PENGERTIAN KORELASI
Kita tidak akan dan bukan meramalkan nilai Y dari pengetahuan mengenai peubah
bebas X seperti dalam regresi linier. Sebagai misal, bila peubah X menyatakan
besarnya biaya yang dikeluarkan untuk membeli Pupuk dan Y adalah besarnya hasil
Produksi Padi dalam satu kali musim tanam, barangkali akan muncul pertanyaan dalam
hati kita apakah penurunan biaya yang dikeluarkan untuk membeli Pupuk juga
berpeluang besar untuk diikuti dengan penurunan hasil Produksi Padi dalam satu
musim tanam. Dalam studi empiris lain, bila X adalah harga suatu barang yang
ditawarkan dan Y adalah jumlah permintaan terhadap barang tersebut yang dibeli oleh
konsumen, maka kita membayangkan jika nilai-nilai X yang besar tentu akan
berpasangan dengan nilai-nilai Y yang kecil.
Dalam hal ini kita tentu saja mempunyai bilangan yang menyatakan proporsi
keragaman total nilai-nilai peubah Y yang dapat dijelaskan oleh nilai-nilai peubah X
melalui hubungan linear tersebut. Jadi misalkan suatu korelasi memiliki besaran r =
0,36 bermakna bahwa 0,36 atau 36% di antara keragaman total nilai-nilai Y dalam
contoh kita, dapat dijelaskan oleh hubungan linearnya dengan nilai-nilai X.
Contoh lainnya adalah, misal koefisien korelasi sebesar 0,80 menunjukkan adanya
hubungan linear yang sangat baik antara X dan Y. Karena r2 = 0,64, maka kita dapat
mengatakan bahwa 64 % di antara keragaman dalam nilai-nilai Y dapat dijelaskan oleh
hubungan linearnya dengan X.
Besaran koefisien korelasi contoh r merupakan sebuah nilai yang dihitung dari n
pengamatan sampel. Sampel acak berukuran n yang lain tetapi diambil dari populasi
yang sama biasanya akan menghasilkan nilai r yang berbeda pula. Dengan demikian
kita dapat memandang r sebagai suatu nilai dugaan bagi koefisien korelasi linear yang
sesungguhnya berlaku bagi seluruh anggota populasi. Misalkan kita lambangkan
koefisien korelasi populasi ini dengan . Bila r dekat dengan nol, kita cenderung
menyimpulkan bahwa = 0. Akan tetapi, suatu nilai contoh r yang mendekati + 1 atau
1 menyarankan kepada kita untuk menyimpulkan bahwa 0.
Masalahnya sekarang adalah bagaimana memperoleh suatu peng-uji-an yang
akan mengatakan kepada kita kapan r akan berada cukup jauh dari suatu nilai tertentu
o, agar kita mempunyai cukup alasan untuk menolak hipotesis nol (Ho) bahwa = o,
dan menerima alternatifnya. Hipotesis alternatif bagi H1 biasanya salah satu di antara
< o, > o, atau o.
5. Murray R. Spiegel, Seri Buku Schaum, Teori dan Soal, Statistika, Edisi Kedua.
Alih Bahasa oleh Drs. I Nyoman Susila, M.Sc. dan Ellen Gunawan, M.M.,
Penerbit Erlangga, 1988.
Dari hasil analisis korelasi sederhana (r) didapat korelasi antara kecerdasan
dengan prestasi belajar (r) adalah 0,766. Hal ini menunjukkan bahwa terjadi
hubungan yang kuat antara kecerdasan dengan prestasi belajar. Sedangkan
arah hubungan adalah positif karena nilai r positif, berarti semakin tinggi
kecerdasan maka semakin meningkatkan prestasi belajar.
5. Kesimpulan
Oleh karena nilai Signifikansi (0,004 < 0,05) maka Ho ditolak, artinya
bahwa ada hubungan secara signifikan antara kecerdasan dengan
prestasi belajar. Karena koefisien korelasi nilainya positif, maka berarti
kecerdasan berhubungan positif dan signifikan terhadap pretasi belajar.
