Anda di halaman 1dari 20

KATA PENGANTAR

Bismillahirahmanirrahiim, Puji syukur kehadirat Tuhan Yang Maha Esa yang telah memberikan kita berbagai macam nikmat, sehingga aktifitas hidup yang kita jalani ini akan selalu membawa keberkahan, baik kehidupan di alam dunia ini, lebih-lebih lagi pada kehidupan akhirat kelak, sehingga semua cita-cita serta harapan yang ingin kita capai menjadi lebih mudah dan penuh manfaat. Terima kasih sebelum dan sesudahnya kami ucapkan kepada Dosen Mata Kuliah Staristika serta teman-teman sekalian yang telah membantu, baik bantuan berupa moril maupun materil, sehingga makalah ini terselesaikan dalam waktu yang telah ditentukan. Kami menyadari sekali, didalam penyusunan makalah ini masih jauh dari kesempurnaan serta banyak kekurangan-kekurangnya, baik dari segi tata bahasa maupun dalam hal pengkonsolidasian kepada Dosen serta teman-teman sekalian, yang kadangkala hanya menturuti egoisme pribadi, untuk itu besar harapan kami jika ada kritik dan saran yang membangun untuk lebih menyempurnakan

makalah-makalah kami dilain waktu. Harapan yang paling besar dari penyusunan makalah ini ialah, mudahmudahan apa yang kami susun ini penuh manfaat, baik untuk pribadi, temanteman, serta orang lain yang ingin mengambil atau menyempurnakan lagi atau mengambil hikmah dari judul ini (Arah dan Angka Korelasi) sebagai tambahan dalam menambah referensi yang telah ada. Akhir kata semoga makalah ini dapat bermanfaat bagi kita semua terutama bagi penulis, Amin yarobbal ‘alamiin. Serang, Januari 2014

Penyusun

i

DAFTAR ISI

KATA PENGANTAR ............................................................................. DAFTAR ISI ............................................................................................

i ii

BAB I PENDAHULUAN A. Latar Belakang Masalah .......................................................... B. Rumusan Masalah ................................................................... BAB II PEMBAHASAN A. Pengertian Korelasi ................................................................. B. Arah Korelasi .......................................................................... C. Peta Korelasi ........................................................................... D. Angka Korelasi........................................................................ E. Jenis-Jenis Korelasi ................................................................. F. Macam-macam Korelasi ......................................................... G. Teori Korelasi.......................................................................... BAB III PENUTUP A. Kesimpulan ............................................................................. 17 2 3 4 10 11 12 14 1 1

DAFTAR PUSTAKA ..............................................................................

18

ii

Apa-apa saja rumus-rumus korelasi? 1 . jika dua variable (atau lebih) yang berkolerasi berjalan parallel. Apa-apa saja jenis-jenis korelsi? 3. Dalam dunia statistik pendidikan korelasi adalah hubungan antara dua variable atau lebih yang sifatnnya kuantitatif. B. Disebut korelasi positif. artinya bahwa hubungan antara dua variable (atau lebih) itu menunjukan arah yang sama. Rumusan Masalah 1. akan diikuti pula dengan kenaikan atau pertambahan pada variable Y atau sebaliknya. Nilai korelasi berkisar antara 0 (nol) sampai dengan 1. Bila hubungan demikian ini dapat dinyatakan dalam bentuk rumus matematik. dapat dibedakan menjadi dua macam yaitu hubungan yang sifatnya satu arah dan hubungan yang sifatnya berlawanan arah. Kata “ Korelasi” berasal dari bahasa inggris yaitu “ Correlation” yang dalam bahasa Indonesia artinnya hubungan atau saling hubung atau hubungan timbale balik. penurunan dan pengurangan pada variable X akan akan diikuti pula dengan penurunan dan pengurangan pada variable Y. Hubungan yang sifatnya searah diberi nama korelasi positif. Hubungan antara variable itu jika ditilik dari segi arahnya.BAB I PENDAHULUAN A. maka kita akan dapat menggunakannya untuk keperluan peramalan.00 artinya nilai korelasi paling rendah adalah nol dan paling tinggi adalah 1. Jadi apabila variable X mengalami kenaikan atau pertambahan akan diikuti pula dengan kenaikan atau pertambahan. Apa yang dimaksud dengan korelasi? 2. Lambang yang digunakan korelasi adalah rxy artinnya korelasi antara variable X dan variable Y. sedangkan yang berlawanan arah disebut korelasi negative. Latar Belakang Banyak analisis statistika bertujuan untuk mengetahui apakah ada hubungan antara dua atau lebih peubah.00.

