LAPORAN PRAKTIKUM PENGOLAHAN DATA PERIKANAN

ACARA V
ANALISIS KORELASI


Oleh:
Brigitta Laksmi Paramita
11/318053/PN/12375
Teknologi Hasil Perikanan



JURUSAN PERIKANAN
FAKULTAS PERTANIAN
UNIVERSITAS GADJAH MADA
YOGYAKARTA
2013




I. TINJAUAN PUSTAKA
Menurut Walpole (1995), analisis korelasi merupakan metode statistik yang
digunakan untuk mengukur besarnya hubungan linier antara dua variabel atau lebih. Menurut
Usman (2000), macam-macam dari analisis korelasi antara lain:
1. Product Moment Pearson untuk kedua variabel yang berskala interval
2. Rank Spearman untuk kedua variabel yang berskala ordinal
3. Point Serial untuk 2 variabel yang satu berskala nominal sebenarnya dan satu berskala
interval
4. Biserial untuk 2 variabel yang satu berskala nominal buatan dan satu berskala interval
5. Koefisien kontingensi untuk kedua varibel yang berskala nominal
Dalam analisis korelasi, terdapat suatu nilai koefisien. Nilai koefisien korelasi
merupakan nilai yang digunakan untuk mengukur kekuatan (keeratan) suatu hubungan antar
variabel, (Nugroho, 2005). Koefisien korelasi memiliki nilai antara -1 hingga +1. Sifat nilai
koefisien korelasi adalah plus (+) atau minus (-). Hal ini menunjukkan ini arah korelasi.
Makna sifat korelasi:
1. Korelasi positif (+) berarti jika variabel x1 mengalami kenaikan maka variabel x2
juga mengalami kenaikan atau jika variabel x2 mengalami kenaikan maka variabel x1
juga akan mengalami kenaikan.
2. Korelasi negatif (-) berarti jika variabel x1 mengalami kenaikan maka variabel x2
juga mengalami penurunan atau jika variabel x2 mengalami kenaikan maka variabel
x1 akan mengalami penurunan.
Menurut Nugroho (2005) sifat korelasi akan menentukan arah dari korelasi. Keeratan
korelasi dapat dikelompokkan sebagai berikut:
1. 0,00 sampai dengan 0,20 berarti korelasi memiliki keeratan sangat lemah.
2. 0,21 sampai dengan 0,40 berarti korelasi memiliki keeratan lemah.
3. 0,41 sampai dengan 0,70 berarti korelasi memiliki keeratan kuat.
4. 0,71 sampai dengan 0,90 berarti korelasi memiliki keeratan sangat kuat.
5. 0,91 sampai dengan 0,99 berarti korelasi memiliki keeratan sangat kuat sekali.
6. 1 berarti korelasi sempurna
Pentingnya dilakukan analisis korelasi adalah agar kita dapat mengetahui hubungan antara
dua variabel yang diujikan.


II. INTERPRETASI DATA

2.1. Korelasi Parametrik Bivariate
Analisis Bivariate parametrik ini bertujuan untuk menguji apakah ada korelasi
antara panjang ikan dengan Tingkat Kematangan Gonadnya atau tidak. Pengujian ini
menggunakan suatu hipotesis yaitu:
Ho = Tidak ada korelasi antara panjang ikan dengan TKG
H1 = Ada korelasi antara panjang ikan dengan TKG
Dengan syarat pengambilan keputusan sebagai berikut:
Jika Sig > 0,05 maka Ho diterima
Jika Sig < 0,05 maka Ho ditolak
Correlations

Panjang (cm)
Tingkat
Kematangan
Gonad
Panjang (cm) Pearson Correlation 1 .184
Sig. (2-tailed) .083
N 90 90
Tingkat Kematangan
Gonad
Pearson Correlation .184 1
Sig. (2-tailed) .083
N 90 90

Tabel di atas merupakan hasil dari pengujian analisis korelasi parametrik
bivariate. Berdasarkan tabel tersebut, dapat diketahui bahwa nilai signifikansi panjang
ikan dengan TKG lebih besar dari 0,05 yaitu sebesar 0,083. Berdasarkan syarat
pengambilan keputusan, jika nilai signifikansi lebih dari 0,05 maka Ho diterima
sehingga dapat disimpulkan bahwa tidak ada korelasi antara panjang ikan dengan
TKG. Hal ini berarti ANOVA tidak signifikan. Jika dilihat pada korelasi antara
panjang ikan dengan TKG, didapatkan korelasinya sebesar 0,184. Menurut teori,
koefisien korelasi 0,184 tergolong dalam korelasi sangat lemah dan koefisien tersebut
bernilai positif. Sehingga dapat disimpulkan bahwa korelasi antara panjang ikan dan
TKG sangat lemah dan beriringan.

2.2. Korelasi Parametrik Parsial
Analisis Parsial parametrik ini bertujuan untuk menguji apakah ada korelasi
antara panjang ikan dengan Tingkat Kematangan Gonadnya atau tidak bila dikontrol
oleh berat. Pengujian ini menggunakan suatu hipotesis yaitu:
Ho = Tidak ada korelasi antara panjang ikan dengan TKG dikontrol oleh berat
H1 = Ada korelasi antara panjang ikan dengan TKG dikontrol oleh berat
Dengan syarat pengambilan keputusan sebagai berikut:
Jika Sig > 0,05 maka Ho diterima
Jika Sig < 0,05 maka Ho ditolak

