Jadi dalam kasus ini dapat disimpulkan bahwa kecerdasan berhubungan
positif terhadap prestasi belajar pada siswa SMU Negeri XXX
Adalah indeks atau angka yang diigunakan untuk mengukur keeratan hubungan antara 3
variabel/lebih. Koefisien korelasi berganda dirumuskan :
Ry1.2 =
Keterangan :
- Ry1.2 : koefisien linier 3 variabel
- ry1 : koefisien korelasi y dan X1
- ry2 : koefisien korelasi variabel y dan X2
- r1.2 : koefisien korelasi variabel X1 dan X2
dimana :
ry1 =
ry2 =
r1.2 =
Ry1.2 =
Contoh Soal :
RUMAH TANGGA
VARIABEL
I II III IV V VI VII
Pengeluaran (Y) 3 5 6 7 4 6 9
Pendapatan (X1) 5 8 9 10 7 7 11
4 3 2 3 2 4 5
Jumlah Anggota Keluarga (X2)
Pertanyaan :
1. Carilah Nilai Koefisien Korelasinya !
2. Jelaskan makna hubungannya !
Penyelesaian :
Koefisien korerasi parsial adalah indeks atau angka yang digunakan untuk mengukur keeratan
hubungan antara 2 variabel, jika variabel lainnya konstanta, pada hubungan yang melibatkan lebih
dari dua variabel. Koefisien korelasi parsial untuk tiga variabel dirumuskan oleh :
ry1.2 =
r2.1Y =
Controlling for.. X2
X1 Y
X1 1.0000 .4356
( 0) ( 9)
P= . P= .181
Y .4356 1.0000
( 9) ( 0)
P= .181 P= .
Korelasi Rank Spearman digunakan untuk mencari hubungan atau untuk menguji
signifikansi hipotesis asosiatif bila masing-masing variabel yang dihubungkan berbentuk
Ordinal.
Contoh:
Ada 10 orang responden yang diminta untuk mengisi daftar pertanyaan tentang
Motivasi dan Prestasi dalam sebuah kantor. Jumlah responden yang diminta mengisi
daftar pertanyaan itu 10 karyawan, masing-masing diberi nomor 1, 2, 3, 4, 5, 6, 7, 8, 9,
10. Nilai yang diberikan oleh kesepuluh responden tentang Motivasi dan Prestasi itu
diberikan pada contoh berikut. Yang akan diketahui adalah apakah ada hubungan
antara Motivasi dengan Prestasi.
Berdasarkan hal tersebut maka:
1. Judul penelitian adalah : Hubungan antara Motivasi dengan Prestasi.
2. Variabel penelitiannya adalah : nilai jawaban dari 10 responden tentang
Motivasi (Xi) dan Prestasi (Yi)
3. Rumusan masalah: apakah ada hubungan antara variabel Motivasi dan
Prestasi?
4. Hipotesis:
Ho: tidak ada hubungan antara variabel Motivasi dan Prestasi.
Ha: ada hubungan antara variabel Motivasi dan Prestasi
5. Kriteria Pengujian Hipotesis
Ho ditolak bila harga hitung > dari tabel
Ho diterima bila harga hitung dari tabel
Penyajian data
Jawaban responden yang telah terkumpul ditunjukkan pada Tabel 1 berikut ini:
Tabel 1. Nilai Motivasi dan Prestasi
Nomor Jumlah Skor Jumlah skor
responden
1 9 8
2 6 7
3 5 6
4 7 8
5 4 5
6 3 4
7 2 2
8 8 9
9 7 8
10 6 6
6. Perhitungan untuk pengujian Hipotesis
Data tersebut diperoleh dari sumber yang berbeda yaitu Motivasi (Xi) dan Prestasi (Yi).
Karena sumber datanya berbeda dan berbentuk ordinal, maka untuk menganalisisnya
digunakan Korelasi Rank yang rumusnya adalah:
= 1 ( 6bi 2 : N ( N2 1 )
= koefisien korelasi Spearman Rank
di = beda antara dua pengamatan berpasangan
N = total pengamatan
Korelasi Spearman rank bekerja dengan data ordinal. Karena jawaban responden
merupakan data ordinal, maka data tersebut diubah terlebih dahulu dari data ordinal
dalam bentuk ranking yang caranya dapat dilihat dalam Tabel 2.
