Pertemuan 10

TEKNIK
ANALISIS KORELASI

Rincian Materi
Definisi Korelasi
Karakteristik Korelasi
Jenis Uji Korelasi
Pengujian Korelasi
Interpretasi Korelasi
Penilaian Kekuatan Hubungan
2 2

Definisi Korelasi
Derajat hubungan antara variabel-variabel
Statistik yang mengandung tingkat
hubungan atau kerjasama di antara dua
variabel.
Pearson correlation adalah statistik bivariat
yang mengandung tingkat hubungan linear di
antara dua variabel kuantitatif.
Korelasi mengukur derajat hubungan antara
2 atau lebih variabel.
Hubungan antara 2 Variabel (Misal X dan Y)
dapat linear, non-linear, positif atau negatif. 3

. .
. .
.. ..
. ..
.

.
. .
..
. .
.

.
.
..
. .

Korelasi Linear Positif :

Jika semua titik (X,Y) pada diagram
pencar mendekati bentuk garis lurus dan
jika arah perubahan kedua variabel
sama Jika X naik, Y juga naik.

Korelasi Non-linear:
Jika semua titik (X,Y) pada diagram
pencar tidak membentuk garis lurus.

Korelasi Negatif:
Jika jika arah perubahan kedua variabel
tidak sama Jika X naik, Y turun.

. .
. .
.. ..
. ..
.

Jenis uji korelasi

Jika data interval dan normal : Pearson
product moment
Jika data ordinal: Spearman rank (rho)
atau Kendall rank (tau)
Jika satu interval kontinu dan satu
dikotomi : Point-Biserial

5
Korelasi Pelatihan Ciputra by Ignatia Martha Hendrati

KARAKTERISTIK KORELASI
Disimbolkan dengan r atau
Nilai korelasi : -1 sampai dengan 1
Arah
Korelasi Positif : nilai positif antara 0 dan
1; nilai tinggi pada X adalah terkait dengan
nilai tinggi pada Y dan sama untuk nilai
rendah
Korelasi Negatif : nilai negatif antara 0
dan -1; nilai tinggi pada X dihubungkan
dengan nilai rendah pada Y dan
sebaliknya.
6

Lanjutan
Koefisien determinasi (r2): seberapa
besar nilai X dapat menjelaskan nilai Y
atau seberapa besar nilai X dapat
mempengaruhi nilai Y (kontribusi X
terhadap Y)
Koefisien korelasi (r): keeratan
hubungan antara variabel X dengan Y
7

Karakteristik korelasi
Tingkat/kekuatan hubungan

Hubungan sempurna = 1 atau 1

Positif : setiap kali nilai X meningkat, maka dapat diprediksi

akan semakin meningkat nilai Y (perfect covariance).
Negatif : setiap kali nilai X meningkat maka diprediksi nilai
Y akan menurun

Nilai r tinggi (mendekati 1 atau 1) mengindikasikan

hubungan yang lebih erat,
Nilai r rendah (mendekati 0) mengindikasikan hubungan
yang lebih lemah,
Hubungan yang mendekati 0 mengindikasikan hubungan
yang tidak linear sehingga perubahan X tidak cocok
untuk memprediksi perubahan variabel Y
8

Lanjutan
Dengan korelasi positif sempurna
(r = 1), setiap individu mengandung
nilai z yang sama persis pada kedua
variabel
Dengan korelasi negatif sempurna
(r = -1), setiap individu mengandung
nilai z yang sama persis pada kedua
variabel tetapi dengan tanda yang
berkebalikan.
9

r XY

Rumus Korelasi PPM

(1)
xy

X Y
2

Keterangan :
x
: X-X
y
: Y-Y
X
: skor rata-rata dari X
Y
: skor rata-rata dari Y
10

Rumus Korelasi PPM

(2)
rxy

N.xy (x).(y)

( N.x2 (x) 2 ).( N.y 2 (y) 2 ) .

Keterangan :
rxy = koefisien korelasi variabel x dengan variabel y.
xy = jumlah hasil perkalian antara variabel x dengan
variabel y.
x = jumlah nilai setiap item.
y = jumlah nilai konstan.
N = jumlah subyek penelitian
11

Rumus Korelasi PPM

Lihat Husaini dan Purnomo (2008:202) rumus korelasi

product-moment yang dapat digunakan untuk mencari
korelasi dua variabel kuantitatif ada sejumlah delapan
rumus.

12

Pengujian Korelasi
Meskipun telah diperoleh nilai koefisien korelasi
dari hasil perhitungan, namun keberartian
(signifikansi) nilai tersebut perlu di uji secara
statistik.

