regresi dan korelasi menggunakan microsoft excel dan spss

1

BAB I PENDAHULUAN 1.1 Pengertian Korelasi

Korelasi merupakan teknik analisis yang yang termasuk dalam salah satu teknik pengukuran asosiasi / hubungan (measures of association). Pengukuran asosiasi merupakan istilah umum yang yang mengacu pada sekelompok teknik dalam statistik bivariat yang digunakan untuk mengukur kekuatan hubungan antara dua variabel. Diantara sekian banyak teknik-teknik pengukuran asosiasi, terdapat dua teknik korelasi yang sangat populer sampai sekarang, yaitu Korelasi Pearson Product Moment dan Korelasi Rank Spearman. Selain kedua teknik tersebut,

terdapat pula teknik-teknik korelasi lain, seperti Kendal, Chi-Square, Phi Coefficient, Goodman-Kruskal, Somer, dan Wilson.

Pengukuran asosiasi mengenakan nilai numerik untuk mengetahui tingkatan asosiasi atau kekuatan hubungan antara variabel. Dua variabel dikatakan berasosiasi jika perilaku variabel yang satu mempengaruhi variabel yang lain. la in. Jika tidak terjadi pengaruh, maka kedua variabel tersebut disebut independen. Korelasi bermanfaat untuk mengukur kekuatan hubungan antara dua variabel

(kadang lebih dari dua variabel) dengan skala-skala tertentu, misalnya Pearson data harus berskala interval atau atau rasio; Spearman dan Kendal menggunakan menggunakan skala ordinal; Chi Square menggunakan data nominal. Kuat lemah hubungan diukur

diantara jarak (range) 0 sampai dengan 1. Korelasi mempunyai kemungkinan pengujian hipotesis dua arah (two tailed ). ). Korelasi searah jika nilai koefesien korelasi diketemukan positif; sebaliknya jika nilai koefesien korelasi negatif, korelasi disebut tidak searah. Yang dimaksud dengan koefesien korelasi ialah

suatu pengukuran statistik kovariasi atau asosiasi antara dua variabel. Jika koefesien korelasi diketemukan tidak sama dengan nol (0), maka terdapat

ketergantungan antara dua variabel tersebut. Jika koefesien korelasi diketemukan

Titles you can't find anywhere else

Try Scribd FREE for 30 days to access over 125 million titles without ads or interruptions! Start Free Trial Cancel Anytime.











2

+1. maka hubungan tersebut disebut sebagai korelasi sempurna atau hubungan sempurna dengan kemiringan (slope) positif. linear sempurna Jika koefesien korelasi diketemukan -1. maka hubungan tersebut disebut sebagai korelasi sempurna atau hubungan linear sempurna dengan kemiringan (slope) negatif.

Dalam korelasi sempurna tidak diperlukan lagi pengujian hipotesis, karena kedua variabel mempunyai hubungan linear yang sempurna. Artinya variabel X mempengaruhi variabel Y secara sempurna. Jika korelasi sama dengan nol (0), maka tidak terdapat hubungan antara kedua variabel tersebut. Dalam korelasi sebenarnya tidak dikenal istilah variabel bebas dan variabel tergantung. Biasanya dalam penghitungan digunakan simbol X untuk variabel pertama dan Y untuk variabel kedua. Dalam contoh hubungan antara variabel remunerasi dengan kepuasan kerja, maka variabel remunerasi merupakan variabel X dan kepuasan kerja merupakan variabel Y. 1.2 Pengertian Regresi

Regresi adalah suatu metode analisis statistik yang digunakan untuk

melihat pengaruh antara dua atau lebih variabel. Hubungan variabel tersebut bersifat fungsional yang diwujudkan d iwujudkan dalam suatu model matematis. Pada analisis a nalisis regresi, variabel dibedakan menjadi dua bagian, yaitu variabel respons (response variable) atau biasa juga disebut variabel bergantung (dependent variable) dan

variabel explanory atau biasa disebut penduga (predictor variable) atau disebut juga variabel bebas (independent variabel). Jenis-jenis regresi terbagi menjadi beberapa jenis, je nis, yaitu regresi sederhana (linier sederhana sederhana dan nonlinier sederhana) sederhana) dan regresi berganda (linier berganda berganda atau nonlinier berganda). berganda).











