelasi, korelasi
parsial, korelasi ordinal, dan yang dimaksud dengan analisis regresi
BAB II
PEMBAHASAN
A. Analisis Korelasi
Tujuan dari analisis korelasi adalah untuk mengetahui apakah diantara dua
variabel terdapat hubungan atau tidak, dan jika ada hubungan bagaimanakah arah
hubungan dan seberapa besar hubungan tersebut. Data pada analisis korelasi dapat
berupa data kualitatif maupun kuantitatif, yang masing-masing mempunyai ukuran
korelasi sendiri-sendiri.
No Responden Skor
A (1) 5.
B (2) 7
C (3) 10
D (4) 10
E (5) 12
2. Jika sudah nampak, dari menu utama SPSS, pilih menu Analyze. Kemudian
pilih submenu Correlate, dan pilih bivariate. Maka akan tampak di layar
tampilan seperti gambar berikut:
3. Selanjutnya adalah mengisi menu-menu yang ada sebagai berikut:
a. Variable yang akan dikorelasikan, pilih Citizenship dan
Participation
b. Correlation Coeffitients atau alat hitung koefisien korelasi. Pilih
Pearson.
c. Test of Significance yang akan digunakan, pilih Two-tailed untuk
uji dua sisi.
d. Flag significant correlations pilih untuk diaktifkan, dengan cara
mengkliknya.
e. Kemudian tekan tombol Options, hingga tampak di layar tampilan
seperti ini.
❖ Analisis Output
1. Arti Angka Korelasi (Lihat Pearson Correlation)
Ada dua hal dalam penafsiran korelasi, yaitu tanda ‘+” atau ‘-“ yang
berhubungan dengan arah korelasi, serta kuat tidaknya korelasi. Korelasi antara
Citizenship dengan Participation, didapat angka +0,969 (tanda “+” disertakan
karena tidak ada tanda “-“ pada output, jadi otomatis positif). Hal ini berarti :
• Arah korelasi positif, artinya semakin tinggi tingkat pengetahuan
kewarganegaraan seseorang maka partisipasi politiknya cenderung semakin
besar. Demikian pula sebaliknya.
• Besaran korelasi (0,969) yang > 0,5, berarti tingkat pengetahuan
kewarganegaraan seseorang berkorelasi KUAT dengan partisipasi politiknya.
Keputusan pada contoh kasus yang kita miliki pada keterangan Sig. (2-tailed)
diperoleh angka probailitasnya 0,007 maka kedua variabel tersebut memang SECARA
NYATA berkorelasi. Hal ini bisa dilihat juga dari adanya tanda ** pada angka korelasi.
B. Korelasi Parsial
Kadang-kadang dalam suatu penelitian kita perlu menambahkan lagi satu
variabel yang berfungsi sebagai pengontrol dari dua variabel yang telah berkorelasi
terlebih dahulu. Misalnya seperti pada contoh di atas, bila kita ingin menghitung
korelasi parsial antara tingkat pengetahuan kewarganegaraan seseorang dengan
perilaku demokratisnya dimana partisipasi politik menjadi variabel kontrol. Karena
ketiga variabel bersifat kuantitatif, maka tipe analisis korelasi yang digunakan adalah
Pearson.
3. Pengisian:
a. Variable yang akan dikorelasikan, pilih Citizenship dan Democracy
b. Controlling for (variabel pengontrol), pilih participation
c. Test of Significance yang akan digunakan, pilih Two-tailed untuk uji dua sisi.
d. Display actual signifance level pilih untuk diaktifkan, dengan cara
mengkliknya.
Correlations
Correlations
Citizenship Participation Democracy
Citizenship Pearson 1 .969** .968**
Correlation .007 .007
Sig. (2-tailed) 5 5 5
N
ParticipationPearson .969** 1 .977**
Correlation .007 .004
5
Sig. (2-tailed) 5 5
N
Democracy Pearson .968** .977** 1
Correlation .007 .004
Sig. (2-tailed) 5
5 5
N
**. Correlation is significant at the 0.01 level (2-
tailed).
Partial Corr
Correlations
Control Citizenship Democracy
Variables
Participation Citizenship Correlation 1.000 .397
Significance . .603
(2-tailed) df 0 2
Democracy Correlation .397 1.000
Significance .603 .
(2-tailed) df 2 0
Analisis Output
1. Arti Angka Korelasi (Lihat Correlation)
Pada hasil output ada dua bagian, yang pertama adalah Analsis Korelasi
Pearson (Bivariat) antara 3 variabel, yaitu Citizenship, Participation dan Democracy.
Sedangkan bagian yang kedua analisis korelasi antara Citizenship dengan Democracy
dimana Participation menjadi variabel pengontrolnya.
Bila dibandingkan terlihat bahwa angka korelasi antara Citizenship dengan
Democracy dengan menggunakan variabel pengontrol nilainya menjadi turun, yaitu
dari 0,968 menjadi 0,397. Sedangkan tandanya masih “positif’. Hal ini berarti bahwa
dengan memperhitungkan besarnya tingkat partisipasi politik seseorang, masih ada
korelasi positif antara tingkat pengetahuan kewarganegaraan dengan perilaku
demokratisnya. Sehingga, semakin tinggi tingkat partisipasi politik seseorang, dan
jika perilaku demokrasinya pun meningkat, maka ada kecenderungan partisipasi
politik orang tersebut akan semakin meningkat. Demikian pula sebaliknya.
3. Pengisian: Bila pada analsis data kuantitatif yang dicentang pada Correlation
Coefficients adalah Pearson, maka sekarang yang harus dicentang adalah
Kendall’s tau-b dan Spearman (jangan lupa nonaktifkan yang Pearson-
nya).
