Spesifikasi:

Ukuran: 14x21 cm
Tebal: 279 hlm
Harga: Rp 47.800
Terbit pertama: November 2004
Sinopsis singkat:

Statistik telah terbukti sangat bermanfaat dalam kehidupan manusia. Banyak keputusan
yang diambil menggunakan data statistik. Sayangnya perhitungan statistik seringkali cukup
rumit dan melelahkan. Untungnya, saat ini telah banyak perangkat lunak statistik yang
beredar. SPSS telah dikenal sebagai salah satu aplikasi statistik yang paling banyak
digunakan. Hingga saat ini, SPSS telah mencapai rilis ke-12.
Buku ini akan membahas tentang penggunaan SPSS 12 untuk memecahkan masalah-
masalah statistik. Isinya disajikan dalam bahasa yang sederhana dan to the point. Pokok
bahasan dalam buku ini mencakup Uji t, Chi Square, Korelasi, Regresi, Rancangan
Percobaan (RANCOB), dan Uji Validitas-Reliabilitas. Buku yang membahas RANCOB
masing sangat jarang sehingga buku ini dapat sangat membantu Anda. Buku ini juga
memuat bahasan mengenai uji validitas dan reliabilitas instrumen yang biasanya digunakan
untuk menguji kelayakan kueioner.
Dalam buku ini Anda juga akan menemukan teori-teori dasar mengenai statistik sehingga
dapat memudahkan Anda untuk memahami dan menginterpretasi masalah statistik.
BAB 4

KORELASI

Korelasi dapat diartikan sebagai hubungan. Analisis korelasi

bertujuan untuk mengetahui pola dan keeratan hubungan antara
dua atau lebih variabel. Sebagai contoh, secara umum hubungan
antara diameter pohon dengan volume kayu adalah searah, artinya
pohon yang berdiameter besar akan menghasilkan kayu dengan
volume lebih besar.
Arah hubungan antara dua variabel dapat dibedakan menjadi:
1. Direct correlation (positive correlation). Perubahan pada satu
variabel diikuti perubahan variabel yang lain secara teratur
dengan arah gerakan yang sama.

0 X

83
2. Inverse correlation (negative correlation). Perubahan pada satu
variabel diikuti perubahan variabel yang lain secara teratur
dengan arah gerakan yang berlawanan.

0 X

3. Nihil correlation. Arah hubungan kedua variabel yang tidak

teratur.
Koefisien Korelasi
Persoalan akan timbul jika kita berhadapan dengan pertanyaan
apakah ada hubungan antara variabel-variabel dari sekumpulan
data yang sedang kita selidiki. Penyelidikan untuk mengetahui
hubungan antara dua variabel biasanya diawali dengan usaha
untuk menemukan bentuk terdekat dari hubungan tersebut dengan
cara menyajikannya dalam bentuk diagram pencar (scatter plot).
Diagam ini menggambarkan titik-titik pada bidang X dan Y dimana
setiap titik ditentukan oleh pasangan nilai X dan Y.
Koefisien korelasi sering dilambangkan dengan huruf (r). Koefisien
korelasi dinyatakan dengan bilangan, bergerak antara 0 sampai +1
atau 0 sampai -1. Apabila korelasi mendekati +1 atau -1 berarti
terdapat hubungan yang kuat, sebaliknya korelasi yang mendekati
nilai 0 bernilai lemah. Apabila korelasi sama dengan 0, antara
kedua variabel tidak terdapat hubungan sama sekali. Pada korelasi
+1 atau -1 terdapat hubungan yang sempurna antara kedua
variabel.
Notasi positif (+) atau negatif (-) menunjukkan arah hubungan
antara kedua variabel. Pada notasi positif (+), hubungan antara
kedua variabel searah, jadi jika satu variabel naik maka variabel
yang lain juga naik. Pada notasi negatif (-), kedua variabel

84
berhubungan terbalik, artinya jika satu variabel naik maka variabel
yang lain justru turun.