sedangkan multivariate correlation yaitu analisis hubungan antara lebih dua variable bebas.00 artinya nilai korelasi paling rendah adalah nol dan paling tinggi adalah 1. satu varaiabel bebas dengan satu variable terikat. 2 .BAB II PEMBAHASAN A. analisis korelasi merupakan hubungan antara dua variabel atau lebih. Bevariated correlation yaitu analisis terhadap hubungan antara dua variable. antara umur dengan tekanan darahnya. Dalam dunia statistik pendidikan korelasi adalah hubungan antara dua variable atau lebih yang sifatnnya kuantitatif. Variabel yang dikorelasikan dalam analisis korelasional adalah hubungan antara dua variable yang terdiri dependend variable terikat atau varaibel yang dipengaruhi dan independend vriabel yang mempengaruhi atau disebut juga variable bebas. yang ditemukan oleh Karl Pearson pada awal 1900 oleh itu terkenal dengan sebutan korelasi pearson product moment (PPM) Korelasi adalah salah satu teknik analisis statistic yang paling banyak digunakan oleh para peneliti. karena peneliti pada umumnya tertarik terhadap peristiwa-peristiwa yang terjadi dan mencoba untuk menghubungkannya. Lambang yang digunakan korelasi adalah rxy artinnya korelasi antara variable X dan variable Y. Misalnnya kita ingin menghubungkan antara tinggi badan dan berat badan. (Moh Hariadi: 132: 2009) Kata “ Korelasi” berasal dari bahasa inggris yaitu “ Correlation” yang dalam bahasa Indonesia artinnya hubungan atau saling hubung atau hubungan timbale balik. (Husaini Usman: 197: 2006) Korelasi adalah istilah statistic yang menyatakan derajat hubungan linear antara dua variable atau lebih. Nilai korelasi berkisar antara 0 (nol) sampai dengan 1. Hubungan korelasi terdiri atas dua jenis yakni bivariate dan multivariate correlation.00. Pengertian Korelasi (Darwyan Syah: 91: 2007) Dalam kegiatan statistik khususnya statistik inferensial. yaitu antara variable bebas dan variable terikat.

