Anda di halaman 1dari 13

Korelasi Parsial

Korelasi Parsial berupa korelasi antara sebuah peubah tak bebas dengan sebuah peubah bebas
sementara sejumlah peubah bebas lainnya yang ada atau diduga ada pertautan dengannya,
sifatnya tertentu atau tetap. Untuk variabel-variabel Y, X
1
, X
2
, misalnya kita dapat menentukan
koefisien korelasi parsial antara Y dan X
1
dengan menganggap X
2
tetap dinyatakan dengan r
y 1.2
,
rumusnya sebagai berikut:

)(

)

Dan koefisien korelasi parsial antara Y, X
2
apabila X
1
dianggap tetap, dinyatakan sebagai r
y 2.1

rumusnya sebagai berikut:

)(

)

Dengan pengertian bahwa:
r
12
= koefisien korelasi sederhana anatara X
1
dan X
2

r
y1
= koefisien korelasi sederhana anatara Y dan X
1
r
y2
= koefisien korelasi sederhana anatara Y dan X
2

Koefisien Korelasi


jika variabel-variabelnyaa Y, X
1
, X
2
, X
3
, maka akan didapat koefisien-koefisien korelasi parsial
r
y 1.23
, r
y 2.13
, r
y 3.12
, misalnya, menyatakan koefisien korelasi parsial antara Y dan X
3
jika X
1
dan
X
2
tetap. Rumus r
y 1.23
sebagai berikut:

)(

)(

)(

)

tampak bahwa menghitung koefisien korelasi parsial, terlebih dahulu perlu dihitung koefisien-
koefisien korelasi sederhana.
Akhirnya, dapat dikemukakan bahwa antara koefisien korelasi, koefisien korelasi ganda
dan koefisien korelasi parsil terdapat hubungan tertentu. Untuk variabel-variabel Y, X
1
dan X
2

misalnya, didapat hubungan:
(1 -

) = (1 -

) (1 -


dan untuk Y, X
1
, X
2
dan X
3
berlaku:


Contoh:
Kita akan meneliti hubungan antara ketekunan (X
1
)dan kecerdasan (X
2
) dengan prestasi belajar
(Y). Berdasarkan hasil penelitian didapatkan data seperti yang terdapat pada tabel berikut ini
S X
1
X
2
Y X
1
2
X
2
2
Y
2
X
1
X
2
X
1
Y X
2
Y
1
2
3
4
5
6
7
8
2
6
5
4
7
3
6
5
3
6
5
4
6
4
6
6
3
7
6
4
7
5
6
6
4
36
25
16
49
9
36
25
9
36
25
16
36
16
36
36
9
49
36
16
49
25
36
36
6
36
25
16
42
12
36
30
6
42
30
16
49
15
36
30
9
42
30
16
42
20
36
36
38 40 44 200 210 256 203 224 231
Berdasarkan tabel tersebut maka koefisien korelasi:
Korelasi antara X
1
dengan Y


Jadi besarnya hubungan antara ketekunan dan prestasi belajar adalah 0,91 atau 91%.
Korelasi antara X
2
dengan Y


Jadi besarnya hubungan antara kecerdasan dan prestasi belajar adalah 0,93 atau 93%.

Korelasi antara X
1
dengan X
2


Jadi besarnya hubungan antara ketekunan dan kecerdasan adalah 0,93 atau 93%.

Untuk menghitung korelasi parsial nya sebagai berikut:
Korelasi antara X
1
dengan Y mengendalikan X
2


Jadi besarnya hubungan antara ketekunan dan prestasi belajar dengan dikendalikan oleh
kecerdasan adalah 0,36 atau 36%.
Korelasi antara X
2
dengan Y mengendalikan X
1


Jadi besarnya hubungan antara kecerdasan dan prestasi belajar dengan dikendalikan oleh
ketekunan adalah 0,53 dan 53%.

