Senin, 08 Juni 2015

ANALISIS KORELASI SEDERHANA DENGAN SPSS

Analisis korelasi sederhana (Bivariate Correlation) digunakan untuk mengetahui keeratan hubungan antara dua variabel dan untuk mengetahui arah hubungan yang terjadi. Koefisien korelasi sederhana menunjukkan seberapa besar hubungan yang terjadi antara dua variabel. Dalam SPSS ada tiga metode korelasi sederhana (bivariate correlation) diantaranya Pearson Correlation, Kendall’s tau-b, dan Spearman CorrelationPearson Correlation digunakan untuk data berskala interval atau rasio, sedangkan Kendall’s tau-b, dan Spearman Correlation lebih cocok untuk data berskala ordinal.
Pada bab ini akan dibahas analisis korelasi sederhana dengan metode Pearson atau sering disebut Product Moment Pearson. Nilai korelasi (r) berkisar antara 1 sampai -1, nilai semakin mendekati 1 atau -1 berarti hubungan antara dua variabel semakin kuat, sebaliknya nilai mendekati 0 berarti hubungan antara dua variabel semakin lemah. Nilai positif menunjukkan hubungan searah (X naik maka Y naik) dan nilai negatif menunjukkan hubungan terbalik (X naik maka Y turun).
Menurut Sugiyono (2007) pedoman untuk memberikan interpretasi koefisien korelasi sebagai berikut:
0,00    -   0,199    = sangat rendah
0,20    -   0,399    = rendah
0,40    -   0,599    = sedang
0,60    -   0,799    = kuat
0,80    -   1,000    = sangat kuat
Contoh kasus:
Seorang mahasiswa bernama Andi melakukan penelitian dengan menggunakan alat ukur skala. Andi ingin mengetahui apakah ada hubungan antara kecerdasan dengan prestasi belajar pada siswa SMU Negeri 1 Yogyakarta, dengan ini Andi membuat 2 variabel yaitu kecerdasan dan prestasi belajar. Tiap-tiap variabel dibuat beberapa butir pertanyaan dengan menggunakan skala Likert, yaitu angka 1 = Sangat tidak setuju, 2 = Tidak setuju, 3 = Setuju dan 4 = Sangat Setuju. Setelah membagikan skala kepada 12 responden didapatlah skor total item-item yaitu sebagai berikut:

                 Tabel. Tabulasi Data (Data Fiktif)
Subjek
Kecerdasan
Prestasi Belajar
1
33
58
2
32
52
3
21
48
4
34
49
5
34
52
6
35
57
7
32
55
8
21
50
9
21
48
10
35
54
11
36
56
12
21
47
                                          
Langkah-langkah pada program SPSS
Ø  Masuk program SPSS
Ø  Klik variable view pada SPSS data editor
Ø  Pada kolom Name ketik x, kolom Name pada baris kedua ketik y.
Ø  Pada kolom Decimals ganti menjadi 0 untuk variabel x dan y
Ø  Pada kolom Label, untuk kolom pada baris pertama ketik Kecerdasan, untuk kolom pada baris kedua ketik Prestasi Belajar.
Ø  Untuk kolom-kolom lainnya boleh dihiraukan (isian default)
Ø  Buka data view pada SPSS data editor, maka didapat kolom variabel x dan y.
Ø  Ketikkan data sesuai dengan variabelnya
Ø  Klik Analyze - Correlate - Bivariate
Ø  Klik variabel Kecerdasan dan masukkan ke kotak Variables, kemudian klik variabel Prestasi Belajar dan masukkan ke kotak yang sama (Variables).
Ø  Klik OK, maka hasil output yang didapat adalah sebagai berikut:

                  Tabel. Hasil Analisis Korelasi Bivariate Pearson


Dari hasil analisis korelasi sederhana (r) didapat korelasi antara kecerdasan dengan prestasi belajar (r) adalah 0,766. Hal ini menunjukkan bahwa terjadi hubungan yang kuat antara kecerdasan dengan prestasi belajar. Sedangkan arah hubungan adalah positif karena nilai r positif, berarti semakin tinggi kecerdasan maka semakin meningkatkan prestasi belajar.

