Dr. I Gusti Bagus Rai Utama, SE., M.MA., MA.

 Korelasi Sederhana merupakan suatu Teknik

Statistik yang dipergunakan untuk mengukur
kekuatan hubungan 2 Variabel dan juga untuk
dapat mengetahui bentuk hubungan antara 2
Variabel tersebut dengan hasil yang sifatnya
kuantitatif. Kekuatan hubungan antara 2 variabel
yang dimaksud disini adalah apakah hubungan
tersebut ERAT, LEMAH, ataupun TIDAK ERAT
sedangkan bentuk hubungannya adalah apakah
bentuk korelasinya Linear Positif ataupun Linear
Negatif.
 Koefisien Korelasi Sederhana disebut juga
dengan Koefisien Korelasi Pearson karena
rumus perhitungan Koefisien korelasi
sederhana ini dikemukakan oleh Karl Pearson
yaitu seorang ahli Matematika yang berasal
dari Inggris.
 Rumus yang dipergunakan untuk menghitung
Koefisien Korelasi Sederhana adalah sebagai
berikut :
(Rumus ini disebut juga dengan Pearson
Product Moment)
r= nΣxy – (Σx) (Σy)
. √{nΣx² – (Σx)²} {nΣy2 – (Σy)2}
 Dimana :
 n = Banyaknya Pasangan data X dan Y
Σx = Total Jumlah dari Variabel X
Σy = Total Jumlah dari Variabel Y
Σx2= Kuadrat dari Total Jumlah Variabel X
Σy2= Kuadrat dari Total Jumlah Variabel Y
Σxy= Hasil Perkalian dari Total Jumlah
Variabel X dan Variabel Y
Korelasi Linear Positif (+1)
 Perubahan salah satu Nilai Variabel diikuti
perubahan Nilai Variabel yang lainnya secara
teratur dengan arah yang sama. Jika Nilai
Variabel X mengalami kenaikan, maka Variabel Y
akan ikut naik. Jika Nilai Variabel X mengalami
penurunan, maka Variabel Y akan ikut turun.
 Apabila Nilai Koefisien Korelasi mendekati +1
(positif Satu) berarti pasangan data Variabel X
dan Variabel Y memiliki Korelasi Linear Positif
yang kuat/Erat.
Korelasi Linear Negatif (-1)
 Perubahan salah satu Nilai Variabel diikuti
perubahan Nilai Variabel yang lainnya secara
teratur dengan arah yang berlawanan. Jika Nilai
Variabel X mengalami kenaikan, maka Variabel Y
akan turun. Jika Nilai Variabel X mengalami
penurunan, maka Nilai Variabel Y akan naik.
 Apabila Nilai Koefisien Korelasi mendekati -1
(Negatif Satu) maka hal ini menunjukan pasangan
data Variabel X dan Variabel Y memiliki Korelasi
Linear Negatif yang kuat/erat.
 Kenaikan Nilai Variabel yang satunya kadang-
kadang diikut dengan penurunan Variabel
lainnya atau kadang-kadang diikuti dengan
kenaikan Variable yang lainnya. Arah
hubungannya tidak teratur, kadang-kadang
searah, kadang-kadang berlawanan.
 Apabila Nilai Koefisien Korelasi mendekati 0
(Nol) berarti pasangan data Variabel X dan
Variabel Y memiliki korelasi yang sangat
lemah atau berkemungkinan tidak
berkorelasi.
1. Apakah ada hubungan antara suhu ruangan
dengan jumlah cacat Produksi?
2. Apakah ada hubungan antara lamanya
waktu kerusakan mesin dengan jumlah
cacat produksi?
3. Apakah ada hubungan antara jumlah Jam
lembur dengan tingkat absensi?
 Seorang Pemasar ingin mempelajari keeratan
Hubungan kebersihan, dan penampilan
karyawan dengan kualitas pelayanan di
Salonnya?

 Pedoman penilaiannya….

Interval Koefisien Tingkat Hubungan

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
 Correlations

X1.1
(Kebersihan X1.2
dan (Penampilan X1 (Kualitas
Kenyamanan) Karyawan) Pelayanan)

X1.1 (Kebersihan dan Pearson Correlation 1 -.033 .328

Kenyamanan) Sig. (2-tailed) .892 .158

N 20 20 20
**
X1.2 (Penampilan Pearson Correlation -.033 1 .660
Karyawan) Sig. (2-tailed) .892 .002
N 20 20 20
**
X1 (Kualitas Pelayanan) Pearson Correlation .328 .660 1

Sig. (2-tailed) .158 .002

N 20 20 20

**. Correlation is significant at the 0.01 level (2-tailed).

 Kebersihan dengan Kualitas = “r” = 0,328
 Penampilan dengan Kualitas = “r” = 0,660

Jadi Kesimpulannya:
 Korelasi antara Kebersihan dengan Kualitas
pelayanan adalah korelasi yang lemah (0,328)
karena berada pada rentang nilai (0,20 – 3,99)

