BAB II

PEMBAHASAN

A. Definisi dan Keberadaan Korelasi

Korelasi lahir sebagai respon untuk menangani persoalan yang akan terjadi
dalam sebuah penelitian. Persoalan tersebut ialah ketika data hasil pengamatan
terdiri dari banyak variabel dan seorang peneliti ingin mengetahui seberapa besar
atau seberapa kuat hubungan antara variabel-variabel itu, dengan kata lain
diperlukan penentuan derajat hubungan antara variabel.
Mukhadis (2016:336) menyatakan bahwa interpretasi tingkat signifikasi
hubungan atau tingkat signifikansi perbedaan antar variabel dalam penelitian
kuantitatif ditentukan berdasarkan hasil uji hipotesis dengan kriteria tingkat
kepercayaan tertentu terhadap hasil analisis data dengan teknik dan rumus statistik
tertentu. Berikut pengklasifikasikan penggunaan statistik baik parametris dan non
parametris untuk menguji hipotesis menurut Sugiyono (2015:213).

Tabel 2.1 Penggunaan Statistik Untuk Menguji Hipotesis

Bentuk Hipotesis
Komparatif (2 sampel) Komparatif (> 2 sampel)
Macam
Deskriptif (Satu Asosiatif
Data
variabel atau satu Related Independen Related Independen (Hubungan)
sampel)**
Binomial Fisher exact X2 untuk K
Contingency
Nominal X2 satu sampel Mc Nemar Probability Cochran Q sampel
Coefisient C
X2 dua sampel
Median Test
Mann-
Sign Test Whitney U Median
Spearman
Wilcoxon test Friedman Extension
Rank
Ordinal Run Test Matched Kolmogorov Two Way Kruskal Wallis
Correlation
Pairs Smirnov Anova One Way
Kendall Tau
Wald- Anova
woldfowitz

Korelasi
Produk
Momen*
One Way One Way Korelasi
Interval T-test of T-test* Anova* Anova* Parsial*
T-test*
Rasio related Independent Two Way Two Way Korelasi
Anova* Anova* Ganda*
Regresi
sederhana
& ganda*

3
 4

Walpole, R. E (1995:370) menyatakan bahwa analisis korelasi mencoba

untuk mengukur kekuatan hubungan antara dua peubah melalui sebuah bilangan.
Sederhananya Sudjana (1996:367) analisis korelasi merupakan studi yang
membahas tentang derajat hubungan antara variabel. Selanjutnya Sugiyono
(2014:224) menerangkan bahwa arti dari korelasi itu sendiri ialah angka yang
menunjukkan arah dan kuatnya hubungan antar dua variabel atau lebih.
Ditinjau dari perbedaannya dengan regresi Santoso, S (2014:127)
menggambarkan sebagai berikut.

Tabel 2.2 Perbedaan Korelasi dan Regresi

Tujuan Contoh Kasus
Korelasi Mempelajari apakah ada hubungan antara 2 Adanya hubungan positif dan kuat antara
variabel/lebih iklan produk dengan penjualan produk
tersebut
Regresi Memprediksi seberapa jauh pengaruh tersebut Memperkirakan jika iklan ditingkatkan
sekian rupiah, berapa rupiah penjualan yang
bisa dicapai

Korelasi produk momen dan korelasi parsial terdapat pada teknik statistik
inferensial dengan uji syarat analisis data terpenuhi.
Data hasil penelitian

Meneliti Teknik analisis

Data bersifat
populasi statistik
sensus
bersangkutan deskriptif
kuantitatif

Meneliti sampel
Teknik analisis
yang
statistik deskriptif
bersangkutan
Data bersifat Uji syarat
sampel analisis tidak Non Parametrik
Meneliti
Teknik analisis terpenuhi
populasi
statistik
sasaran Uji syarat
inferensial
tertentu analisis Parametrik
terpenuhi

Gambar 2.1 Skema Keberadaan Korelasi (Sumber: Mukhadis, 2016:334)

Secara lebih spesifik keberadaan korelasi produk momen dan korelasi

parsial terdapat pada pengklasifikasian statistik inferensial parametrik dan statistik
inferensial non-paramterik sebagai berikut.
 5

Tabel 2.3 Klasifikasi Statistik Inferensial (Sumber: Mukhadis, 2016:337)

