A.

Koefisien Korelasi Biserial ( )

Hubungan antara peubah malar Y yang dapat diukur secara kuantitatif dan
peubah malar X yang diubah sifatnya menjadi dikotomi, yakni terdiri dari dua kategori.
Alasan perubahan menjadi dikotomi, mungkin sebagai akibat bahwa hanya dengan cara
itu peubah tersebut dapat diamati. Hubungan kuantitatif antara peubah malar Y dan
peubah malar X yang sifatnya dikotomi disebut korelasi biserial, dengan asumsi
hubungan antara dua peubah itu linear dan mengikuti sebaran normal peubah dua dan
salah satu peubahnya telah diubah menjadi peubah dikotomi.

1. Menghitung
Rumus koefisien korelasi biserial adalah sebagai berikut:

( )

( )

Contoh :
Berikut disajikan data:
Skor Kelompok mahasiswa Jumlah
Lulus Gagal
40-49 2 2
50-59 1 6 7
60-69 3 4 7
70-79 10 11 21
80-89 27 21 48
90-99 30 16 46
100-109 26 7 33
110-119 21 3 24
120-129 7 7
130-139 5 5
Jumlah 130 70 200

Dari table sebaran normal diperoleh z = -0,385 dengan kurva proporsi

 Skor X Kelompok mahasiswa Jumlah
Lulus Y1= X.n1 Gagal Y2= X.n2 Total Yt = X.n
(n1) (n2) (n)
40-49 44.5 0 2 89 2 89
50-59 54.5 1 54.5 6 327 7 381.5
60-69 64.5 3 193.5 4 258 7 451.5
70-79 74.5 10 745 11 819.5 21 1564.5
80-89 84.5 27 2281.5 21 1774.5 48 4056
90-99 94.5 30 2835 16 1512 46 4347
100-109 104.5 26 2717 7 731.5 33 3448.5
110-119 114.5 21 2404.5 3 343.5 24 2748
120-129 124.5 7 871.5 0 7 871.5
130-139 134.5 5 672.5 0 5 672.5
Jumlah 130 12775 70 5855 200 18630

X N n(X- )2
44.5 2 4733.645
54.5 7 10456.76
64.5 7 5745.758
74.5 21 7304.273
84.5 48 3591.48
94.5 46 83.835
104.5 33 4251.143
114.5 24 10939.74
124.5 7 6879.758
134.5 5 8549.113
200 62535.5

( )

( )

( )( )( )
( )( )

2. Kesalahan Baku
 Untuk menguji hipotesis nol bahwa koefisien korelasi biserial (rb) dating dari
populasi dengan koefisien korelasi biserial, b (baca; rho b) sama dengan nol, diperlukan
beberapa syarat. Apabila p atau q tidak kurang dari 0.005. Rumus kesalahan baku:

Dari contoh tadi dapat diperoleh

( )( )

Karena nilai rb yang diperoleh lebih besar daripada 1.96 kesalahan bakunya ( rb/srb =
0.508/0.091 = 5.5824 > 1.96), kita menyimpulkan bahwa pada taraf signifikan = 5%
korelasi yang diambil tidak diambil secara kebetulan dari populasi yang korelasinya nol.

3. Pembahasan tentang
Penggunaan besaran p,q, dan y dalam rumusan koefisien biserial yang
digunakan menandakan peubah yang didikotomikan trsebar normal. Penyimpangan dari
kenormalan dapat berakibat pada kesalahan penaksiran korelasi. Misalnya, dengan
sebaran bimodal, hasil perhiotungan r dapat melebihi +1,0. Sebaran bimodal dan
sebaran tidak normal lainnya sangat mungkin terjadi dalam sampel yang heterogen.
Misalnya, terdapat perbedaaan jenis kelamin yang signifikan dan kedua jenis kelamin itu
dimassukkan dalam sampel.
Perhatian juga perlu dibrerikan pada sebaran peubah malar. Kemiringan yang
tajam (extreme skewness) dapat mengindikasikan ketidak normalan. Sebaran tidak
harus normal, tetapi harus unimodal dan agak simetris. Bentuk sebaran yang sangat
miring (extreme skewed) dapat menghasilkan nilai r yang melebihi +1,0.