    Uji Signifikansi Koefisien Korelasi Sederhana (Uji t)
Uji signifikansi koefisien korelasi digunakan untuk menguji apakah hubungan yang terjadi itu berlaku untuk populasi (dapat digeneralisasi). Misalnya dari kasus di atas populasinya adalah siswa SMU Negeri 1 Yogyakarta dan sampel yang diambil dari kasus di atas adalah 12 siswa SMU Negeri 1 Yogyakarta, jadi apakah hubungan yang terjadi atau kesimpulan yang diambil dapat berlaku untuk populasi yaitu seluruh siswa SMU Negeri 1 Yogyakarta.

Langkah-langkah pengujian sebagai berikut:
1.   Menentukan Hipotesis
Ho : Tidak ada hubungan secara signifikan antara kecerdasan dengan prestasi belajar
Ha : Ada hubungan secara signifikan antara kecerdasan dengan prestasi belajar
2.   Menentukan tingkat signifikansi
            Pengujian menggunakan uji dua sisi dengan tingkat signifikansi a = 5%. (uji dilakukan 2 sisi karena untuk mengetahui ada atau tidaknya hubungan yang signifikan, jika 1 sisi digunakan untuk mengetahui hubungan lebih kecil atau lebih besar).
Tingkat signifikansi dalam hal ini berarti kita mengambil risiko salah dalam mengambil keputusan untuk menolak hipotesa yang benar sebanyak-banyaknya 5% (signifikansi 5% atau 0,05 adalah ukuran standar yang sering digunakan dalam penelitian)
3.   Kriteria Pengujian
Ho diterima jika Signifikansi > 0,05
            Ho ditolak jika Signifikansi < 0,05
4.   Membandingkan signifikansi
Nilai signifikansi 0,004 < 0,05, maka Ho ditolak.

 5.  Kesimpulan
Oleh karena nilai Signifikansi (0,004 < 0,05) maka Ho ditolak, artinya bahwa ada hubungan secara signifikan antara kecerdasan dengan prestasi belajar. Karena koefisien korelasi nilainya positif, maka berarti kecerdasan berhubungan positif dan signifikan terhadap pretasi belajar. Jadi dalam kasus ini dapat disimpulkan bahwa kecerdasan berhubungan positif terhadap prestasi belajar pada siswa SMU Negeri 1 Yogyakarta.

ANALISIS REGRESI LINEAR BERGANDA DENGAN SPSS

Analisis regresi pada dasarnya adalah suatu metode statistik yang digunakan untuk mengetahui ketergantungan variabel dependen (terikat) dengan satu atau lebih variabel independen (variabel penjelas/variabel bebas), dengan tujuan untuk mengestimasi atau memprediksi rata-rata nialai variabel dependen berdasarkan nilai variabel independen (Gujarat, 2003).
model umum dari regresi sebagi berikut : y = β0 + βixi + ε
keteranagan :
  = vaiabel dependen
xi  = vriabel independen
ε   = komponen random error
β0 = yang merupakan y  intercept
βi  = parameter yang merupakan slop dari garis

koefisien determinasi
koefisien determinasi menjelaskan tetang seberapa jauh kemampuan model mampu menjelaskan variasi variabel dependen. niali koefisien determinasi yaitu mulai dari 0 sampai 1. bila nialai R square mendekati 0 menunjukan bahwa kemampuan model untuk menjelaskan variasi variabel dependen terbatas, dan apabila nilai R square mendekati nilai 1 enujukan bahwa variebel indpenden menjelaskan semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. berikut ini, akan dicari model dan variabel apa sajakah yang mempengaruhi penanaman modal asing. datanya seperti berikut:

langkak - langkah analisis :
  1. buka program SPSS.
  2. kemudian pada pojok kiri bawah lembar kerja SPSS, pilih data view lalu tuliskan nama variabel, pada kasus ini nama varaiabenya : PMA, G, CPI, EX, dan ER. 
  3. pilih data view pada pojok kiri bawah SPSS, lalu masukan data sesuai dengan variabel. 
  4. dari menu utama SPSS, pilih menu analyze kemudian submenu Regresion, lalu pilih linear.
  5. sehingga akan tampak di layar windows Lineaar Regresiaon.
  6. pada kotak dependent isikan variabel PMA.
  7. pada kotak independent isikan variabel G,CPI, EX, dan ER.
  8. pada pada kotak method pilih Enter.
  9. kamudian kilk OK, sehingga hasil output SPSS akan muncul. 
Koefisien Determinasi 


  dari tampilan output summary besarnya adjusted R square adalah 0.529, hali ini berrati 52.9% variasi PMA dapat dijelaskan oleh variabel indpendent dan yang lainya dijelaskan oleh variabel yang tidak dimasukan dalam model. standar error of the estimate (SEE) sbesar 1647.78. semakin kecil nilai SEE mak semakin bagus model regresi dalam memprediksi variabel dependen.

Uji Oferall (Uji Statistik F)


  dari tabel ANOVA didapat niali Fhitung sebesar 8.299 dan dengan probabilitas (sig) 0.000. karena probabilitas lebih kecil dari 0.05, maka model regresi dapat digunakan untuk memprediksi PMA, atau bisa dikatakan bahwa variabel G, CPI, EX, dan ER secara bersama-sama berpengaruh terhadap  variabel PMA. 

 Uji Parsial (Uji Statistik t)


dari keempat variabel yang dimasukan kedalam model regresi, hanya variabel CPI saja yang tidak signifikan hal ini dapat dilihat dari probabilitas signifikansi untuk CPI sebesar 0.62 lebih besar dari 0.05. sedangkan variabel G, EX, dan ER probabilitas signifikansinya lebih kecil dari 0.05. dari sini dapat disimpulkan bahwa variabel PMA \dipengaruhi oleh variabel G, EX, dan ER dengan model regresinya : PMA =  9189.203 - 0.144 G + 0.059 EX - 1.101 ER.·   konstanta  sebesar 9189.203 menyatakan bahwa jika variabel independent dianggap konstan, maka rata-rata penanaman modal asing sebesar 9189.202 milaiar Rp. koefisien regresi G (Pengeluaran Investasi Pemerintah) sebesar -0.144 menyatakan bahwa setiap penambahan pengeluaran investasi pemerintag sebesar 1 miliyar akan mengurangi penanaman modal sebesar 0.144. koefisen regresi EX (ekspor migas dan non migas) sebesar 0.059 menytakan bahwa setiap penambahan  EX (ekspor migas dan non migas) sebesar 1000 dolar maka akan meningkatkan PMA ( penanaman modal asing) sebesar 0.059. koefisien ER ( nilai tukar rupiah terhadap dolar) sebesar -0.101 menyatakan bahwa setiap penambahan ER 1 IDR/US$ akan mnurunkan PMA sebesar -1.101.

ANALISIS REGRESI LINIER SEDERHANA DENGAN SPSS

Artikel ini akan mengupas contoh regresi linier sederhana dengan SPSSmenggunakan data regresi yang dipakai seperti pada perhitungan korelasi. Analisis regresi linear sederhana merupakan salah satu metode regresi yang dapat dipakai sebagai alat inferensi statistik untuk menentukan pengaruh sebuah variabel bebas (independen) terhadap variabel terikat (dependen). Uji Regresi linear sederhana ataupun regresi linier berganda pada intinya memiliki beberapa tujuan, yaitu:
  1. Menghitung nilai estimasi rata-rata dan nilai variabel terikat berdasarkan pada nilai variabel bebas.
  2. Menguji hipotesis karakteristik dependensi
  3. Meramalkan nilai rata-rata variabel bebas dengan didasarkan pada nilai variabel bebas diluar jangkaun sample.