Jenis Statistik Inferensial Tujuan Penelitian Kuantitatif
sebagai Alat Analisis Data Menguji Signifikansi Hubungan Menguji signifikansi Perbedaaan
Antavariabel Antarvariabel
Statistik inferensial parametrik Korelasi produk momen Uji T
Korelasi parsial ANVA
Regresi ganda ANAKOVA
Korelasi Kanonik
Statistik Inferensial Non- Korelasi spearman Chi Kuadrat
parametrik
Korelasi kendal Tes kolmogorovmirnr
Korelasi parsial kendal Tes Mc Nemar
Korelasi biserial Tes wilcoxon
Korelasi point biserial Tes walsh
Korelasi tetrachoric Tes U-mann-whitey
Koefisien contingensi Te Wald wolfowitts
Koefisien Phi Tes cohran
Koefisien cramer Anava friedman
Koefisien cramer Kruskal-Wallis

Secara spesifik Santoso, S (2014:127) memaparkan tujuan terkait analisis

korelasi yaitu untuk mengetahui apakah diantara dua variabel terdapat hubungan,
dan jika terdapat hubungan, bagaimana arah hubungan dan seberapa besar
hubungan tersebut. Secara teoritis, dua variabel dapat tidak berhubungan sama
sekali (r=0), berhubungan secara sempurna (r=1) atau di antara kedua angka
tersebut. Arah korelasi juga dapat positif (berhubungan searah) atau negatif
(berhungan berlainan arah).
Sugiyono (2014:225-226) menjabarkan kembali bahwa hubungan dua
variabel atau lebih dikatakan hubungan positif, bila nilai suatu variabel
ditingkatkan, maka akan meningkatkan variable lain, dan sebaliknya bila suatu
variabel diturunkan maka akan menurunkan nilai variabel lain. Sebagai contoh
konkritnya adanya hubungan positif antara gizi makanan siswa terhadap
kecerdasan intelektual, hal ini semakin tinggi nilai gizi makanan pada siswa, maka
kecerdasan intelektualnya juga meningkat, dan semakin rendah gizi makanan
siswa maka kecerdasan intelektual semakin menurun.
Selanjutnya hubungan dua variabel atau lebih dikatakan sebagai hubungan
negatif. Ketika nilai satu variabel dinaikkan maka akan menurunkan nilai variabel
lain. Sebaliknya, ketika nilai suatu variabel diturunkan, maka akan menaikkan
nilai variabel lain. Sebagai contoh konkrit ialah adanya hubungan negatif antara
 6

kemarau dengan jas hujan yang terjual. Hal ini berarti semakin tinggi intensitas
kemarau, maka akan semakin sedikit jas hujan yang terjual. Sebaliknya semakin
rendah intensitas kemarau, maka semakin meningkat jas hujan yang terjual.
Berikut gambaran terkait korelasi positif dan korelasi negatif.

Gambar 2.2 Korelasi Positif (Kiri) & Korelasi Negatif (Kanan) (Sumber: Mukhadis,
2016:334)

Kuatnya hubungan antar variabel dinyatakan dalam koefisien korelasi.

Untuk koefisien korelasi positif terbesar ialah 1, koefisien korelasi negatif terbesar
ialah -1, sedangkan koefisien korelasi terkecil ialah 0. Ketika hubungan antara dua
variabel atau lebih menghasilkan koefisien korelasi sebesar 1 atau -1, maka
hubungan tersebut dinyatakan sempurna.
Semakin kecil koefisien korelasi, maka akan semakin error dalam
pembuatan prediksi. Sebagai contoh, bila hubungan bunyinya burung prenjak
dengan adanya tamu mempunyai koefisien korelasi sebesar 1, maka akan dapat
diramalkan bahwa setiap ada bunyi burung prenjak maka dipastikan ada tamu.
Selanjutnya, ketika koefisien korelasi kurang dari 1, maka dapat diramalkan
bahwa belum tentu ada tamu ketika burung prenjak berbunyi 0, apa lagi koefisien
korelasinya mendekati 0.
Sugiyono (2014:227) mengulas macam-macam teknik statistik korelasi.
Berikut pengkategoriannya

Tabel 2.4 Pedoman Pemilihan Jenis Statistik Inferensial

Macam Tingkatan Data Jenis Statistik Inferensial Teknik Korelasi yang Digunakan
Nominal Statistik Non-Parametrik Koefisien Kontingency
Ordinal Spearmen Rank
Kendal Tau
Interval dan Ratio Statistik Parametrik Pearson Product Momen
Korelasi Ganda
Korelasi parsial
 7

