BAB I

PENDAHULUAN

A. Latar Belakang
Korelasi adalah istilah statistik yang menyatakan derajat hubungan linier
antara dua variabel atau lebih. Analisis korelasi pertama kali dikembangkan oleh Karl
Pearson pada tahun 1900. Di dalam teknik analisis korelasi, hubungan antara dua
variabel hanya mengenal hubungan searah (linier) saja, misalnya: tinggi badan
menyebabkan berat badannya bertambah, tetapi berat badannya bertambah belum
tentu menyebabkan tinggi badannya bertambah pula. Sehingga dari contoh tersebut
dapat diketahui bahwa dalam analisis korelasi dikenal penyebab dan akibatnya.
Data penyebab atau yang mempengaruhi disebut variabel bebas (independent)
yang biasanya ditandai dengan huruf X. Sedangkan data akibat atau yang dipengaruh
disebut variabel terikat (dependent) yang biasanya dilambangkan dengan huruf Y.
Cara menentukan variabel bebas dan variabel terikat tergantung pada landasan teori
yang digunakan.
Ada dua jenis statistik untuk menghitung korelasi:
1. Koefisien korelasi bivariate: Yaitu statistik yang dapat digunakan oleh peneliti
untuk menerangkan keeratan hubungan antara dua variabel.
2. Koefisien korelasi multi-variat: Yaitu statistik yang digunakan peneliti untuk
menggambarkan dan menentukan hubungan antara tiga variabel atau lebih.
Macam-Macam Koefisien Analisis Korelasi
a. Product Moment Pearson: Kedua variabelnya berskala interval
b. Rank Spearman: Kedua variabelnya berskala ordinal
c. Point Serial: Satu berskala nominal sebenarnya dan satu berskala interval
d. Biserial: Satu berskala nominal buatan dan satu berskala interval
e. Koefisien kontingensi: Kedua varibelnya berskala nominal
1

B. Rumusan Masalah
1.

Apa yang dimaksud dengan analisa korelasi PPM?

2.

Bagaimana tekhnik dan aplikasi penghitungan korelasi PPM?

3.

Bagaimana cara mengaplikasikan analisa korelasi PPM dalam karya tulis

ilmiah?

C. Tujuan
1.

Menjelaskan apa yang dimaksud dengan analisa korelasi PPM

2.

Menjabarkan tekhnik analisa korelasi PPM

3.

Mengaplikasikan analisa korelasi PPM dalam karya tulis ilmiah

BAB II
PEMBAHSAN
A. Pengertian Korelasi Pearson
Korelasi Pearson atau sering disebut Korelasi Product Moment (KPM) merupakan
alat uji statistik yang digunakan untuk menguji hipotesis asosiatif (uji hubungan) dua
variabel bila datanya berskala interval atau rasio. KPM dikembangkan oleh Karl Pearson
(Hasan, 1999). Tujuannya adalah untuk membuktikan apakah ada hubungan yang
signifikas antara variabel x dan variabel y.
KPM merupakan salah satu bentuk statistik parametris karena menguji data pada
skala interval atau rasio. Oleh karena itu, ada beberapa persyaratan untuk dapat
menggunakan KPM, yaitu :
1.

Sampel diambil dengan teknik random (acak)

2.

Data yang akan diuji harus homogen

3.

Data yang akan diuji juga harus berdistribusi normal

4.