4.1 Korelasi Product Moment (Pearson)

Korelasi Pearson atau disebut juga korelasi product moment
merupakan analisis korelasi untuk statistik parametrik, sedangkan
untuk statistik non-parametrik sering digunakan analisis korelasi
KendallÊs tau-b dan Spearman.
Contoh
Mahasiswa Fakultas Kehutanan UGM hendak menghitung korelasi
antara diameter pohon dengan volume kayu. Diameter yang
diukur adalah diameter setinggi dada (130 cm), sedangkan
volume pohon dihitung dengan membagi pohon menjadi
potongan-potongan kemudian dihitung dengan rumus Smalian.
Hasil pengukuran adalah sebagai berikut:
Diameter Volume Diameter Volume
dbh (cm) (m3) dbh (cm) (m3)
50 1,9 56 2,0
65 2,6 66 2,6
63 2,5 78 2,6
50 1,9 56 2,0
65 2,6 66 2,6
63 2,5 78 2,6
57 2,2 71 2,5
84 3,2 49 1,7
36 1,5 56 2,2
48 1,7 58 2,2
52 1,9 60 2,0
58 2,2 72 2,5

85
1. Entrilah data ke lembar kerja SPSS.

2. Klik Analyze | Correlate | Bivariate⁄, lalu pindahkan variabel

diameter dan volume ke kolom Variables. Pada Correlation
Coefficients, pilihlah Pearson.

3. Klik OK.

86
Output
Correlations

Correlations

DIAMETER VOLUME
DIAMETER Pearson Correlation 1 ,942**
Sig. (2-tailed) , ,000
N 18 18
VOLUME Pearson Correlation ,942** 1
Sig. (2-tailed) ,000 ,
N 18 18
**. Correlation is significant at the 0.01 level (2-tailed).

Interpretasi
Angka koefisien korelasi adalah 0,942, artinya hubungan antara
diameter dengan volume kayu sangat erat. Koefisien korelasi
bertanda positif (+), artinya hubungan diameter pohon dengan
volumenya searah sehingga jika diameter semakin besar maka
volume kayu semakin besar.
Tanda ** menunjukkan bahwa koefisien korelasi tersebut
signifikan pada taraf kepercayaan 99%.

Perhitungan Teoritis
Rumus korelasi Product Moment (Pearson):

 n   n  n 
 n ∑ Xi Yi  −  ∑ Xi   ∑ Yi 
 i =1   i =1  i =1 
r =     
  n
2  
    n 
2 
 n n

 n∑ Xi 2 −  ∑ Xi    n ∑ Yi 2 −  ∑ Yi  
 i =1  i =1    i =1  i =1  
 

No Diameter Volume
X2 Y2 XY
X Y

1 50 1,9 2500 3,61 95

87
 2 65 2,6 4225 6,76 169
3 63 2,5 3969 6,25 157,5
4 57 2,2 3249 4,84 125,4
5 84 3,2 7056 10,24 268,8
6 36 1,5 1296 2,25 54
7 48 1,7 2304 2,89 81,6
8 52 1,9 2704 3,61 98,8
9 58 2,2 3364 4,84 127,6
10 56 2 3136 4 112
11 66 2,6 4356 6,76 171,6
12 78 2,6 6084 6,76 202,8
13 71 2,5 5041 6,25 177,5
14 49 1,7 2401 2,89 83,3
15 56 2,2 3136 4,84 123,2
16 58 2,2 3364 4,84 127,6
17 60 2 3600 4 120
18 72 2,5 5184 6,25 180
1079 40 66969 91,88 2475,7

18 (2475,7) − (1079) (40)

r=
( 18 (66969) − (1079) )( 18 (91,88) − (40) )
2 2

r =0,9417 (sama dengan output SPSS)

Uji signifikansi koefisien korelasi (r)

Hipotesis
Ho=korelasi kedua variabel sama dengan nol
Ha=korelasi kedua variabel tidak sama dengan nol

Dasar pengambilan keputusan

Dengan uji t
r n−2
t hitung =
(1 − r 2 )

88
Pengambilan keputusan
; Jika -ttabel<thitung<ttabel maka Ho diterima
; Jika thitung<-ttabel atau thitung>ttabel maka Ho ditolak

thitung

0,9417 18 − 2
t hitung = = 66,5506
(1 − 0,9417 2 )

ttabel dengan taraf kepercayaan 95%

Dilihat pada α 0,025 (karena dilakukan uji 2 sisi)
Derajad bebas=n-2=18-2=16
ttabel (0,025;16)=2,120

Keputusan
Karena thitung>ttabel maka ho ditolak atau dengan kata lain
hubungan kedua variabel tersebut signifikan.

