MAKALAH ANALISIS DATA

”ANALISIS KORELASI”

FITRI HANDAYANI
1301402109
IV C
GABUNGAN 2

PROGRAM STUDI PENDIDIKAN MATEMATIKA

FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN
UNIVERSITAS COKROAMINOTO PALOPO
2015
 PEMBAHASAN

A. Pengertian Korelasi
(Darwyan Syah: 91: 2007) Dalam kegiatan statistik khususnya statistik
inferensial, analisis korelasi merupakan hubungan antara dua variabel atau lebih, yaitu
antara variable bebas dan variable terikat. Hubungan korelasi terdiri atas dua jenis yakni
bivariate dan multivariate correlation. Bevariated correlation yaitu analisis terhadap
hubungan antara dua variable, satu varaiabel bebas dengan satu variable terikat,
sedangkan multivariate correlation yaitu analisis hubungan antara lebih dua variable
bebas.
Variabel yang dikorelasikan dalam analisis korelasional adalah hubungan antara
dua variable yang terdiri dependend variable terikat atau varaibel yang dipengaruhi dan
independend vriabel yang mempengaruhi atau disebut juga variable bebas.
(Moh Hariadi: 132: 2009) Kata “ Korelasi” berasal dari bahasa inggris yaitu “
Correlation” yang dalam bahasa Indonesia artinnya hubungan atau saling hubung atau
hubungan timbale balik. Dalam dunia statistik pendidikan korelasi adalah hubungan
antara dua variable atau lebih yang sifatnnya kuantitatif. Lambang yang digunakan
korelasi adalah rxy artinnya korelasi antara variable X dan variable Y. Nilai korelasi
berkisar antara 0 (nol) sampai dengan 1.00 artinya nilai korelasi paling rendah adalah
nol dan paling tinggi adalah 1.00.
(Husaini Usman: 197: 2006) Korelasi adalah istilah statistic yang menyatakan
derajat hubungan linear antara dua variable atau lebih, yang ditemukan oleh Karl
Pearson pada awal 1900 oleh itu terkenal dengan sebutan korelasi pearson product
moment (PPM) Korelasi adalah salah satu teknik analisis statistic yang paling banyak
digunakan oleh para peneliti, karena peneliti pada umumnya tertarik terhadap peristiwa-
peristiwa yang terjadi dan mencoba untuk menghubungkannya. Misalnnya kita ingin
menghubungkan antara tinggi badan dan berat badan, antara umur dengan tekanan
darahnya, antara motivasi dengan prestasi belajar atau bekerja dan seterusnya.
Hubungan antara dua variable didalam teknik korelasi bukanlah dalam arti hubungan
sebab akibat melainkan hanya hubungan searah saja.
B. Arah Korelasi
(Anas Sudijono: 180: 2009) Hubungan antara variable itu jika ditilik dari segi
arahnya, dapat dibedakan menjadi dua macam yaitu hubungan yang sifatnya satu arah
dan hubungan yang sifatnya berlawanan arah. Hubungan yang sifatnya searah diberi
nama korelasi positif, sedangkan yang berlawanan arah disebut korelasi negative.
Disebut korelasi positif, jika dua variable (atau lebih) yang berkolerasi berjalan parallel,
artinya bahwa hubungan antara dua variable (atau lebih) itu menunjukan arah yang
sama. Jadi apabila variable X mengalami kenaikan atau pertambahan akan diikuti pula
dengan kenaikan atau pertambahan, akan diikuti pula dengan kenaikan atau
pertambahan pada variable Y atau sebaliknya, penurunan dan pengurangan pada
variable X akan akan diikuti pula dengan penurunan dan pengurangan pada variable Y.
Contoh: Makin meningkatnya kesadaran hokum dikalangan masyarakat dikuti
dengan makin menurunnya angka kejahatan atau angka pelanggaran. Makin giatnya
orang berlatih makin sedikit pula kesalahan yang diperbuat oleh seseorang, makin
meningkatnya jumlah aseptor keluarga berencana diikuti dengan makin menurunnya
angka kelahiran atau sebaliknya, dalam dunia pendidikan misalnya, makin kurang
dihayati dan diamalkannya ajaran agama islam oleh para remaja akan diikuti oleh makin
meningkatnya frekuensi kenakalan remaja atau sebaliknya.
Teknik korelasi merupakan teknik analisis yang melihat kecenderungan pola
dalam satu variabel berdasarkan kecenderungan pola dalam variabel yang lain.
Maksudnya, ketika satu variabel memiliki kecenderungan untuk naik maka kita melihat
kecenderungan dalam variabel yang lain apakah juga naik atau turun atau tidak
menentu. Jika kecenderungan dalam satu variabel selalu diikuti oleh kecenderungan
dalam variabel lain, kita dapat mengatakan bahwa kedua variabel ini memiliki
hubungan atau korelasi.
Jika data hasil pengamatan terdiri dari banyak variabel , ialah beberapa kuat
hubungan antara-antara variabel itu terjadi. Dalam kata-kata lain perlu ditentukan
derajat hubungan antara variabel-variabel. Studi yang membahas tentang derajat
hubungan antara variabel-variabel dikenal dengan nama korelasi. Ukuran yang dipakai
untuk mengetahui derajat hubungan, terutama untuk data kuantitatif dinamakan
koefisien korelasi.
C. Jenis Korelasi
Korelasi yang menyatakan tingkat hubungan variabel bebas dan variabel terikat
dapat dibedakan berdasarkan banyaknya variabel bebas yang mempengaruhi nilai dari
variabel terikat.
Korelasi Linier
Angka yang digunakan untuk menggambarkan derajat hubungan ini disebut
koefisien korelasi dengan lambang rxy. Teknik yang paling sering digunakan untuk
menghitung koefisien korelasi selama ini adalah teknik Korelasi Product Momen
Pearson. Teknik ini sebenarnya tidak terbatas untuk menghitung koefisien korelasi dari
variabel dengan skala pengukuran interval saja, hanya saja interpretasi dari hasil
hitungnya harus dilakukan dengan hati-hati. Pemikiran utama korelasi product momen
adalah seperti ini:
 Jika kenaikan kuantitas dari suatu variabel diikuti dengan kenaikan kuantitas
dari variabel lain, maka dapat kita katakana kedua variabel ini memiliki
korelasi yang positif.
 Jika kenaikan kuantitas dari suatu variabel sama besar atau mendekati
besarnya kenaikan kuantitas dari suatu variabel lain dalam satuan SD, maka
korelasi kedua variabel akan mendekati 1.
 Jika kenaikan kuantitas dari suatu variabel diikuti dengan penurunan
kuantitas dari variabel lain, maka dapat kita katakana kedua variabel ini
memiliki korelasi yang negatif.
 Jika kenaikan kuantitas dari suatu variabel sama besar atau mendekati
besarnya penurunan kuantitas dari variabel lain dalam satuan SD, maka
korelasi kedua variabel akan mendekati -1.
 Jika kenaikan kuantitas dari suatu variabel diikuti oleh kenaikan dan
penurunan kuantitas secara random dari variabel lain atau jika kenaikan
suatu variabel tidak diikuti oleh kenaikan atau penurunan kuantitas variabel
lain (nilai dari variabel lain stabil), maka dapat dikatakan kedua variabel itu
tidak berkorelasi atau memiliki korelasi yang mendekati nol.