Data yang akan diuji bersifat linier

B. Fungsi dari Korelasi PPM

Fungsi KPM sebagai salah satu statistik inferensia adalah untuk menguji
kemampuan generalisasi (signifikasi) hasil penelitian. Adapun syarat untuk bisa
menggunakan KPM selain syarat menggunakan statistik parameteris, juga ada
persyaratan lain, yaitu variabel independen (x) dan variabel (y) harus berada pada skala
interval atau rasio.
Nilai KPM disimbolkan dengan r (rho). Nilai KPM juga berada di antara -1 < r <
1. Bila nilai r = 0, berarti tidak ada korelasi atau tidak ada hubungan anatara variabel
independen dan dependen. Nilai r = +1 berarti terdapat hubungan yang positif antara
variabel independen dan dependen. Nilai r = -1 berarti terdapat hubungan yang negatif

antara variabel independen dan dependen. Dengan kata lain, tanda + dan -
menunjukkan arah hubungan di antara variabel yang sedang diopersionalkan.
Uji signifikansi KPM menggunakan uji t, sehingga nilai t hitung dibandingkan
dengan nilai t tabel. Kekuatan hubungan antarvariabel ditunjukkan melalui nilai korelasi.
Berikut adalah tabel nilai korelasi beserta makna nilai tersebut :
Tabel 1.1 Makna Nilai Korelasi Product Moment

Nilai

Makna
Sangat Lemah

0,00 0,19
0,20 0,39
0,40 0,59
0,60 0,79
0,80 1,00

Lemah
Sedang
Kuat
Sangat Kuat

C. Rumus Pearson Product Moment

Koefisien Korelasi Sederhana disebut juga dengan Koefisien Korelasi Pearson
karena rumus perhitungan Koefisien korelasi sederhana ini dikemukakan oleh Karl
Pearson yaitu seorang ahli Matematika yang berasal dari Inggris.
Rumus yang dipergunakan untuk menghitung Koefisien Korelasi Sederhana
adalah sebagai berikut :

(Rumus ini disebut juga dengan Pearson Product Moment)

rxy

n XY ( X )( Y )

{n X 2 ( X ) 2 }{n Y 2 ( Y ) 2 }

Dimana :
n

= Banyaknya Pasangan data X dan Y

X = Total Jumlah dari Variabel X

Y = Total Jumlah dari Variabel Y
X2= Kuadrat dari Total Jumlah Variabel X
Y2= Kuadrat dari Total Jumlah Variabel Y
XY= Hasil Perkalian dari Total Jumlah Variabel X dan Variabel Y

D. Teknik dan Aplikasi Penghitungan Korelasi PPM

Langkah 1 : Perumusan Hipotesis
Jika diduga bahwa suatu variabel mempunyai hubungan yang positif dengan variabel
lain, maka rumusan hipotesisnya adalah
a. Ho : r = 0 (tidak ada hubungan antara suatu variabel yang positif dengan variabel
lain)
b. Ha : r > 0 (terdapat hubungan yang positif dan signifikan anatara suatu variabel
dengan variabel lainnya)

Langkah 2 : Menentukan taraf nyata (level of signifance)

Yaitu menentukan nilai , misalnya 5% atau = 0,05

Langkah 3 : Menghitung
Membuat tabel penolong untuk menghitung Korelasi PPM:
dengan rumus ;
5

r=

xy
x2 . y2

Keterangan :
n = jumlah data
x = data yang mempengaruhi
y = data yang dipengaruhi
X=xx
Y=yy

Langkah 4 : Mencari besarnya sumbangan (konstribusi) variabel X terhadap Y

Dengan rumus :
KP = r2 x 100%

Keterangan : KP
r

= Nilai Koefisien Diterminan

= Nilai Koefisien Korelasi

Langkah 5 : Cari r table

Dengan rumus : dk = n - 1

Langkah 6 : Tentukan kriteria pengujian

Jika r tabel r hitung + r tabel, maka Ho diterima

Langkah 7 : Membandingkan t hitung dengan t tabel

Menguji signifikansi dengan rumus t hitung :
t

hitung

r n2
1 r2

keterangan:

thitung = Nilai t
r

= Nilai Koefisien korelasi

= Jumlah Sampel

Langkah 8 : Membuat Kesimpulan

Contoh Hubungan Antara Umur dengan Tekanan Darah Pasien di Ruang Rawat Inap
Penyakit Dalam RSUD Banjarbaru
Perumusan Hipotesis
Ha : ada hubungan yang signifikan antara umur dengan tekanan darah
Ho : Tidak ada hubungan yang signifikan antara umur dengan tekanan darah
Kaidah pengujian :
Jika

t hitung t tabel, maka Ho artinya Hipotesis alternatif di terima dan

t hitung t tabel, Ho artinya hipotesis alternatif ditolak.