Mencari korelasi parsial dengan menggunakan spss :
1. Buka aplikasi spss
2. Masukan data
3. Lalu pilih Analyze Correlation Partial
4. Lalu muncul dialog

5. A. Untuk korelasi antara X
2
dengan Y mengendalikan X
1

Masukan X
2
dan Y pada kotak variables (kotak yg atas)
Dan masukkan X
1
pada kotak controlling for (kotak yg bawah)
Lalu klik OK dan kemudian akan muncul hasilnya untuk korelasi antara X
2

dengan Y mengendalikan X
1

B. Untuk korelasi antara

X
1
dengan Y mengendalikan X
2
Masukan X1 dan Y pada kotak variables (kotak yg atas)
Dan masukkan X2 pada kotak controlling for (kotak yg bawah)
Lalu klik OK dan kemudian akan muncul hasilnya untuk korelasi antara X1
dengan Y mengendalikan X2

Uji Keberartian Koefisien Korelasi Parsial
Sebelum koefisien korelasi parsial yang diperoleh kita gunakan untuk mengambill
kesimpulan, terlebih dahulu perlu diperiksa apakah bilangan yang diperoleh itu berarti atau
tidak. Jadi disini, yang akan diuji adalah apakah koefisien korelasi parsial antara Y dengan X
i

jika peubah-peubah X
1
, X
2
, ... , X
I-1
, X
i+1
,... , X
k
dianggap tetap, dapat diabaikan ataukah
tidak.
Dalam hal ini, hipotesis nol yang perlu diuji adalah koefisien korelasi parsial antara Y
dengan X
i
jika peubah-peubah X
1
, X
2
, ... , X
I-1
, X
i+1
,... , X
k
tetap tidak berarti melawan
hipotesis tandingan bahwa koefisien korelasi parsial itu berrti. Untuk menguji hipotesis nol
ini, seperti biasa kita perlukan n buah pasang data X
1
, X
2
, ... , X
k
, Y berdasarkan ppenelitian
kemudian hitung koefisien korelasi parsialnya, ialah r
yi.12...(i-1)(i+1)... k
jika syarat-syarat
dipenuhi, diantaranya mengenai kenormalan distribusi, ternyata bahwa untuk menguji
hipotesis nol tersebut dapat digunakan statistik.


Statistik t diatas, distribusi samplingnya mendekati distribusi Student t
Akibatnya, untuk pengujian ini kita bisa menggunakan tabel distribusi Student t.
Kriterianya adalah tolak hipotesis nol bahwa koefisien nol bahwa koefisien korelasi parsial
tidak berart, jika || yang didapat dengan rumus diatas terlalu besar dan terima hipotesis nol
itu dalam hal lainnya. Untuk berlakunya pengujian ini, maka syarat-syaratnya perlu dipenuhi
termasuk kenormalan distribusi, keindependenan, kehomogenan varians dsb.

Contoh
Seperti pada tabel sebelumnya, korelasi parsial antara prestasi belajar (Y) dengan ketekunan
(X
1
) jika kecerdasan (X
2
) dikontrol dan antara Y dengan X
2
jika X
1
dikontrol, masing masing
r
y 1.2
= 0,36 dan r
y2.1
= 0,53. Dengan , untuk menguji keberartian koefisien korelasi
parsial dalam populasi dari mana sampel acak yang berukuran 8 itu telah diambil, kita hitung
statistik t dengan rumus dan cara sebagai berikut:


dan


Berdasarkan nilai t sebesar 0,863 dan 1,398 dan dengan menggunakan db=5(N-3)
dalam tabel nilai-nilai t diperoleh harga t teoritik sebesar 2,571 pada taraf 5% dan 4,032 pada
taraf 1%. Hal ini berarti bahwa harga t empirik lebih kecil dari pada harga t teoritiknya,
sehingga dapat disimpulkan bahwa tidak terdapat hubungan signifikan antara variabel
ketekunan (X
1
) dengan indeks prestasi (Y) pada taraf kecerdasan (X
2
) tertentu.