Koefisien korelasi antara dua peubah sehingga nilai r = 0 berimplikasi tidak ada
hubungan linear, bukan bahwa antara peubah itu pasti tidak terdapat hubungan.Ukuran
korelasi linear antara dua peubah yang paling banyak digunakan adalah koefisien
karelasi momen-hasilkali pearson atau ringkasnya koefisien korelasi.

D. Macam-macam Korelasi
1. Korelasi positip : Korelasi positif adalah tingkat hubungan antara dua variabel
yang mempunyai ciri, bahwa perubahan variabel independent x (variabel bebas
x) diikuti oleh perubahan variable dependent y (variabel tidak bebas y) secara
“searah.”.
2. Korelasi negatip: Korelasi negatif adalah tingkat hubungan antara dua variabel
yang mempunyai ciri, bahwa perubahan variabel independent x (variabel bebas
x) diikuti oleh perubahan variabel dependent y (variabel tidak bebas y) secara
“Berlawanan”.
3. Korelasi sederhana (simple corelation) : Adalah tingkat hubungan yang terjadi
antara 2 (dua) variabel saja.
4. Korelasi Multiple (Multiple Corelation) : Yaitu tingkat hubungan yang tejadi
antara 2 (dua) variable atau lebih. Misalkan pada model regrsi linier multiple ( y
= a0 + a1x1 + a2x2 + e ), maka maksud dan pengertian dari pernyataan di atas
adalah: Tingkat hubungan antara y dengan x1 atau tingkat hubungan antara y
dengan x2 atau tingkat hubungan antara x1 dan x2.
5. Korelasi sempurna (perfect corelation) : Maksud dan pengertian dari Korelasi
sempurna antara 2 variabel, yaitu suatu kondisi bahwa setiap nilai variabel bebas
x akan terdapat pada setiap nilai variabel tidak bebas y nya. Hal ini dapat
diartikan pula, bahwa garis regresi yang terbentuk dari data yang tersebar
(terdistribusi) adalah merupakan tempat kedudukan dari data – data dimaksud,
sehingga nilai r nya =1 atau r = -1
6. Korelasi Tidak Sempurna (Imperfect Corelation) : Korelasi antara 2 (dua)
variabel dikatakan tidak sempurna, jika titik–titik yang tersebar tidak
terdistribusi tepat pada satu garis lurus.
7. Korelasi yang mustahil (nonsense corelation): Korelasi antara dua variabel yang
seolah-olah ada tetapi tidak ada.
E. Teknik – Teknik Korelasi
1. Teknik Korelasional Produk Momen (Product Moment Correlation)
2. Teknik Korelasional Tata Jenjang (Rank Different Correlation atau Rank
Order Correlation)
3. Teknik korelasional Koefisien Phi (Phi Coeffisient Correlation)
4. Teknik Korelasional Kontingensi (Contingency Coefficient Correlation)
5. Teknik Korelasional Poin Biserial (Point Biserial Correlation)
6. Teknik Korelasinal Biserial (Biserial Correlation)
7. Teknik Korelasional Kendall Tau (Kendall’s Tau Correlation)
8. Teknik Korelasional Rasio (Correlation Ratio)
9. Teknik The Widespread Correlation
10. Teknik Korelasional Tetrakorik (Tetrachoric Correlation)

Penggunaan teknik korelasi tersebut di atas akan sangat tergantung kepada jenis
data statistik yang akan dicari korelasinya, di samping pertimbangan atau alasan tertentu
yang harus dipenuhi.

