BAB XVI

ANALISIS KORELASI

1. Korelasi
Korelasi merupakan teknik analisis yang termasuk dalam salah satu teknik
pengukuran asosiasi / hubungan (measures of association). Pengakuan asosiasi
merupakan istilah umum yang mengacu pada sekelompok teknik dalam statistic
bivariate yang di gunnakan untuk mengukur kekuatan hubungan antara dua variabel.
Diantara sekian banyak teknik-teknik pengukuran asosiasi terdapat dua teknik
korelasi yang sangat popular sampai sekarang, yaitu Korelasi Pearson Product
Moment dan Korelasi Rank Spearman. Pengukuran asosiasi mengenakan nilai
numerik untuk mengetahui tingkatan asosiasi atau kekuatan hubungan antara
variabel. Dua variabel dikatakan berasosiasi jika perilaku variabel yang satu
mempengaruhi variabel yang lain. Jika tidak terjadi pengaruh, maka kedua variabel
tersebut disebut independen.
Korelasi bermanfaat untuk mengukur kekuatan hubungan antara dua variabel
atau lebih dengan skala-skala tertentu, misanya pearson data harus bersekala interval
atau rasio. Spearman dan Kendal menggunakan skala ordinal. Kuat lemahnya
hubungan di ukur menggunakan jarak (range) 0 sampai dengan 1. Korelasi
mempunyai kemungkinan pengujian hipotesis dua arah (two tailed). Dikatakan
korelasi searah jika koefesien korelasi ditemukan positif, sebalikanya jika koefisien
korelasinya ditemukan negative maka di katakana korelasi tidak searah.

2. Koefesien Korelasi
Koefesien korelasi ialah pengukuran statistik kovarian atau asosiasi antara dua
variabel. Besarnya koefesien korelasi berkisar antara +1 s/d -1. Koefesien korelasi
menunjukkan kekuatan (strength) hubungan linear dan arah hubungan dua variabel
acak. Jika koefesien korelasi positif, maka kedua variabel mempunyai hubungan
searah. Artinya jika nilai variabel X tinggi, maka nilai variabel Y akan tinggi pula.
Sebaliknya, jika koefesien korelasi negatif, maka kedua variabel mempunyai

100
hubungan terbalik. Artinya jika nilai variabel X tinggi, maka nilai variabel Y akan
menjadi rendah dan berlaku sebaliknya. Untuk memudahkan melakukan interpretasi
mengenai kekuatan hubungan antara dua variabel penulis memberikan kriteria
sebagai berikut (Sarwono:2006):
0 : Tidak ada korelasi antara dua variabel
>0 0,25: Korelasi sangat lemah
>0,25 0,5: Korelasi cukup
>0,5 0,75: Korelasi kuat
>0,75 0,99: Korelasi sangat kuat
1: Korelasi sempurna

3. Analisa Korelasi
Didalam Walpole (1995), analisis korelasi adalah metode statistik yang
digunakan untuk mengukur besarnya hubungan linier antara dua variabel atau lebih.
Nilai korelasi populasi () berkisar pada interval -1 1. Jika korelasi bernilai
positif, maka hubungan antara dua variabel bersifat searah. Sebaliknya, jika korelasi
bernilai negatif, maka hubungan antara dua variabel bersifat berlawanan arah.
Misalkan korelasi sampel antara variabel X dan Y (rX,Y) bernilai positif mengartikan
bahwa jika nilai X naik maka nilai Y juga naik, sedangkan jika nilai X turun maka
nilai Y juga turun. Misalkan korelasi sampel antara variabel X dan Y (rX,Y) bernilai
negatif mengartikan bahwa jika nilai X naik maka nilai Y juga turun, sedangkan jika
nilai X turun maka nilai Y juga naik. Nilai korelasi sampel (r) diukur dari korelasi
Pearson dengan syarat data berskala interval/rasio yang mana dirumuskan sebagai
berikut.

101
 Nilai n adalah jumlah pengamatan. Interpretasi dari besarnya nilai korelasi
sampel antara variabel dapat diklasifikasikan sebagai berikut.

