OLEH :
WIJAYA
email : zeamays_hibrida@yahoo.com
FAKULTAS PERTANIAN
UNIVERSITAS SWADAYA GUNUNG JATI CIREBON
2009
ANALISIS KORELASI
1. Koefisien Korelasi Pearson
Koefisien Korelasi Moment Product
Korelasi Data Berskala Interval dan Rasio
2. Koefisien Korelasi Spearman
Korelasi Data Berskala Ordinal (Rank)
3. Koefisien Kontingensi
Korelasi Data yang Disusun dalam Baris - Kolom
4. Koefisien Korelasi Phi
Korelasi Data Berskala Nominal
ANALISIS KORELASI
Analisis Korelasi merupakan studi yang membahas tentang derajat
keeratan hubungan antar peubah, yang dinyatakan dengan Koefisien
Korelasi. Hubungan antara peubah X dan Y dapat bersifat :
a. Positif, artinya jika X naik (turun) maka Y naik (turun).
b. Negatif, artinya jika X naik (turun) maka Y turun (naik).
c. Bebas, artinya naik turunnya Y tidak dipengaruhi oleh X.:
Positif
Negatif
Bebas (Nol)
1. KORELASI PEARSON
Rumus umum Koefisien Korelasi (tidak harus regresinya linier) yaitu :
r2
=1
r2
r
Yi
( Yi Y)2
(Yi
Y)2
JKG
= 1
JKT JKG
=
JKT
JKR
=
JKT
JKT
1. KORELASI PEARSON
Rumus Koefisien Korelasi Pearson :
r =
n xy (x) (y)
( )
2
n 2
x
x
( )
2
n 2
y
y
1. KORELASI PEARSON
Misal data berikut menggambarkan keuntungan usahatani (Y) pada
berbagai luas lahan (X) padi sawah :
No Petani
Keuntungan (Y)
0,21
0,50
0,50
1,10
0,14
0,25
1,00
1,80
0,21
0,40
0,07
0,20
0,50
0,90
1,00
2,00
0,70
1,20
10
0,14
0,35
11
0,35
0,70
12
0,28
0,65
1. KORELASI PEARSON
No
1
2
3
4
5
6
7
8
9
10
11
12
Jumlah
Rata-rata
n
Luas (X)
0,21
0,50
0,14
1,00
0,21
0,07
0,50
1,00
0,70
0,14
0,35
0,28
5,10
0,43
12
Untung (Y)
0,50
1,10
0,25
1,80
0,40
0,20
0,90
2,00
1,20
0,35
0,70
0,65
10,05
0,84
-
X2
0,0441
0,2500
0,0196
1,0000
0,0441
0,0049
0,2500
1,0000
0,4900
0,0196
0,1225
0,0784
3,3232
-
Y2
0,2500
1,2100
0,0625
3,2400
0,1600
0,0400
0,8100
4,0000
1,4400
0,1225
0,4900
0,4225
12,2475
-
XY
0,1050
0,5500
0,0350
1,8000
0,0840
0,0140
0,4500
2,0000
0,8400
0,0490
0,2450
0,1820
6,3540
-
1. KORELASI PEARSON
X = 5,10 ; Y = 10,05 ; X2 = 3,3232 ; Y2 =12,2475 ;
XY = 6,3540 ; n = 12
r =
n xy ( x) ( y)
n 2
x
( )
n 2
x
y
( y)
2
12(6,3540) (5,10)(10,05)
12(3,3232)
( )
5,10 12(12,2475)
2
(10,05)
2
76,2480 51,2550
(39,8784)
(26,0100)
(146,9700)
(101,0025)
1. KORELASI PEARSON
76,2480 51,2550
(39,8784)
(26,0100)
(146,9700)
(101,0025)
24 ,9930
(13 ,8684 ) ( 45 ,9675 )
24,9930
r =
25,2487
Nilai r2 = 97,98 % artinya sebesar 97,98 % variasi besarnya
keuntungan (nilai Y) diperngaruhi oleh variasi besarnya luas lahan
(nilai X).