1) Teknik Korelasi Product Moment

1. Pengertiannya

Product moment correlation – atau lengkapnya product of the moment

correlation – adalah salah satu teknik untuk mencari korelasi antar dua variabel yang
kerap kali digunakan.

2. Penggunaannya

Teknik korelasi product moment kita pergunakan apabila kita berhadapan

dengan keyataan berikut ini :

 Variabel yang kita korelasikan berbentuk gejala atau data yang bersifat kontinu.
 Sampel yang diteliti mempunyai sifat homogen, atau setidak – tidaknya
mendekati homogenya.
 Regresinya merupakan regresi linear

3. Lambangnya
 Kuat lemah atau tinggi rendahnya korelasi antardua variabel yang sudah kita
teliti dapat diketahui dengan melihat besar kecilnya angka indeks korelasi, yang pada
teknik korelasi product moment diberi lambang “r” ( sering disebut”r” product
moment). Angka indeks korelasi Product Moment ini diberi indeks dengan huruf kecil
dari huruf – huruf yang dipergunakan untuk dua buah variabel yang sedang dicari
korelasinya. Jadi apabila variabel pertama diberi lambang x dan variabel kedua diberi
lambang y, maka angka indeks korelasinya dinyatakan dengan lambang 𝑟𝑥𝑦 .

4. Cara Mencari Angka Indeks Korelasi Product Moment

Ada berapa macam cara yang dapat dipergunakan untuk mencari angka indeks
korelasi produk moment yaitu :

Apabila data yang dihadapi adalah data tunggal yamg number of casesnya < 30 :

 Dengan cara menghitung deviasi standarnya lebih dahulu

 Dengan cara yang lebih tingkat, yaitu tanpa menghitung deviasi standarnya
 Dengan cara memperhitungkan skor – skor aslinya atau ukuran – ukuran
kasarnya
 Dengan cara memperhitung mean 9 yaitu mencari nalia rata – rata hitung dari
variabel yang dicari korelasinya )
 Dengan cara memperhitungkan selisih dviasi dan variabel yan dikerolesasikan,
terhadap meannya
 Dengan cara memperhitungkan selisih dari masing – masing skor aslinya atau
angka kasarnya.

Apabila data yang dihadapi adalah data tunggal yang number of casesnya = 30
atau > 30 dan untuk data kelompokkan, angka indeks korelasi dapat dapat diperoleh
dengan bantuan peta korelasi atau diagram korelasi.

5. Cara Memberikan Interprestasi terhadap Angka Indeks Korelasi “r”

Product Moment
Terhadap angka indeks korelasi yang telah diperoleh dari perhitungan (proses
komputasi ) kita dapat memberikan interpretasi atau penafsiran tertentu. Dalam
hubungan ini ada dua macam cara dapat kita tempuh yaitu :
  Memberikan interpretasi terhadap angka indeks korelasi “r” product moment
secara kasar atau dengan sederhana.
 Memberikan interpretasi terhadap angka indeks korelasi “r” product moment
dengan jalan berkorealitasi ( berkonsultasi ) pada tabel nilai “r” product moment.
Prosedur yang kita lalui, yakni :
a. Merumuskan (membuat) hipotesis alternatif (Ha) dan hipotesis nihil atau
hipotesis nol (H₀).
b. Menguji kebenaran atau kepalsuan dari hipotesis yang telah kita ajukan di
atas tadi. (maksudnya : manakah yang benar Ha atau H₀).

6. Contoh Cara Mencari (Menghitung) dan Memberikan Interpretasi terhadap

Angka Indeks Korelasi “r” Product Moment

 Cara Mencari (menghitung) dan memberikan interpretasi terhadap angka indeks

korelasi “r” product moment untuk data tunggal dimana N < 30 dengan terlebih
dahulu memperhitungkan Deviasi Standarnya
1. Rumus

∑𝑥𝑦
𝑟𝑥𝑦 =
𝑁𝑆𝐷𝑥 𝑆𝐷𝑦

Dimana : 𝑟𝑥𝑦 = angka indeks korelasi antara variabel X dan variabel Y

∑𝑥𝑦 = jumlah dari hasil perkalian antara deviasi skor – skor variabel x dari
skor – skor variabel

𝑆𝐷𝑥 = deviasi standar dari variabel x

𝑆𝐷𝑦 = deviasi standar dari variabel y

N = number of cases

2. Langkahnya
a. Menyiapkan tabel kerja atau tabel perhitungan yang terdiri dari 8 kolom.
Kolom 1 : Subjek penelitian, kolom 2 : skor variabel x, kolom 3 : skor
variabel y, kolom 4 : deviasi skor x terhadap mean grupnya (Mx), kolom 5 :
 deviasi skor y terhadap mean grupnya (My), kolom 6 : hasil perkalian
deviasi x dan deviasi y, kolom 7 : hasil pengkuadratan deviasi x, kolom 8 :
hasil pengkuadratan deviasi y.
b. Menghitung mean dari variabel x dan y dengan rumus :
∑𝑋 ∑𝑌
𝑀𝑥 = 𝑀𝑦 =
𝑁 𝑁

c. Menghitung deviasi standar variabel x dan y dengan rumus :

∑𝑋 ∑𝑌
𝑆𝐷𝑥 = √ 𝑁 𝑆𝐷𝑦 = √ 𝑁

d. Menghitung angka indeks korelasi dengan rumus pada nomor 1.