3

BAB II DESKRIPSI KERJA 2.1 Studi Kasus Tabel 2.1 Kondisi Masyarakat pada Provinsi Jawa Timur

Kabupaten Kab. Pacitan Kab. Ponorogo

Jumlah Penduduk Miskin (Ribu Jiwa) 91.7 103.0

Kab. Trenggalek

92.8

Kab. Tulungagung

91.7

Kab. Blitar

120.3

Kab. Kediri

202.7

Kab. Malang

288.6

Kab. Lumajang

124.4

Kab. Jember

278.5

Kab. Banyuwangi

152.2

Kab. Bondowoso

115.3

Kab. Situbondo

90.3

Kab. Probolinggo

238.7

Kab. Pasuruan

175.7

Kab. Sidoarjo

138.2

Kab. Mojokerto

116.6

Kab. Jombang

137.5

Kab. Nganjuk

140.8

Kab. Madiun

83.7

Kab. Magetan

76.3

Kab. Ngawi

127.5

Kab. Bojonegoro

196.8

Kab. Tuban

196.9

Kab. Lamongan

192.0

Kab. Gresik

171.6

Kab. Bangkalan

218.3

Kab. Sampang

248.2

Jumlah Pengangguran (Jiwa)

3031 18898 8312 19021 13276 28634 56425 15459 31472 32415 6450 11289 12190 27678 83603 26381 32175 18364 19282 9217 21476 20723 17116 21615 45199 25008 7868











4

Kota Blitar

10.1

Kota Malang

41.0

Kota Probolinggo

19.2

Kota Pasuruan

14.6

Kota Mojokerto

8.3

Kota Madiun

8.7

Kota Surabaya

169.4

Kota Batu

9.4

4371 34085 5444 5956 4623 8342 91390 5418

Permasalahan Permasalahan Kemiskinan Di Provinsi Jawa Timur

Bangsa Indonesia perlu mewaspadai kondisi kemiskinan yang terjadi saat ini. Laporan terbaru Badan Pusat Statistik yang berdasarkan pada hasil survei sosial ekonomi nasional pada September 2013 menyebutkan bahwa jumlah penduduk miskin di Jawa Timur mencapai angka 4,86 juta. Sebanyak 1,62 juta dari angka itu merupakan penduduk miskin perkotaan dan sisanya penduduk di pedesaan. Secara kualitas kuali tas dan kuantitas kemiskinan justru cenderung semakin kronis.

BPS

telah

mencatat

angka kemiskinan periode Maret hingga

September 2013 meningkat. Peningkatan terbesar terjadi di pulau Jawa, kemudian Sumatera, Selawesi, Bali, Nusa Tenggara, Papua serta Kalimantan. Jumlah penduduk miskin di Indonesia pada September 2013 sebesar 28.55 juta orang atau 11.47 persen, jika dibandingkan dengan bulan Maret 2013 meningkat 480 ribu orang. Gubernur provinsi Jawa Timur ingin mengatasi tingkat kemiskinan yang ada di provinsinya, agar provinsi tersebut siap menghadapi persaingan global dalam ASEAN Economic Community pada tahun 2015. Data mengenai kondisi masyarakat pada provinsi Jawa Timur dapat dilihat pada Tabel 2.1 Berdasarkan tabel tersebut, Gubernur provinsi Jawa Timur ingin mendapatkan informasiinformasi berikut. 1.

Hitung korelasi seluruh variabel !

2.

Dapatkan model terbaik untuk memprediksi jumlah penduduk miskin pada











5

pengangguran 15000 15 000 jiwa. 4.

Kesimpulan dan saran apa yang harus dilakukan Gubernur tersebut untuk mengurangi jumlah penduduk miskin di provinsi Jawa Timur?

