Scatter diagram adalah gambaran yang menunjukkan kemungkinan hubungan

(korelasi) antara pasangan dua macam variabel dan menunjukkan keeratan

hubungan antara dua variabel tersebut yang sering diwujudkan sebagai koefisien

korelasi. Scatter diagram juga dapat digunakan untuk mengecek apakah suatu

variabel dapat digunakan untuk mengganti variabel yang lain.

        Dikatakan juga bahawa Scatter diagram menunjukan hubungan antara dua

variabel. Scatter diagram sering digunakan sebagai analisis tindak lanjut untuk

menentukan apakah penyebab yang ada benar-benar memberikan dampak kepada

karakteristik kualitas. Pada contoh terlihat scatter diagram yang menggambarkan plot

pengeluaran untuk iklan dengan penjualan perusahaan yang mengindikasikan

hubungan kuat positif diantara dua variabel. Jika pengeluaran untuk iklan meningkat,

penjualan cenderung meningkat.

    Pada umumnya, bila kita berbicara tentang hubungan antara dua jenis data, kita

sesungguhnya membicarakan tentang :

1.    Hubungan penyebab dan akibatnya.

2.    Hubungan antara satu penyebab dengan penyebab lainnya.

3.    Hubungan antara satu penyebab dengan dua penyebab.

Jika kita menggambarkan pada sumbu vertikal akibatnya dan pada sumbu

horisontal penyebabnya, maka kita akan mendapatkan sebuah peta yang disebut

dengan scatter diagram.

Cara untuk membuat scatter diagram adalah sebagai berikut :

1. Kumpulkan pasangan data (x,y) yang akan dipelajari hubungannya serta

susunlah data itu dalam tabel. Diperlukan untuk mempunyai paling sedikit 30

pasangan data.

2. Tentukan nilai-nilai maksimum dan minimum untuk kedua variabel x dan y.

Buatlah skala pada sumbu horizontal dan vertikal dengan ukuran yang sesuai

agar diagram akan menjadi lebih mudah untuk dibaca. Apabila kedua variabel

yang akan dipelajari itu adalah karakteristik kualitas dan faktor yang

mempengaruhinya, gunakan sumbu horizontal, x, untuk faktor yang

mempengaruhi karakteristik kualitas dan sumbu vertikal, y, untuk karakteristik

kualitas.

3. Tebarkan (plot) data pada selembar kertas. Apabila dijumpai data bernilai

sama dari pengamatan yang berbeda, gambarkan titik-titik itu seperti lingkaran

konsentris (.), atau plot titik kedua yang bernilai sama itu disekitar titik

pertama.

4. Berikan informasi secukupnya agar orang lain dapat memahami diagram tebar

itu. Informasi yang biasa diberikan adalah :

Interval waktu

Banyaknya pasangan data (n).

Judul dan unit pengukuran dari setiap variabel pada garis

horizontal dan vertikal.

Judul dari grafik itu.

Apabila dipandang perlu dapat mencantumkan nama dari

orang yang membuat diagram tebar itu.

Pembacaan scatter diagram yang benar harus mengarah kepada tindakan yang

tepat. Untuk mempelajari kemampuan membaca yang benar dapat diuraikan secara

umum seperti dibawah ini :

Keterangan :

Pertambahan dalam y tergantung pada pertambahan dalam x. Bila x

dikendalikan, y terkendali pula.

Bila x bertambah, y akan bertambah beberapa, tetapi y seolah–olah

mempunyai penyebab selain dari x.

Tidak terdapat korelasi.

Pertambahan dalam x menyebabkan kecenderungan untuk penurunan y.

Pertambahan dalam x akan menyebabkan penurunan Y. Oleh sebab itu,

apabila x dikendalikan maka y terkendali pula.

REGRESI LINEAR

Regresi linear adalah alat statistik yang dipergunakan untuk mengetahui

pengaruh antara satu atau beberapa variabel terhadap satu buah variabel. Variabel

yang mempengaruhi sering disebut variabel bebas, variabel independen atau

variabel penjelas. Variabel yang dipengaruhi sering disebut dengan variabel terikat

atau variabel dependen.

Secara umum regresi linear terdiri dari dua, iaitu regresi linear sederhana dan

regresi linear berganda. Regresi linear sederhana ialah satu buah variabel bebas

dan satu buah variabel terikat manakala regresi linear berganda teridiri daripada

beberapa variabel bebas dan satu buah variabel terikat. Analisis regresi linear

merupakan metode statistik yang paling jamak dipergunakan dalam penelitian-

penelitian sosial, terutama penelitian ekonomi. Program komputer yang paling

banyak digunakan adalah SPSS (Statistical Package For Service Solutions).