Menentukan Taraf Nyata

Untuk kasus ini, kita ingin melihat apakah terdapat hubungan linier antara usia
dengan tekanan darah sistolik. Taraf nyata yang digunakan adalah 5%.
Di dapat =0,05
Menentukan uji hipotesis dalam statistic
Ha : r 0
7

Ho : r = 0

E. Pola/Bentuk hubungan antara 2 variabel :

1. Korelasi Linear Positif (+1)
Perubahan salah satu Nilai Variabel diikuti perubahan Nilai Variabel yang
lainnya secara teratur dengan arah yang sama. Jika Nilai Variabel X mengalami
kenaikan, maka Variabel Y akan ikut naik. Jika Nilai Variabel X mengalami
penurunan, maka Variabel Y akan ikut turun.
Apabila Nilai Koefisien Korelasi mendekati +1 (positif Satu) berarti
pasangan data Variabel X dan Variabel Y memiliki Korelasi Linear Positif yang
kuat/Erat.
2. Korelasi Linear Negatif (-1)
Perubahan salah satu Nilai Variabel diikuti perubahan Nilai Variabel yang
lainnya secara teratur dengan arah yang berlawanan. Jika Nilai Variabel X
mengalami kenaikan, maka Variabel Y akan turun. Jika Nilai Variabel X
mengalami penurunan, maka Nilai Variabel Y akan naik.
Apabila Nilai Koefisien Korelasi mendekati -1 (Negatif Satu) maka hal ini
menunjukan pasangan data Variabel X dan Variabel Y memiliki Korelasi Linear
Negatif yang kuat/erat.
3. Tidak Berkorelasi (0)
Kenaikan Nilai Variabel yang satunya kadang-kadang diikut dengan
penurunan Variabel lainnya atau kadang-kadang diikuti dengan kenaikan Variable
yang lainnya. Arah hubungannya tidak teratur, kadang-kadang searah, kadangkadang berlawanan.
Apabila Nilai Koefisien Korelasi mendekati 0 (Nol) berarti pasangan data
Variabel X dan Variabel Y memiliki korelasi yang sangat lemah atau
berkemungkinan tidak berkorelasi.
Ketiga Pola atau bentuk hubungan tersebut jika di gambarkan ke dalam
Scatter Diagram (Diagram tebar) adalah sebagai berikut :
10

F. Contoh Kasus Analisis Korelasi PPM :

Contoh : Hubungan Antara Umur dengan Tekanan Darah Pasien di Ruang Rawat
Inap Penyakit Dalam RSUD Banjarbaru
Umur (X) : 34,43,49,58,64,73,dan 78
Systole Pressure (Y) : 108,129,126,149,168,161dan 174
Pertanyaan ;
a. Berapakah besar hubungan umur dengan tekanan sistole?
b. Berapakah besar sumbangan (kontribusi) umur dengan tekanan sistole?
c. Buktikan apakah ada hubungan yang signifikan umur dengan tekanan sistole?
Langkah-langkah :
1. Perumusan Hipotesis
Ha : ada hubungan yang signifikan antara umur dengan tekanan darah
Ho : Tidak ada hubungan yang signifikan antara umur dengan tekanan darah
2. Menentukan uji hipotesis dalam statistic
Ha : r 0
Ho : r = 0

11

3. Membuat tabel penolong untuk menghitung Korelasi PPM:

No

Age (X)