 Cara mencari (menghitung dan memberikan interpretasi terhadap angka indeks
korelasi “r” product moment untuk data tunggal dimana N < 30, dengan tidak
mencari deviasi standarnya

1. Rumus

∑𝑥𝑦
𝑟𝑥𝑦 =
√(∑𝑥2 )(∑𝑦2 )
Dimana : 𝑟𝑥𝑦 = angka indeks korelasi antara variabel X dan variabel Y

∑𝑥 2 = jumlah deviasi skor x setelah terlebih dahulu dikuadratkan

∑𝑦 2 = jumlah deviasi skor y setelah terlebih dahulu dikuadratkan

2.Langkahnya
a. Menyiapkan tabel kerja atau tabel perhitungan seperti pada A sub 2a,
b. Mencari deviasi skor x terhadp Mx dan skor y terhadap My dengan rumus :
x = X – Mx , y = Y – My
c. Menghitung angka indeks korelasi dengan rumus pada nomor 1.
 Cara mencari (menghitung) angka indeks korelasi “r” product moment di mana
N < 30, dengan mendasarkan diri pada skor aslinya atau angka kasarnya
1. Rumus

𝑁∑𝑋𝑌 − (∑𝑋)(∑𝑌)
𝑟𝑥𝑦 =
√𝑁∑𝑋2 − (∑𝑋2 )(𝑁∑𝑌2 − (∑𝑌2 )
Dimana : : 𝑟𝑥𝑦 = angka indeks korelasi antara variabel X dan variabel Y

N = number of cases

∑𝑋𝑌 = jumlah hasil perkalian antara skor x dan skor y

∑𝑋 = jumlah seluruh skor x

∑𝑌 = jumlah seluruh skor y

2. Langkah
a. Menyiapkan tabel kerja atau tabel perhitungan yang terdiri dari 6 kolom.
Kolom 1, 2 dn 3 sama seperti sebelumnya sedangkan kolom 4 : hasil
perkalian deviasi x dan deviasi y, kolom 5 : hasil pengkuadratan deviasi x,
kolom 6 : hasil pengkuadratan deviasi y.
b. Menghitung angka indeks korelasi dengan rumus pada nomor 1.
 Cara mencari (menghitung) Angka Indeks Korelasi “r” Product Moment di
mana N < 30, dengan memperhitungkan Meannya

1. Rumus

∑𝑋𝑌 − 𝑁. 𝑀𝑥. 𝑀𝑦
𝑟𝑥𝑦 =
2 2
√∑𝑋2 − 𝑁. 𝑀𝑥) (∑𝑌2 − 𝑁. 𝑀𝑦)

Dimana : 𝑟𝑥𝑦 = angka indeks korelasi antara variabel X dan variabel Y

N = number of cases

∑𝑥 2 = jumlah deviasi skor x setelah terlebih dahulu dikuadratkan

∑𝑦 2 = jumlah deviasi skor y setelah terlebih dahulu dikuadratkan

Mx = mean dari skor variabel x

My = mean dari variabel y

𝑀𝑥 2 = kuadrat dari mean skor variabel x

𝑀𝑦 2 = kuadrat dari mean skor variabel y

 2.Langkah

a. Menyiapkan tabel kerja atau tabel perhitungan seperti pada C sub 2a.

b. Menghitung mean dari variabel x dan y dengan rumus :

∑𝑋 ∑𝑌
𝑀𝑥 = 𝑀𝑦 =
𝑁 𝑁

c.Menghitung angka indeks korelasi dengan rumus pada nomor 1.

 Cara mencari (menghitung) angka indeks korelasi “r” Product Moment, dimana
N < 30, dengan didasarkan pada selisih deviasinya

1. Rumus

∑𝑥2 + ∑𝑦2 − ∑𝑑2

𝑟𝑥𝑦 =
2√(∑𝑋2 )(∑𝑌2 )

Dimana : 𝑟𝑥𝑦 = angka indeks korelasi antara variabel X dan variabel Y

∑𝑥 2 = jumlah deviasi skor x setelah terlebih dahulu dikuadratkan

∑𝑦 2 = jumlah deviasi skor y setelah terlebih dahulu dikuadratkan

d = selisih antara deviasi skor variabel x dan deviasi variabel y, atau d=

x–y

2 = bilangan konstan ( tidak dapat diubah – ubah)

∑𝑑2 = jumlah selisih antara deviasi skor variabel x dan deviasi variabel y
setelah dikuadratkan terlebih dahulu ∑𝑑 2 = ∑( 𝑥 − 𝑦 )2

