ANALISIS KORELASI DAN REGRESI LINIER SEDERHANA MENGGUNAKAN SPSS
Tugas ini disusun Guna Memenuhi Tugas Mata Kuliah Statistik 2
dengan Dosen Pengampu : Ari Wibowo. Msi.M.Pd
Disusun oleh :
Intan samsiyati
(143111299)
Irwanto (143111305)
Karimatul Kamilah (143111322)
FAKULTAS ILMU TARBIYAH DAN KEGURUAN
JURUSAN PENDIDIKAN AGAMA ISLAM
INSTITUT AGAMA ISLAM NEGERI
SURAKARTA
2015/2016
ANALISIS KORELASI
A. Devinisi
Korelasi
Korelasi merupakan salah satu statistik inverensi yang akan menguji apakah
dua variable atau lebih mempunyai hubungan atau tidak. Dengan kata lain
korelasi merupakan hubungan antara suatu variable dengan variable lain. dua
variable dapat memiliki korelasi yang tinggi, korelasi yang rendah, korelasi
negative ataupun tidak memiliki korelasi sama sekali.
Dalam analisis ini menggunakan
korelasi Produk Momen Pearson, pengujian ini digunakan untuk menguji dua
variable apakah ada hubungan atau tidak, dengan jenis data keduanya adalah sama
yaitu rasio atau interval dan berdistribusi normal.
Criteria kedua variable terdapat hubungan atau tidak:
1. Melihat dua variable
tersebut berhubungan atau tidak, dengan criteria:
-
Jika
probabilitas < 0,05 maka Ho ditolak, dan terdapat hubungan.
-
Jika
probabilitas > 0,05 maka Ho diterima, dan tidak terdapat hubungan.
2. Melihat nilai
koefisiensi korelasi merupakan nilai yang digunakan untuk mengukur kekuatan
suatu hubungan antar variable. Koefisien korelasi memiliki nilai antara – 1
hingga +1. Sifat nilai koefisien korelasi antara plus (+) atau minis (-). Maka
sifat korelasi:
-
Korelasi
positif (+) berarti bahwa jika variable x1 mengalami kenaikan
variable x2 akan mengalami kenaikan juga, begitu pula sebaliknya.
-
Korelasi
negative (-) berarti bahwa jika variable x1 mengalami penurunan maka variable x2 akan mengalami
penurunan, begitu sebaliknya.
Sifat
korelasi akan menentukan arah dari korelasi. Keeratan korelasi dapat
dikelompokkan sebagai berikut:
1.
0,00
sampai 0,20 berarti korelasi memiliki keeratan sangat lemah
2.
0,21
sampai 0,40 berarti korelasi memiliki keeratan lemah
3.
0,41
sampai 0,70 berarti korelasi memiliki keeratan kuat
4.
0,
71 sampai 0,90 berarti korelasi memiliki keeratan sangat kuat
5.
0,91
sampai 0,99 berarti memiliki keeratan kuat sekali
6.
1
berarti korelasi sempurna.
B. Contoh Analisis Korelasi dengan SPSS
Dibawah ini
ingin diketahui apakah ada korelasi atau tidak antara variable motivasi
belajar dengan variable prestasi belajar. Dalam penelitian yang
berjudul “Hubungan Antara Motivasi Belajar Siswa Dengan Hasil Prestasi
Belajar Siswa di……”. Datanya adalah sebagai berikut:
No
|
Motivasi Belajar
|
Prestasi Belajar
|
1
|
105
|
9,3
|
2
|
110
|
9,5
|
3
|
100
|
9,0
|
4
|
100
|
9,0
|
5
|
95
|
8,9
|
6
|
100
|
9,3
|
7
|
95
|
8,8
|
8
|
110
|
9,6
|
9
|
90
|
8,5
|
10
|
85
|
8,0
|
11
|
90
|
8,4
|
12
|
95
|
8,7
|
13
|
80
|
7,0
|
14
|
85
|
7,8
|
15
|
90
|
8,5
|
Data tersebut akan dianalisis
menggunakan SPSS untuk mengetahui apakah terdapat hubungan antar variable atau
tidak. Berikut adalah langkah-langkahnya:
1.
Langkah pertama buka SPSS dan masuk pada Variabel View, seperti
pada gambar dibawah ini,
2.
Langkah kedua, masuk pada Data View dan masukkan data yang akan
di analisis,
3.
Langkah ketiga adalah masuk pada menu Analyze-Correlate-Bevariate,
seperti gambar berikut.
Dan akan muncul kolom Bevariate Correlation, kemudian
masukkan semua variable kedalam kolom variable, kemudian centang pada
kolom Pearson, Two-Tallet dan Fag Significcant Correlation, seperti
gambar berikut.
4.
Setelah langkah-langkah tersebut selsai, lalu klik OK, dan
hasilnya adalah sebagai berikut.
Tabel di atas
menjelaskan bahwa koefisien korelasi antara motivasi belajar dan prestasi
belajar adalah sebesar 0,948 dan berdasarkan uji t menunjukkan bahwa nilai
tersebut adalah signifikan yang ditandai dengan nilai sig(2-tailed) sebesar
0,000 dengan dilengkapi tanda **.
Kesimpulan:
1.
pengujian
hipotesis
-
tabel
correlations, nilai sig. (2-tailed) => nilai p value < ɑ, atau 0,00 < 0,05
-
interpretasi
: Ho ditolak, dan terdapat hubungan/korelasi antara kedua variable.
