Korelasi Atau Hubngan
Korelasi Atau Hubngan
Terdapat tiga macam bentuk hubungan antar variabel, yaitu hubungan simetris,
hubungan sebab akibat (kausal) dan hubungan Interaktif (saling mempengaruhi).
Untuk mencari hubungan antara dua variabel atau lebih dilakukan dengan
menghitung korelasi antar variabel yang akan dicari hubungannya. Korelasi
merupakan angka yang menunjukkan arah dan kuatnya hubungan antar variabel atau
lebih. Artinya dinyatakan dalam bentuk hubungan positif atau negatif, sedangkan
kuatnya hubungan dinyatakan dalam besarnya koefisien korelasi.
Hubungan dua variabel atau lebih dinyatakan positif, bila nilai satu variabel
ditingkatkan, maka akan meningkatkan variabel yang lain, dan sebaliknya bila nilai
satu variabel diturunkan maka akan menurunkan variabel yang lain. Sebagai contoh,
ada hubungan positif antara tinggi badan dengan kecepatan lari, hal ini berarti
semakin tinggi badan orang maka akan semakin cepat larinya, dan semakin pendek
orang maka akan semakin lambat larinya.
Hubungan dua variabel atau lebih dinyatakan negatif, bila nilai satu variabel
dinaikkan maka akan menurunkan nilai variabel yang lain, dan juga sebaliknya bila
nilai satu variabel diturunkan, maka akan menaikkan nilai variabel yang lain. Contoh,
misalnya ada hubungan negatif antara curah hujan engan es yang terjual. Hal ini
berarti semakin tinggi curah hujan, maka akan semakin sedikit es yang terjual, dan
semakin sedikit curah hujan, maka akan semakin banyak es yang terjual. Korelasi
positif dan negatif ditunjukkan pada gambar 7.2a dan 7.2b berikut :
14
10
10
berbagai koefisien bila digambarkan dalam diagram pencar (scatterplot) dapat dilihat
Variabel Y
Variabel Y
Variabel Y
Variabel X
Variabel X
Gambar 7.3a
r=0
Gambar 7.3b
r = 0,5
Variabel X
Gambar 7.3c
r=1
Nominal
1.
Koefisien Kontingecy
Ordinal
1.
Spearman Rank
2.
Kendal Tau
1.
2.
Korelasi Ganda
3.
Korelasi Parsial
A. Statistik Parametris
16
Seperti telah ditunjukkan dalam tabel 7.1. bahwa statistik Parametris yang
digunakan untuk menguji hipotsis asosiatif (hubungan antar variabel meliputi
Korelasi Product Moment, Korelasi Ganda dan Korelasi Parsial.
1.
hipotesis hubungan dua variabel bila data kedua variabel berbentuk interval atau
ratio, dan sumber data dari dua variabel atau lebih adalah sama.
Berikut ini dikemukakan rumus yang paling sederhana yang dapat
digunakan untuk menghitung koefisien korelasi, yaitu rumus 7.1 dan 7.2. Rumus 7.2
digunakan bila sekaligus akan menghitung persamaan regresi. Koefisien korelasi
untuk populasi diberi simbol rho () dan untuk sampel diberi simbol r dan untuk
korelasi ganda diberi simbol R.
rXY
xy
y2
Rumus 7.1
Dimana :
rxy =
x =
y =
Rumus 7.2
Contoh :
Dilakukan penelitian untuk mengetahui ada tidaknya hubungan antara
pendapatan dan pengeluaran. Untuk keperluan tersebut, maka telah dilakukan
pengumpulan data terhadap 10 responden yang diambil secara random.
17
800 900 700 600 700 800 900 600 500 500 / bulan
300 300 200 200 200 200 300 100 100 100 / bulan
Ho :
Ha :
Ho :
Ha :
70 : 10 =
Rata-rata Y =
20 : 10 =
x2 =
20
y2 =
60
xy =
10
18
TABEL 2
TABEL PENOLONG UNTUK MENGHITUNG KORELASI
ANTARA PENDAPATAN DAN PENGELUARAN
No.
Pend/bulan Pend/bulan
x = 100000 x = 100000
(X)
(Y)
(Xi - X )
(Yi - Y )
(x)
(y)
x2
y2
xy
1.
2.
3.
4.
-1
5.
6.
7.
8.
-1
-1
9.
-2
-1
10.
-2
-1
= 70
X = 7
= 70
Y = 2
20
10
rXY
10
xy
206
y2
0,9129
Jadi ada korelasi positif sebesar 0,9129 antara pendapatan dan pengeluaran
tiap bulan. Hal ini berarti semakin besar pendapatan, maka akan semakin besar pula
pengeluaran. Apakah koefisien korelasi hasil perhitungan tersebut signifikan (dapat
digeneralisasi) atau tidak, maka perlu dibandingkan dengan r tabel, dengan taraf
19
kesalahan tertentu (lihat tabel III, r Produck Moment). Bila taraf kesalahan ditetapkan
5%, (taraf kepercayaan 95%) dan N = 10, maka harga r tabel = 0,632. Ternyata harga
r hitung lebih besar dari harga r tabel, sehingga Ho ditolak dan Ha diterima. Jadi
kesimpulannya ada hubungan positif dan signifikan antara pendapatan dan
pengeluaran sebesar 0,9129. Data dan koefisien yang diperoleh dalam sampel
tersebut dapat digeneralisasikan pada populasi dimana sampel diambil atau data
tersebut mencerminkan kedaan populasi.