Hipotesis yang diuji adalah :

Ho : koefisien korelasi adalah sama dengan nol
Ha : koefisien korelasi tidak sama dengan nol, atau
signifikan.
13

Pengujian koefisien ini dilakukan dengan uji-t, sehingga :

t

n2

(1 r 2 )

Dengan derajat bebas (db/df) = n 2

Kriteria pengujiannya :

Ho ditolak jika nilai thitung lebih besar dari ttabel dengan

derajat bebas (db/df) = n-2, dan demikian pula
sebaliknya.
14

Karakteristik
Kumpulan Korelasi dari Scatterplot
Assosiasi Lebih kuat hubungan antara
dua variabel maka titik-titik data akan
lebih mengelompok sepanjang garis
bayangan
Positif : dari pojok kiri bawah ke kanan atas
Negatif : dari pojok kiri atas ke kanan bawah

15

Scatterplot
4.0

3.5

3.0

2.5

GPA

2.0

1.5
10000

SALARY

20000

30000

40000

50000

16

 Arah
Jika terdapat hubungan antara dua
variabel, maka juga akan mengarah ke
hubungan positif atau negatif.
Positif : variabel bergerak atau pindah atau
di arah yang sama
Negatif : variabel bergerak atau pindah di
arah yang berlawanan

17

Pengertian Kekuatan Hubungan

Koefisien Determinasi (KP) = r 2 x 100%
Proporsi keragaman dalam satu variabel yang
dapat diterangkan oleh variabel lainnya;
Contoh: kecantikan dengan kepandaian
r = 0.3 KP = r 2 x 100%= 0.09 x 100%
9% keragaman kepandaian dapat dinilai dari
kecantikan
91% keragaman sisanya tidak dapat dinilai. Ini
disebut koefisien nondeterminasi.

18

Penggunaan Korelasi
Mengetahui korelasi/hubungan
Validitas uji
Reliabilitas uji
Validasi teori
19

Contoh Korelasi Pearson Product-Moment

SOAL :
JUDUL :Hubungan Motivasi dengan Hasil Belajar
Matematika Siswa Kelas X SMA Persada Karya
Tahun Pelajaran 2011/2012.
Data motivasi (X) :
50, 45, 55, 65, 43, 60, 56, 50, 42, 50, 60, 65
Data Hasil Belajar (Y) :
75, 60, 85, 85, 70, 80, 90, 80, 65, 65, 80, 90
Pertanyaan :
1. Berapakah besar hubungan variabel X terhadap Y ?
2. Berapakah besar sumbangan (kontribusi) variabel X
terhadap Y ?
3. Buktikan apakah ada hubungan yang signifikan
variabel X terhadap Y !
20

Penyelsaian :
Langkah-langkah menjawab :
Langkah 1 : Menentukan hipotesis penelitian ;

Ho : Tidak ada hubungan yang signifikan

antara motivasi dengan hasil belajar
matematika siswa kelas X SMA PK tahun
pelajaran 2010/2011.
Ha : Ada hubungan yang signifikan antara
motivasi dengan hasil belajar matematika
siswa kelas X SMA PK tahun pelajaran
2010/2011.
21

Langkah 2 : Menentukan hipotesis statistik

Ho : rxy = 0
Ha : rxy 0

22

Langkah 3 : Membuat tabel penolong untuk

menghitung korelasi PPM
No.

X2

Y2

XY

50

75

2500

5625

3750

45

60

2025

3600

2700

55

85

3025

7225

4675

65

85

4225

7225

5525

43

70

1849

4900

3010

60

80

3600

6400

4800

56

90

3136

8100

5040

50

80

2500

6400

4000

42

65

1764

4225

2730

10

50

65

2500

4225

3250

11

60

80

3600

6400

4800

12

65

90

8100
Y2

5850
XY

72425

50130

Statistik

4225
X2

Jumlah

641

925

34949

23

Langkah 4 : Mencari rhitung dengan rumus

Pearson Product Moment
rxy

rxy

n( XY) - ( X).( Y)

{n. X 2 - ( X) 2 }.{n. Y 2 - ( Y) 2 }

12(50130) - (641).(925 )
2

{12.(34949 ) - (641) }.{12.(72425) - (925) }

8635
rxy
10706,63

rxy 0,8065

24

Langkah 5 : Mencari besarnya sumbangan

(kontribusi) variabel X
terhadap Y dengan rumus :
KP = r2 x 100 %
= (0,8065)2 x 100 %
= 0,6504 x 100 %
= 65,04 %
Artinya : variabel motivasi memberikan
kontribusi terhadap hasil belajar matematika
siswa sebesar 65,04 % dan sisanya
ditentukan oleh variabel lain.
25

Langkah 6 : Menguji signifikansi dengan

rumus :
t hitung

n-2
1- r

0,8065 12 - 2
1 - 0,8065

Kaidah pengujian :
Jika thitung ttabel maka
Ho ditolak artinya
signifikan.