Tabel di atas merupakan hasil dari pengujian analisis korelasi parametrik
parsial. Berdasarkan tabel tersebut, dapat diketahui bahwa nilai signifikansi panjang
ikan dengan TKG yang dikontrol oleh berat lebih besar dari 0,05 yaitu sebesar 0,103.
Berdasarkan syarat pengambilan keputusan, jika nilai signifikansi lebih dari 0,05
maka Ho diterima sehingga dapat disimpulkan bahwa tidak ada korelasi antara
panjang ikan dengan TKG yang dikontrol oleh berat. Hal ini berarti ANOVA tidak
signifikan. Jika dilihat pada korelasi antara panjang ikan dengan TKG yang dikontrol
oleh berat, didapatkan korelasi sebesar -0,174. Menurut teori, koefisien korelasi -
0,174 tergolong dalam korelasi sangat lemah dan koefisien tersebut bernilai negatif.
Correlations
Control Variables
Panjang (cm)
Tingkat
Kematangan
Gonad
Berat (gram) Panjang (cm) Correlation 1.000 -.174
Significance (2-
tailed)
. .103
df 0 87
Tingkat Kematangan
Gonad
Correlation -.174 1.000
Significance (2-
tailed)
.103 .
df 87 0
Sehingga dapat disimpulkan bahwa korelasi antara panjang ikan dan TKG yang
dikontrol oleh berat sangat lemah namun saling bertolak belakang.

2.3. Korelasi Non Parametrik Bivariate
Analisis Bivariate non parametrik ini bertujuan untuk menguji apakah ada
korelasi antara tingkat pendidikan dengan lama pengalaman kerja atau tidak.
Pengujian ini menggunakan suatu hipotesis yaitu:
Ho = Tidak ada korelasi antara tingkat pendidikan dengan lama pengalaman kerja
H1 = Ada korelasi antara tingkat pendidikan dengan lama pengalaman kerja
Dengan syarat pengambilan keputusan sebagai berikut:
Jika Sig > 0,05 maka Ho diterima
Jika Sig < 0,05 maka Ho ditolak

Tabel di atas merupakan hasil dari pengujian analisis korelasi non parametrik
bivariate. Berdasarkan tabel tersebut, dapat diketahui bahwa nilai signifikansi tingkat
pendidikan dengan lama pengalaman kerja lebih besar dari 0,05 yaitu sebesar 0,798.
Berdasarkan syarat pengambilan keputusan, jika nilai signifikansi lebih dari 0,05
maka Ho diterima sehingga dapat disimpulkan bahwa tidak ada korelasi antara
pendidikan dengan lama pengalaman kerja. Hal ini berarti ANOVA tidak signifikan.
Jika dilihat pada korelasi antara tingkat pendidikan dengan lama pengalaman kerja,
Correlations

Pendidikan
Pengalaman
(th)
Spearman's rho Pendidikan Correlation
Coefficient
1.000 .038
Sig. (2-tailed) . .798
N 47 47
Pengalaman (th) Correlation
Coefficient
.038 1.000
Sig. (2-tailed) .798 .
N 47 47
didapatkan korelasi sebesar 0,038. Menurut teori, koefisien korelasi 0,038 tergolong
dalam korelasi sangat lemah dan koefisien tersebut bernilai positif. Sehingga dapat
disimpulkan bahwa korelasi antara tingkat pendidikan dengan lama pengalaman
kerja sangat lemah dan saling beriringan
.
2.4. Korelasi Non Parametrik Parsial
Analisis Bivariate non parametrik ini bertujuan untuk menguji apakah ada
korelasi antara tingkat pendidikan dengan lama pengalaman kerja atau tidak.
Pengujian ini menggunakan suatu hipotesis yaitu:
Ho = Tidak ada korelasi antara tingkat pendidikan dengan lama pengalaman kerja
dikontrol oleh umur
H1 = Ada korelasi antara tingkat pendidikan dengan lama pengalaman kerja
dikontrol oleh umur
Dengan syarat pengambilan keputusan sebagai berikut:
Jika Sig > 0,05 maka Ho diterima
Jika Sig < 0,05 maka Ho ditolak


Tabel di atas merupakan hasil dari pengujian analisis korelasi non parametrik
parsial. Berdasarkan tabel tersebut, dapat diketahui bahwa nilai signifikansi tingkat
pendidikan dengan lama pengalaman kerja yang dikontrol oleh umur lebih besar dari
0,05 yaitu sebesar 0,181. Berdasarkan syarat pengambilan keputusan, jika nilai
signifikansi lebih dari 0,05 maka Ho diterima sehingga dapat disimpulkan bahwa
tidak ada korelasi antara pendidikan dengan lama pengalaman kerja yang dikontrol
oleh umur. Hal ini berarti ANOVA tidak signifikan. Jika dilihat pada korelasi antara
tingkat pendidikan dengan lama pengalaman kerja yang dikontrol oleh umur,
didapatkan korelasi sebesar 0,201. Menurut teori, koefisien korelasi 0,201 tergolong
Correlations
Control Variables Pengalaman (th) Pendidikan
Umur (th) Pengalaman (th) Correlation 1.000 .201
Significance (2-tailed) . .181
df 0 44
Pendidikan Correlation .201 1.000
Significance (2-tailed) .181 .
df 44 0
dalam korelasi sangat lemah dan koefisien tersebut bernilai positif. Sehingga dapat
disimpulkan bahwa korelasi antara tingkat pendidikan dengan lama pengalaman
kerja yang dikontrol oleh umur sangat lemah dan saling beriringan








































DAFTAR PUSTAKA

Walpole, R. E. 1995. Pengantar Statistika Edisi ke-3. Gramedia. Jakarta.
Usman, H. dan R. Purnomo Setiady Akbar. 2000. Pengantar Statistika. Jakarta : Bumi
Aksara