Ho ditolak Ho ditolak

Ho diterima

-2,120 0 +2,120 66,5506

4.2 Korelasi Rank Spearman

Ada kalanya kita ingin mengukur kuatnya hubungan antara dua
variabel tidak berdasarkan pasangan nilai data yang sebenarnya,

89
tetapi berdasarkan rankingnya. Hubungan tersebut dinamankan
rank correlation coefficient. Analisis korelasi Spearman termasuk
dalam statistik non-parametrik. Metode korelasi ini ditemukan Carl
Spearman pada tahun 1904.
Rumus

 n 2
6  ∑ d i 
r =1 −  2 
i =1

n(n −1)
dimana:
n=banyaknya pasangan data
d=selisih dari tiap pasangan ranking

Contoh
Perusahaan mebel Kreasi Utama ingin mengetahui seberapa kuat
hubungan antara harga dengan pendapatan bulanan perusahaan.
Harga/unit Pendapatan
Ranking Ranking
(x 000) (x 000.000) d d2
X Y
X Y
700 680 1 2 1 1
750 670 2 1 -1 1
775 690 3 4 1 1
800 685 4 3 -1 1
900 700 5 5 0 0
1000 720 6 6 0 0
1200 725 7,5 7,5 0 0
1200 730 7,5 10 2,5 6,25
1250 725 9 7,5 -1,5 2,25
1500 729 10 9 -1 1
Jumlah 13,5

90
Apabila angka-angka X atau Y ada yang sama maka akan terjadi
jenjang kembar (tied rank) sehingga angka-angka yang sama juga
harus diberi ranking yang sama.
Dihitung menggunakan rumus

6 (13,5)
R =1− =0,91818
10 (10 2 − 1)

Dengan program SPSS

1. Entrilah data

2. Klik Analyze | Correlate | Bivariate⁄, lalu pindahkan variabel

Harga dan Pendapatan ke kolom Variables. Pada Correlation
Coefficients, pilihlah Spearman.

91
3. Klik OK.

Output
Nonparametric Correlations
Correlations

Pendapatan
Harga/unit (x Perusahaan
000) (x 000.000
Spearman's rho Harga/unit (x 000) Correlation Coefficient 1,000 ,918**
Sig. (2-tailed) , ,000
N 10 10
Pendapatan Correlation Coefficient ,918** 1,000
Perusahaan (x 000.000 Sig. (2-tailed) ,000 ,
N 10 10
**. Correlation is significant at the .01 level (2-tailed).

Interpretasi
Angka koefisien korelasi adalah 0,918, artinya hubungan antara
harga dengan pendapatan sangat erat. Koefisien korelasi bertanda
positif (+), artinya hubungannya searah sehingga jika harga
dinaikkan maka pendapatan perusahaan juga akan mengalami
kenaikan.
Tanda ** menunjukkan bahwa koefisien korelasi tersebut
signifikan pada taraf kepercayaan 99%.
Grafik

740

730
Mean Pendapatan Perusahaan (x 000.000

720

710

700

690

680

670

660
700 750 775 800 900 1000 1200 1250 1500

Harga/unit (x 000)

92
4.3 Korelasi Kendall Tau
Selain koefisien korelasi Spearman, terdapat metode analisis
korelasi lain yang menguji keeratan hubungan antara variabel X
dan Y dimana X dan Y tidak terdistribusi normal atau tidak
diketahui distribusinya. Metode ini disebut Kendall rank-
correlation. Korelasi Kendall Tau juga didasarkan atas ranking
data. Korelasi ini diberi simbol ( ) dan dirumuskan sebagai berikut:
2 S
τ =
n ( n − 1)
dimana
S=selisih antara jumlah data yang lebih besar dengan jumlah data
yang lebih kecil
n=jumlah data