Regresi Linear Sederhana

Analisis regresi linear sederhana dipergunakan untuk mengetahui pengaruh

antara satu buah variabel bebas terhadap satu buah variabel terikat. Persamaan

umumnya adalah:

Y = a + b X.

Dengan Y adalah variabel terikat dan X adalah variabel bebas. Koefisien a

adalah konstanta (intercept) yang merupakan titik potong antara garis regresi dengan

sumbu Y pada koordinat kartesius.

Langkah penghitungan analisis regresi dengan menggunakan program SPSS

adalah: Analyse --> regression --> linear. Pada jendela yang ada, klik variabel terikat

lalu klik tanda panah pada kota dependent. Maka variabel tersebut akan masuk ke

kotak sebagai variabel dependen. Lakukan dengan cara yang sama untuk variabel

bebas (independent). Lalu klik OK dan akan muncul output SPSS.

Regresi Linear Berganda

Analisis regresi linear berganda sebenarnya sama dengan analisis regresi

linear sederhana, hanya variabel bebasnya lebih dari satu buah. Persamaan

umumnya adalah:

Y = a + b1 X1 + b2 X2 + .... + bn Xn.

Dengan Y adalah variabel bebas, dan X adalah variabel-variabel bebas, a

adalah konstanta (intersept) dan b adalah koefisien regresi pada masing-masing

variabel bebas.

Interpretasi terhadap persamaan juga relatif sama, sebagai ilustrasi, pengaruh

antara motivasi (X1), kompensasi (X2) dan kepemimpinan (X3) terhadap kepuasan

kerja (Y) menghasilkan persamaan sebagai berikut:

Y = 0,235 + 0,21 X1 + 0,32 X2 + 0,12 X3

1. Jika variabel motivasi meningkat dengan asumsi variabel kompensasi dan

kepemimpinan tetap, maka kepuasan kerja juga akan meningkat

2. Jika variabel kompensasi meningkat, dengan asumsi variabel motivasi dan

kepemimpinan tetap, maka kepuasan kerja juga akan meningkat.

3. Jika variabel kepemimpinan meningkat, dengan asumsi variabel motivasi dan

kompensasi tetap, maka kepuasan kerja juga akan meningkat.

Interpretasi terhadap konstanta (0,235) juga harus dilakukan secara hati-hati.

Jika pengukuran variabel dengan menggunakan skala Likert antara 1 sampai dengan

5 maka tidak boleh diinterpretasikan bahwa jika variabel motivasi, kompensasi dan

kepemimpinan bernilai nol, sebagai ketiga variabel tersebut tidak mungkin bernilai

nol karena Skala Likert terendah yang digunakan adalah 1.

Analisis regresi linear berganda memerlukan pengujian secara serempak

dengan menggunakan F hitung. Signifikansi ditentukan dengan membandingkan F

hitung dengan F tabel atau melihat signifikansi pada output SPSS. Dalam beberapa

kasus dapat terjadi bahwa secara simultan (serempak) beberapa variabel

mempunyai pengaruh yang signifikan, tetapi secara parsial tidak. Sebagai ilustrasi:

seorang penjahat takut terhadap polisi yang membawa pistol (diasumsikan polisis

dan pistol secara serempak membuat takut penjahat). Akan tetapi secara parsial,

pistol tidak membuat takut seorang penjahat. Contoh lain: air panas, kopi dan gula

menimbulkan kenikmatan, tetapi secara parsial, kopi saja belum tentu menimbulkan

kenikmatan.

Penggunaan metode analisis regresi linear berganda memerlukan asumsi

klasik yang secara statistik harus dipenuhi. Asumsi klasik tersebut meliputi asumsi

normalitas, multikolinearitas, autokorelasi, heteroskedastisitas dan asumsi linearitas

(akan dibahas belakangan).

Langkah-langkah yang lazim dipergunakan dalam analisis regresi linear

berganda adalah 1) koefisien determinasi; 2) Uji F dan 3 ) uji t. Persamaan regresi

sebaiknya dilakukan di akhir analisis karena interpretasi terhadap persamaan regresi

akan lebih akurat jika telah diketahui signifikansinya. Koefisien determinasi

sebaiknya menggunakan adjusted R Square dan jika bernilai negatif maka uji F dan

uji t tidak dapat dilakukan.