5. Mendikotomikan sebaran
Terdapat situasi bahwa peubah Y diukur dengan skala malar, namun ada
ketidak-teraturan yang memungkinkan tidak dapatnya diperoleh taksiran koefisien
korelasi pearson yang baik. Dalam kasus seperti inu, koefisien korelasi biserial ( ) dapat
membantu. Satu contoh situasi ini, sebaran yang terpotong (truncated distribution).
Contoh lain, apabila terdapat sangat sedikit kategori untuk peubah Y dan meragukan
apakah merupakan ukuran yang berskala dengan jarak yang sama. Contoh lain lagi,
kemiringan yang tajam dari sebaran sampel Y sebagai akibat pengukuran yang kurang
baik. Ternyata. sebelum menghitung rb, kita perlu mendikotomikan satu sebaran. Dalam
menggunakan satu titik pemisahan, kita sebaliknya mendekati median sedekat mungkin.
B. KOEFISIEN KORELASI POINT-BISERIAL ( )

Apabila satu dari dua peubah dalam masalah korelasi betul-betul dikotomi (atau
dikotomi murni), jenis koefisien yang sesuai adalah koefisien korelasi point-biserial ( ).
Contoh peubah yang benar-benar dikotomi adalah jenis kelamin (lelaki dan perempuan).
Sebaran bimodal atau sebaran khusus dengan kategori farik (descrete), apabila
menunjukkan ketidakmalaran, lebih baik menggunakan koefisien korelasi point biserial
( ) daripada koefisien korelasi biserial.

1. Menghitung rpb

Dengan menggunakan symbol-simbol yang telah dijelaskan, rpb dapat dihitung dengan
rumus:

( )

Atau

( )

Atau

( )

Atau

( )

Contoh soal :

Dalam sebuah sampel berukuran 51 siswa sekolahmenengah terdapat 24 lelaki dan 27

perempuan. Berat rerata berturut-turut 67,8 dan 56,6 kg. Simpangan baku sebaran
gabungan adalah 13,2. Hitunglah koefisien korelasi point-biserial!

Jawaban :

- Diketahui :
= 51 Siswa = 62,5 kg
= 24 Siswa = 67,8 kg
= 27 Siswa = 56,6 kg
- Ditanyakan :
=?
- Penyelesaian :
Dengan rumus
( ) ( )
= ( )( )
2. Menguji kesignifikan
Hipotesis bahwa koefisien korelasi point-biserial populasi pb = 0 dapat diuji dengan dua
cara, karena bergantung pada perbedaan antara dua rerata dan , menunjukkan
secara signifikan selisih antara dua rerata ini dari nol menunjukkan korelasi yang
signifikan. Uji t untuk perbedaan rerata dapat digunakan untuk menguji kesignifikanan
koefisien korelasi ini.

Uji langsung dapat juga dilakukan hanya untuk hipotesis yang menyatakan bahwa
korelasi sama dengan nol. Pengujian sama dengan menguji korelasi Pearson, dan
interpretasi dapat merujuk kepada sebaran student t. Untuk contoh, koefisin korelasi
point-boserial, dengan n = 51, maka t:

Menunjukkan korelasi yang signifikan di luar level 0,01 (nilai kritis ). Table
nilai kritis korelasi Pearson r pada lampiran L dapat juga digunakan untuk menentukan
kesignifikan .
Jika nilai populasi pb tidak nol, rerata dari sebaran Student t tidak nol, sehingga
penentuan batas-batas kepercayaan untuk setiap nilai hitung bukanlah persoalan
mudah.
3. Diskusi tentang
Karena tidak terbatas pada sebaran normal peubah dikotomi, penggunaannya lebih
luas daripada . Apabila ada keraguan menghitung , koefisien dapat membantu.
Untuk alasan ini, seharusnya lebih banyak digunakan. Walaupun merupakan
koefisien korelasi hasil kali momen, tidak dapat dibandingkan dengan koefisien korelasi
Pearson, atau walau dengan , sekalipun dihitung dari data yang sama. Dalam situasi
khusus, dapat digunakan sebagai dasar untuk menaksir koefisien korelasi Pearson r.
dalam rujukan kemalaran sebaran, jika dihitung, persyaratan yang sama berlaku
seperti dalam koefisien korelasi Pearson atau koefisien korelasi biserial- sebarannya
malar unimodal dan agak simetris.
4. Hubungan matematis antara dan
Jika dan dihitung dari data yang sama, akan lebih besar daripada . Walaupun
satu peubah sebetulnya malar dan tidak normal (dalam kasus ini sebaiknya
digunakan), akan menaksir besarnya koefisien korelasi lebih rendah (under
estimates). Dalam bentuk rumus, apabila sebaran normal terpenuhi, hubungan antara
dan dinyatakan sebagai berikut:

( )

Atau
( )