akan diikuti pula dengan kenaikan atau pertambahan pada variable Y atau sebaliknya. Makin giatnya orang berlatih makin sedikit pula kesalahan yang diperbuat oleh seseorang. makin meningkatnya kesadaran hokum di kalangan masyarakat diikuti dengan makin menurunnya angka kejahatan atau angka pelanggaran. Disebut korelasi negatif jika dua variabel atau lebih yang berkorelasi itu berjalan dengan arah yang berlawanan. Disebut korelasi positif. jika dua variable (atau lebih) yang berkolerasi berjalan parallel.antara motivasi dengan prestasi belajar atau bekerja dan seterusnya. makin kurang dihayati dan diamalkannya ajaran agama islam oleh para remaja akan diikuti oleh makin meningkatnya frekuensi kenakalan remaja atau sebaliknya. Arah Korelasi (Anas Sudijono: 180: 2009) Hubungan antara variable itu jika ditilik dari segi arahnya. penurunan dan pengurangan pada variable X akan akan diikuti pula dengan penurunan dan pengurangan pada variable Y. Hubungan antara dua variable didalam teknik korelasi bukanlah dalam arti hubungan sebab akibat melainkan hanya hubungan searah saja. dalam dunia pendidikan misalnya. makin kurang dihayati 3 . dapat dibedakan menjadi dua macam yaitu hubungan yang sifatnya satu arah dan hubungan yang sifatnya berlawanan arah. Hal ini berarti bahwa kenaikan atau pertambahan pada variabel X akan diikuti dengan penurunan atau pengurangan pada variabel Y. Hubungan yang sifatnya searah diberi nama korelasi positif. sedangkan yang berlawanan arah disebut korelasi negative. artinya bahwa hubungan antara dua variable (atau lebih) itu menunjukan arah yang sama. Jadi apabila variable X mengalami kenaikan atau pertambahan akan diikuti pula dengan kenaikan atau pertambahan. makin meningkatnya jumlah aseptor keluarga berencana diikuti dengan makin menurunnya angka kelahiran atau sebaliknya. B. bertentangan atau berbalikan. makin giat berlatih makinsedikit kesalahan yang diperbuat oleh seseorang. Contoh: Makin meningkatnya kesadaran hokum dikalangan masyarakat dikuti dengan makin menurunnya angka kejahatan atau angka pelanggaran. misalnya.

Ukuran yang dipakai untuk mengetahui derajat hubungan. Maksudnya. ialah beberapa kuat hubungan antara-antara variabel itu terjadi. Peta Korelasi Arah hubungan variabel yang dicari korelasinya. C. ketika satu variabel memiliki kecenderungan untuk naik maka kita melihat kecenderungan dalam variabel yang lain apakah juga naik atau turun atau tidak menentu. dapat diamati melalui sebuah peta atau diagram yang dikenal dengan istilah Peta Korelasi. Jika data hasil pengamatan terdiri dari banyak variabel . Dalam kata-kata lain perlu ditentukan derajat hubungan antara variabel-variabel. Dalam peta korelasi itu dapat dilihat pencaran titik atau moment dari variabel yang sedang dicari korelasinya. Pernyataan tersebut dapat dibuatkan bagan seperti berikut: Korelasi Positif Korelasi Negatif VX VY VX VY Teknik korelasi merupakan VX VY VX VY teknik analisis yang melihat kecenderungan pola dalam satu variabel berdasarkan kecenderungan pola dalam variabel yang lain. atau sebaliknya. terutama untuk data kuantitatif dinamakan koefisien korelasi. Karena itu peta korelasi juga disebut Scatter Diagram (Diagram Pencaran Titik) 4 . Jika kecenderungan dalam satu variabel selalu diikuti oleh kecenderungan dalam variabel lain. kita dapat mengatakan bahwa kedua variabel ini memiliki hubungan atau korelasi.ajaran agama oleh para remaja akan diikuti oleh makin meningkatnya frekwensi kenakalan remaja. Studi yang membahas tentang derajat hubungan antara variabel-variabel dikenal dengan nama korelasi.

Jika korelasi antara variabel X dan variabel Y merupakan korelasi positif maksimal. atau korelasi negatif tertinggi atau korelasi negatif sempurna. maka pencaran titik yang terdapat pada peta korelasi akan membentuk satu bua garis lurus yang condong kearah kanan (apabila dihubungkan antara satu dengan yang lain). yaitu: 1. mendiskripsikan ciri-ciri yang yang terkandung dalam peta korelasi.Borg & Gall dalam Sudijono (2003) dan Arikunto (2006). maka pencaran titik yang terdapat pada peta korelasi akan membentuk satu bua garis lurus yang condong kearah kiri (apabila dihubungkan antara satu dengan yang lain). seperti diagram berikut: Diagram 1. atau korelasi positif tertinggi atau korelasi positif sempurna. Korelasi Positif Maksimal Y 10 9 8 7 6 5 4 3 2 1 0 1 2 3 4 5 6 7 8 9 10 X 1 2 3 4 5 6 7 8 9 10 2. seperti gambar berikut: 5 . Jika korelasi antara variabel X dan variabel Y merupakan korelasi negatif maksimal.