1. KORELASI PEARSON
Pengujian Koefisien Korelasi Pearson :
1.
2.
3.
4.
H0 r = 0 lawan H1 r 0
Taraf Nyata = 5 % = 0,05
Uji Statistik = Uji- t
Wilayah Kritik (Daerah Penolakan H0) :
t <t/2(n-2) atau t > t/2(n-2)
t <t0,025(10) atau t > t0,025(10)
t < 2,228 atau t > 2,228
5. Perhitungan :
t = r
n 2
1 r
1. KORELASI PEARSON
5. Perhitungan :
t = r
n 2
1 r
t = 0,9899
10
0,0202
t = 0,9899
12 2
1 0,9798
t = (0,9899)(22,2772)
t = 22,052
6. Kesimpulan :
Karena nilai ( t = 22,052) > ( t0,025(10) = 2,228)
maka disimpulkan untuk menolak H0, artinya terdapat
hubungan yang signifikan antara keuntungan usahatani
(Y) dengan luas lahan garapan (X)
1. KORELASI PEARSON
6. Kesimpulan :
Nilai t = 22,052 dan t0,025(10) = 2,228.
Tolak H0
Tolak H0
Terima H0
2,228
2,228
22,052
2. KORELASI SPEARMAN
1. Jika tidak ada nilai pengamatan yang sama :
6 di2
rs = 1
n (n2 1)
rs =
x + y d
2
x2 =
y2 =
x . y
N3 N
Tx
Tx =
t3 t
12
12
N3 N
t3 t
12
Ty
Ty =
12
2. KORELASI SPEARMAN
Contoh data berikut menggambarkan Pengalaman Usahatani (X)
dan Penerapan Teknologi (Y) dari 12 petani :
No
1
2
3
4
5
6
7
8
9
10
11
12
X
12
10
10
13
11
14
13
14
11
14
10
8
Y
85
74
78
90
85
87
94
98
81
91
76
74
No
1
2
3
4
5
6
7
8
9
10
11
12
X
8
10
10
10
11
11
12
13
13
14
14
14
Rank
1
3
3
3
5,5
5,5
7
8,5
8,5
11
11
11
No
1
2
3
4
5
6
7
8
9
10
11
12
X
74
74
76
78
81
85
85
87
90
91
94
98
Rank
1,5
1,5
3
4
5
6,5
6,5
8
9
10
11
12
2. KORELASI SPEARMAN
No
Rank-X
Rank-Y
di2
12
85
6,5
0,25
10
74
1,5
2,25
10
78
1,00
13
90
8,5
0,25
11
85
5,5
6,5
1,00
14
87
11
9,00
13
94
8,5
11
6,25
14
98
11
12
1,00
11
81
5,5
0,25
10
14
91
11
10
1,00
11
10
76
0,00
12
74
1,5
0,25
Jml
22,50
2. KORELASI SPEARMAN
di2 = 22,50 n = 12
rs = 1
6 di2
n (n2 1)
6 (22,50)
rs = 1
12 (144 1)
135
rs = 1
= 1 0,0787 = 0,9213
1716
2. KORELASI SPEARMAN
Rank-X
3
5,5
8,5
11
t
3
2
2
3
Jml
Tx = 5,0
x2 =
Tx
2,0
0,5
0,5
2,0
Rank-Y
1,5
6,5
5,0
Jml
Ty = 1,0 n = 12
123 12
5,0 = 138
12
x2 =
123 12
1,0 = 142
12
t
2
2
Ty
0,5
0,5
1,0
2. KORELASI SPEARMAN
di2 = 22,50
2
rs =
x2 = 138
2
+ y
2
y2 = 142
x . y
r s = 0,9197
2. KORELASI SPEARMAN
Pengujian Koefisien Korelasi Pearson :
1. H0 rs = 0 lawan H1 rs 0
2. Taraf Nyata = 5 % = 0,05
3. Uji Statistik = Uji- t
4. Wilayah Kritik (Daerah Penolakan H0) :
t <t/2(n-1) atau t > t/2(n-1)
t <t0,025(10) atau t > t0,025(10)
t < 2,228 atau t > 2,228
5. Perhitungan :
t = rs
n 2
2
1 rs
2. KORELASI SPEARMAN
5. Perhitungan :
t = rs
n 2
2
1 rs
t = 0,9197
10
0,1541
t = 0,9197
12 2
1 0,8459
t = (0,9197)(8,0560)
t = 7,409
6. Kesimpulan :
Karena nilai ( t = 7,409) > ( t0,025(10) = 2,228) maka
disimpulkan untuk menolak H0, artinya terdapat
hubungan yang signifikan antara pengalaman usahatani
(X) dengan penerapan teknologi (Y)
3. KORELASI PHI
Koefisien korelasi phi r merupakan ukuran derajat keeratan
hubungan antara dua variabel dengan skala nominal yang
bersifat dikotomi (dipisahduakan).