2.2 Langkah Kerja

Untuk menyelesaikan studi kasus tersebut, maka praktikan menganalis nya dengan regresi dan korelasi, dalam hal ini praktikan menggunakan software SPSS dan Microsoft Excel . Adapun langkah-langkah menggunakan SPSS dan dan Microsoft untuk menganalisis data tersebut adalah sebagai berikut : excel untuk 1. Langkah pertama yang praktikan lakukan adalah arahkan pointer kearah pojok kiri display PC , kemudian klik Start , lalu akan muncul tampilan IBM SPSS Statistics 22, lalu double klik pada IBM SPSS Statistics 22, yang sebelumnya telah praktikan install (dalam hal ini

praktikan menggunakan windows 7).

Gambar 2.1 Tampilan untuk Masuk Kedalam SPSS

2. Kemudian muncul halaman kerja awal SPSS berupa halaman Data View.











6

Gambar 2.2 Tampilan pada Data View

3. Untuk menuliskan variable yang akan dianalisis, praktikan klik pada Variabel View dibagian kiri bawah untuk membuka halaman kerja Variabel View , selanjutnya praktikan mulai menuliskan variable yang

dibutuhkan, dalam hal ini praktikan memasukkan variable ‘kabupaten’, ‘jumlah_penduduk_miskin’, ‘jumlah_penduduk_miskin’, ‘jumlah_pengangguran’.

Gambar 2.3 Memasukkan Variabel pada Variabel View

4. Setelah selesai menambahkan variable, maka selanjutnya praktikan klik Data View dan melakukan input semua data pada variable yang ada.













7

Gambar 2.4 Memasukkan Data pada Variabel

5. Tahap selanjutnya adalah tahap analisis. Pilih menu analyze, lalu klik pada correlate dan klik Bivariate.

Gambar 2.5 Melakukan Analyze

6. Setelah kotak dialog Bivarite Correlation muncul, selanjutnya variabel ‘jumlah_penduduk_miskin’ dan ‘jumlah_pengangguran’ pindahkan

kedalam box variables, kemudian aktifkan box pearson dan klik Ok Ok .











8

Gambar 2.7 Hasil Output dari Correlation

8. Tahap selanjutnya adalah analisis regresi. Untuk melakukan analisis regresi sederhana, pilih menu analyze, lalu pilih regression dan klik linear.

Gambar 2.8 Melakukan Analisis Regresi Sederhana

9. Setelah

itu

muncul

‘jumlah_pengangguran’

kotak ke

dialog, kotak

lalu

pindahkan

Dependent

dan

variable variabl e











9

Gambar 2.9 Kotak Dialog Linear Regression

10. Kemudian pilih submenu statistics, lalu beri tandai Estimate dan Model fit pada Regression Coefisients, jika telah selesai lalu klik Ok.

Gambar 2.10 Tampilan Kotak Dialog Linear Regression Statistics

11. Setelah itu pilih submenu Save, lalu beri tanda pada Unstandardize pada Residuals, kemudian klik Continue.











10

12. Langkah selanjutnya yang dilakukan praktikan adalah pilih submenu Option, lalu praktikan menentukkan α= 5 % pada kotak Use Probability of F, kemudian memberi tanda pada Include Constant in equation, lalu klik continue dan klik Ok.

Gambar 2.12 Tahapan Menentukan Besarnya Alpha

dari regression. 13. Kemudian akan muncul hasil output dari

Gambar 2.13.1 Hasil Output dari Regression











11

Gambar 2.13.2 Hasil Output dari Regression

14. Kemudian praktikan ingin membuat grafiknya, dengan cara pilih Graph pada menu, lalu pilih Legacy Dialogs Legacy Dialogs dan klik pada Scatter/Dot .

Gambar 2.14 Tahapan Membuat Scatter/Dot.

15. Maka akan muncul tampilan seperti

Gambar 2.15 dibawah

ini. Lalu













12

16. Kemudian akan muncul tampilan seperti Gambar 2.16 dibawah ini. Lalu pada kolom Y axis masukkan variable ‘jumlah_pengangguran’ dan pada kolom X axis masukkan variable ‘jumlah_penduduk_miskin’. Lalu klik Ok .