dengan kecondongan kearah kanan. maka ada peta korelasi pencaran titiknya sedikit mulai menjauh garis linier. Jika korelasi antara variabel X dan variabel Y termasuk korelasi positif yang tinggi atau kuat. yaitu titik tersebut terpencar atau berada di sekitar garis lurus tersebut.Diagram 2: Korelasi Negatif Maksimal Y 10 9 8 7 6 5 4 3 2 1 0 1 2 3 4 5 6 7 8 9 10 X 1 2 3 4 5 6 7 8 9 10 3. seperti dalam diagram 3 berikut: 6 .

Jika korelasi antara variabel X dan variabel Y termasuk korelasi negatif yang tinggi atau kuat.Diagram 3: Korelasi Positif Tinggi Y 10 9 8 7 6 5 4 3 2 1 0 1 2 3 4 5 6 7 8 9 10 X 1 2 3 4 5 6 7 8 9 10 4. maka ada peta korelasi pencaran titiknya sedikit mulai menjauh garis linier. dengan kecondongan kearah kiri. yaitu titik tersebut terpencar atau berada di sekitar garis lurus tersebut. seperti dalam diagram 4 berikut: 7 .

maka pencaran titik pada peta korelasi itu semakin jauh tersebar/menjauhi garis linier. Jika korelasi antara variabel X dan variabel Y termasuk korelasi positif maupun negatif dikatakan sebagai korelasi yang cukup atau sedang dan korelasi rendah atau lemah.Diagram 4: Korelasi Negatif Tinggi Y 10 9 8 7 6 5 4 3 2 1 0 1 2 3 4 5 6 7 8 9 10 X 1 2 3 4 5 6 7 8 9 10 5. sebagaimana diagram berikut: 8 .

Diagram 5: Korelasi Positif Lemah Y 10 9 8 7 6 5 4 3 2 1 0 1 2 3 4 5 6 7 8 9 10 X 1 2 3 4 5 6 7 8 9 10 Diagram 6: Korelasi Negatif Lemah Y 10 9 8 7 6 5 4 3 2 1 0 1 2 3 4 5 6 7 8 9 10 X 1 2 3 4 5 6 7 8 9 10 9 .

artinya bahwa angka korelasi itu paling tinggi adalah +1. Angka indeks korelasi yang diperoleh dari proses perhitungan itu sifatnya relative. rxy = . Korelasi antara variabel X dan variabel Y disebut korelasi positif apabila angka indeks bertanda “plus”. rxy = + 0. Sebaliknya apabila angka indeks korelasi antara variabel X dan variabel Y bertanda “minus”.115. dan lain-lain. Angka korelasi itu besarnya berkisar antara 0 (nol) sampai dengan + 1.587 Antara variabel X dan variabel Y dikatakan tidak ada hubungannya jika angka indeks korelasinya = 0. sebagaimana yang terdapat pada mistar pengukur panjang (mistar penggaris). Angka korelasi biasanya diberi lambang dengan huruf tertentu.00 hal itu merupakan petunjuk bahwa dalam perhitungan tersebut telah terjadi kesalahan. Jadi angka korelasi itu bukanlah angka yang bersifat eksak. Angka Korelasi Tinggi rendah. p (baca Rho) sebagai lambang koefesien korelasi pada teknik korelasi tata jenjang (baca Phi) sebagai lambang koefesien korelasi pada teknik korelasi Phi. maka korelasi yang demikian disebut korelasi negatif.0. Jadi Angka Indeks Korelasi adalah sebuah angka yang dapat dijadikan petunjuk untuk mengetahui seberapa besar kekuatan korelasi di antara variabel yang sedang diselidiki korelasinya. misalnya: rxy = . C atau KK sebagai lambang koefesien korelasi pada teknik korelasi Kontingensi. yaitu angka yang fungsinya melambangkan indeks hubungan antar variabel yang dicari korelasinya. Jika dalam perhitungan diperoleh angka korelasi lebih dari 1. misalnya rxy sebagai lambang koefesien korelasi pada teknik korelasi product moment. kuat lemah atau besar kecilnya suatu korelasi dapat diketahui dengan melihat besar kecilnya suatu angka (koefesien) yang disebut Angka Indeks Korelasi atau Coeffesient of Correlation. 10 .00.751 dan sebagainya.00 dan paling rendah adalah 0. misalnya: rxy = + 0. atau angka yang merupakan ukuran pada skala linier yang memiliki unit-unit yang sama besar.235.D.