Regresi Linear dengan Variabel Moderating

Variabel moderating adalah variabel yang memperkuat atau memperlemah

hubungan antara satu variabel dengan variabel lain. Sebagai contoh: seorang suami

menyayangi istrinya. Dengan hadirnya seorang anak, maka rasa sayang tersebut

bertambah. Berarti variabel anak merupakan moderating antara rasa saya suami

terhadap istri. Contoh lain: kompensasi memperkuat pengaruh antara kepuasan

kerja terhadap kinerja. Artinya kepuasan kerja berpengaruh terhadap kinerja, dan

adanya kompensasi yang tinggi maka pengaruh antara kepuasan kerja terhadap

kinerja menjadi lebih meningkat. Dalam hal ini, kompensasi bisa saja berpengaruh

terhadap kinerja bisa saja tidak.

Regresi Linear dengan Variabel Intervening

Variabel intervening adalah variabel antara atau variabel mediating. Model

regresi dengan variabel intervening merupakan hubungan bertingkat sehingga jika

dengan analisis regresi harus menggunakan analisis jalur (path analysis) atau

disarankan menggunakan metode structural equation modelling (SEM). Metode SEM

akan dibahas belakangan dengan menggunakan Program AMOS atau LISREL.

Regresi dengan variabel intervening dipergunakan untuk melihat pengaruh

tidak langsung antara satu variabel terhadap variabel yang lain. Sebagai contoh:

Gaya Evaluasi Atasan (GEA) mempunyai pengaruh terhadap Kinerja Manajerial

(KM) melalui Tekanan Kerja (TK). GEA mempunyai pengaruh langsung terhadap KM

tetapi juga bisa mempunyai pengaruh tidak langsung terhadap KM melalui TK. GEA

diinterpretasikan mempunyai pengaruh tidak langsung terhadap KM melalui TK jika

pengaruh GEA terhadap TK signifikan dan pengaruh TK terhadap KM juga signifikan.

Dalam suatu kasus bisa saja variabel mempunyai pengaruh langsung terhadap suatu

variabel dan pengaruh tidak langsung terhadap variabel tersebut melalui variabel

yang lain.

Cara Membuat Scatter Diagram

1. Tentukan faktor-faktor yang akan diamati, misalnya “A” dan “B” (faktor sebab

vs akibat atau akibat 1 vs akibat 2 atau sebab 1 vs sebab 2).  Pedoman :

salah satu variabel / faktor ditempatkan sebagai Variabel Independen

(PENYEBAB), yang di dalam diagram ditempatkan pada Sumbu X, variabel

lainnya sebagai Variabel Dependen (AKIBAT), yang ditempatkan pada Sumbu

Y.

2. Tetapkan waktu pengamatan dan kumpulkan sejumlah data (umumnya > 30).

3. Gambarkanlah Sumbu “X” dan Sumbu “Y” dalam kertas diagram atau

millimeterpaper

4. Tetapkanlah bidang bujur sangkar untuk menempatkan seluruh data yang

dikumpulkan dengan cara :

‐ Tentukan Nilai Tertinggi dan Nilai Terendah masing-masing data.

‐ Hitunglah bedanya, dan tetapkan skalanya, baik sumbu X, maupun sumbu

Y.

‐ Masukkan data, dimulai pada sumbu X (penyebab) dan pada sumbu Y

(akibat).

RUMUS : Cara mendapatkan Koefisien Korelasi ( r ) adalah sbb:

r= Koefisien Korelasi

n= Banyaknya Pasangan Data X dan Y

Σx=Jumlah Nilai Variabel X

Σy=Jumlah Nilai Variabel Y

Σx2=Jumlah Kuadrat Nilai Variabel X

Σy2=Jumlah Kuadrat Nilai Variabel X 

Range  = -1 ≤ r ≤ +1

r mendekati + 1 = Variabel X dan Y memiliki korelasi Positif Kuat

r mendekati – 1 = Variabel X dan Y memiliki korelasi Negatif Kuat

r mendekati 0  = Variabel X dan Y memiliki korelasi Sangat Lemah

Dalam penentuan penyebab Dominan, maka nilai Koefisien Korelasi yang

menentukan penyebab dominan adalah : r ≥ 0,501

 Kesimpulan yang dapat ditarik adalah Pencapaian SLS berhubungan langsung

dengan peningkatan pencapaian penjualan di cabang XYZ selama tahun 2005. Oleh

karena itu SLS perlu selalu dijaga dan ditingkatkan performancenya karena akan

berakibat positif pada penjualan.