Tabel 1. Koefisien Korelasi dan Interpretasinya*

Nilai Korelasi Sampel (r) Interpretasinya
Hubungan korelasinya
0,00 - 0,09
diabaikan
0,10 - 0,29 Hubungan korelasi rendah
0,30 - 0,49 Hubungan korelasi moderat
0,50 - 0,70 Hubungan korelasi sedang
> 0,70 Hubungan korelasi sangat kuat
*
Dijabarkan oleh Yamin dan Kurniawan (2009:70)
Untuk menguji korelasi populasi () antara X dan Y digunakan hipotesis
sebagai berikut
H0 : = 0
H1 : 0
Korelasi populasi signifikan (keberadaannya nyata) ketika P-value (Sig.
(2-tailed)) dengan P-value adalah probabilitas kesalahan yang dihasilkan dari
proses pengujian, sedangkan nilai adalah probabilitas kesalahan yang ditentukan
oleh peneliti biasanya sebesar 1%, 5%, atau 10%. Secara teori, P-value merupakan
probabilitas kesalahan ketika hipotesis nol dapat ditolak berdasarkan statistik uji,
sedangkan nilai merupakan probabilitas kesalahan menolak hipotesis nol padahal
hipotesis nol bernilai benar.
Berdasarkan skala pengukuran pada data pengamatan, korelasi dibedakan menjadi:
1. Korelasi Pearson digunakan untuk mengetahui hubungan antara dua variabel
yang memiliki data beskala interval/rasio.
2. Korelasi Kendall's Tau dan Korelasi Rank Spearman digunakan untuk
mengetahui hubungan antara dua variabel yang memiliki data beskala ordinal.
3. Contingency Coefficient dan Cramer's V digunakan untuk mengetahui
hubungan antara dua variabel yang memiliki data beskala nominal.
4. Korelasi Eta digunakan untuk mengetahui hubungan antara variabel data yang
beskala nominal dan interval.

102
4. Kisaran Korelasi
Kisaran (range) korelasi mulai dari 0 sampai dengan 1. Korelasi dapat positif dan
dapat pula negatif.
Korelasi Sama Dengan Nol
Korelasi sama dengan 0 mempunyai arti tidak ada hubungan antara dua
variabel. Jika dilihat dari sebaran data, maka gambarnya akan seperti terlihat di
bawah ini:

Gambar 4.1 Korelasi dimana r = 0

Korelasi Sama Dengan Satu
Korelasi sama dengan + 1 artinya kedua variabel mempunyai hubungan linier
sempurna (membentuk garis lurus) positif. Korelasi sempurna seperti ini mempunyai
makna jika nilai X naik, maka Y juga naik seperti pada gambar yang tertera di bawah
ini:

103
 Gambar 4.2 Korelasi dimana r = + 1

Korelasi Sama Dengan Minus Satu

Korelasi sama dengan -1 artinya kedua variabel mempunyai hubungan linier
sempurna (membentuk garis lurus) negatif. Korelasi sempurna seperti ini mempunyai
makna jika nilai X naik, maka Y turun dan sebaliknya seperti pada gambar yang
tertera di bawah ini:

Gambar 4.3 Korelasi dimana r = - 1

5. KEGUNAAN KORELASI
Pengukuran ini membahas hubungan antar dua variabel untuk
masing-masing kasus akan menghasilkan keputusan, diantaranya:
a). Hubungan kedua variabel tidak ada;
b). Hubungan kedua variabel lemah;

104
 c). hubungan kedua variabel cukup kuat;
d). Hubungan kedua variabel kuat; dan
e). Hubungan kedua variabel sangat kuat;
Penentuan tersebut didasarkan pada kreteria yang
menyebutkan jika hubungan mendekati 1, maka hubungan semakin
kuat, sebaliknya jika hubungan mendekati nol (0), maka hubungan
semakin lemah. Adapun Asumsi-asumsi dasar korelasi diantaranya
ialah:
Kedua variabel bersifat independen satu dengan yang lainnya,
artinya masing-masing variabel berdiri sendiri dan tidak tergantung
satu dengan yang lainnya.
Tidak ada istilah variabel bebas dan variabel tegantung.
Data untuk kedua variabel berdistribusi normal, artinya data
yang distribusinya simestris sempurna. Jika digunakan Bahasa
umum disebut berbentk kurva bel.

A. Analisis Korelasi Sederhana

Analisis korelasi sederhana (Bivariate Correlation) digunakan untuk
mengetahui keeratan hubungan antara dua variabel dan untuk mengetahui arah
hubungan yang terjadi. Koefisien korelasi sederhana menunjukkan seberapa besar
hubungan yang terjadi antara dua variabel. Dalam SPSS ada tiga metode korelasi
sederhana (bivariate correlation) diantaranya Pearson Correlation, Kendalls tau-
b, dan Spearman Correlation. Pearson Correlation digunakan untuk data berskala
interval atau rasio, sedangkan Kendalls tau-b, dan Spearman Correlation lebih cocok
untuk data berskala ordinal.
Pada bab ini akan dibahas analisis korelasi sederhana dengan metode Pearson
atau sering disebut Product Moment Pearson. Nilai korelasi (r) berkisar antara 1
sampai -1, nilai semakin mendekati 1 atau -1 berarti hubungan antara dua variabel
semakin kuat, sebaliknya nilai mendekati 0 berarti hubungan antara dua variabel