Disini kita tidak dapat menyatakan bahwa: rxy = 3 kali lipatnya rxz atau menyatakan bahwa ryz = 1/3 nya rxy. Teknik ini sebenarnya tidak terbatas untuk menghitung koefisien korelasi dari variabel dengan skala pengukuran interval saja.Misalnya. maka korelasi kedua variabel akan mendekati -1. 11 . sedangkan korelasi antara variabel Y dan variabel Z = 0. maka dapat kita katakana kedua variabel ini memiliki korelasi yang positif. hanya saja interpretasi dari hasil hitungnya harus dilakukan dengan hati-hati.25 (r yz = 0.  Jika kenaikan kuantitas dari suatu variabel diikuti dengan penurunan kuantitas dari variabel lain. angka korelasi antara variabel X dana variabel Y = 0.  Jika kenaikan kuantitas dari suatu variabel sama besar atau mendekati besarnya kenaikan kuantitas dari suatu variabel lain dalam satuan SD. 1. maka korelasi kedua variabel akan mendekati 1.  Jika kenaikan kuantitas dari suatu variabel sama besar atau mendekati besarnya penurunan kuantitas dari variabel lain dalam satuan SD.75 (rxy = 0.25). Teknik yang paling sering digunakan untuk menghitung koefisien korelasi selama ini adalah teknik Korelasi Product Momen Pearson. maka dapat kita katakana kedua variabel ini memiliki korelasi yang negatif. Jenis – Jenis Korelasi Korelasi yang menyatakan tingkat hubungan variabel bebas dan variabel terikat dapat dibedakan berdasarkan banyaknya variabel bebas yang mempengaruhi nilai dari variabel terikat. Korelasi Linier Angka yang digunakan untuk menggambarkan derajat hubungan ini disebut koefisien korelasi dengan lambang rxy. Pemikiran utama korelasi product momen adalah seperti ini:  Jika kenaikan kuantitas dari suatu variabel diikuti dengan kenaikan kuantitas dari variabel lain. E.75).

4. 5. Korelasi sempurna (perfect corelation) : Maksud dan pengertian dari Korelasi sempurna antara 2 variabel.Ukuran korelasi linear antara dua peubah yang paling banyak digunakan adalah koefisien karelasi momen-hasilkali pearson atau ringkasnya koefisien korelasi. Macam-macam Korelasi 1. bahwa perubahan variabel independent x (variabel bebas x) diikuti oleh perubahan variable dependent y (variabel tidak bebas y) secara “searah. maka maksud dan pengertian dari pernyataan di atas adalah: Tingkat hubungan antara y dengan x1 atau tingkat hubungan antara y dengan x2 atau tingkat hubungan antara x1 dan x2. Koefisien korelasi antara dua peubah sehingga nilai r = 0 berimplikasi tidak ada hubungan linear. Jika kenaikan kuantitas dari suatu variabel diikuti oleh kenaikan dan penurunan kuantitas secara random dari variabel lain atau jika kenaikan suatu variabel tidak diikuti oleh kenaikan atau penurunan kuantitas variabel lain (nilai dari variabel lain stabil). 2. bahwa perubahan variabel independent x (variabel bebas x) diikuti oleh perubahan variabel dependent y (variabel tidak bebas y) secara “Berlawanan”. F. Korelasi Multiple (Multiple Corelation) : Yaitu tingkat hubungan yang tejadi antara 2 (dua) variable atau lebih. Korelasi positip : Korelasi positif adalah tingkat hubungan antara dua variabel yang mempunyai ciri.”. maka dapat dikatakan kedua variabel itu tidak berkorelasi atau memiliki korelasi yang mendekati nol. bukan bahwa antara peubah itu pasti tidak terdapat hubungan. yaitu suatu kondisi bahwa setiap nilai 12 . Korelasi negatip: Korelasi negatif adalah tingkat hubungan antara dua variabel yang mempunyai ciri. Misalkan pada model regrsi linier multiple ( y = a0 + a1x1 + a2x2 + e ). 3. Korelasi sederhana (simple corelation) : Adalah tingkat hubungan yang terjadi antara 2 (dua) variabel saja.