Pengujian signifikansi koefisien korelasi, selain dapat menggunakan tabel,
juga dapat dihitung dengan uji t yang rumusnya ditunjukkan pada rumus 7.3. berikut :
t
r n2
1 r 2
Rumus 7.3
0,9129 10 2
1 0,9129 2
6,33
TABEL 7.3
PEDOMAN UNTUK MEMBERIKAN INTERPRESTASI
TERHADAP KOEFISIEN KORELASI
Interval Koefisien
Tingkat Hubungan
0,00 - 0,199
Sangat rendah
0,20 - 0,399
Rendah
0,40 - 0,599
Sedang
0,60 - 0,799
Kuat
0,80 - 1,000
Sangat kuat
Dalam analisis korelasi terdapat suatu angka yang disebut dengan Koefisien
Determinasi, yang besarnya adalah kuadrat dari koefisien korelasi (r2). Koefisien ini
disebut koefisien penentu, karena varians yang terjadi pada variabel dependen dapat
dijelaskan melalui varians yang terjadi pada variabel independen. Untuk contoh
diatas ditemukan r = 0,9129.Koefisien determinasinya = r2 = 0,91292 = 0,83. Hal ini
berarti varians yang terjadi pada variabel pendapatan, atau pengeluaran 83%
ditentukan oleh besarnya pendapatan, dan 17% oleh faktor lain, misalnya terjadi
musibah, sehingga pengeluaran terebut tidak dapat diduga.
2.
Korelasi Ganda
Korelasi pada (multyple correlation) merupakan angka yang menunjukkan
arah dan kuatnya hubungan antara dua variabel secara bersama-sama atau lebih
21
dengan variabel yang lain. Pemahaman tentang korelasi ganda dapat dilihat melalui
gambar 7.4a, 7.4b berikut. Simbol korelasi ganda adalah R.
r1
X1
X2
X1
X2
Y
R
r2
Gambar 7.4a. Korelasi Ganda Dua Variabel Independen dan Satu Dependen
= Kepemimpinan
= Tata Ruang Kantor
= Kepuasan Kerja
= Korelasi Ganda
X1
r1
r5
r3
X2
R
r4
r6
X3
r2
=
=
=
=
Kesejahteraan pegawai
Hubungan dengan pimpinan
Pengawasan
Efektivitas kerja
Dari contoh di atas, terlihat bahwa korelasi ganda R, bukan merupakan
penjumlahan dari korelasi sederhana yang ada pada setiap variabel (r1 - r2 - r3). Jadi R
(r1 + r2 + r3). Korelasi ganda merupakan hubungan secara bersama-sama antara X1
dengan X2 dan Xn dengan Y. Pada gambar 7.2a. korelasi ganda merupakan hubungan
secara bersama-sama antara variabel kepemimpinan , dan tata ruang kantor dengan
kepuasan kerja pegawai.
22
Pada bagian ini dikemukakan rumus korelasi ganda (R) untuk dua variabel
independen dan satu dependen. Untuk variabel independen lebih dari dua, dapat
dilihat pada Bab analisis Regresi Ganda. Pada bagian itu persamaan-persamaan yang
ada pada regresi ganda dapat dimanfaatkan untuk menghitung korelasi ganda lebih
dari dua variabel secara bersama-sama. Rumus korelasi ganda dua variabel
ditunjukkan pada rumus 7.4. berikut :
R y . x1x 2
Rumus 7.4
Dimana :
Ry.x1x2 =
ryx1
ryx2
rx1x2
=
=
=
Jadi untuk dapat menghitung korelasi ganda, maka harus dihitung terlebih
dahulu korelasi sederhananya dulu melalui korelasi Product Moment dari Pearson.
Contoh Penggunaan Korelasi Ganda :
Misalnya pada suatu penelitian yang berjudul Kepemimpinan dan Tata Ruang
Kantor dalam kaitannya dengan Kepuasan Kerja Pegawai di lembaga A.
Berdasarkan data yang terkumpul untuk setiap variabel, dan setelah dihitung korelasi
sederhananya ditemukan sebagai berikut :
1.
2.
Korelasi antara Tata Ruang Kantor dengan Kepuasan Kerja Pegawai, r2 = 0,48;
3.
23
Ry.x1x2 =
0,5959
X1
r3 = 0,22
R = 0,5959
X2
r2 = 0,48
signifikansi
terhadap
koefisien
korelasi
ganda
dapat
Fh
R2
1 R
2
Rumus 7.5
n k 1
Dimana :
R
k
n
=
=
=
Berdasarkan angka yang telah ditemukan, dan bila n = 30, maka harga Fh,
dapat dihitung dengan rumus 7.5.
0,5959 2
Fh =
1 0,5959
2
30 2 1
7,43
3.
Korelasi Parsial
Korelasi parsial digunakan untuk menganalisis bila peneliti bermaksud
Korelasi antara ukuran telapak tangan dengan kemampuan bicara r12 = 0,50.
Makin besar telapak tangan makin mampu bicara (bayi telapak tangannya kecil
25
sehingga belum mampu bicara). Padahal ukuran telapak tangan akan semakin
besar bila umur bertambah;
2.
3.
r1.3 = 0,7
r12 = 0,5
X2
r2.3 = 0,7
R y . x1 x 2
Rumus 7.6
26
X1
X2
X1
R y . x 2 x1
Rumus 7.7
rp n 3
1 r2p
Rumus 7.8
2.
3.
Ryx1.x2 =
0,68
28