2.Langkah
a. Menjumlahkan seluruh skor variabel x dan y, diperoleh ∑𝑋, ∑𝑌
b. Menghitung mean dari variabel x dan y dengan rumus :

∑𝑋 ∑𝑌
𝑀𝑥 = 𝑀𝑦 =
𝑁 𝑁
 c. Mencari deviasi skor x terhadp Mx dan skor y terhadap My dengan rumus :
x = X – Mx , y = Y – My
d. Mencari d dengan rumus d = (x – y)
e. Mengkuadratkan d, setelah itu jumlahkan, hingga diperoleh ∑𝑑 2
f. Menghitung angka indeks korelasi dengan rumus pada nomor 1.
 Cara mencari (menghitung) angka indeks korelasi “r” Product Moment di mana
N < 30 dengan menadasarkan pada selisih skornya (selisih skor kasarnya)

1. Rumus

𝑁(∑𝑥2 + ∑𝑦2 − ∑(𝑋 − 𝑌)2 ) − 2 (∑𝑋)(∑𝑌)

𝑟𝑥𝑦 =
2 √(𝑁∑𝑋2 − (∑𝑋2 )(𝑁∑𝑌2 − (∑𝑌2 )

Dimana : 𝑟𝑥𝑦 = angka indeks korelasi antara variabel X dan variabel Y

N = number of cases

∑𝑥 2 = jumlah deviasi skor x setelah terlebih dahulu dikuadratkan

∑𝑦 2 = jumlah deviasi skor y setelah terlebih dahulu dikuadratkan

(X – Y) = selisih antara skor variabel X dan skor variabel Y

2 = bilangan konstan ( tidak dapat diubah – ubah)

(𝑋 − 𝑌)2 = 𝑘uadrat dari selisih antara skor variabel x dan skor variabel y

(∑𝑥 2 ) = jumlah dari seluruh skor variabel X, setelah itu lalu dikuadratkan

(∑𝑦 2 ) = jumlah dari seluruh skor variabel Y, setelah itu lalu dikuadratkan

2.Langkah

a. Menyiapkan tabel kerja atau tabel perhitungan seperti pada C sub 2a, lalu
tambahkan 2 kolom yang berisi selisih skor x dan y, serta kolom kuadrat x –
y.

b. Menghitung angka indeks korelasi dengan rumus pada nomor 1

  Cara mencari (menghitung) angka indeks korelasi “r” Product Moment untuk
data tunggal, di mana N = 30 atau N > 30

1. Rumus

∑𝑥′𝑦′
− (𝐶𝑥′ )(𝐶𝑦′ )
𝑁
𝑟𝑥𝑦 =
(𝑆𝐷𝑥′ )(𝑆𝐷𝑦′ )

Dimana : 𝑟𝑥𝑦 = angka indeks korelasi antara variabel X dan variabel Y

N = number of cases

∑𝑥 ′ 𝑦 ′ = jumlah hasil perkalian silang (product of the moment) antara

frekuensi sel (f) dengan x’ dan y’

Cx’ = nilai koreksi pada variabel X yang dapat diperoleh dengan rumus :
∑𝑓𝑥′
𝐶𝑥′ = 𝑁

Cy’ = nilai koreksi pada variabel Y yang dapat diperoleh dengan rumus :
∑𝑓𝑦′
𝐶𝑦′ = 𝑁

SDx’ = deviasi standar skor X dalam arti tiap skor sebagai 1 unit dimana i – 1

SDy’ = deviasi standar skor Y dalam arti tiap skor sebagai 1 unit dimana i – 1

2.Langkah
a. Menyiapkan Peta Korelasi ( Scatter Diagram)
∑𝑓𝑥′ ∑𝑓𝑦′
b. Mencari Cx’ dan Cy’ dengan rumus : ,
𝑁 𝑁

c. Mencari SDx’ dan SDy’ dengan rumus :

∑𝑓𝑥′2 ∑𝑓𝑥′ 2 ∑𝑓𝑦′2 ∑𝑓𝑦′ 2

SDx’ = i √ −( ) , SDy’ = i √ −( )
𝑁 𝑁 𝑁 𝑁

d.Menghitung angka indeks korelasi dengan rumus pada nomor 1

 Cara mencari (menghitung) angka indeks korelasi “r” Product Moment untuk
data kelompokkan

1. Rumus
 ∑𝑥′𝑦′
− (𝐶𝑥′ )(𝑋𝑦′ )
𝑁
𝑟𝑥𝑦 =
(𝑆𝐷𝑥′ )(𝑆𝐷𝑦′ )

Dimana : 𝑟𝑥𝑦 = angka indeks korelasi antara variabel X dan variabel Y

N = number of cases

∑𝑥 ′ 𝑦 ′ = jumlah hasil perkalian silang (product of the moment) antara

frekuensi sel (f) dengan x’ dan y’

Cx’ = nilai koreksi pada variabel X yang dapat diperoleh dengan rumus :
∑𝑓𝑥′
𝐶𝑥′ = 𝑁

Cy’ = nilai koreksi pada variabel Y yang dapat diperoleh dengan rumus :
∑𝑓𝑦′
𝐶𝑦′ = 𝑁