Diatas sudah dijelaskan macam-macam korelasi. Korelasi bersifat undirectional yang artinya tidak ada yang ditempatkan sebagai predictor dan respon (IV dan DV). Semakin mendekati 1 maka korelasi semakin mendekati sempurna. bahwa garis regresi yang terbentuk dari data yang tersebar (terdistribusi) adalah merupakan tempat kedudukan dari data – data dimaksud. Korelasi Tidak Sempurna (Imperfect Corelation) : Korelasi antara 2 (dua) variabel dikatakan tidak sempurna. berikut ini akan dijelaskan satu persatu dengan contoh seperlunya. Arah hubungan yang positif menandakan bahwa pola hubungan searah atau semakin tinggi A menyebabkan kenaikan pula B (A dan B ditempatkan sebagai variabel) 13 . jika titik–titik yang tersebar tidak terdistribusi tepat pada satu garis lurus. Korelasi Product Moment dikembangkan oleh Karl Pearson yang kemudian teknik ini dinamakan dengan teknik korelasi pearson. Korelasi yang mustahil (nonsense corelation): Korelasi antara dua variabel yang seolah-olah ada tetapi tidak ada. 1. sehingga nilai r nya =1 atau r = -1 6. Hal ini dapat diartikan pula. Angka korelasi berkisar antara -1 s/d +1. 7. Korelasi Product Moment Korelasi Product Moment merupakan salah satu teknik korelasi yang sering digunakan untuk mencari korelasi antar dua variable. Analisis korelasi digunakan untuk menjelaskan kekuatan dan arah hubungan antara dua variabel. (Moh Hariadi: 132: 2009) (Tulus Winarsunu: 68: 2009) Korelasi Product Moment ditemukan oleh Karl Pearson digunakan untuk melukiskan hubungan antara dua buah variable yang sama–sama berjenis interval atau rasio. Sementara nilai negative dan positif mengindikasikan arah hubungan.variabel bebas x akan terdapat pada setiap nilai variabel tidak bebas y nya. disebut juga Korelasi Product Moment karena koefisien korelasinya didapatkan dengan mengalihkan antara moment-moment variable yang dikorelasikan.