0,8065.3,1623
t hitung
4,3132
0,3496
Jika thitung ttabel maka
Ho diterima artinya
tidak signifikan.
26

Langkah 6 : lanjutan..............
Berdasarkan perhitungan dengan mengambil =
0,05 dan n = 12, uji satu pihak maka :
dk = n 2 = 12 2 = 10 sehingga diperoleh ttabel =
1,812. Ternyata thitung lebih besar dari ttabel atau
4,3132 > 1,812 maka Ho ditolak artinya ada
hubungan yang signifikan antara motivasi dengan
hasil belajar matematika siswa kelas X SMA PK
tahun pelajaran 2010/2011.
27

Langkah 7 : Membuat kesimpulan

Variabel motivasi belajar siswa

tergolong kuat, artinya
motivasi sangat berperan
dalam hasil belajar
matematika siswa dengan
kontribusi sebesar 65,04 %.
28

Korelasi Parsial
Korelasi Ganda
Korelasi Point Biserial
29

Korelasi Parsial
Korelasi parsial (partial correlation)
adalah suatu nilai yang memberikan
kuatnya hubungan dua atau lebih variabel
X dengan variabel Y, yang salah satu
variabel bebasnya dianggap konstan atau
dibuat tetap.

30

Korelasi Parsial
Koefisien korelasi parsial dirumuskan sebagai
berikut (Riduwan, 2003) :
1. Hubungan antara variabel bebas X1 dengan
variabel terikat Y, apabila variabel X1 tetap.
X1

rx1Y

rx1x2

X2

rx2Y

rx 2 ( x1 y)

rx1 y rx2 y .rx1x2

(1 r 2 x2 y)(1 r 2 x1x2 )

31

Korelasi Parsial
2. Hubungan antara variabel bebas X2 dengan
variabel terikat Y, apabila variabel X2 tetap.
X1

rx1Y

rx1x2

X2

rx2Y

rx1( x2 y)

rx2 y rx1 y .rx1x2

(1 r 2 x1 y )(1 r 2 x1x2 )
32

Korelasi Parsial
3. Hubungan antara variabel bebas X1 dengan
variabel terikat X2, apabila variabel terikat Y
tetap.

X1

rx1Y

rx1x2

X2

rx2Y

ry ( x1x2)

rx1x2 rx1 y .rx2 y

(1 r 2 x1 y )(1 r 2 x2 y )

33

Korelasi Parsial
Selanjutnya untuk mengetahui apakah
hubungan antar variabel tersebut berarti atau
tidak, maka dilakukan pengujian keberartian
koefisien korelasi parsial dengan menggunakan
rumus :
n3
t rs
2
1 rs

Kriteria pengujian :
Tolak Ho jika nilai hitung t lebih besar dari nilai
t tabel, dengan db = n 1.
34

Korelasi Ganda
Korelasi ganda (multiple correlation) adalah
suatu nilai yang memberikan kuatnya
hubungan dua atau lebih variabel bebas X
secara bersama sama dengan variabel terikat
Y. Koefisien korelasi ganda diumuskan :
X1

rx1Y
R

rx1x2

X2

rx2Y

35

Korelasi Ganda
Rx1x2 y

r 2 x1 y r 2 x2 y 2.rx1 y .rx2 y .rx1x2

1 r 2 x1x2

Ryx1x2 = Korelasi antara variabel X1 dengan X2

secara bersama-sama dengan variabel Y.
ryx1
= Korelasi Product-Moment antara X1 dengan
Y.
ryx2
= Korelasi Product-Moment antara X2 dengan
Y.
rx1 x2 = Korelasi Product-Moment antara X1 dengan
X2.
36

Korelasi Ganda
Selanjutnya untuk mengetahui apakah
hubungan antar variabel tersebut berarti atau
tidak, maka dilakukan pengujian keberartian
koefisien korelasi ganda dengan menggunakan
rumus sebagai berikut : Fh= Tingkat signifikansi korelasi
ganda
2
R /k
R = Koefisien korelasi ganda
Fh
k = Jumlah variabel
2
(1 R ) /( n k 1)
independent
n = Jumlah sampel

Konsultasikan dengan tabel F; dengan dk pembilang = k dan

dk penyebut = n k 1.
Jika Fh > F tabel, maka hipotesis alternatif (Ha) diterima.
37

Contoh :
Seorang peneliti ingin mengetahui hubungan
antara Kepemimpinan Kepala Sekolah (X1) dan
Motivasi Kerja Guru (X2) dengan Kinerja Guru
(Y) di suatu sekolah menengah. Sejumlah
angket kemudian disebar kepada 10 orang
guru sebagai responden untuk tujuan
penelitian tersebut. Dari penelitian diperoleh
rekapitulasi skor hasil pengumpulan data
sebagai berikut :
38

Contoh :
Responden

X1

X2

164

155

202

163

144

179

152

144

183

183

171

228

182

171

225

171

160

213

180

165

224

186

167

230

184

156

202

J
174
160
196
Tentukan :
a). Koefisien korelasi parsial
b). Koefisien korelasi ganda
c). Ujilah keberartian dari masing-masing koefisien korelasi tersebut !