 Korelasi antara Penampilan dengan Kualitas

pelayanan adalah korelasi yang kuat (0,660)
karena berada pada rentang nilai (0,60 – 7,99)
 Analisis regresi merupakan salah satu analisis
yang bertujuan untuk mengetahui pengaruh
suatu variabel terhadap variabel lain. Dalam
analisis regresi, variabel yang mempengaruhi
disebut Independent Variable (variabel bebas)
dan variabel yang dipengaruhi disebut
Dependent Variable (variabel terikat).
 Jika dalam persamaan regresi hanya terdapat
satu variabel bebas dan satu variabel terikat,
maka disebut sebagai persamaan regresi
sederhana, sedangkan jika variabel bebasnya
lebih dari satu, maka disebut sebagai persamaan
regresi berganda.
 Analisis Korelasi merupakan suatu analisis
untuk mengetahui tingkat keeratan hubungan
antara dua variabel.
 Tingkat hubungan tersebut dapat dibagi
menjadi tiga kriteria, yaitu mempunyai
hubungan positif, mempunyai hubungan
negatif dan tidak mempunyai hubungan.
 Analisis Regresi Sederhana : digunakan untuk
mengetahui pengaruh dari variabel bebas
terhadap variabel terikat atau dengan kata
lain untuk mengetahui seberapa jauh
perubahan variabel bebas dalam
mempengaruhi variabel terikat.
 Dalam analisis regresi sederhana, pengaruh
satu variabel bebas terhadap variabel terikat
dapat dibuat persamaan sebagai berikut :
 Y = a + b X.
 Y : Variabel terikat (Dependent Variable);
 X : Variabel bebas (Independent Variable);
 a : Konstanta; dan
 b : Koefisien Regresi. Untuk mencari persamaan
garis regresi dapat digunakan berbagai
pendekatan (rumus),
 sehingga nilai konstanta (a) dan nilai koefisien
regresi (b) dapat dicari dengan metode sebagai
berikut :
a = [(ΣY . ΣX2) – (ΣX . ΣXY)] / [(N . ΣX2) – (ΣX)2]
atau a = (ΣY/N) – b (ΣX/N)
b = [N(ΣXY) – (ΣX . ΣY)] / [(N . ΣX2) – (ΣX)2]
 Berdasarkan hasil pengambilan sampel secara
acak tentang pengaruh lamanya belajar (X)
terhadap nilai ujian (Y) adalah sebagai
berikut:
(nilai ujian) X (lama X 2 XY
belajar)
40 4 16 160
60 6 36 360
50 7 49 350
70 10 100 700
90 13 169 1.170
ΣY = 310 ΣX = 40 ΣX2 = 370 ΣXY =
2.740
 Dengan menggunakan rumus di atas, nilai a dan
b akan diperoleh sebagai berikut :

a = [(ΣY . ΣX2) – (ΣX . ΣXY)] / [(N . ΣX2) – (ΣX)2]

a = [(310 . 370) – (40 . 2.740)] / [(5 . 370) – 402] =
20,4
b = [N(ΣXY) – (ΣX . ΣY)] / [(N . ΣX2) – (ΣX)2]
b = [(5 . 2.740) – (40 . 310] / [(5 . 370) – 402] =
5,4
Sehingga persamaan regresi sederhana adalah Y =
20,4 + 5,2 X
 Berdasarkan hasil penghitungan dan persamaan
regresi sederhana tersebut di atas, maka dapat
diketahui bahwa : 1) Lamanya belajar mempunyai
pengaruh positif (koefisien regresi (b) = 5,2)
terhadap nilai ujian, artinya jika semakin lama
dalam belajar maka akan semakin baik atau
tinggi nilai ujiannya; 2) Nilai konstanta adalah
sebesar 20,4, artinya jika tidak belajar atau lama
belajar sama dengan nol, maka nilai ujian adalah
sebesar 20,4 dengan asumsi variabel-variabel
lain yang dapat mempengaruhi dianggap tetap.
 Bagaimanakah persamaan yang dibentuk dari
hubungan regresi antara variabel Kebersihan,
dan Penampilan Karyawan terhadap Kualitas
Pelayanan?

Y = a ± b1X1 ± b2X2 + é
 a
Coefficients

Standardized
Unstandardized Coefficients Coefficients

Model B Std. Error Beta t Sig.

1 (Constant) 9.041 3.184 2.840 .011

X1.1 (Kebersihan dan

1.422 .656 .350 2.166 .045
Kenyamanan)

X1.2 (Penampilan
1.732 .417 .671 4.156 .001
Karyawan)

a. Dependent Variable: X1 (Kualitas Pelayanan)

Y = 9,041 + 1,442X1 + 1,732X2 + é

Y = 9,041 + 1,442X1 + 1,732X2 + é
 Y = Kualitas Pelayanan
 X1 = Kebersihan Karyawan
 X2 = Penampilan Karyawan

Makna tersirat:
 Kualitas Pelayanan lebih dipengaruhi oleh Penampilan daripada
Kebersihan Karyawan
 Jika kebersihan ditingkatkan 1,442 satuan dan X2=0, maka Kualitas
pelayanan akan meningkat sebesar 1,442 kali.
 Jika kebersihan ditingkatkan 1,732 satuan dan X1=0, maka Kualitas
pelayanan akan meningkat sebesar 1,732 kali.
Contoh Regresi Berganda
Tugas mandiri dengan kasus
yang sesuai dengan selera anda
(Data boleh fiktif)……