dengan kata lain (N) antara 10 – 29. jadi bukan didasarkan pada skor hasil pengukuran yang sebenarnya. Terdapat dictum yang mengatakan “correlation does not imply causation”. Hubungan kausalitas terjadi jika variabel X mempengaruhi Y. Kenyataannya belum tentu. datanya adalah data ordinal/data jenjang/data urutan. Teori Korelasi 1. Variabel yang sedang kita selidiki korelasinya. Dalam korelasi aspek-aspek yang melandasi terdapatnya hubungan antar variabel mungkin tidak diketahui atau tidak langsung. Karena itu apabila N sama dengan/lebih dari 30. tidak harus terdapat hubungan kausalitas. Artinya korelasi tidak dapat digunakan secara valid untuk melihat adanya hubungan kausalitas dalam variabel-variabel. Dengan demikian. Korelasi Tata Jenjang Teknik korelasi data jenjang dalam dunia statistik dikenal sebagi teknik analisis korelasional yang paling sederhana jika dibandingkan dengan teknik analisis korelasional lainnya. Korelasi dan Kausalitas Ada perbedaan mendasar antara korelasi dan kausalitas. Oleh karena itu dengan menetapkan korelasi dalam hubungannya dengan variabel-variabel yang 14 . maka kita tergoda untuk mengatakan bahwa variabel yang satu mempengaruhi variabel yang lain atau dengan kata lain terdapat hubungan kausalitas.2. Jika kedua variabel dikatakan berkorelasi. jika terdapat dua variabel yang berkorelasi. Dengan kata lain. sebaiknya jangan digunakan teknik korelasi ini. Teknik analisis korelasional tata jejang ini dapat efektif digunakan apabila subjek yang dijadikan sampel dalam penelitian lebih dari 9 tetapi kurang dari 30. kita ukur berdasarkan perbedaan urutan kedudukan skornya. Berikut rumus Korelasi Tata Jenjang: G. Jika kedua variabel diperlakukan secara simetris (nilai pengukuran tetap sama seandainya peranan variabel-variabel tersebut ditukar) maka meski kedua variabel berkorelasi tidak dapat dikatakan mempunyai hubungan kausalitas.

koefesien korelasi hanya merupakan statistik ringkasan sehingga tidak dapat digunakan sebagai sarana untuk memeriksa data secara individual. misalnya model recursive. analisis jalur atau structural equation model. Dalam praktinya kadang data yang digunakan akan menghasilkan korelasi tinggi tetapi hubungan tidak linier.diteliti tidak akan memberikan persyaratan yang memadai untuk menetapkan hubungan kausalitas kedalam variabel-variabel tersebut. Dengan untuk mengidentifikasi hubungan kausalitas tidak dapat begitu saja dilihat dengan kaca mata korelasi tetapi sebaiknya menggunakan model-model yang lebih tepat. misalnya. Linieritas artinya asumsi adanya hubungan dalam bentuk garis lurus antara variabel. Korelasi dan Linieritas Terdapat hubungan erat antara pengertian korelasi dan linieritas. Korelasi dapat digunakan sebagai salah satu bukti adanya kemungkinan terdapatnya hubungan kausalitas tetapi tidak dapat memberikan indikasi hubungan kausalitas seperti apa jika memang itu terjadi dalam variabel-variabel yang diteliti. 2. menunjukkan adanya kekuatan hubungan linier dalam dua variabel. Dengan demikian agar linieritas hubungan dipenuhi. Jika kedua variabel berdistribusi normal dan behubungan secara linier. Linearitas antara dua variabel dapat dinilai melalui observasiscatterplots bivariat. Dengan kata lain. Korelasi Pearson. misalnya X mempengaruhi Y dan Y mempengaruhi X. jika tidak berdistribusi normal scatterplot tidak berbentuk oval. maka data yang digunakan harus mempunyai distribusi normal. 15 . atau sebaliknya korelasi rendah tetapi hubungan linier. Sekalipun demikian bukan berarti bahwa korelasi tidak dapat digunakan sebagai indikasi adanya hubungan kausalitas antar variabel. Sekalipun demikian jika asumsi normalitas salah maka nilai korelasi tidak akan memadai untuk membuktikan adanya hubungan linieritas. misalnya regresi. dimana X mempengaruhi Y atau nonrecursive. maka scatterplot berbentuk oval.