4. Untuk variabel, isikan prestasi, IQ dan Loyalitas dengan cara mengkliknya
untuk menyorotnya, lalu klik tanda panah.
5. Untuk yang lainnya sama dengan analisis sebelumnya. Hasilnya adalah sebagai
berikut:
NonParametric Correlation
Correlations
Prestasi IQ Loyalitas
Karyawan Karyawan Konsumen
Kendall's Prestasi Correlation 1.000 -.015 .299**
tau_b Karyawan Coefficient . .893 .005
Sig. (2-tailed) 75 75 75
N
IQ Karyawan Correlation -.015 1.000 .072
Coefficient .893 . .508
Sig. (2-tailed) 75 75 75
N
Loyalitas Correlation .299** .072 1.000
Konsumen Coefficient .005 .508 .
Sig. (2-tailed) 75 75 75
N
Spearman's Prestasi Correlation 1.000 -.016 .330**
rho Karyawan Coefficient . .893 .004
Sig. (2-tailed) 75 75 75
N
IQ Karyawan Correlation -.016 1.000 .077
Coefficient .893 . .509
Sig. (2-tailed) 75 75 75
N
Loyalitas Correlation .330** .077 1.000
Konsumen Coefficient .004 .509 .
Sig. (2-tailed) 75 75 75
N
**. Correlation is significant at the 0.01 level (2-tailed).
Pada dasarnya tahapan penyusunan model analisis regresi adalah sebagai berikut:
1. Menentukan yang mana variabel bebas dan variabel terikatnya
2. Menentukan metode pembuatan model regresi, dalam SPSS ada beberapa pilihan,
yaitu: Enter, Stepwise, Forward dan Backward (perbedaanya akan dibahas pada bagian
lain). Default SPSS adalah metode Enter. Jika kita memilih metode Stepwise, maka uji
signifikansi justru mendahului uji asumsi seperti normalitas dan sebagainya, oleh
karena itu dalam latihan kita akan menggunakan default SPSS yaitu metode Enter.
3. Melihat ada tidaknya data yang outlier (ekstrem)
4. Menguji asumsi-asumsi pada regresi berganda, seperti normalitas, Linieritas,
Heteroskedastisitas dan lain-lainnya.
5. Menguji signifikansi model (uji-t, uji-F dan sebagainya)
6. Intepretasi model Regresi Berganda
Keterangan:
Y = Variabel dependen
X1 dan X2 = Variabel-variabel independen
a, b, c = konstanta-konstanta regresi
Latihan:
Kembali kita buka lagi file sebelumnya yang menggambarkan antara tingkat partisipasi politik
seseorang dengan tingkat pengetahuan kewarganegaraannya dan tingkat perilaku
demokrasinya. Dalam analisis regresi kita ingin meprediksi, bagaimana tingkat partisipasi
politik seseorang bila tingkat pengetahuan kewarganegaraannya dan tingkat perilaku
demokrasinya berubah-ubah nilainya. Untuk itu kita lihat lagi contoh data yang kita punya
sebelumnya.
Tabel Data Analisis Regresi
Langkah-langkah:
1. Buat atau jika sudah ada buka lagi file SPSS yang memuat data ini.
2. Dari menu SPSS, pilih menu utama Analyze, lalu submenu Regression, kemudian pilih
Linear … Maka akan tampak tampilan seperti ini
Model Summary
Adjusted Std. Error
R Square of the
Model R R Square Estimate
a
1 .982 .963 .927 .85442
a. Predictors: (Constant), Democracy, Citizenship
Bagian ini menggambarkan tingkat signifikansi. Dari uji ANOVA atau F-test,
didapat Fhitung 26.396 dengan tingkat signifikansi sebesar 0,037. Karena probabilitas
(tingkat signifikansi) ini lebih kecil daripada 0,05 maka model regresi ini bisa dipakai
untuk memprediksi tingkat partisipasi politik seseorang. Dengan kata lain, tingkat
pengetahuan kewarganegaraan seseorang dan tingkat perilaku demokratisnya secara
bersama-sama berpengaruh terhadap tingkat partisipasi politiknya.
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
B Std. Beta
Model Error t Sig.
1 (Constant) - 2.491 - .453
Citizenship 2.300 .610 .924 .570
Democracy .411 .654 .360 .673 .361
.768 .629 1.175
a. Dependent Variable: Participation
Terlihat bahwa pada kolom Sig. untuk ketiga variabel tersebut, yaitu
konstanta = 0,453, Citizenship = 0,57 dan Democracy = 0,361 mempunyai
angka signifikansi > 0,05, dengan demikian Ho diterima atau dengan kata lain
kedua variabel tersebut tidak cukup signifikan mempengaruhi tingkat partisipasi
politik seseorang.
BAB III
PENUTUP
A. Kesimpulan
Mungkin ada juga yang bertanya dan kebetulan sudah pernah mengenal alat
analisis statistika lainnya, yaitu uji-t dan uji-f (anova). Apa bedanya antara uji-t dan
anova dengan analisis korelasi/regresi ? Perbedaannya adalah, bila uji-t dan anova
menguji ada-tidaknya perbedaan dua sampel atau lebih, maka analisis regresi menguji
ada-tidaknya hubungan dua variabel atau lebih.
B. Saran
Kamu sadar bahwa masih banyak kekurangan yang kami miliki, baik dari
tulisan maupun Bahasa yang kami sajikan, oleh karena mohon di berikan sarannya agar
kami bisa membuat makalah ini bisa bermanfaat bagi kita semua, dan menjadi wawasan
kita dalam memahami paragraf