SDx’ = deviasi standar skor X dalam arti tiap skor sebagai 1 unit dimana i = 1

SDy’ = deviasi standar skor Y dalam arti tiap skor sebagai 1 unit dimana i = 1

2.Langkah
a. Merumuskan (membuat) hipotesis alternatif (Ha) dan hipotesis nihil atau
hipotesis nol (H₀).
b. Menyiapkan Peta Korelasi ( Scatter Diagram)
∑𝑓𝑥′ ∑𝑓𝑦′
c. Mencari Cx’ dan Cy’ dengan rumus : ,
𝑁 𝑁

d. Mencari SDx’ dan SDy’ dengan rumus :

∑𝑓𝑥′2 ∑𝑓𝑥′ 2 ∑𝑓𝑦′2 ∑𝑓𝑦′ 2

SDx’ = i √ −( ) , i = 1, SDy’ = i √ −( ) , i=1
𝑁 𝑁 𝑁 𝑁

e.Menghitung angka indeks korelasi dengan rumus pada nomor 1

2) Teknik Korelasi Tata Jenjang (= Teknik korelasi Rank Order = Rank Order
Correlation = Rank Difference Correlation)

1. Pengertian
 Teknik korelasi tata jenjang dalam dunia statistik dikenal sebagai teknik analisis
koelasional yag paling sederhana jika dibandingkan dengan teknik analisis korelasinal
lainnya.

2. Penggunaanya

Teknik ini akan efektif digunakan apabila subjek yang dijadikan sampel dalam
penelitian N antara 10 – 29. Selain itu, teknik ini juga digunakan untuk mencari
koefisien korelasi antara data ordinal dan data ordinal lainnya. Teknik ini dapat
digunakan untuk data interval, tetapi sebelumnya telah diubah menjadi data ordinal.

3.Lambangnya

Pada teknik ini, angka indeks korelasi dilambangkan dengan huruf ρ (baca: rho)
dengan angka indeks korelasi berkisar antara 0,00 sampai dengan +1,00.

4. Rumusnya

Rumus korelasi ini dikembangkan oleh Charles Spearman.

6 ∑𝐷2 6 ∑𝐷2
ρ=1− atau ρ=1−
𝑁 (𝑁2 − 1) (𝑁3 − 𝑁)

Keterangan: ρ = angka indeks korelasi tata jenjang

1dan 6 = bilangan konstan

D = perbedaan antara pasangan jenjang, D = R1 – R2
N = Jumlah individu dalam sampel

Langkah penggunaan rumus ini sama dengan yang ditempuh oleh rumus-rumus
korelasi poduct moment. Namun penggunaannya, rumus ini dibedakan antara
penggunaan untuk data ordinal dan untuk data interval yang telah berubah menjadi data
ordinal, akan tetapi bentuk rumusnya tetap seperti itu, perbedaannya adalah pada tabel
kerja yang digunakan.

5. Cara memberikan interpretasi terhadap angka indeks korelasi tata jenjang

 Untuk memberikan interpretasi terhadap angka indeks korelasi tata jenjang,
terlebih dahulu kita rumuskan hipotesis alternatif dan hipotesis nol – nya

6. Contoh cara mencari menghitung dan memberikan interpretasi terhadap

angka indeks korelasi tata jenjang

Ada tiga macam cara mencari ( menghitung ) Rho,yaitu :

a. Cara mencari ( menghitung ) dan memberikan interpretasi terhadap angka

indeks korelasi tata jenjang, yang tidak terdapat urutan yang kembar.

b. Cara mencari ( menghitung ) dan memberikan interpretasi terhadap angka

indeks korelasi tata jenjang, yang tidak terdapat urutan yang kembar dua.

c. Cara mencari ( menghitung ) dan memberikan interpretasi terhadap angka

indeks korelasi tata jenjang, yang tidak terdapat urutan yang kembar tiga atau lebih dari
tiga.

Dengan menggunakan rumus :

𝑛2 − 1
𝑅𝑒= √𝑀𝑅2 +
12

Dimana : 𝑅𝑒= urutan kedudukan

𝑀𝑅 = mean dari urutan kedudukan skor kembar

n = banyaknya skor yang kembar

1 dan 12 = bilangan konstan (tidak dapat diubah – ubah)

3) Teknik Korelasi Phi (Phi Coefficient Correlation)

1. Pengertiannya

Teknik korelasi phi adalah salah satu teknik analisis korelasional yang
dipergunakan apabila data yang dikorelasikan adalah data yang benar – benar dikotomik
( terpisah atau dipisahkan secara tajam ) dengan istilah lain ; variabel yang
dikorelasikan itu adalah variabel diskrit murni ; misalnya : laki – laki – perempuan,
hidup – mati, lulus – tidak lulus, menjadi pengurus organisasi – tidak menjadi pengurus
organisasi mengikuti bimbingan tes – tidak mengikuti bimbingan tes, dan seterusnya.
Apabila variabelnya bukan merupakan variabel diskrit, maka variabel tersebut terlebih
dahulu harus diubah menjadi variabel diskrit.

