ANALISIS KORELASI

Penjelasan
1. Tujuan utama adalah mengetahui ukuran kekuatan atau kekuatan hubungan antara
dua variabel.
2. Koefisien korelasi mengukur kekuatan hubungan tersebut (linier).
3. Misalnya, kita tertarik untuk mencari korelasi antara merokok dengan kanker
paru-paru, antara nilai statistik dan matematika, antara sekolah menengah dengan
perguruan tinggi dan sebagainya.

Klasifikasi Besarnya Nilai Korelasi Antara Variabel

0.00 – 0.09 Korelasi diabaikan
0.10 – 0.29 Korelasi rendah
0.30 – 0.49 Korelasi moderat
0.50 – 0.70 Korelasi sedang
> 0.70 Korelasi kuat

Koefisien Korelasi Rank Spearman & Kendall’s Tau

 Untuk mengetahui hubungan antara dua variable data yang bersakala ordinal.

Kasus
Seorang peneliti sosial ingin mengetahui hubungan antara tingkat pendidikan dan
persetujuan pendapat terhadap keputusan pemerintah menaikkan tarif tol pada bulan Mei
2010. Peneliti social tersebut mempunyai dugaan bahwa terdapat hubungan negative
yang signifikan antara kedua variable tersebut.

Hipotesis:
H0 : Tidak terdapat hubungan signifikan antara tingkat pendidikan dan tingkat
persetujuan pendapat.

H1 : Terdapat hubungan signifikan antara tingkat pendidikan dan tingkat

1
 persetujuan pendapat.

Kriteria Uji:
Tolak hipotesis Nol bila nilai p-value < 0.05

Langkah SPSS
1. Buka file spearmanrho.xls
2. Dari menu utama SPSS, pilih menu statistics atau analyze kemudian pilih
submenu correalte, lalu pilih bivariate.
3. Masukkan kedua variabel dalam kolom variabel.
4. Pilih spearmanrho atau kendall’s tau.
5. Pilih one-tailed.
6. Klik OK.

Output

2
 Correlations

pendidikan pendapat

Kendall's tau_b pendidikan Correlation Coefficient 1.000 -.262*

Sig. (1-tailed) . .011

N 50 50

pendapat Correlation Coefficient -.262* 1.000

Sig. (1-tailed) .011 .

N 50 50

Spearman's rho pendidikan Correlation Coefficient 1.000 -.318*

Sig. (1-tailed) . .012

N 50 50

pendapat Correlation Coefficient -.318* 1.000

Sig. (1-tailed) .012 .

N 50 50

*. Correlation is significant at the 0.05 level (1-tailed).

Interpretasi
 Dari hasil ouptput di atas diketahui bahwa besarnya korelasi antar pendidikan dan
persetujuan pendapat adalah -0.262 (korelasi Kendall’s Tau) dan -0.318 (korelasi
Spearman Rho).
 Kedua korelasi di atas menghasilkan korelasi negatif yang ditunjukkan oleh tanda
negatif di depan koefisien korelasi.
 Oleh karena nilai p-value untuk kedua korelasi lebih kecil dari 0.05, maka dapat
disimpulkan bahwa terdapat hubungan negatif yang signifikan antara tingkat
pendidikan dan persetujuan pendapat.
 Semakin tinggi tingkat pendidikan menunjukkan ketidaksetujuan terhadap
keputusan pemerintah menaikkan tarif tol.

3
Korelasi Pearson
 Untuk mengetahui hubungan antara dua variabel yang bersakala interval.

Kasus
Seorang guru bimbingan siswa mengembangkan suatu tes psikologi numerik kepada
siswa baru untuk mengetahui apakah terdapat hubungan antara hasil tes psikologi
numerik dengan hasil nilai matematika yang akan diperoleh siswa pada akhir semester.

Hipotesis:
H0 : Tidak terdapat hubungan signifikan antara tes psikologi dengan nilai
matematika.
H1 : Terdapat hubungan signifikan antara tes psikologi dengan nilai
matematika.

Kriteria Uji:
Tolak hipotesis Nol bila nilai p-value < 0.05

Asumsi
 Asumsi dalam analisis varians adalah data berdistribusi normal. Gunakan test
Kolmogorov-Smirnov.
 Ho : data berdistribusi normal.
 H1 : data tidak berdistribusi normal.

Uji Asumsi
Distribusi Normal Kolomogorov-Smirnov
 Tes satu sampel Kolmogorov-Smirnov adalah test goodness of fit artinya tingkat
kesesuaian antara distribusi serangkaian sampel (skor yang diobservasi) dengan
suatu distribusi teoretis tertentu.
 Dalam penelitian test satu sampel Kolmogorov-Smirnov umumnya digunakan
untuk menguji asumsi normalitas data.

4
Langkah SPSS
1. Buka file pearson.xls
2. Klik Dari menu utama SPSS, pilih menu statistics atau analyze kemudian pilih
submenu nonparametrics test, lalu pilih 1 sample K-S.
3. Masukkan nilai math & skor psikologi ke kolom test variable list.
4. Klik OK.

Output

One-Sample Kolmogorov-Smirnov Test

MATH SKOR

N 40 40

Normal Parametersa,,b Mean 81.0250 7.3000

Std. Deviation 10.26692 1.55580

Most Extreme Differences Absolute .089 .126

Positive .064 .126

Negative -.089 -.124

Kolmogorov-Smirnov Z .563 .800

Asymp. Sig. (2-tailed) .909 .545

a. Test distribution is Normal.

b. Calculated from data.