Contoh 1:
Untuk mengetahui hubungan prestasi kerja dengan tingkat
kecerdasan (IQ) pegawai Departemen Kehutanan, biro
kepegawaian mengadakan penelitian dengan mengambil beberapa
sampel. Berikut ini adalah data-datanya.
Jumlah Jumlah
IQ Nilai Prestasi Ranking
lebih besar lebih kecil
X Y Y
dari Y dari Y
120 61 2 8 1
122 60 1 8 0
123 63 3 7 0
124 64 4 6 0
128 65 5 5 0
129 66 6 4 0
132 71 8 2 1
133 69 7 2 0

134 72 9 1 0

93
 135 74 10 0 0
Jumlah 43 2

Pengisian kolom Jumlah lebih besar dari Y

; Pada baris pertama Y=2 akan dihitung jumlah angka yang
lebih besar dari 2. Pada kolom Ranking Y dapat dilihat bahwa
angka yang lebih besar dari 2 (3, 4, 5, 6, 7, 8, 9, dan 10)
berjumlah 8.
; Pada baris kedua untuk Y=1 akan dihitung jumlah angka yang
lebih besar dari 1. Pada kolom Ranking Y dapat dilihat bahwa
angka yang lebih besar dari 1 adalah angka 2, 3, 4, 5, 6, 7, 8,
9, dan 10, namun angka 2 yang terletak di atasnya tidak
dipakai lagi sehingga angka yang lebih besar dari 1 hanya
angka 3, 4, 5, 6, 7, 8, 9, dan 10, serta berjumlah 8.
; Pada baris ketiga untuk Y=3 akan dihitung jumlah angka yang
lebih besar dari 3. Pada kolom Ranking Y dapat dilihat bahwa
angka yang lebih besar dari 3 adalah angka 4, 5, 6, 7, 8, 9,
dan 10, serta jumlahnya adalah 7.
; dan seterusnya.

Pengisian kolom Jumlah lebih kecil dari Y

; Pada baris pertama Y=2 akan dihitung jumlah angka yang
lebih kecil dari 2. Pada kolom Ranking Y dapat dilihat bahwa
angka yang lebih kecil dari 2 adalah angka 1 yang
berjumlah 1.
; Pada baris kedua untuk Y=1 akan dihitung jumlah angka yang
lebih kecil dari 1. Pada kolom Ranking Y dapat dilihat bahwa
angka yang lebih kecil dari 1 tidak ada atau jumlahnya 0.
; Pada baris ketiga untuk Y=3 akan dihitung jumlah angka yang
lebih kecil dari 3. Pada kolom Ranking Y dapat dilihat bahwa
angka yang lebih kecil dari 3 adalah angka 1 dan 2, namun
angka 1 dan 2 letaknya di atas sehingga tidak diperhitungkan,
akibatnya jumlah angka yang lebih kecil dari 3 adalah 0.

94
; dan seterusnya.

S=selisih jumlah lebih besar dari Y dan jumlah lebih kecil dari Y
S=43-2=41
sehingga koefisien korelasi Kendall Tau dicari sebagai berikut:
2 S
τ =
n (n − 1)
2 × 41
τ = = 0,9111
10 (10 − 1)

Prosedur komputasi dengan SPSS

1. Entri data dengan format sebagai berikut:

2. Klik Analyze | Correlate | Bivariate⁄, lalu pindahkan variabel

IQ dan Prestasi ke kolom Variables. Pada Correlation
Coefficients, pilih KendallÊs tau-b, lalu aktifkan Flag significant
correlations.

95
3. Klik OK.

Output
Nonparametric Correlations

Correlations

IQ PRESTASI
Kendall's tau_b IQ Correlation Coefficient 1,000 ,911**
Sig. (2-tailed) , ,000
N 10 10
PRESTASI Correlation Coefficient ,911** 1,000
Sig. (2-tailed) ,000 ,
N 10 10
**. Correlation is significant at the .01 level (2-tailed).

Interpretasi
Angka koefisien korelasi adalah 0,911 (sama dengan hasil
perhitungan manual di atas). Dengan melihat nilai probabilitas
(Sig)<0,05 atau bahkan lebih kecil dari 0,01 maka dapat
disimpulkan bahwa hubungan kedua variabel sangat signifikan,
artinya hubungan antara IQ dengan Prestasi Kerja sangat erat.
Koefisien korelasi bertanda positif (+), artinya hubungannya
searah sehingga jika tingkat intelegensi (IQ) pegawai naik maka
prestasi kerja pegawai juga akan mengalami peningkatan.