Pada analisis regresi sederhana dengan menggunakan SPSS ada beberapa asumsi dan persyaratan yang perlu diperiksa dan diuji, beberapa diantaranya adalah :
  1. Variabel bebas tidak berkorelasi dengan disturbance term (Error). Nilai disturbance term sebesar 0 atau dengan simbol sebagai berikut: E (U / X) = 0,
  2. Jika variabel bebas lebih dari satu, maka antara variabel bebas (explanatory) tidak ada hubungan linier yang nyata,
  3. Model regresi dikatakan layak jika angka signifikansi pada ANOVA sebesar < 0.05, Predictor yang digunakan sebagai variabel bebas harus layak. Kelayakan ini diketahui jika angka Standard Error of Estimate < Standard Deviation,
  4. Koefisien regresi harus signifikan. Pengujian dilakukan dengan Uji T. Koefesien regresi signifikan jika T hitung > T table (nilai kritis),
  5. Model regresi dapat diterangkan dengan menggunakan nilai koefisien determinasi (KD = R Square x 100%) semakin besar nilai tersebut maka model semakin baik. Jika nilai mendekati 1 maka model regresi semakin baik,
  6. Residual harus berdistribusi normal,
  7. Data berskala interval atau rasio,
  8. Kedua variabel bersifat dependen, artinya satu variabel merupakan variabel bebas (variabel predictor) sedang variabel lainnya variabel terikat (variabel response) Berikut ini contoh perhitungan regresi linier sederhana menggunakan software SPSS 20.

Proses mulai dengan memilih menu Analyze, kemudian pilih Linear,

Menu Regresi Linear SPSS
Menu Regresi Linear SPSS

Pilih variabel Y sebagai variabel dependen (terikat) dan X1 sebagai variabel independen (bebas) lalu klik tombol OK,

Proses Regresi Linear SPSS
Proses Regresi Linear SPSS

Output SPSS akan menampilkan hasil berupa 4 buah tabel yaitu;
  1. Tabel variabel penelitian,
  2.  Ringkasan model (model summary),
  3. Tabel Anova, dan
  4. Tabel Koefisien.

Output Regresi Linear SPSS
Output Regresi Linear SPSS

Cara membaca output spss hasil uji regresi linier tersebut adalah :
  1. Tabel pertama menunjukkan variabel apa saja yang diproses, mana yang menjadi variabel bebas dan variabel terikat.
  2. Tabel kedua menampilkan nilai R yang merupakan simbol dari nilai koefisien korelasi. Pada contoh diatas nilai korelasi adalah 0,342. Nilai ini dapat diinterpretasikan bahwa hubungan kedua variabel penelitian ada di kategori lemah. Melalui tabel ini juga diperoleh nilai R Square atau koefisien determinasi (KD) yang menunjukkan seberapa bagus model regresi yang dibentuk oleh interaksi variabel bebas dan variabel terikat. Nilai KD yang diperoleh adalah 11,7% yang dapat ditafsirkan bahwa variabel bebas X1 memiliki pengaruh kontribusi sebesar 11,7% terhadap variabel Y dan 88,3% lainnya dipengaruhi oleh faktor-faktor lain diluar variabel X1.
  3. Tabel ketiga digunakan untuk menentukan taraf signifikansi atau linieritas dari regresi. Kriterianya dapat ditentukan berdasarkan uji F atau uji nilai Signifikansi (Sig.). Cara yang paling mudah dengan uji Sig., dengan ketentuan, jika Nilai Sig. < 0,05, maka model regresi adalah linier, dan berlaku sebaliknya. Berdasarkan tabel ketiga, diperoleh nilai Sig. = 0,140 yang berarti > kriteria signifikan (0,05), dengan demikian model persamaan regresi berdasarkan data penelitian adalah tidak signifikan artinya, model regresi linier tidak memenuhi kriteria linieritas.
  4. Tabel keempat menginformasikan model persamaan regresi yang diperoleh dengan koefisien konstanta dan koefisien variabel yang ada di kolom Unstandardized Coefficients B. Berdasarkan tabel ini diperoleh model persamaan regresi : Y =38,256 + 0,229 X1.

