BAB I

PENDAHULUAN

1.1 Latar Belakang

Statistika pada dasarnya merupakan alat bantu untuk memberi gambaran atas suatu
kejadian melalui bentuk yang sederhana, baik berupa angka-angka maupun grafik-grafik.
Mengingat peranannya sebagai alat bantu, maka perlu disadari bahwa kunci keberhasilan analisis
statistik masih terletak pada pemakaiannya. Anggapan yang mengatakan bahwa statistik itu
merupakan alat analisis yang paling canggih, maupun anggapan bahwa tanpa statistik, maka
penelitian yang dilakukan kurang bisa dipertanggungjawabkan, harus dibuang jauh-jauh.
Disamping itu ada pula anggapan bahwa statistik merupakan sesuatu yang sukar
dipelajari (terutama bagi orang-orang sosial), juga tidak benar. Bahkan sebaliknya statistik
merupakan sesuatu yang mudah dipelajari asal caranya tepat. Dan statistik bahkan membuat
sesuatu yang sukar menjadi mudah.
Statistik bekerja dengan angka-angka, oleh karenanya akan memaksa pemakai untuk
teribat dalam permainan angka-angka. Pada dasarnya angka bisa dipandang sebagai pernyataan
verbal atas objek yang akan dikemukakan. Sehingga tidak ada alasan untuk mengatakan tidak
familier dengan angka. Bukankah setiap orang (dewasa ini) selalu berhubungan dengan masalah
angka? Kalau seseorang dapat menghitung jumlah uang yang dimilikinya, maka ada sesuatu
keyakinan buat diri saya untuk mengatakan bahwa orang tersebut akan dapat belajar statistik dan
dapat menggunakan statistik.
Semula istilah statistik hanya merupakan sekumpulan angka-angka yang menggambarkan
keadaan penduduk, pendapatan masyarakat, tingkat produksi pertanian pada suatu waktu
tertentu.[1]
Dalam pengertian disini statistik hanya memberi gambaran masa lalu sampai saat dibuat
gambaran tersebut. Dewasa ini statistik tidak hanya merupakan sekumpulan angka-angka masa
lalu saja, tetapi dengan statistik angka-angka yang terkumpul dapat digunakan untuk meramalkan
kondisi masa yang akan datang.[2]
Kemudian dalam statistik juga kita akan mempelajari tentang korelasi. Dalam
pembahasan ini, kami akan menjelaskan tentang korelasi somers dan eta.

1
1.2 Rumusan Masalah
1. Apa yang dimaksud dengan Korelasi ?
2. Bagaimana cara menggunakan Korelasi Eta ?

1.3 Tujuan

1. Untuk mengetahui pengertian Korelasi.

2. Untuk mengetahui cara menggunakan Korelasi Eta.

BAB II
2
 PEMBAHASAN
2.1. Pengertian Korelasi

Secara etimologis kata statistik berasal dari kata status (bahasa Latin) yang mempunyai
persamaan arti dengan kata state (bahasa Inggris) atau kata staat (bahasa Belanda), dan dalam
bahasa Indonesia diterjemahkan menjadi negara. Pada mulanya, kata statistik diartikan sebagai
kumpulan bahan keterangan (data), baik yang terwujud angka (data kuantitatif) maupun yang
tidak berwujud angka (data kualitatif), yang mempunyai arti penting dan kegunaan yang besar
bagi suatu negara.

Dengan ungkapan lain statistik, Ilmu Statistik adalah ilmu pengetahuan yang membahas
(mempelajari) dan mengembangkan prinsip-prinsip, metode dan prosedur yang perlu ditempuh
atau pergunakan dalam rangka:

1. Pengumpulan data angka

2. Penyusunan atau pengukuran data angka
3. Penyajian atau pengambaran atau pelukisan data angka
4. Penganalisisan terhadap data angka
5. Penarikan kesimpulan (conslusion), pembuatan perkiraan (estimotion), serta penyusunan
ramalan (prediction) secara ilmiah (dalam hal ini secara matematik) atas dasar kumpulan
data angka tersebut.