96
Tanda ** menunjukkan bahwa koefisien korelasi tersebut
signifikan pada taraf kepercayaan 99%.
Grafik
80
76

74

74
72
72
PRESTASI KERJA

70 71

PRESTASI KERJA
70
69
68
66
65
64 66
63
60 61
60 64

62

60

50 58
120 122 123 124 128 129 132 133 134 135 120 122 123 124 128 129 132 133 134 135

IQ IQ

Contoh 2:
Berikut ini adalah data-data skor test sewaktu penerimaan
pegawai, prestasi kerja, dan motivasi kerja karyawan PT. MAJU
BARENG. Dari data-data tersebut akan dicari korelasinya.
Test Prestasi Motivasi

78 77 75

76 75 73

70 69 70

79 81 80

82 83 83

85 89 91

86 92 93

80 83 81

80 86 74

72 71 82

69 70 59

97
1. Entrilah data pada lembar kerja SPSS:

2. Klik Analyze | Correlate | Bivariate⁄, lalu pindahkan variabel

Test, Prestasi, dan Motivasi ke kolom Variables. Pada
Correlation Coefficients, pilih KendallÊs tau-b, lalu aktifkan Flag
significant correlations.

3. Klik OK.

98
Output
Nonparametric Correlations

Correlations

test prestasi motivasi

Kendall's tau_b test Correlation Coefficient 1,000 ,907** ,734**
Sig. (2-tailed) . ,000 ,002
N 11 11 11
prestasi Correlation Coefficient ,907** 1,000 ,624**
Sig. (2-tailed) ,000 . ,008
N 11 11 11
motivasi Correlation Coefficient ,734** ,624** 1,000
Sig. (2-tailed) ,002 ,008 .
N 11 11 11
**. Correlation is significant at the 0.01 level (2-tailed).

Interpretasi
; Korelasi antara Test dengan Prestasi
Angka koefisien korelasi adalah 0,907 dengan melihat nilai
probabilitas (Sig) 0,000<0,05 atau bahkan lebih kecil dari 0,01
maka dapat disimpulkan bahwa hubungan kedua variabel
sangat signifikan, artinya hubungan antara skor tes dengan
prestasi kerja sangat erat. Koefisien korelasi bertanda positif
(+), artinya hubungannya searah sehingga ada kecenderungan
pegawai dengan skor tes tertinggi memiliki prestasi kerja yang
baik juga.
Tanda ** menunjukkan bahwa koefisien korelasi tersebut
signifikan pada taraf kepercayaan 99%.
; Korelasi antara Test dengan Motivasi
Angka koefisien korelasi adalah 0,734 dengan melihat nilai
probabilitas (Sig) 0,002<0,05 atau bahkan lebih kecil dari 0,01
sehingga dapat disimpulkan bahwa hubungan kedua variabel
sangat signifikan, artinya hubungan antara skor tes dengan
motivasi kerja sangat erat. Koefisien korelasi bertanda positif
(+), artinya hubungannya searah sehingga ada kecenderungan
pegawai dengan skor test tinggi akan memiliki motivasi kerja
yang tinggi juga.

99
 Tanda ** menunjukkan bahwa koefisien korelasi tersebut
signifikan pada taraf kepercayaan 99%.

; Korelasi antara Prestasi dengan Motivasi

Angka koefisien korelasi adalah 0,624 dengan melihat nilai
probabilitas (Sig) 0,008 (<0,05). Tanda ** berarti koefisien
korelasi tersebut signifikan, artinya hubungan antara prestasi
dengan motivasi kerja sangat erat. Koefisien korelasi bertanda
positif (+), artinya hubungannya searah, jadi kecenderungan
pegawai yang memiliki motivasi tinggi maka prestasi kerjanya
juga bagus.
Tanda ** menunjukkan bahwa koefisien korelasi tersebut
signifikan pada taraf kepercayaan 99%.

100