Gambar 2.16 Tahapan Memasukkan Variable pada Kolom X dan Y axis

17. Maka akan muncul Graph seperti

Gambar 2.17 dibawah

ini. Jika ingin

menambahkan garis linear nya, dengan cara double klik pada hasil











13

Gambar 2.18 Tahapan Membuat Garis Linier

19. Kemudian akan muncul tampilan seperti Gambar 2.19 dibawah ini.











14

21. Selanjutnya pada bagian menu, pilih Data Analysis.

Gambar 2.21 Memilih Data Analysis.

22. Kemudian akan muncul tampilan seperti Gambar 2.22 dibawah ini. Lalu pilih Regression pada Analysis Tools. Setelah itu klik Ok.

Gambar 2.22 Tahapan Memilih Regression











15

BAB III PEMBAHASAN Berdasarkan langkah kerja yang telah dijelaskan pada bab sebelumnya, bahwa praktikan disini akan menjelaskan lebih banyak lagi mengenai analisis korelasi dan regresi sederhana dari data yang yang telah disediakan dan juga membuat grafik dari data tersebut, dalam hal ini praktikan menggunakan dua dan Microsoft excel. software yaitu SPSS dan

Gambar 3.1 Output Correlation

Penjelasan dari output pada

Gambar 3.1

terlihat bahwa masing-masing











16

Seperti pada

Gambar 3.2

diatas menjelaskan tentang variable yang

dimasukkan atau dibuang dan metode yang digunakan. Dalam hal ini variable yang dimasukkan adalah variable nilai trust sebagai predictor dan metode yang digunakan adalah metode enter.

Gambar 3.3 Output model summary

Output pada bagian kedua (model summary ) : table diatas menjelaskan

besarnya nilai korelasi korela si / hubungan (R) yaitu sebesar seb esar 0,396 dan dijelaskan dijelask an besarnya prosentase pengaruh variable bebas terhadap variable terikat yang disebut koefisien determinasi yang merupakan hasil dari penguadratan R. dari output tersebut diperoleh koefisien determinasi (R2) sebesar 0,157 yang mengandung













17

dengan tingkat signifikansi 0,014 < 0,05 maka model regresi dapat dipakai untuk memprediksi variable partisipasi.

Gambar 3.5 Output coefficients

Output bagian keempat (coefficients) pada table coefficients pada kolom B











18

X

= 5907,881 / 98,803 = 59,794 = 60

Jadi ketika jumlah pengangguran 15000 jiwa, maka jumlah penduduk miskin nya sebanyak 60 jiwa. Selain menggambarkan persamaan regresi output ini ini juga menampilkan uji signifikansi dengan uji t yaitu untuk mengetahui apakah ada pengaruh yang

(X) sendiri (partial) terhadap variable partisipasi (Y) signifikan variable trust (X) i). Hipotesis











19

Gambar 3.6 Tampilan Scatter/Dot yang Mempunyai Garis Linier











20

Gambar 3.8 Hasil Output Menggunakan Microsoft Excel

Untuk hasil output menggunakan Microsoft excel penjelasannya sama seperti pada output SPSS , karena dilihat hasilnya pun sama.











21

BAB IV PENUTUP 4.1 Kesimpulan

Disini praktikan dapat mengambil beberapa kesimpulan dari hasil praktikum kali ini, yaitu : 1. Dari data yang ada tingkat kepercayaan 95% data menolak H0. Dapat disimpulkan bahwa ada pengaruh yang signifikan jumlah penduduk miskin terhadap jumlah pengangguran.

2. ketika jumlah pengangguran 15000 jiwa, maka jumlah penduduk













22

berpihak pada rakyat miskin, menyempurnakan dan memperluas cakupan program pembangunan berbasis masyarakat, meningkatkan akses masyarakat miskin kepada pelayanan dasar, membangun dan menyempurnakan system perlindungan social socia l bagi masyarakat miskin. miskin .











23

DAFTAR PUSTAKA Fariz. 2014. Uji regresi sederhana dengan spss. Diakses pada tanggal 03 April 2016

dari

http://www.konsistensi.com/2014/06/uji-regresi-sederhana-

dengan-spss.html

regresi dan korelasi menggunakan microsoft excel dan spss

Recommend Documents