berbentuk simetris sempurna. artinya masing-masing variabel berdiri sendiri dan tidak tergantung satu dengan lainnya. Data untuk kedua variabel berdistribusi normal. dengan setengahnya berada dibawah rata-rata dan setengahnya yang lain berada di atas rata-rata. Hubungan linier artinya hubungan kedua variabel membentuk garis lurus. Kedua variabel bersifat independen satu dengan lainnya. Yang menentukan bentuk-bentuk tersebut adalah nilai rata-rata dan simpangan baku (standard deviation) populasi. maka frekuensi nilai-nilai diatas rata-rata (mean) akan benar-benar cocok dengan frekuensi nilai-nilai di bawah rata-rata. Menurut Johnston (2004) ciri-ciri data yang mempunyai distribusi normal ialah sebagai berikut:  Kurva frekuensi normal menunjukkan frekuensi tertinggi berada di tengah-tengah.  Frekuensi total semua nilai dalam populasi akan berada dalam area dibawah kurva. Data yang mempunyai distribusi normal artinya data yang distribusinya simetris sempurna. Perlu diketahui bahwa area total dibawah kurva mewakili kemungkinan munculnya karakteristik tersebut. 16 . b.  Kurva normal dapat mempunyai bentuk yang berbeda-beda.3. nilai yang paling sering muncul dalam distribusi normal ialah rata-rata (average). Karena dua bagian sisi dari tengah-tengah benar-benar simetris. sering juga disebut sebagai kurva bel. Tidak ada istilah variabel bebas dan variabel tergantung. Jika digunakan bahasa umum disebut berbentuk kurva bel. Kesimpulannya. X dan Y mempunyai hubungan linier. yaitu berada pada rata-rata (mean) nilai distribusi dengan kurva sejajar dan tepat sama pada bagian sisi kiri dan kanannya.   Kurva normal. Asumsi Asumsi dasar korelasi diantaranya seperti tertera di bawah ini: a. c.

artinya bahwa hubungan antara dua variable (atau lebih) itu menunjukan arah yang sama. Hubungan yang sifatnya searah diberi nama korelasi positif. yang ditemukan oleh Karl Pearson pada awal 1900 oleh itu terkenal dengan sebutan korelasi pearson product moment (PPM) Korelasi adalah salah satu teknik analisis statistic yang paling banyak digunakan oleh para peneliti. 2. Hubungan antara dua variable didalam teknik korelasi bukanlah dalam arti hubungan sebab akibat melainkan hanya hubungan searah saja. Disebut korelasi positif. Jadi apabila variable X mengalami kenaikan atau pertambahan akan diikuti pula dengan kenaikan atau pertambahan. karena peneliti pada umumnya tertarik terhadap peristiwa-peristiwa yang terjadi dan mencoba untuk menghubungkannya.BAB III PENUTUP A. antara motivasi dengan prestasi belajar atau bekerja dan seterusnya. Hubungan antara variable itu jika ditilik dari segi arahnya. dapat dibedakan menjadi dua macam yaitu hubungan yang sifatnya satu arah dan hubungan yang sifatnya berlawanan arah. Korelasi adalah istilah statistic yang menyatakan derajat hubungan linear antara dua variable atau lebih. jika dua variable (atau lebih) yang berkolerasi berjalan parallel. penurunan dan pengurangan pada variable X akan akan diikuti pula dengan penurunan dan pengurangan pada variable Y. 17 . antara umur dengan tekanan darahnya. sedangkan yang berlawanan arah disebut korelasi negative. akan diikuti pula dengan kenaikan atau pertambahan pada variable Y atau sebaliknya. Misalnnya kita ingin menghubungkan antara tinggi badan dan berat badan. Kesimpulan 1.

Drs. Rajawali press Usman. Jakarta. Drs. Drs. Tulus. Jakarta. Bumi Aksara Winarsunu. Mpd. MPd. Statistik Pendidikan. Prestasi Pustaka Syah. Pengantar Statistik Pendidikan. Prof. Gaung Persada Press Sudijono. Pengantar Statistik Pendidikan. Statistik dalam penelitian psikologi dan pendidikan. MT. Malang: UMM Press. Jakarta. Pengantar Statistika. Moh. 2009. Husaini. 18 . MSi. Anas.DAFTAR PUSTAKA Hariyadi. 2009. Jakarta. Darwyan. Prof. 2009. 2006. 2007.