1. Korelasi Produk Momen

Korelasi produk momen merupakan angka yang menunjukkan arah dan
kuatnya hubungan antara variabel bebas (independent) dengan variabel terikat
(dependent). Riduan & Kuncoro, E. A (2014:61) menyatakan bahwa teknik
analisis korelasi produk momen atau pearson produk momen termasuk dalam
teknik statistik parametrik yang menggunakan data interval dan ratio dengan
persyaratan tertentu. Korelasi produk momen sangat sering digunakan oleh
mahasiswa dan peneliti lainya. Adapun korelasi ini telah dikemukakan sejak tahun
1900 oleh Karl Pearson.
2. Korelasi Parsial
Sugiyono (2014:235) menjelaskan bahwa korelasi parsial merupakan
angka yang menunjukkan arah dan kuatnya hubungan antara dua variabel atau
lebih, setelah satu variabel yang diduga dapat mempengaruhi hubungan variabel
tersebut tetap atau dikendalikan.
Untuk mengetahui nilai kuat tidaknya hubungan antara dua variabel atau
lebih tersebut, dapat dilihat pada tabel berikut ini.

Tabel 2.4 Pedoman untuk Memberikan Interprestasi terhadap Koefisien Korelasi (Sumber:
Sugiyono:2014)

Interval Koefisien Tingkat Hubungan

0,00 0,199 Sangat Rendah
0,20 0,399 Rendah
0,40 0,599 Sedang
0,60 0,799 Kuat
0,80 1,000 Sangat Kuat

B. Syarat Data untuk Korelasi

Mukhadis (2016:334) menyebutkan bahwa agar data dapat dianalisis
menggunakan korelasi produk momen maupun korelasi parsial harus memenuhi
uji syarat analisis. Hal ini sesuai dengan gambar skema pada gambar 2.1 yang
memvisualkan bahwa data yang dapat diuji menggunakan parametrik ialah data
yang telah memenuhi uji syarat analisis.
Pada buku yang sama, dengan halaman yang berbeda Mukhadis
(2016:339-340) menambahkan bahwa dalam menganalisis data dengan
menggunakan teknik statistik inferensial (baik inferensial parametrik maupun non
 8

parametrik) diperlukan 2 aspek yang harus diketahui terlebih dahulu, aspek

tersebut ialah sebagai berikut.
1. Ketepatan dan ketajaman analisis
Untuk memenuhi unsur ketepatan dan ketajaman analisis terhadap
statistik yang digunakan, maka diperlukanlah pemahaman peneliti atas jenis
data yang akan dianalisis meliputi nominal, ordinal, interval atau data jenis
rasio. Berdasarkan tabel 2.4 maka untuk korelasi produk momen dan korelasi
parsial datanya harus berifat interval dan rasio. Berikut penjelasan singkat
terkait interval dan rasio menurut Mukhadis (2016:143).
a) Interval
Interval merupakan data statistik dengan menggunakan angka
sebagai lambang hasil pengukuran suatu atribut fenomena yang memiliki
gradasi representasi kuantitas (tinggi, sedang, dan rendah) dan jarak
interval gradasi ini dapat ditentukan secara eksak, tetapi tidak memiliki
angka nol yang bersifat mutlak. Sebagai contoh
b) Rasio
Rasio merupakan data statistik dengan menggunakan angka-angka
sebagai representasi hasil pengukuran suatu atribut fenomena memiliki
gradasi kuantitas (tinggi, sedang, dan rendah) dan jarak interval gradasi ini
dapa ditentukan secara eksak, dan memiliki angka nol yang bersifat mutlak
(angka 0 = tidak ada). Sebagai contoh
2. Pemenuhan uji persyaratan analisis
Untuk memenuhi unsur pemenuhan uji persyaratan analisis, maka
peneliti harus mengetahui data yang terkait. Apabila salah satu dari permintaan
berikut tidak terpeuhi maka analisis korelasi tidak dapat dilakukan.
a) Normalitas
Jainuri, M (2013:1) menyebutkan bahwa pengujian normalitas
dilakukan untuk mengetahui normal tidaknya suatu distribusi data. Data
yang bisa dianalisis menggunakan analisis parametrik ialah data yang
berdistribusi normal. Ketika hasil dari uji normalitas menyatakan distribusi
tersebut tidak normal, maka wajib menggunakan uji non parametrik.
Pengujian normalitas dilakukan ketika belum ada teori yang
menyatakan bahwa suatu variabel yang diteliti tersebut normal, namun
apabila terdapat teori yang menyatakan bahwa variabel yang sedang
 9

diteliti normal, maka tidak perlu dilakukan pengujian normalitas data. Ada
beberapa teknik yang digunakan untuk menguji normalitas data, antara
lain: uji chi square, uji lilifors, dan uji kolmogorov-smirnov. Variabel
dikatakan berdistribusi normal ketika sig > 0,05.
Berikut pengaplikasian dari uji normalitas data.