Bila terdapat nilai yang sama, maka cara membuat peringkatnya adalah: Misalnya pada
Xi nilai 9 adalah peringkat ke 1, nilai 8 pada peringkat ke 2, selanjutnya disini ada nilai 7
jumlahnya dua. Mestinya peringatnya kalau diurutkan adalah peringkat 3 dan 4. tetapi
karena nilainya sama, maka peringkatnya dibagi dua yaitu: (3 + 4) : 2 = 3,5. akhirnya
dua nilai 7 pada Xi masing-masing diberi peringkat 3,5. Selanjutnya pada Yi disana ada
nilai 8 jumlahnya tiga. Mestinya peringkatnya adalah 2, 3 dan 4. Tetapi karena nilainya
sama maka peringkatnya dibagi tiga yaitu: (2 + 3 + 4) : 3 = 3. Jadi nilai 8 yang
jumlahnya tiga masing-masing diberi peringkat 3 pada kolom Yi. Selanjutnya nilai 7
diberi peringkat setelah peringkat 4 yaitu peringkat 5. Lanjutkan saja..
Tabel 2. Tabel penolong untuk menghitung koefisien korelasi Spearman Rank.
Nomor Nilai Nilai Peringkat Peringkat bi bi2
Responden Motivasi Prestasi dari (Xi) (Yi)
Resp. I (Xi) Resp. II (Yi)
1 9 8 1 3 -2 4
2 6 7 5,5 5 0,5 0,25
3 5 6 7 6,5 0,5 0,25
4 7 8 3,5 3 0,5 0,25
5 4 5 8 8 0 0
6 3 4 9 9 0 0
7 2 2 10 10 0 0
8 8 9 2 1 1 1
9 7 8 3,5 3 0,5 0,25
10 6 6 5,5 6,5 -1 1
0 7
2
Selanjutnya harga bi yang telah diperoleh dari hitungan dalam tabel kolom terakhir
dimasukkan dalam rumus korelasi Spearman Rank :
= 1 6.7 : ( 10 x 102 -1 ) = 1 0,04 = 0,96
Sebagai interpretasi, angka ini perlu dibandingkan dengan tabel nilai-nilai (dibaca: rho)
dalamTabel 3. Dari tabel itu terlihat bahwa untuk n = 10, dengan derajat kesalahan 5 %
diperoleh harga 0,648 dan untuk 1 % = 0,794. Hasil hitung ternyata lebih besar
dari tabel
Derajat kesalahan 5 %.. 0,96 > 0,648
Derajat kesalahan 1 %.. 0,96 > 0,794
Hal ini berarti menolak Ho dan menerima Ha.
Kesimpulan :
Terdapat hubungan yang nyata/signifikan antara Motivasi (Xi) dengan Prestasi (Yi).
Dalam hal ini hipotesis nolnya (Ho) adalah: tidak ada hubungan antara variabel
Motivasi (Xi) dengan Prestasi (Yi). Sedangkan hipotesis alternatifnya (Ha)
adalah:terdapat hubungan yang positif dan signifikan antara variabel Motivasi (Xi)
dengan Prestasi (Yi). Dengan demikian hipotesis nol (Ho) ditolak dan hipotesis alternatif
(Ha) diterima. Atau dengan kata lain bahwa variabel Motivasi mempunyai hubungan
yang signifikan dengan Prestasi.
Tabel 3: Tabel Nilai-nilai (RHO), Korelasi Spearman Rank
N Derajat signifikansi N Derajat signifikansi
5% 1% 5% 1%
5 1,000 16 0,506 0,665
6 0,886 1,000 18 0,475 0,625
7 0,786 0,929 20 0,450 0,591
8 0,738 0,881 22 0,428 0,562
9 0,683 0,833 24 0,409 0,537
10 0,648 0,794 26 0,392 0,515
12 0,591 0,777 28 0,377 0,496
14 0,544 0,715 30 0,364 0,478
Sumber:
1. Moh. Nazir, Ph.D. Metode Penelitian, Penerbit Ghalia Indonesia, Jakarta,
2003
2. Sugiono, Prof. Dr. Statistik Nonparametrik Untuk Penelitian, Penerbit CV
ALFABETA Bandung, 2004
3. Suharto, Bahan Kuliah Statistik, Universitas Muhammadiyah Metro, 2004