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.
2.
3.
C. Tujuan
1.
2.
3.
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.
2.
3.
4.
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
rxy
n XY ( X )( Y )
{n X 2 ( X ) 2 }{n Y 2 ( Y ) 2 }
Dimana :
n
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
Keterangan : KP
r
hitung
r n2
1 r2
keterangan:
thitung = Nilai t
r
= Jumlah Sampel
Ho : r = 0
11
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=
r=
.
r=
.
r=
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