2. Kekuatan hubungan
Tabel correlations, pearson correlation motivasi belajar-prestasi
belajar = 0,948.
Interpretasi : keeratan hubungan antara motivasi belajar dengan
prestasi belajar adalah sangat kuat. Apabila motivasi belajar meningkat akan
diikuti peningkatan prestasi belajar pula.
REGRESI LINIER
SEDERHANA
A. Devinisi regresi linier
sederhana
Regresi bertujuan untuk menguji
pengaruh antara variable satu dengan variable lain. variable yang dipengaruhi
disebut variable terikat atau dependen, sedang variable yang mempengaruhi
disebut dengan variable bebas atau independen. Keunggulan regresi adalah
kemampuannya untuk membantu memberikan penjelasan secara statistic pengaruh
variable-variabel bebas dengan variable terikat.
Dalam analisis ini menggunakan uji
regresi linier sederhana, regresi yang memiliki satu variable dependen dan satu
variable independen. Model persamaan regresi linier sederhana dengan rumus
sebagai berikut.
Keterangan:
Y =
subjek dalam variable dependen yang
diprediksi
a =
harga Y ketika harga X = 0 (harga
konstan)
b =
angka arah atau koefisien regresi, yang menunjukkan angka peningkatan ataupun
penurunan variable dependen yang didasarkan pada perubahan variable independen.
Bila (+) arah garis naik, dan bila (-) maka arah garis turun.
X =
subjek pada variable independen yang mempengaruhi nilai tertentu.
B. Contoh
Analisis Regresi Linier Sederhana dengan SPSS
Datanya
adalah sebagai berikut:
No
|
Motivasi Belajar
|
Prestasi Belajar
|
1
|
105
|
9,3
|
2
|
110
|
9,5
|
3
|
100
|
9,0
|
4
|
100
|
9,0
|
5
|
95
|
8,9
|
6
|
100
|
9,3
|
7
|
95
|
8,8
|
8
|
110
|
9,6
|
9
|
90
|
8,5
|
10
|
85
|
8,0
|
11
|
90
|
8,4
|
12
|
95
|
8,7
|
13
|
80
|
7,0
|
14
|
85
|
7,8
|
15
|
90
|
8,5
|
Langkah-langkah analisis regresi dengan spss:
1.
Langkah pertama buka SPSS dan masuk pada Variabel View, seperti
pada gambar dibawah ini,
2.
Langkah kedua, masuk pada Data View dan masukkan data yang akan
di analisis,
3. Dilakukan proses analisa regresi
dengan klik menu analyze-regression-linear, seperti gambar berikut.
4. Kemudian akan muncul dialog box linier regression, Lalu
masukkan variabel (prestasi belajar) ke kolom Dependent dan variabel (motivasi
belajar) ke kolom Independent dan klik Ok.
Hasilnya adalah sebagai berikut.
Berdasarkan output dari SPSS diatas, data dapat diuraikan analisis sebagai
berikut.
a. R Square Model
Menjelaskan bahwa, nilai R
Square Model sebesar 0,898. Artinya bahwa variabel bebas motivasi belajar dapat
menjelaskan variabel terikat prestasi belajar secara linier sebesar 89,8%. atau
ada sebesar 10,2% yang tidak dapat dijelaskan secara linier oleh Motivasi
Belajar. Dengan demikian maka Motivasi Belajar merupakan variabel yang sangat
baik untuk menjelaskan variabel Prestasi Belajar.
b. Uji Anova
Hasil uji Anova tesebut
menunjukkan bahwa nilai F hitung sebesar 114,578 dengan taraf signifikansi
sebesar 0,000. Nilai ini kemudian dibandingkan dengan nilai F tabel yang di
hitung pada derajat bebas pembilang (df pembilang) sebesar 1 dan derajat bebas
penyebut (df penyebut) sebesar 13 pada sebesar 0,05 yang nilainnya adalah 4,67.
Tampak sangat jelas bahwa nilai F hitung = 114,578 lebih besar dari pada F
tabel sebesar 4,67. Sehingga dapat disimpulkan bahwa model yang
dihasilkan adalah baik dan variabel Prestasi Belajar dapat dijelaskan oleh
variabel Motivasi Belajar.
c. Koefisien Regresi
Tabel tersebut menginformasikan model persamaan
regresi yang diperoleh dengan koefisien konstanta dan koefisien variable yang
terdapat pada kolom Unstandaized Coeficients B. Model yang dihasilkan adalah sebagai
berikut:
Y = 1,680 + 0,074. X
d. Estimasi Kurva Regresi Linier Sederhana
Untuk menampilkan gambar estimasi
kurva regresi linier sederhana dari data tersebut dapat menggunakan perintah
Analyze-Regression-Kurve Estimtion. Seperti gambar berikut.
Lalu akan muncul dialog box Curve
Estimation, masukkan variable Motivasi Belajar pada kolom Independent dan
Prestasi Belajar pada kolom dependent dan klik Ok, seperti berikut.
Dan hasilnya aadalah sebaai berikut,
Kesimpulan:
Dari plot di atas menunjukkan bahwa
scatter data dan estimasi garis regresi linear sederhana yang menghubungkan kedua
variabel di atas, tampak bahwa plot garis regresi merupakan estimasi yang baik
dari\ sebaran data yang ada. Dan dapat digunakan sebagai model untuk menduga nilai
prestasi apabila motivasinya di luar data yang ada.