Statistika pendidikan yaitu ilmu pengetahuan yang membahas atau mempelajari dan
mengembangkan prinsip-prinsip, metode, dan prosedur yang perlu ditempuh atau dipergunakan,
dalam rangka pengumpulan, penyusunan, penyajian, penganalisisan bahan keterangan yang
berwujud angka mengenai hal-hal yang berkaitan dengan kesimpulan (khususnya proses belajar-
mengajar), dan penarikan kesimpulan, pembuatan perkiraan serta ramalan secara ilmiah (dalam
hal ini secara matematik) atas dasar kumpulan bahan keterangan yang berwujud angka tadi.[3]
Kata korelasi berasal dari bahasa inggris yaitu correlation. Dalam bahasa Indonesia
sering diterjemahkan dengan: hubungan ataau saling berhubungan, atau hubungan timbal
balik.

3
 Dalam ilmu statistik korelasi diberi pengertian sebagai hubungan antara dua variabel
atau lebih. Hubungan antara dua variabel dikenal dengan istilah: bivariated corellation,
sedangkan hubungan antarlebih dari dua variabel disebut multivariate corellation.[4]

Pemaksaan korelasi dapat diartikan sebagai hubungan asosiasi (association) antarvariabel

dan atau hubungan yang bersifat prediksi (prediction) dari variable bebas (independent) terhadap
variabel terikatnya (dependent). Sebagai ilustrasi, jika tes IQ calon pegawai tinggi hal ini akan
diikuti oleh produktifitas kerja setelah pegawai, ini merupakan permaknaan korelasi yang
bersifat asosiasi. Sedangkan apabila hasil tes IQ calon pegawai adalah 100, berapakah tingkat
produktivtas kerjanya?, hal ini merupakan contoh pemaknaan sifat korelasi yang bersifat
prediksi.[5]
Hubungan antara variabel tersebut bisa secara korelasional dan bisa juga secara kausal.
Jika hubungan tersebut tidak menunjukkan hubungan sifat sebab akibat, maka korelasi tersebut
dikatakan korelasional, artinya sifat hubungan variabel satu dengan variabel lainnya tidak jelas
mana variabel sebab dan mana variabel akibatnya. Sebaliknya jika hubungan tersebut
menunjukkan sifat sebab akibat, maka korelasinya dikatakan kausal, artinya jika variabel satu
merupakan sebab, maka variabel yang lainnya merupakan akibat.
Pembahasan korelasi minimal menyangkut dua kelompok nilai atau dua variabel.
Variabel-variabel tersebut bisa berasal dari subjek penelitian yang sama, tetapi bisa juga terjadi
pada atau berasal dari subjek penelitian yang sama.[6]
Misalnya, pada penelitian mahasiswa di FIK suatu LPTK, khusunya perguruan tinggi
badan dan lompatan. Setiap subjek akan memberikan dua macam nilai, yaitu tinggi badannya
dan tinggi lompatannya.[7]
Korelasi eta dan somers masuk kedalam statistika dengan metode non parametrik.
Metode analisa statistik disebut non parametrik jika paling sedikit salah satu dari:
1. Data yang berskala nominal.

2. Data yang berskala original.

3. Data yang berskala interval atau ratio.

4
 Terpenuhi dimana distribusi populasi-populasi tersebut tidak diketahui. Metode
nonparametrik mempunyai keuntungan antara lain:

1. Mudah menghitungnya.

2. Non parametrik bisa diaplikasikan pada data dimana metode parametrik mungkin sulit
diaplikasikannya (biasanya pada nominal dan ordinal).

3. Non parametrik diaplikasikan tanpa mengetahui distribusi populasi data tersebut.

4. Jika suatu metode analisa non parametrik bisa diaplikasikan pada data nominal, maka
metode tesebut bisa diaplikasikan pada data ordinal, interval dan ratio. Begitu juga bila
bisa diaplikasikan pada ata ordinal, maka metode tersebut bisa diaplikasikan pada data
interval dan ratio (metoda yang bisa diaplikasikan pada ukuran yang lebih rendah, maka
berlaku pada skala yang lebih tinggi).