2. Lambangya

Besar kecil, kuat lemahnya, atau tingi rendahnya, korelasi antar dua variabel yang
kita selidiki korelasinya, pada teknik korelasi phi ini, ditunjukkan oleh besar kecilnya
angka indeks korelasi yang dilambangkan dengan huruf φ ( phi ) yang besarnya berkisar
antara 0,00 samapai dengan + 1,00.

3. Rumusnya
(𝑎𝑑−𝑏𝑐)
 Rumus pertama : 𝜑=
√(𝑎+𝑏)(𝑎+𝑐)(𝑏+𝑑)(𝑐+𝑑)

Rumus ini kita pergunakan apabila dalam menghitung atau mencari 𝜑 kita
mendasarkan diri pada frekuensi dari masing – masing sel yang terdapat dalam tabel
kerja (tabel perhitungan).

𝛼𝛿−𝛽𝛾
 Rumus kedua : 𝜑=
√(𝑝)(𝑞)(𝑝′ )(𝑞′)

Rumus ini kita pergunakan apabila dalam menghitung 𝜑 kita mendasarkan diri

pada nilai proporsinya.

χ2
 Rumus ketiga : 𝜑= √
𝑁

Rumus ini kita pergunakan apabila dalam mencari 𝜑 kita terlebih dahulu
menghitung kai kuadrat (χ2 ); kai kuadrat itu diperoleh dengan rumus :

(𝑓0 − 𝑓𝑡 )2
χ2 = ∑ dengan : 𝑓0 = frekuensi yang diperoleh dalam penelitian
𝑓𝑡

𝑓𝑡 = frekuensi secara teoritik

 4. Cara memberikan interpretasi terhadap angka indeks korelasi phi (𝜑 )

Pada dasarnya, phi merupakan product momen correlation. Oleh karena itu,
dapat diinterpretasikan dengan cara yang sama dengan “r” Product Moment dari
Pearson.
∑𝑥𝑦
𝑟𝑥𝑦 =
√(∑𝑥2 )(∑𝑦2 )

5. Contoh cara mencari (menghitung) angka indeks korelasi Phi

a. Cara mencari angka indeks korelasi phi dengan mendasarkan diri pada frekuensi dari

masing – masing sel yang terdapat dalam tabel kerja (tabel perhitungan). 𝜑=
(𝑎𝑑−𝑏𝑐)
√(𝑎+𝑏)(𝑎+𝑐)(𝑏+𝑑)(𝑐+𝑑)

b. Cara mencari angka indeks korelasi phi dengan mendasarkan diri pada nilai
𝛼𝛿−𝛽𝛾
proporsinya. 𝜑=
√(𝑝)(𝑞)(𝑝′ )(𝑞′)

c. Cara mencari (menghitung) angka indeks korelasi phi dengan memperhitungkan kai

χ2
kuadradat. 𝜑= √
𝑁

d. Cara mencari ( menghitung ) angka indeks korelasi phi dalam keadaan khusus

𝛼𝛿 − 𝛽𝛾
𝜑=
√(𝑝)(𝑞)
4) Teknik Korelasi Koefisien Kontingensi
1. Pengertiannya

Teknik korelasi koefisien kontingensi adalah salah satu teknik analisis

korelasional bivariat, yang dua buah variabel yang dikorelasikan adalah berbentuk
kategori atau merupakan gejala ordinal. Misalnya : tingkat pendidikan, tinggi,
menengah, rendah : pemahaman terhadap ajaran Agama Islam: baik, cukup, kurang, dan
sebagainya.
 2. Lambangnya

Kuat lemah, tinggi – rendah, atau besar – kecilnya korelasi antar dua variabel
yang sedang kita selidiki korelasinya, dapat diketahui dari besar – kecilnya angka
indeks korelasi yang disebut coefficient contingency, yang umumnya diberi lambang
dengan huruf C atau KK ( singkatan dari koefisien kontingensi).

3. Rumusnya
χ2
∁=
χ2 + 𝑁
(𝑓0 − 𝑓𝑡 )2
χ2 dapat diperoleh dengan menggunakan rumus : χ2 = ∑ 𝑓𝑡

4. Cara memberikan interpretasi terhadap angka indeks korelasi kontingensi

Pemberian interpretasi terhadap angka indeks korelasi kontingensi C atau KK itu
adalah dengan jalan terlebih dahulu menubah harga C menjadi phi, dengan
𝐶
mempergunakan rumus : 𝜑=
√1−𝐶 2

Setelah harga 𝜑 diperoleh, selanjutnya kita konsultasikan dengan tabel nilai “r”
Product Moment dengan df sebesar N – nr. Jika angka indeks korelasi yang kita peroleh
dalam perhitungan (dalam hal ini adalah C yang telah diubah menjadi phi dan dianggap
“ 𝑟𝑥𝑦 “) itu sama dengan atau lebih besar daripada 𝑟𝑡𝑎𝑏𝑒𝑙 , maka hipotesis nihil ditolak
dan apabila lebih kecil daripada 𝑟𝑡𝑎𝑏𝑒𝑙 , maka hipotesis nihil diterima atau disetujui.

