Cara Membaca Hasil Correlations - SPSS

Gambar : Cover Artikel

HASIL CORRELATIONS

Ditulis oleh : Dimas Purbo Wicaksono Fenda Putra, S.E.

Hallo kawan-kawan blogger, bagaimana kabarnya ? sehat ?

Semoga sehat selalu ya -)

Pada kesempatan kali ini, saya akan berbagi ilmu kepada teman-teman blogger.

Saya menemukan satu jurnal yang cukup menarik, pada jurnal tersebut terdapat hasil dari correlations. Dimana hasil tersebut cukup menarik untuk saya baca, dan di kesempatan kali ini saya akan berbagi bagaimana cara membaca hasil dari correlations.

Berikut adalah judul jurnal yang saya kutip :

Judul : PENGARUH INVESTASI INFRASTRUKTUR JALAN TERHADAP PERTUMBUHAN EKONOMI WILAYAH DI KABUPATEN PESISIR SELATAN PROVINSI SUMATERA BARAT

Peneliti : Youdhi Permadi Ma’ruf1, Ir. Jeluddin Daud, M.Eng

Staff Pengajar Departemen Teknik Sipil

Departemen Teknik Sipil, Universitas Sumatera Utara

Sumber : Jurnal Universitas Sumatera Utara

Korelasi Indikator Pertumbuhan Ekonomi dengan Indikator Pekerjaan Umum

 Gambar : Hasil Output Pengolah Data SPSS Jurnal USU

Cara membaca hasil diatas sebagai berikut :

Dari hasil diatas dapat kita baca :

Nilai dari Pearson Correlation untuk Total Jalan dan Jembatan (km) sebesar 0.877, artinya bahwa hubungan antara PDRB dengan Total Jalan dan Jembatan (Km) sangatlah kuat. Jadi, jika ada pelebaran atau penambahan Total Jalan dan Jembatan (Km) akan menyebabkan peningkatan pada PDRB.

Nilai dari Pearson Correlation untuk Jalan Mantap (km) sebesar 0.892, artinya bahwa hubungan antara PDRB dengan Jalan Mantap (Km) sangatlah kuat. Jadi, jika ada pelebaran atau penambahan Jalan Mantap (Km) akan menyebabkan peningkatan pada PDRB.

Nilai dari Pearson Correlation untuk Luas Areal Teririgrasi sebesar -0.945, artinya bahwa hubungan antara PDRB dengan Luas Areal Teririgrasi sangatlah kuat. Jadi, jika ada pengurangan atau penurunan Luas Areal Teririgrasi akan menyebabkan peningkatan pada PDRB.

Nilai dari Suplai Air Minum (Lt/dtk) sebesar 0.883, artinya bahwa hubungan antara PDRB dengan Suplai Air Minum (Lt/dtk) sangatlah kuat. Jadi, jika ada pengurangan atau penurunan Suplai Air Minum (Lt/dtk) akan menyebabkan peningkatan pada PDRB.

Nilai dari Pearson Correlation untuk Persampahan (%) sebesar 0.999, artinya bahwa hubungan antara PDRB dengan Persampahan (%) sangatlah kuat. Jadi, jika ada penambahan atau peningkatan persampahan (%) akan menyebabkan peningkatan pada PDRB.

Hasil tersebut juga dapat kita baca dengan koefisien determinasi, berikut cara membacanya :

Nilai dari Pearson Correlation untuk Total Jalan dan Jembatan (km) sebesar 0.877, jika kita kalikan (x) dengan 100 maka akan didapat nilai 87.7% Lalu dikurangi (-) 100, maka akan didapat nilai 12,3%. Artinya adalah hubungan antara variabel independent (Total Jalan dan Jembatan (Km)) dengan variabel dependent (PDRB) sebesar 87%, sisanya sebesar 12,3% dipengaruhi oleh variabel lain di luar model.

Nilai dari Pearson Correlation untuk Jalan Mantap (Km) sebesar 0.892, jika kita kalikan (x) dengan 100 maka akan didapat nilai 89.2% Lalu dikurangi (-) 100, maka akan didapat nilai 10.8%. Artinya adalah hubungan antara variabel independent (Jalan Mantap (Km)) dengan variabel dependent (PDRB) sebesar 89.2%, sisanya sebesar 10.8% dipengaruhi oleh variabel lain di luar model.

Nilai dari Pearson Correlation untuk Luas Areal Teririgrasi sebesar -0.945, jika kita kalikan (x) dengan 100 maka akan didapat nilai -94.5% Lalu dikurangi (-) 100, maka akan didapat nilai 5.5%. Artinya adalah hubungan antara variabel independent (Luas Areal Teririgrasi (Km)) dengan variabel dependent (PDRB) sebesar -94.5%, sisanya sebesar 5.5% dipengaruhi oleh variabel lain di luar model.

Nilai dari Pearson Correlation untuk Suplai Air Minum (Lt/dtk) sebesar 0.883, jika kita kalikan (x) dengan 100 maka akan didapat nilai 88.3% Lalu dikurangi (-) 100, maka akan didapat nilai 11.7%. Artinya adalah hubungan antara variabel independent (Suplai Air Minum (Lt/dtk)) dengan variabel dependent (PDRB) sebesar -94.5%, sisanya sebesar 5.5% dipengaruhi oleh variabel lain di luar model.

Nilai dari Pearson Correlation untuk Persampahan (%) sebesar 0.999, jika kita kalikan (x) dengan 100 maka akan didapat nilai 99.9% Lalu dikurangi (-) 100, maka akan didapat nilai 0.1%. Artinya adalah hubungan antara variabel independent (Persampahan) dengan variabel dependent (PDRB) sebesar 99.9%, sisanya sebesar 0.1% dipengaruhi oleh variabel lain di luar model.

Kita juga bisa melihat hasil signifikansi dari data diatas, berikut cara membacanya:

1. Nilai dari Sig. (2-tailed) untuk Total Jalan dan Jembatan (km) sebesar 0.051. Tingkat signifikansi 5% atau 0.05, jadi data tidak signifikan (0.051>0.05)
2. Nilai dari Sig. (2-tailed) untuk Jalan Mantap (Km) sebesar 0.042. Tingkat signifikansi 5% atau 0.05, jadi data signifikan (0.042<0.05)
3. Nilai dari Sig. (2-tailed) untuk Luas Areal Teririgrasi sebesar 0.015. Tingkat signifikansi 5% atau 0.05, jadi data signifikan (0.015<0.05)
4. Nilai dari Sig. (2-tailed) untuk Suplai Air Minum (Lt/dtk) 0.047. Tingkat signifikansi 5% atau 0.05, jadi data signifikan (0.047<0.05)
5. Nilai dari Sig. (2-tailed) untuk Persampahan (%) sebesar 0.000. Tingkat signifikansi 5% atau 0.05, jadi data signifikan (0.000<0.05)

Informasi ekonometrika secara lengkap, silakan kunjungi channel youtube saya di : Dimas Channel

Note : Silakan bagi teman-teman yang ingin meng-copy artikel ini. Mohon sertakan sumber aslinya. Terima Kasih :-)