INDEPENDEN SAMPLE T TEST DENGAN SPSS

Uji beda t-test digunakan untuk menentukan apakah dua sampel yang tidak berhubungan memilik niali rata-rata yang sama atau berbeda secara signifikan. sebagai misal kita ingin mengetahui apakah rata-rata kelincahan menggiring bola berbeda untuk responden yang latihan zig-zg dan shutle run.

supaya gak pusing langsung saja ke contoh kasus : 

seorang mahasiswa jurusan olahraga ingin meneliti pengaruh latihan zig-zag dan shutle run terhadap kelincahan menggiring bola. peneliti dengan menggunakan sampel 20 responden. dalam uji ini jumlah kelompok responden yang diambil tidak harus sama, misalnya dalam kasus ini yang melakukan latihan zig-zag sebanyak 8 orang dan yang melakukan latihan shutle run sebanyak 12 orang data yang didapatkan sebagai berikut :


langkah analisis :
  1. buka aplikasi SPSS.
  2. pilih variable view kemudian tulisakan nama variabel , pada kasus ini nama variabelnya adalah kelincahan_mendribel_bola dan kelompok, pada variabel kelompok klik kolom value kemudian definisikan atau pengkategorian variabel kelompok pada kasus ini 1 unutk zig-zag dan 2 untuk shutle run.
  3. pilih data view lalu masukan data sesuai dengan variabel
  4. pada menu utama SPSS pilih analyze kemudian pilih compare Means,lalu pilih Independent Samples T Test, sehingga tampak dilayarwindows Independent Samples T Test.
  5. kemudia isikan variabel kelincahan_mendrible_bola ke dalam kota Test Variables(s) dan variabel kelompok pada Grouping Variable, setelah itu variabel tersebut harus didefinisikan dengan cara pilih Define Grouplalu isikan pada group satu = 1  dan group dua = 2, kemudian pilihContinue dan klik OK
     
  6. Outpu SPSS

Interpertasi :

Output Bagian Pertama adalah Group Statistics
dapat dilihat bahwa rata-rata kelincahan mendribel bola untuk responden yang latihan zig-zag adalah 0.3825 sedangkan untuk kelompok responden yang melakukan latihan shutle run adalah 0.3950. terliahat bahwa rata-rata kelincahan mendribel bola antara responden yang melakukan latihan zig-zag dan shutle run tidak berbedea.

Output bagian kedua
pada output bagian kedua ini ada dua tahapan nalisis yang harus dilakukan, yang pertama adalah kita harus menguji asumsi apakah kedua sampel tersebut sama ataukah berbeda. langkah kedua adalah dengan melihat niali untukk menentukan apkah ada perbedaan nilai rata-rata secara signifikan.

untuk mengetahui apakah variansi berbedaa tau sama dengan menggunakan hipotesiss sebagai berikut :

H0 : tidak ada perbedaan rata-rata kelincahan mendribel boala anatara kelompok responden yang melakukan latihan zig-zag dan latihan shutle run
H1  : terdapat perbedaan rata-rata klincahan mendribel bola anatra kelompok yang melakukan latihan zig-zag dan shule run. 

pengambilan keputusan :
jika probabilitas (sig) > 0,05 , maka gagal tolak H0 (variansi tsama)
jika probabilitas (sig) < 0,05 , maka tolak H0 (variansi tidak sama)

dapat dilihat pada output SPSS bahwa niali F hitung levene test sebesar 1.532 dengan probabilitas 0.109, karena probabilitas (sig) > 0.05 maka dapat disimpulkan bahwa gagal tolak H0 atau memilki variansi yang sama. dengan demikian analisis uji beda t test akan menggunakan asumsi variansi sama. pada output SPSS terlihat nilai t pada equal variance assumed adalah -0.323 dengan probabilitas (sig) sebesar 0.750 > 0.05 yang berarti tidak terdapat perbedaan rata-rata kelincahan mendribel bola antara  kelompok repondeng yang melakukan latihan zig-zag dan shutle run.