Kolom
Baris
Jumlah
Jumlah
(A+B)
(C+D)
(A+C)
(B+D)
A.D B.C
r =
(A+B)(C+D)(A+C)(B+D)
3. KORELASI PHI
[ | oi ei | 0,5 ]2
db-X2 = (b 1)(k 1)
ei
Atau dengan rumus :
X2 =
(A+B)(C+D)(A+C)(B+D)
db-X2 = (b 1)(k 1)
3. KORELASI PHI
Contoh :
Data berikut menggambarkan banyaknya petani tebu berdasarkan
penggunaan jenis pupuk dan cara tanam.
Pupuk Tunggal Pupuk Majemuk
Jumlah
Tanam Awal
14
Keprasan
16
14
16
30
Jumlah
3. KORELASI PHI
Jawab :
Pupuk Tunggal Pupuk Majemuk
Jumlah
Tanam Awal
14
Keprasan
16
14
16
30
Jumlah
A.D B.C
r =
(A+B)(C+D)(A+C)(B+D)
(5)(7) (9)(9)
r =
(14)(16)(14)(16)
r = 0,2054
35 81
=
50176
46
=
224
3. KORELASI PHI
Uji Koefisien Korelasi phi :
1. H0 r = 0 lawan H1 r 0
2. Taraf Nyata = 5 % = 0,05
3. Uji Statistik = Uji- X2
4. Wilayah Kritik (Daerah Penolakan H0) :
X2 >X20,05(1) atau X2 > 3,841
5. Perhitungan :
Tanam Awal
Keprasan
Jumlah
Pupuk Tunggal
oi
ei
6,53
5
7,47
9
14
Pupuk Majemuk
ei
oi
9
7,47
7
8,53
16
Jumlah
14
16
30
3. KORELASI PHI
Tanam Awal
Keprasan
Jumlah
X2 =
Pupuk Tunggal
oi
ei
6,53
5
7,47
9
14
Pupuk Majemuk
ei
oi
9
7,47
7
8,53
16
Jumlah
14
16
30
[ | oi ei | 0,5 ]2
ei
X2 =
[ |5 6,53| 0,5 ]2
5,63
= 0,571
8.53
6. Kesimpulan
Karena nilai (X2 = 0,571) < (X20,05(1) = 6,635) maka H0
diterima artinya penggunaan jenis pupuk tidak tergantung
pada cara tanam.
3. KORELASI PHI
Jumlah
Tanam Awal
14
Keprasan
16
14
16
30
Jumlah
X2 =
(A+B)(C+D)(A+C)(B+D)
X2 =
30 [ 46 15 ]2
(14)(16)(14)(16)
28830
=
50176
= 0,575
50176
4. KORELASI CRAMER
| A.D B.C |
V =
(A+B)(C+D)(A+C)(B+D)
Pupuk Tunggal Pupuk Majemuk
Jumlah
Tanam Awal
14
Keprasan
16
14
16
30
Jumlah
| (5)(7) (9)(9)|
V =
(14)(16)(14)(16)
V = 0,2054
|35 81|
=
50176
46
=
224
4. KORELASI KONTINGENSI
Koefisien kontingensi C merupakan ukuran korelasi antara dua variabel
kategori yang disusun dalam tabel kontingensi berukuran b x k.