Interpretasi
Oleh karena nilai asymptotic significant value Uji Kolomogorov-Smirnov untuk math
dan skor psikologi masing-masing sebesar 0.909 dan 0.545 ( ≥ 0.05), maka hipotesis nol
tidak ditolak yang artinya data penjualan mengikuti fungsi distribusi normal.

Langkah SPSS
1. Buka file pearson.xls
2. Dari menu utama SPSS, pilih menu statistics atau analyze kemudian pilih
submenu correalte, lalu pilih bivariate.
3. Masukkan kedua variabel dalam kolom variabel.

5
 4. Pilih pearson dan pilih one-tailed.
5. Klik OK.

Output

Correlations

MATH SKOR

MATH Pearson Correlation 1 .332*

Sig. (1-tailed) .018

N 40 40

SKOR Pearson Correlation .332* 1

Sig. (1-tailed) .018

N 40 40

*. Correlation is significant at the 0.05 level (1-tailed).

Interpretasi
 Besarnya hubungan antara skor psikologi dan nilai matematika adalah 0.332
(korelasi moderat) dan sifinikan pada alpha 5 %.
 Oleh karena nilai p-value seebar 0.018 (< 0.05), maka dapat disimpulkan bahwa
terdapat hubungan positif moderat antara nilai tes psikologi ketika siswa akan
masuk sekolah dengan nilai matematika yang diperoleh siswa ketika proses
belajar.
 Atau ada kecenderungan bahwa siswa yang memiliki nilai tes psikologi yang baik
ketika masuk sekolah akan mempunyai nilai matematika yang baik pula.

Koefisien Kontingensi C (Cramer’s V)

 Untuk mengetahui hubungan antara variabel data yang berskala nominal.

Kasus
Seorang peneliti sosial-politik ingin mengetahui apakah terdapat hubungan antara tingkat
pendidikan seseorang dengan partai politik pilihannya pada pemilu 2004. Sebagai

6
gambaran awal diambil sampel 37 responden dan diminta keterangan tentang tingkat
pendidikan terakhir dan partai pilihan pada pemilu 2004.

Langkah SPSS
1. Buka file cramer.xls
2. Dari menu utama SPSS, pilih menu statistics atau analyze kemudian pilih
submenu descriptive statistics, lalu pilih crosstabs.
3. Masukkan variabel pendidikan dalam kolom column(s).
4. Masukkan variable partai dalam kolom row(s).
5. Klik tombol statistics dan pilih opsi chi-square dan phi and cramer’s V.
6. Klik continue.
7. Klik OK.

Output

PARTAI * PENDIDIKAN Crosstabulation

Count

PENDIDIKAN

1 2 3 Total

PARTAI 1 0 1 6 7

2 8 2 0 10

3 6 2 1 9

4 2 2 1 5

5 3 2 1 6

Total 19 9 9 37

7
 Chi-Square Tests

Asymp. Sig. (2-

Value df sided)

Pearson Chi-Square 20.927a 8 .007

Likelihood Ratio 22.507 8 .004

Linear-by-Linear Association 2.571 1 .109

N of Valid Cases 37

a. 14 cells (93.3%) have expected count less than 5. The minimum

expected count is 1.22.

Symmetric Measures

Value Approx. Sig.

Nominal by Nominal Phi .752 .007

Cramer's V .532 .007

N of Valid Cases 37

Interpretasi
 Oleh karena nilai p-value cramer’s V sebesar 0.007 (< 0.05), maka
kesimpulannya adalah terdapat hubungan positif signifikan antara tingkat
pendidikan seseorang dan partai politik pilihan pada pemilu 2004.

Keterangan
Cramer’s V lebih tepat digunakan untuk tabel kontingensi lebih dari 2 x 2 dan statistik
Phi lebih dianjurkan untuk tabel kontingensi 2 x 2.

Asosiasi ETA
Untuk mengetahui hubungan antara variabel data yang berskala nominal dan interval.

Kasus
Seorang guru konseling ingin mengetahui apakah terdapat hubungan yang sangat kuat
antara mata pelajaran yang disukai siswa dengan kemampuan verbal. Diambil 24 siswa

8
sebagai sampel dan setiap siswa diminta untuk menyebutkan satu mata pelajaran
favoritnya. Kemudian diadakan tes verbal terhadap siswa-siswa tersebut.

Output

PELAJARAN * SKOR Crosstabulation

Count

SKOR

5 6 7 8 9 10 Total

PELAJARAN 1 1 1 1 1 0 0 4

2 0 1 1 2 1 0 5

3 0 0 1 2 1 2 6

4 0 0 1 2 1 0 4

5 0 0 2 1 2 0 5

Total 1 2 6 8 5 2 24

Directional Measures

Value

Nominal by Interval Eta PELAJARAN Dependent .524

SKOR Dependent .578

Interpretasi
 Jika mata pelajaran diasumsikan sebagai variabel dependen, maka terdapat
hubungan positif antara mata pelajaran favorit siswa dengan skor tes verbal yaitu
sebesar 0.524.
 Selanjutnya jika skor tes diasumsikan sebagai variabel dependen, maka terdapat
hubungan positif antara mata pelajaran favorit siswa dengan skor verbal tes yaitu
sebesar 0.578.