105
semakin lemah. Nilai positif menunjukkan hubungan searah (X naik maka Y naik)
dan nilai negatif menunjukkan hubungan terbalik (X naik maka Y turun).
Menurut Sugiyono (2007) pedoman untuk memberikan interpretasi koefisien
korelasi sebagai berikut:
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

Contoh kasus:
Seorang mahasiswa bernama Andi melakukan penelitian dengan
menggunakan alat ukur skala. VITA ingin mengetahui apakah ada hubungan antara
kecerdasan dengan prestasi belajar pada siswa SMU NEGRI xxx dengan ini VITA
membuat 2 variabel yaitu kecerdasan dan prestasi belajar. Tiap-tiap variabel dibuat
beberapa butir pertanyaan dengan menggunakan skala Likert, yaitu angka 1 = Sangat
tidak setuju, 2 = Tidak setuju, 3 = Setuju dan 4 = Sangat Setuju. Setelah membagikan
skala kepada 12 responden didapatlah skor total item-item yaitu sebagai berikut:
Tabel. Tabulasi Data (Data Fiktif)

Subje
Kecerdasan Prestasi Belajar
k
1 33 58
2 32 52
3 21 48
4 34 49
5 34 52
6 35 57
7 32 55
8 21 50
9 21 48
10 35 54
11 36 56

106
 12 21 47

Setelah diolah, maka hasil output yang didapat adalah sebagai berikut:
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.

Uji Signifikansi Koefisien Korelasi Sederhana (Uji t)

Uji signifikansi koefisien korelasi digunakan untuk menguji apakah hubungan
yang terjadi itu berlaku untuk populasi (dapat digeneralisasi). Misalnya dari kasus di
atas populasinya adalah siswa SMU NEGRI XXX dan sampel yang diambil dari
kasus di atas adalah 12 siswa SMU NEGRI XXX, jadi apakah hubungan yang terjadi
atau kesimpulan yang diambil dapat berlaku untuk populasi yaitu seluruh siswa SMU
Negeri XXX.
Langkah-langkah pengujian sebagai berikut:
1. Menentukan Hipotesis
Ho : Tidak ada hubungan secara signifikan antara kecerdasan dengan prestasi
belajar
Ha : Ada hubungan secara signifikan antara kecerdasan dengan prestasi belajar
2. Menentukan tingkat signifikansi
Pengujian menggunakan uji dua sisi dengan tingkat signifikansi a = 5%. (uji
dilakukan 2 sisi karena untuk mengetahui ada atau tidaknya hubungan yang
signifikan, jika 1 sisi digunakan untuk mengetahui hubungan lebih kecil atau
lebih besar).Tingkat signifikansi dalam hal ini berarti kita mengambil risiko salah
dalam mengambil keputusan untuk menolak hipotesa yang benar sebanyak-
banyaknya 5% (signifikansi 5% atau 0,05 adalah ukuran standar yang sering
digunakan dalam penelitian)
3. Kriteria Pengujian
Ho diterima jika Signifikansi > 0,05
Ho ditolak jika Signifikansi < 0,05
4. Membandingkan signifikansi
Nilai signifikansi 0,004 < 0,05, maka Ho ditolak.

107
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

B. Analisis Koefisien Korelasi Linear Berganda

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 =

108
Ry1.2 =

C. Analisis Korelasi Parsial

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:
a. Koefisien korelasi parsial antara Y dan X1 apabila X2 konstanta.

ry1.2 =
b. Koefisien korelasi parsial antara Y dan X2 apabila X1 konstanta

ry2.1 =
c. Koefisien korelasi parsial antara X1 dan X2 apabila Y konstanta

r2.1Y =

Analisis korelasi parsial (Partial Correlation) digunakan untuk mengetahui

hubungan antara dua variabel dimana variabel lainnya yang dianggap berpengaruh
dikendalikan atau dibuat tetap (sebagai variabel kontrol). Nilai korelasi (r) berkisar
antara 1 sampai -1, nilai semakin mendekati 1 atau -1 berarti hubungan antara dua
variabel semakin kuat, sebaliknya nilai mendekati 0 berarti hubungan antara dua
variabel semakin lemah. Nilai positif menunjukkan hubungan searah (X naik maka Y
naik) dan nilai negatif menunjukkan hubungan terbalik (X naik maka Y turun). Data
yang digunakan biasanya berskala interval atau rasio.
Menurut Sugiyono (2007) pedoman untuk memberikan interpretasi koefisien
korelasi sebagai berikut:
0,00 - 0,199 = sangat rendah
0,20 - 0,399 = rendah