Korelasi Semi Parsial
Korelasi semi parsial adalah suatu teknik statistik parametrik yang digunakan untuk
menguiji taraf hubungan antara variabel terikat (Y) dengan variabel bebas (X
1
) setelah
variabel X
1
dikontrol variabel X
2
.
Misalkan kita gunakan variabel seperti pada contoh korelasi parsial yang terdapat pada
bagian sebelumnya, yaitu peneliti akan menguji hubungan antara variabel kondisi ekonomi
(X
1
) dengan prestasi belajar (Y) dimana variabel kondisi ekonomi diukur dari kelompok
individu yang memiliki taraf kecerdasan (X
2
) tertentu, misalnya diambilkan dari individu
yang memiliki kecerdasan diatas rata-rata, sedangkan dibawah rata-rata tidak diteliti.
Dasar anggapan yang digunakan dalam penelitian adalah bahwa variabel kecerdasan
(X
2
) tidak mempengaruhi besarnya kondisi ekonomi (X
1
) atau bersifat konstan. Akan tetapi
diduga berpengaruh pada variabel prestasi belajar (Y). Jadi dalam persoalan ini kita
berhadapan dengan korelasi semi partial antara Y dengan X
1
dalam kondisi X
1
dikontrol
variabel X
2
. Harga koefisien korelasi semi parsial atau diberi symbol r
y (1.2)
dapat dihitung
melalui rumus:


Pada korelasi semi parsial dapat juga variabel kontrol X
2
dikenakan pada variabel
terikat Y bukan pada X
1
. Sehingga kita akan berhadapan dengan persoalan apakah ada
hubungan antara X
1
dengan Y jika Y dikontrol dengan variabel X
2
. Rumus yang digunakan
untuk menghitung hubungan semi parsial pada masalah ini adalah:


Contoh, kita gunakan kembali contoh soal korelasi parsial diatas yang mengenai
meneliti hubungan antara ketekunan (X
1
)dan kecerdasan (X
2
) dengan prestasi belajar (Y)
dimana harga-harga korelasi yang ditemukan adalah: r
y1
= 0,91; r
y2
= 0,93, r
12
= 0,93 dan N =
8. Maka koefisien korelasi semi parsial dapat dihitung sebagai berikut:





2
93 , 0 1
93 , 0 93 , 0 91 , 0




14 , 0





2
93 , 0 1
93 , 0 93 , 0 91 , 0




14 , 0

Mencari korelasi semi parsial dengan menggunakan spss :
1. Buka aplikasi spss
2. Masukan data
3. Lalu pilih Analyze Regression Linear
4. Lalu muncul
dialog


5. Kemudian masukan Y ke kotak dependent dan X1 dan X2 ke kotak independent, klik
menu STATISTIC dan centang part and partial correlation
6. Klik OK
7. Hasilnya akan terlihat sebagai berikut:


Untuk melakukan uji signifikansi dapat digunakan rumus nilai t sebagai berikut:
Nilai





2
14 , 0 1
3 8 14 , 0



32 , 0 ( t empirik)
Dengan menggunakan db = 5 diperoleh dari (N-3) maka akan didapatkan nilai t
teoritik sebesar 2,571 pada taraf 5% dan 4,032 pada taraf 1%. Berdasarkan nilai-nilai ini dapat
dibuktikan bahwa nilai empirik terlampau kecil dibandingkan nilai teoritiknya. Sehingga
dapat disimpulkan bahwa tidak terdapat hubungan yang signifikan antara ketekunan (X
1
)
dengan prestasi belajar (Y) setelah variabel ketekunan (X
1
) dikontrol dengan variabel taraf
kecerdasan (X
2
).
Seperti halnya pada korelasi parsial, variabel kontrol pada korelasi semi parsial juga
dapat diperluas jumlahnya. Misalnya dengan menggunakan 2 variabel kontrol, maka
rumusnya adalah sebagai berikut:

2
) 2 . 3 ( 1
) 2 . 3 ( 1 ) 2 . 3 ( ) 2 . 1 (
) 23 . 1 (
1 r
r r r
r
y y
y



2
) 1 . 3 ( 2
) 1 . 3 ( 2 ) 1 . 3 ( ) 1 . 2 (
) 13 . 2 (
1 r
r r r
r
y y
y



2
) 1 . 2 ( 3
) 1 . 2 ( 3 ) 1 . 2 ( ) 1 . 3 (
) 12 . 3 (
1 r
r r r
r
y y
y


Keterangan:
r
y (1.23)
= Korelasi antara X
1
dengan Y dalam kondisi X
1
dikontrol X
2
dan X
3

r
y (2.13)
= Korelasi antara X
2
dengan Y dalam kondisi X
2
dikontrol X
1
dan X
3

r
y (3.12)
= Korelasi antara X
3
dengan Y dalam kondisi X
1
dikontrol X
1
dan X
2


Dengan menggunakan korelasi semi parsial 2 variabel kontrol nampak bahwa untuk
menghitung koefisien korelasinya kita harus melakukan hitungan-hitungan berjenjang, yaitu
terlebih dahulu harus menemukan (1) koefisien korelasi tunggal, (2) koefisien korelasi semi
parsial 1 variabel kontrol, dan (3) koefisien korelasi semi parsial 2 variabel kontrol. Dari
uraian ini menjadi jelas bahwa perhitungan-perhitungannya akan dilakukan secara bertahap
dan dengan demikian dapat dimengerti bahwa apabila variabel kontrol yang digunakan
semakin banyak maka semakin panjang pula jenjang perhitungan yang harus dilakukan.


Sebagai contoh berikut disajikan tabel data hubungan antara keterampilan proses (x)
dan prestasi belajar (y) siswa SMP dalam belajar matematika peluang dengan menggunakan
strategi integrated and discovery berbasis aplikasi teknologi.
X 85 68 87 89 78 81 84 78 70 96 84 75 79 72 82 89 78 87 75 89
Y 85 50 90 90 75 95 85 80 65 97 75 65 80 80 80 95 80 95 75 85

Akan diuji melalui data sampling 20 siswa tersebut cukupkah mewakili populasi tentang
adanya hubungan antara variabel keterampilan proses dalam pembelajaran dengan prestasi
belajar yang diperoleh?
Pengoperasian perhitungan koefisien korelasi r dengan SPSS dapat diikuti langkah berikut:
1. Masukkan data variabel x dan y secara vertikal di data view SPSS. Klik variabel view
beri nama variabel dengan x dan y selanjutnya beri keterangan pada label masing-masing
keterampilan proses untuk x dan prestasi belajar untuk y pada decimal berilah 0.

2. Pada menu utama SPSS pilih Analyse, Correlate, Bivariate.

Masukkan variabel x dan y ke kotak variables dengan cara menekan panah kanan setelah
memblok variabel x dan y. Biarkan pilihan korelasi pearson tetap aktif dan abaikan yang
lain, lalu tekan ok akan muncul hasil sebagai berikut.
Correlations
ketrampila
n
prose
s
prestasi
belaja
r
ketrampilan
proses
Pearson
Correlati
on
1 .831
**

Sig. (2-tailed) .000
N 20 20
prestasi
belajar
Pearson
Correlati
on
.831
**
1
Sig. (2-tailed) .000
N 20 20
**. Correlation is significant at the 0.01 level (2-
tailed).

Pengujian:
1. Hipotesis deskriptif dan matematik

(hubungan antara x dan y lemah)

(hubungan antara x dan y tidak lemah)


2. Taraf signifikan 5%
3. Kriteria pengujian
Jika nilai sig maka

ditolak.
4. Analisis hasil
Dari tabel output diatas diperoleh nilai sig kurang dari berarti

ditolak dan menerima

. Nilai menunjukkan nilai yang cukup besar


dekat dengan
5. Kesimpulan
Jadi korelasi antara x dan y tidak lemah. Dalam pembembelajran matematika dengan
menggunakan strategi integrated and discovery berbasis aplikasi teknologi
menghasilkan suatu keterampilan proses belajar siswa yang mempunyai hubungan
kuat terhadap prestasi belajarnya.