Adapun kelemahannya adalah, jika data bisa dianalisa dengan cara parametrik, maka
ketelitian dan kekeuatan hasil analisa tersebut untuk metode non parametrik selalu lebih rendah
dari pada metode parametrik.[8]

Metode Non Paramertik sebaliknya tidak pernah merumuskan kondisi maupun asumsi
mengenai populasi dari mana sampel nya dipilih. Tidak heran jika statistik non parametrik acap
kali dinamakan statistik bebas distribusi karena metodenya tidak membutuhkan asumsi tentang
pola distribusi populasi. Dua asumsi tentang sampel nya memang masih dibutuhkan, yaitu, (1)
observasi sampel harus indevenden dan random dan (2) variabel harus kontinu. Meskipun
demikian, asumsinya jelas lebih sedikit dan lunak jika dibandingkan dengan asumsi bagi statistik
parametrik. Selain dari pada itu, asumsi nya bahkan boleh dipenuhi atau tidak dipenuhi dalam
penggunaan metode non parametrik. Non parametrik digunakan untuk menggambarkan bentuk
pengujian yang tidsk melibatkan parameter populasi yang tertentu. Sebaliknya, bebas distribusi
berarti bentuk pengujian yang tidak membutuhkan asumsi mengenai bentuk distribusi populasi.

Lepas dari pebedaan diatas, metode non parametrik umumnya berarti metode pengujian
yang enyangkut salah satu dari atau kedua kondisi tersebut. Dalam banyak hal, asumsi tentang

5
distribusi populasi yang normal memang sukar diterima. Guna melengkapi pengujian parametrik
yang tradisional, serangkaian cara pengujian statistik yang berhubungan dengan pola distribusi
populasi yang tidak duketahui telah dikembangkan. Hal tersebut bukan berarti bahwa metode
non parametrik lebih unggul dalam segala hal. Pada dasarnya, jika pola distribusi populasi
memang diketahui normal, penggunaan prosedur non parametrik betul-betul salah. Metode Non
Parametrik memang membutuhkan lebih sedikit asumsi dan lebih mudah dimengerti dan
digunakan. Metode tersebut terutama berguna sekali andaikan sifat observasi datanya hanya
dapat dinyatakan dalam urutan atau pangkat tetapi tidak dapat diukur pada skala kuantitatif. Pada
beberapa dasawarsa terakhir ini, banyak metode non parametrik sedemikian itu telah
dikembangkan.[9]

2.2. Korelasi Eta

Korelasi Eta digunakan apabila ingin dilihat keeratan hubungan antara variable X dan Y,
yang salah satu pengukurannya mempunya tingkat pengukuran nominal dichotomus atau
polytochomus dan satu lagi interval.
Y1


Y2


2

YT


2
Y T 2(n1 )
1
=

Keterangan :
n1 dan n2 = sampel 1 dan sampel 2

Y T = Rata-rata gabungan kelompok 1 dan kelompok 2

6
 2
Y T = Jumlah Kuadrat kedua kelompok sampel 1

Y 1 dan Y 2= Rata-rata tiap kelompok

2.2.1. Menguji Koefisien Korelasi Eta

Sebelum mengambil kesimpulan mengenai koefisien korelasi Eta, terlebih dahulu diuji
keberartian koefisien korelasi Eta telah dihitung dan bentuk hipotesis statistiknya adalah :
H 0 : H =0 H1: H 0
a. ,
H0: H 0 H0: H > 0
b. ,
H0: H 0 H0: H < 0
c. ,

Statistic uji yang dipergunakan adalah

2 (nk )
F=
( 12 ) (k1)

(champion, 1982)
F> F ;k1 ;nk
Tolak H0 apabila

F ;k1 ;nk diperoleh dari table distribusi F dengan v 1=k1 dan v 2=nk

2.2.2. Sifat sifat

1. 0 1
2
2. Bias diterjemahkan sebagai proporsi Y dijelaskan oleh X, atau d= 100
3. Bias digunakan Guilford empirical Rule setelah dilakukan uji signifikansi

Contoh kasus penerapan rumus koefisien eta adalah sebagai berikut :

Kita ingin mengetahui apakah ada hubungan antara tempat tinggal siswa dengan nilai
pengetahuan umum. Kemudian dilakukan penelitian dengan sampel siswa yang berasal dari desa
10 orang dan yang tinggal di kota 13 orang.