Pengujian terhadap koefisien kontingensi C digunakan sebagai Uji
Kebebasan (Uji Independensi) antara dua variabel. Jadi apabila
hipotesis nol dinyatakan sebagai C = 0 diterima, berarti kedua variabel
tersebut bersifat bebas.
X2 =
(oi ei)2
ei
n
db-X2 = (b 1)(k 1)
4. KORELASI KONTINGENSI
Contoh :
Ada anggapan bahwa pelayanan bank swasta terhadap para
nasabahnya lebih memuaskan dari pada bank pemerintah. Untuk
mengetahui hal tersebut, maka dilakukan wawancara terhadap nasabah
bank swasta dan bank pemerintah masing-masing sebanyak 40 orang.
Hasil wawancara yang tercatat adalah :
Tidak Puas
Netral
Puas
Swasta
Pemerintah
16
10
15
25
4. KORELASI KONTINGENSI
1. H0 C = 0 lawan H1 C 0
2. Taraf Nyata = 5 % = 0,05
3. Uji Statistik = Uji- X2
4. Wilayah Kritik (Daerah Penolakan H0) :
X2 >X20,05(2) atau X2 > 5,991
5. Perhitungan :
Swasta
Tidak Puas
Netral
Puas
Jumlah
ei
13
7
20
oi
16
9
15
40
Pemerintah
oi
10
5
25
ei
13
7
20
40
Jumlah
26
14
40
80
4. KORELASI KONTINGENSI
Swasta
Tidak Puas
Netral
Puas
Jumlah
X2 =
oi
ei
oi
ei
16
9
15
13
7
20
10
5
25
13
7
20
40
(oi ei)2
X2
X2 + n
26
14
40
80
(25 20)2
++
13
=
Jumlah
40
(16 13)2
ei
C =
Pemerintah
5,027
5,027 + 80
= 5,027
20
= 0,0591 = 0,243
4. KORELASI KONTINGENSI
6. Kesimpulan :
Karena nilai (X2 = 5,027) < (X20,05(2) = 5,991) maka H0
diterima artinya hubungan antara kedua variabel tersebut
bersifat tidak nyata (tingkat kepuasan nasabah terhadap
pelayanan bank swasta tidak berbeda nyata dengan bank
pemerintah).
5. KORELASI BISERI
Koefisien korelasi biseri merupakan ukuran derajat keeratan
hubungan antara Y yang kontinu (kuantitatif) dengan X yang
diskrit bersifat dikotomi.
rb
rb
Y1
Y2
p
q
u
Sy
=
=
=
=
=
=
=
(Y1
Y2)
SY
p.q
5. KORELASI BISERI
Data berikut merupakan hasil nilai ujian statistika dari 145
mahasiswa yang belajar dan tidak belajar.