109
0,40 - 0,599 = sedang
0,60 - 0,799 = kuat
0,80 - 1,000 = sangat kuat

Contoh kasus :
Kita mengambil contoh pada kasus korelasi sederhana di atas dengan
menambahkan satu variabel kontrol. Seorang mahasiswa bernama Andi melakukan
penelitian dengan menggunakan alat ukur skala. Andi ingin meneliti tentang
hubungan antara kecerdasan dengan prestasi belajar jika terdapat faktor tingkat stress
pada siswa yang diduga mempengaruhi akan dikendalikan. Dengan ini Andi membuat
2 variabel yaitu kecerdasan dan prestasi belajar dan 1 variabel kontrol yaitu tingkat
stress. Tiap-tiap variabel dibuat beberapa butir pertanyaan dengan menggunakan
skala Likert, yaitu angka 1 = Sangat tidak setuju, 2 = Tidak setuju, 3 = Setuju dan 4 =
Sangat Setuju. Setelah membagikan skala kepada 12 responden didapatlah skor total
item-item yaitu sebagai berikut:

Tabel. Tabulasi Data (Data Fiktif)

Subje
Kecerdasan Prestasi Belajar Tingkat Stress
k
1 33 58 25
2 32 52 28
3 21 48 32
4 34 49 27
5 34 52 27
6 35 57 25
7 32 55 30
8 21 50 31

110
 9 21 48 34
10 35 54 28
11 36 56 24
12 21 47 29

Dari hasil analisis korelasi parsial (ry.x1x2) didapat korelasi antara kecerdasan
dengan prestasi belajar dimana tingkat stress dikendalikan (dibuat tetap) adalah
0,4356. Hal ini menunjukkan bahwa terjadi hubungan yang sedang atau tidak terlalu
kuat antara kecerdasan dengan prestasi belajar jika tingkat stress tetap. Sedangkan
arah hubungan adalah positif karena nilai r positif, artinya semakin tinggi kecerdasan
maka semakin meningkatkan prestasi belajar.
Uji Signifikansi Koefisien Korelasi Parsial (Uji t)
Uji signifikansi koefisien korelasi parsial digunakan untuk menguji apakah
hubungan yang terjadi berlaku untuk populasi (dapat digeneralisasi). Langkah
pengujiannya berikut ini.
1. Menentukan Hipotesis
Ho : Tidak ada hubungan secara signifikan antara kecerdasan dengan prestasi
belajar jika tingkat stress tetap
Ha : Ada hubungan secara signifikan antara kecerdasan dengan prestasi belajar
jika tingkat stress tetap
2. Menentukan tingkat signifikansi
Pengujian menggunakan uji dua sisi dengan tingkat signifikansi a = 5%. (uji
dilakukan 2 sisi karena untuk mengetahui ada atau tidaknya hubungan yang
signifikan, jika 1 sisi digunakan untuk mengetahui hubungan lebih kecil atau
lebih besar).Tingkat signifikansi dalam hal ini berarti kita mengambil risiko salah
dalam mengambil keputusan untuk menolak hipotesa yang benar sebanyak-
banyaknya 5% (signifikansi 5% atau 0,05 adalah ukuran standar yang sering
digunakan dalam penelitian)
3. Kriteria Pengujian
Berdasar probabilitas:
Ho diterima jika P value > 0,05
Ho ditolak jika P value < 0,05
4. Membandingkan probabilitas
Nilai P value (0,181 > 0,05) maka Ho diterima.
5. Kesimpulan

111
 Oleh karena nilai P value (0,181 > 0,05) maka Ho diterima, artinya bahwa tidak
ada hubungan secara signifikan antara kecerdasan dengan prestasi belajar jika
tingkat stress dibuat tetap. Hal ini dapat berarti terdapat hubungan yang tidak
signifikan, artinya hubungan tersebut tidak dapat berlaku untuk populasi yaitu
seluruh siswa SMU Negeri XXX, tetapi hanya berlaku untuk sampel. Jadi dalam
kasus ini dapat disimpulkan bahwa kecerdasan tidak berhubungan terhadap
prestasi belajar pada siswa SMU Negeri XXX.

D. Korelasi Rank Spearman

Korelasi Rank Spearman digunakan untuk mencari hubungan atau untuk
menguji signifikansi hipotesis asosiatif.Dengan syarat 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.

112
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

113
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.

Tabel 2. Tabel penolong untuk menghitung koefisien korelasi Spearman Rank

Nilai Nilai
Nomor Motivasi Prestasi Peringkat Peringkat
bi bi2
Responden Resp. I dari (Xi) (Yi)
(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

Selanjutnya harga bi2 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

114
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.

115