1. KORELASI PARSIAL
• Pembahasan korelasi parsial berhubungan
dengan perlunya mempertimbangkan
pengaruh atau efek dari variabel lain dalam
menghitung korelasi antara dua variabel.
• Oleh karena itu, dapat dikatakan korelasi
parsial mengukur korelasi antar dua variabel
dengan mengeluarkan pengaruh dari satu
atau beberapa variabel (disebut variabel
kontrol).
7. Langkah 1
Correlations
P engetahuan S i kap P artis i pas i
P engetahuan P ears on Correl ati on 1 .526* .749**
S i g. (2-tai l ed) .044 .001
S um of S quares and
127.733 142.400 529.933
Cross -products
Covari anc e 9.124 10.171 37.852
N 15 15 15
S i kap P ears on Correl ati on .526* 1 .453
S i g. (2-tai l ed) .044 .090
S um of S quares and
142.400 574.400 680.600
Cross -products
Covari anc e 10.171 41.029 48.614
N 15 15 15
P artis i pas i P ears on Correl ati on .749** .453 1
S i g. (2-tai l ed) .001 .090
S um of S quares and
529.933 680.600 3921.733
Cross -products
Covari anc e 37.852 48.614 280.124
N 15 15 15
*. Correl ati on i s s i gni fi c ant at the 0.05 l evel (2-tai l ed).
**. Correl ati on i s s i gni fi c ant at the 0.01 l evel (2-tai l ed).
8. HASIL ANALISIS KORELASI PRODUCT MOMENT
Correlations
P engetahuan S i kap P artis i pas i
P engetahuan P ears on Correl ati on 1 .526* .749**
S i g. (2-tai l ed) .044 .001
S um of S quares and
127.733 142.400 529.933
Cross -products
Covari anc e 9.124 10.171 37.852
N 15 15 15
S i kap P ears on Correl ati on .526* 1 .453
S i g. (2-tai l ed) .044 .090
S um of S quares and
142.400 574.400 680.600
Cross -products
Covari anc e 10.171 41.029 48.614
N 15 15 15
P artis i pas i P ears on Correl ati on .749** .453 1
S i g. (2-tai l ed) .001 .090
S um of S quares and
529.933 680.600 3921.733
Cross -products
Covari anc e 37.852 48.614 280.124
N 15 15 15
*. Correl ati on i s s i gni fi c ant at the 0.05 l evel (2-tai l ed).
**. Correl ati on i s s i gni fi c ant at the 0.01 l evel (2-tai l ed).
11. ANALISIS REGRESI DAN
KORELASI GANDA
Bagaimana jika kita hendak melakukan analisis
regresi dengan lebih dari satu prediktor atau
variabel independen? Kita tetap dapat
menggunakan analisis regresi, hanya saja saat
ini melibatkan lebih dari satu prediktor dalam
analisisnya. Analisis regresi seperti ini sering
disebut dengan analisis regresi ganda
(Multiple Regression Analysis).
13. ANOVAb
Sum of
Model Squares df Mean Square F Sig.
1 Regression 2217.969 2 1108.984 7.811 .007 a
Residual 1703.765 12 141.980
Total 3921.733 14
a. Predictors: (Constant), Sikap, Pengetahuan
b. Dependent Variable: Partisipasi
Model Summary
Adjusted Std. Error of
Model R R Square R Square the Es timate
1 .752 a .566 .493 11.916
a. Predic tors : (Cons tant), Sikap, Pengetahuan