7
 Hasil perhitungan skor nilai pengetahuan umum misalnya seperti dilihat dalam table
berikut :
Desa Kota
Y 2 Y
No Y1 Y 22
( 1) ( 2)

1 10 100 8 64
2 7 49 12 144
3 4 16 14 196
4 11 121 6 36
5 8 64 10 100
6 5 25 9 81
7 6 36 8 64
8 4 16 11 121
9 10 100 11 121
10 9 81 10 100
11 9 81
12 8 64
13 6 36
Jumla
74 608 122 1208
h

74
Y 1= =7, 4
10

122
Y 2= =9, 4
13

74 +122 196
Y T = = =8,5 2
23 23

Y T 2= Y 12+ Y 22=608+1208=181 6

Kemudian kita masukkan ke dalam rumus diatas, di dapat :

= 1
1816( 10 ) (7,4 )2(13)(9,4)2
1816(23)(8,52)2

8
 Sesudah itu kita uji signifikansinya dengan rumus F:
2 ( NK )
F=
( 12 ) (K 1)

Dimana : N = jumlah sampel dan K = jumlah sub kelas variable nominal. Kalau kita
substitusikan maka Nampak sebagai berikut :
0,422 (232)
F= =4,67
( 10,422 ) (21)

Bila dibandingkan dengan table F : F table dalam Excel dengan df atas (K-1) = 2-1 = 1
dan df bawah (N-K) = (23-2) = 21, kita dapatkan nilai F adalah 4,32 (untuk n = 0,05) berarti
signifikan, artinya ada hubungan yang bermakna antara dua variabel.

BAB III
PENUTUP

9
3.1. Kesimpulan
Kata korelasi berasal dari bahasa inggris yaitu correlation. Dalam bahasa Indonesia
sering diterjemahkan dengan: hubungan atau saling berhubungan, atau hubungan timbal
balik. Dalam ilmu statistik korelasi diberi pengertian sebagai hubungan antara dua variabel
atau lebih.
Berdasarkan tutorial cara uji eta dengan rumus manual di atas, kita bisa mengambil
beberapa kesimpulan, antara lain:
a. Uji Eta adalah salah satu uji koefisien korelasi,
b. Spesifik untuk 2 variabel yang berskala interval dan nominal,
c. Menggunakan prinsip perhitungan Uji F,
d. Untuk menentukan tingkat signikansi atau kebermaknaan, menggunakan perbandinga
antara F hitung dengan F tabel.
e. F tabel ditentukan berdasarkan probabilitas atau batas kritis penelitian, yang lazim
adalah 0,05. F tabel juga ditentukan berdasarkan Degree of freedom (DF). Dimana
DF ada 2 macam, yaitu DF atas dan DF bawah. DF Atas disebut numerator dan DF
bawah disebut denumerator.
f. Cara menjawab hipotesis penelitian: Koefisien korelasi bermakna secara statistik atau
menerima H1 apabila nilai F Hitung > F tabel pada DF 1 dan 2 serta probabilitas
tertentu.

DAFATAR PUSTAKA

https://www.statistikian.com/2012/09/uji-eta.html (diakses pada 05 Juni 2017)

[1] Prof. Dr. H. Agus Irianto, Statistik: Konsep Dasar, Aplikasi, dan Pengembangannya,
(Jakarta: Kencana Prenada Media Group, 2004), hlm. 1. Diambil dari

10
[2] Ibid, hlm. 1

[3] Prof. Drs. Anas Sudijono, Pengantar Statistika Pendidikan, (Jakarta: Rajawali Press,
2010), hlm.1

[4] Ibid, hlm. 3

[5] Bambang Soepeno, M. Pd, Statistika Terapan Dalam Ilmu-ilmu Sosial dan
Pendidikan, (Jakarta: PT. Rineka Cipta, 2002), hlm. 46

[6] Prof. Dr. H. Agus Irianto, Op.Cit, hlm. 133

[7] Ibid, hlm. 4

[8] Suparman. I. A,. M.Sc, Statistik Sosial, (Jakarta: CV Rajawali, 1983), hlm 267

[9] Anto Dajan, Pengantar Metode Statisti, (Jakarta: LP3ES, 1986), hlm. 342

11