39

Jawab :
Berdasarkan data tersebut, diketahui koefisien
korelasi antar variabel berikut :
rx1y = 0,8097
rx2y = 0,9479
rx1x2 = 0,8450
Penyelesaian :
a). Koefisien korelasi parsial :
1. Hubungan antara kepemimpinan kepala
sekolah (X1) dengan kinerja guru (Y) :
40

Penyelesaian :

rx2 ( x1 y)

rx 2 ( x1 y)

rx 2 ( x1 y)
rx 2 ( x1 y)

rx1 y rx2 y .rx1x2

(1 r 2 x2 y)(1 r 2 x1x2 )

0,8097 (0,9479).(0,8450)

(1 (0,9479) 2 ).(1 (0,8450) 2 )

0,8097 0,8009

(1 0,8985).(1 0,7140)

0,0088
0,0088

0,0469
(0,1015).(0,286) 0,1704
41

Penyelesaian :
2. Hubungan antara motivasi kerja (X2) dengan
kinerja guru (Y) :
rx1( x2 y)

rx1( x2 y)

rx1( x2 y)
rx1( x2 y)

rx2 y rx1 y .rx1x2

(1 r 2 x1 y )(1 r 2 x1x2 )

0,9479 (0,8097).(0,8450)

(1 (0,8097) 2 ).(1 (0,8450) 2 )

0,9479 0,6842

(1 0,6557).(1 0,7140)

0,2637
0,2637

0,8403
(0,3443).(0,286) 0,3138
42

Penyelesaian :
3. Hubungan antara kepemimpinan kepala
sekolah (X1) motivasi kerja (X2) :
ry( x1x2)

ry ( x1x2)

ry( x1x2)

ry ( x1x2)

rx1x2 rx1 y .rx2 y

(1 r 2 x1 y )(1 r 2 x2 y )

0,8450 (0,8097).(0,9479)

(1 (0,8097) 2 ).(1 (0,9479) 2 )

0,8450 0,7675

(1 0,6556).(1 0,8985)

0,0775
0,0775

0,4147
(0,3444).(0,1015) 0,1869
43

Penyelesaian :
b). Koefisien korelasi ganda
Hubungan antara kepemimpinan kepala
sekolah (X1) dan motivasi kerja (X2) dengan
kinerja guru (Y) :
Rx1x2 y

Rx1x2 y

r 2 x1 y r 2 x2 y 2.rx1 y .rx2 y .rx1x2

1 r 2 x1x2

(0,8097) 2 (0,9479) 2 2.(0,8097).(0,9479).(0,8450)

1 (0,8450) 2
44

Penyelesaian :
Rx1x2 y
Rx1x2 y
Rx1x2 y

0,6556 0,8985 2.(0,6485)

1 0,7140

1,5541 1,2970

0,286

0,2571

8989 0,9481
0,286

45

Penyelesaian :
c). Pengujian keberartian koefisien korelasi
1. Koefisien korelasi rx2(x1y) = 0,0469
n3
t rs
2
1 rs

10 3
t 0,0469
1 (0,0469) 2

7
7
t 0,0469
0,0469.
0,9978
1 0,0022

t 0,0469.2,6488 0,1242

46

Penyelesaian :
2. Koefisien korelasi rx1(x2y) = 0,8403
n3
t rs
2
1 rs

10 3
t 0,8403
1 (0,8403) 2
7
t 0,8403
0,2939

t 0,8403.4,8803 4,1009
47

Penyelesaian :
3. Koefisien korelasi rxy(x1x2) = 0,4147
n3
t rs
2
1 rs

10 3
t 0,4147
1 (0,4147) 2
7
t 0,4147
0,8281

t 0,4147.2,9074 1,2056
48

Penyelesaian :
4. Koefisien korelasi ganda Rx1x2y = 0,9481
2
R /k
Fh
2
(1 R ) /( n k 1)
(0,9481) 2 / 2
Fh
2
(1 (0,9481) ) /(10 2 1)

0,8989 / 2
Fh
(1 0,8989) / 7
0,4495
Fh
31,2152
0,0144

49

Selesai
58