Nilai Ujian
Jumlah Mahasiswa
Total
Belajar
Tidak Belajar
55 59
31
32
60 64
27
27
65 69
30
31
70 74
16
18
75 79
12
17
80 84
85 89
11
Total
21
124
145
5. KORELASI BISERI
Interval
Y1
FY1
Y2
FY2
55 59
57
57
57
31
1767
60 64
62
62
27
1674
65 69
67
67
67
30
2010
70 74
72
144
72
16
1152
75 79
77
385
77
12
924
80 84
82
492
82
246
85 89
87
522
87
435
21
1667
124
8208
Jumlah
Rata-rata
79,38
66,19
5. KORELASI BISERI
rb
(Y1
Y2)
SY
p.q
( 0,223 )( 9,26 )
( 13,19 ) ( 0,120 )
rb =
( 2,065 )
( 1,588 )
rb =
= 0,769
( 2,065 )
JKR
=
b1 x1 y + b1 x2 y + + bk xk y
JKG
y2
JKR
JKG
xi y
= X I Y ( XI ) ( Y ) / n
y2
= Y2 ( Y )2 / n
Nilai (Y)
65
85
X1 = 725
50
74
55
76
X2 = 43
65
90
X12 = 44.475
55
85
70
87
X22 = 195
65
94
X1X2 = 2.540
70
98
Y = 1.011
55
81
70
91
X1Y = 61.685
50
76
X2Y = 3.581
55
74
=
=
=
b0 n + b1 X1 + b2 X2
b0 X1 + b1 X12 + b2 X1X2
b0 X2 + b1 X1X2 + b2 X22
X1
X2
b0
X1
X12
X1 X2
b1
X2
X1 X2
X22
b2
X1 Y
X2 Y
X2 = 43
X12 = 44.475
X22 = 195
X1X2 = 2.540
Y = 1.011
X1Y = 61.685
X2Y = 3.581
Y2 = 85.905
b0 = 27,254
b1 =
0,922
b2 =
0,284
Analisis Ragam :
1. FK = (Y)2 / n = (1,011)2 / 12 = 85.176,75
2. JKT = Y2 FK = 85.905 85,175,75 = 728,25
3. JKR = b1 [ ( X1Y (X1)(Y)/n ] + b2 [ ( X2Y (X2)(Y)/n ]
= 0,922 [ (61.685 (725)(1.011)/12 ] +
0,284 [ (3.581 (43)(1.011)/12 ]
= 556,463 11.867 = 544,596
4. JKG = JKT JKR = 728,25 544,596 = 183,654
Variasi
DB
Regresi
Galat
183,654
Total
11
728,250
r2 =
JKR
JK
544,596
=
JKG
728,250
KT
F5%
4,256
20,406
= 0,7478 r = 0,8648
F =
r2y/1,2 / k
(1 r2y/1,2 ) / (nk1)
r2y/1,2 / db-R
(1 r2y/1,2 ) / db-G
F =
0,3739
=
(1 0,7478) / 9
= 13,343
0,0280
F0,05(2 ; 9) = 4,2565
Karena nilai ( F = 13,343) > ( F0,05(2 ; 9) = 4,2565) artinya
koefisien korelasi ganda tersebut bersifat nyata.
ry1/2 =
ry1
(1
ry2 r1.2
2
2
)
(
1
ry2
r1.2)
ry2/1 =
ry1
ry2
r12
ry2
(1
ry1 r1.2
2
2
)
(
1
ry1
r1.2)
ry2 =
r12 =
ry1/2 =
ry1/2 =
ry1
(1
ry2 r1.2
2
2
)
(
1
ry2
r1.2)
0,862 (0,242)(0,349)
(1 (0,059)) (1 0,122)
0,778
=
ry1/2 0,909
ry1/2
= 0,855
ry2/1 =
ry1/2 =
ry2
(1
ry1 r1.2
2
2
)
(
1
ry1
r1.2)
0,242 (0,862)(0,349)
(1 (0,941)) (1 0,122)
0,059
=
ry1/2 0,475
ry1/2
= 0,124
ry1/2 = 0,855 ;
ry2/1 = 0,124 ;
t =
ryi/ j
n3
1
2
yi/ j
t = 0,855
9
1 0,731
t = 4,949
ry1/2 = 0,855 ;
ry2/1 = 0,124 ;
t =
ryi/ j
n3
1
2
yi/ j
t = 0,374
Atau :
n fi.Cx.Cy ( fx.Cx )( fy.Cy)
r =
Jumlah (fy )
1 20
21 40
41 60
21 40
41 60
15
61 80
81 100
12
14
n = 43
1 20
Jumlah (fx)
61 80
81 100
4
9
10,5
30,5
50,5
70,5
90,5
Cy .Cx
10,5
30,5
50,5
70,5
90,5
fy
fy.Cy
fy.Cy2
fi CxCy
16
15
14
28
20
61
39
12
14
43
fx.Cx
14
18
23
fx.Cx2
14
36
61
fi Cx.Cy
22
39
fx
r =
= 0,67