1
2
3
4
5
6
7
Jumlah
Rata-rata

34
43
49
58
64
73
78
399
57

Systolic
Pressure (Y)
108
129
126
149
168
161
174
1015
145

X2

Y2

XY

1156
1849
2401
3364
4096
5329
6084
24279

11664
16641
15876
22201
28224
25921
30276
150803

3672
5547
6174
8642
10752
11753
13572
60112

Langkah 4.
Mencari rhitung dengan cara masukkan angka statistik dari tabel penolong dengan rumus :
r=

nxy (x) (y)

{nx (x)} {ny2 (y)2}

r=
.
r=
.
r=

(7. 60112) (399) (1015)

{7 . 24279 (399)} {7 . 150803 (1015)2}
(420784) (404985)
{ 169953 159201} {1055621 1030225}
15799

273057792

r=

15799
16524,460414791

r = 0,956 = 0,96
Jadi Koefisien Korelasi antara umur dan tekanan sistole adalah 0,96, berarti kedua variabel
tersebut memiliki hubungan yang SANGAT KUAT.
Kontribusi Variabel X terhadap variable Y
12

KV = r .100
2
KV = 0, 96 .100

KV = 92,16%
Maka, Variabel umur 92,16% berpengaruh terhadap variabel tekanan sistole, sedangkan
sisanya 7,84% dipengaruhi oleh factor lain.
Membuktikan apakah ada hubungan yang signifikan antara umur dengan tekanan sistole.
Df = n 1
=71=6
Taraf signifikasi 5% didapatkan : 0,875
Membandingkan r Hit dengan r Tab
0,96 > 0,875 maka Ha ditolak berarti terdapat hubungan yang signifikan antara umur dan
tekanan darah sistole.
Uji signifikan Korelasi menggunakan rumus:
t=

t=

r n2
1r 2

0,96 72

10,96 2

t=

0,96 5
10,962

t=

2.1466
0,28

13

t hit =7,666642

t table : 2,57
Berdasarkan perhitungan di atas , = 0,05 dan n = 7, uji dua pihak;
dk = n - 2 = 7 2 = 5 sehingga diperoleh ttabel = 2,57
Ternyata thitung lebih besar dari ttabel, atau 7,666> 2,57, maka Ho ditolak, artinya ada hubungan
yang signifikan antara umur dengan tekanan darah sistole.
Langkah 5.
Membuat kesimpulan
1. Berapakah besar hubungan umur dengan tekanan darah sistole? r xy sebesar
0,96kategori sangat kuat.
2. Berapakah besar sumbangan (konstribusi) umur dengan tekanan darah sistole?
KP = r2 x 100% = 0,962 x 100% = 92,16%. Artinya motifasi memberikan konstribusi
terhadap kinerja dosen sebesar 92,16% dan sisanya 7,84% ditentukan oleh faktor
variable lain.
3. Buktikan apakah ada hubungan yang signifikan umur dengan tekanan darah sistole?
terbukti bahwa ada hubungan yang signifikan motivasi dengan kinerja dosen.
Ternyata thitung lebih besar dari ttabel, atau 7,666 > 2,57, maka Ho ditolak, artinya ada
hubungan yang signifikan umur dengan tekanan darah sistole.

14

BAB III
PENUTUP
A. Kesimpulan
Korelasi Pearson merupakan salah satu ukuran korelasi yang digunakan untuk
mengukur kekuatan dan arah hubungan linier dari dua variable.
Manfaat Korelasi Pearson Product Moment:
a. Untuk menyatakan ada atau tidaknya hubungan antara variabel X dengan
variabel Y.
b. Untuk menyatakan besarnya sumbangan variabel satu terhadap yang lainnya
yang dinyatakan dalam persen.
B. Saran
Menggunakan uji kolerasi cukup membantu dalam menentukkan apakah suatu
variable tertentu mempunyai hubungan dengan variabel lainnya

DAFTAR PUSTAKA
Dajan, Anto. 1973. Pengantar Meode Statistik Jilid 1. Jakarta: LP3ES
Hidayat, A. Aziz Alimul. 2011. Metode Penelitian Keperawatan dan Teknik Analisis Data.
Jakarta: Salemba Medika
15

16