Gambar 2.3 Data Hasil Penelitian

1) Ketik X1 , X2, dan Y pada kolom Name

2) Pada kolom Decimals, ganti angka menjadi 0 untuk seluruh variabel
3) Pada kolom Label isikan IQ pada X1, EQ pada X2, dan hasil belajar
pada Y
4) Pada kolom Align isikan center
5) Pada kolom Measure isikan scale pada X1, ordinal pada X2 dan scale
pada Y
6) Sedangkan untuk kolom yang lain dibiarkan saja

Gambar 2.4 Entry Data

7) Klik variabel view pada SPSS data editor dan entry kan data yang
dikehendaki (gambar 2.3)
8) Kilik Analyze Descriptives Statistics Explore
 10

Gambar 2.5 Proses Explore

9) Masukan variabel Hasil Belajar (Y) ke dalam kotak Dependet List

10) Masukan variabel IQ (X1) dan EQ (X2) ke dalam kotak Factor List
11) Klik Plots, centang pilihan Normality plots with test

Gambar 2.6 Penyelesaian

12) Continue OK
13) Selanjutnya akan muncul hasil
 11

Gambar 2.7 Hasil Uji Normalitas

Berdasarkan hasil uji normalitas diatas, didapatkan angka

signifikan sebesar 0,2. Artinya karena angka signifikan > 0,05 maka
dinyatakan bahwa data berdistribusi normal
b) Uji Liniearitas
Jainuri, M (2013:1) menyatakan bahwa uji linearitas bertujuan
untuk mengetahui apakah 2 variabel mempunyai hubungan yang linear
atau tidak secara signifikan. Adapun teknik yang digunakan untuk uji
linearitas adalah Test for Linearity pada taraf signifikn 0,05. Dua variabel
dikatakan mempunyai hubungan linear bila signifikansi (deviation fro
Linearity) > 0,05.
Berikut pengaplikasian dari uji linearitas data.
1) Input data yang berada di atas tadi ke dalam SPSS
2) Klik variable view pada SPSS data editor
3) Pada kolom Name ketikan secara berurutan X1, X2, dan Y
4) Pada kolom Label ketikan secara berurutan IQ, EQ, dan Hasil
Belajar
5) Sedangkan kolom lainnya disesuaikan dengan aslinya
6) Buka Data View dan isikan data untuk ketiga variabel
7) Klik Analyze Compare Means Means
 12

Gambar 2.8 Prosedur Means

8) Variabel Hasil Belajar dimasukkan ke kotak Dependent List

9) Variabel IQ dan EQ masukkan ke dalam kotak Independent List
10) Klik Option, pada statistic for forst layer, dan centang pilihan test
for linearity Continue OK

Gambar 2.9 Prosedur Test For Linearity

11) Selanjutnya akan muncul hasil SPSS sebagai berikut.

 13

Gambar 2.10 Hasil SPSS

Berdasarkan hasil uji linearitas diatas, didapatkan angka signifikan

sebesar 0,659. Artinya karena angka signifikan > 0,05 maka dinyatakan
bahwa antara variabel hasil belajar dan IQ terdapat hubungan linear.

C. Kegunaan Korelasi
1. Korelasi Produk Momen
Riduan & Kuncoro, E. A (2014:61) menyatakan bahwa teknik analisis
korelasi produk momen berguna untuk mengetahui derajat hubungan antara
variabel bebas (independent) dengan variabel terikat (dependent). Pernyataan ini
sama dengan Sugiyono (2015:215) yang menyatakan bahwa korelasi produk
momen digunakan untuk menguji hipotesis hubungan antara satu variabel
independen dengan satu variabel dependen
2. Korelasi Parsial
Sugiyono (2014:235) menyebutkan bahwa korelasi parsial digunakan
untuk menganalisis ketika peneliti bermaksud mengetahui pengaruh atau
mengetahui hubungan antara variabel independen dan dependen, dimana salah
satu variabel independennya dibuat tetap atau dikendalikan. Di lain buku
Sugiyono (2015:215) menambahkan bahwa korelasi parsial digunakan untuk
menguji hipotesis hubungan antara dua variabel atau lebih, bila terdapat variabel
yang dikendalikan.

D. Penerapan Korelasi Produk Momen dengan Konvensional

E. Penerapan Korelasi Produk Momen dengan SPSS
F. Penerapan Korelasi Parsial dengan Konvensional
 14

G. Penerapan Korelasi Produk Momen dengan SPSS