5. Contoh cara mencari ( menghitung ) angka indeks korelasi kontingensi

Misalkan akan diteliti, apakah terdapat korelasi positif yang signifikan antara
semangat berolah – raga dan kegairahan belajar. Sejumlah 200 orang subjek ditetapkan
sebagai sampel penelitian. Hasil pengumpulan data menunjukan angka sebagaimana
tertera pada tabel dibawah ini.
 5) Teknik Korelasi Poin Biseral
1. Pegertian Dan Penggunanya

Teknik korelasi point biserial ( point biserial correlation ) adalah salah satu teknik
analisis korelasional bivariat yang biasa dipergunakan untuk mencari korelasi antara dua
variabel :

Variabel 1 berbentuk variabel kontinum ( misalnya : skor hasil tes ) sedangkan

Variabel 2 berbentuk variabel diskrit murni ( misalnya betul atau salahnyacalon dalam
menjawab butir – butir soal tes ).

Teknik analisis koresional poin biseral ini juga dapat dipergunakan untuk menguji
validity item (validitas soal) yang telah diajukan dalam tes, dimana skor hasil tes untuk
tiap butir soal dikorelasikan dengan skor hasil tes secara totalitas.

2. Lambangnya

Angka indeks korelasi yang menunjukan keeratan hubungan antara variabel yang
satu dengan variabel yang lain, pada teknik korelasi ini dilambangkan dengan : 𝑟𝑝𝑏𝑖

3. Rumusnya

𝑀𝑝 − 𝑀𝑡 𝑝
𝑟𝑝𝑏𝑖 = √
𝑆𝐷𝑡 𝑞

Dimana : 𝑟𝑝𝑏𝑖 = angka indeks korelasi poin biseral

 𝑀𝑝 = mean skor yang dicapai oleh peserta tes yang menjawab betul, yang
sedang dicari korelasinya dengan tes secara keseluruhan.

𝑀𝑡 = mean skor total, yang berhasil dicapai oleh seluruh peserta tes.

𝑆𝐷𝑡 = deviasi standar total (dari skor total)

P = proporsi peserta tes yang menjawab betul terhadap butir soal yang
sedang dicari korelasinya dengan tes secara keseluruhan.

4. Cara memberikan interpretasi terhadap angka indeks poin beserial

Untuk memberikan interpretasi terhadap 𝑟𝑝𝑏𝑖 , kita pergunakan tabel nilai “r”
product moment, dengan terlebih dahulu mencari df-nya ( df = N – nr ). Jika 𝑟𝑝𝑏𝑖 yang
kita peroleh dalam perhitungan ternyata sama dengan atau lebih besar daripada
𝑟𝑡𝑎𝑏𝑒𝑙 , maka kita dapat mengambil kesimpulan bahwa kedua variabel yang sedang kita
cari korelasinya, ternyata secara signifikan memang berkorelasi. Jika 𝑟𝑝𝑏𝑖 lebih kecil
daripada 𝑟𝑡𝑎𝑏𝑒𝑙 berarti tidak ada korelasi yang signifikan

5. Contoh cara mencari ( menhitung ) angka indeks korelasi poin biserial

Sebagai salah satu contoh, misalnya dalam suatu penelitian yang antara lain
bertujuan untuk menuji validitas soal yang telah dikeluarkan dalam tes ( bila soal yang
dikeluarkan dalam tes tersebut berbentuk tes obkjektif ) sejumlah 10 orang calon
(testee) dihadapakan kepada 10 butir soal ; skor yang berhasil dicapai testee adalah
sebagai berikut : (catatan : pada contoh ini testee yang menjawab butir soal dengan betul
diberi skor 1, sedangkan tastee yang menjawab salah diberi skor nol.

6) Teknik Korelasinal Biserial (Biserial Correlation)

1. Pengertian dan Penggunaannya

Korelasi biserial merupakan alat yang paling sering digunakan dalam dunia
pendidikan, dimana korelasi ini melihat hubungan antara skor atau hasil jawaban pada
masing-masing item pertanyaan yang diberikan dalam tes.Korelasi biserial efektif
diberikan pada tipe tes multiple choice atau pilihan berganda tetapi bisa juga untuk tipe
tes lainnya.Hasilnya para pendidik dapat mengetahui karaktristik siswa dalam
memberikan jawaban terhadap soal tes yang kita berikan.
 Korelasi biserial dapat digunakan untuk melihat fenomena dalam pola jawaban
siswa, seringkali pengajar dihadapkan pada kenyataan bahwa siswa tertentu
akanmemberikan jawaban yang benar terhadap pertanyaan yang sulit dan sebaliknya
pada pertanyaan mudah ia akan memberikan jawaban yang salah.

Seperti halnya pada pengujian korelasi tentunya kita mengenal istilah koefisien
korelasi dan nilai signifikansi atau p-value. Prinsipnya sama saja, pada korelasi biserial
nilai koefisien yang besar dan positif akan mengindikasikan bahwa siswa dapat
menjawab dengan baik item pertanyaan tersebut, sebaliknya poin biserial yang kecil
mengindikasikan bahwa item pertanyaan tidak dapat dijawab dengan baik oleh siswa.

7) Teknik Korelasional Kendall Tau (Kendall’s Tau Correlation)

1. Pengertian dan Penggunaanya

Korelasi Kendall Tau merupakan statistik nonparametrik. Korelasi ini

digunakan pada data sama seperti data yang digunakan pada korelasi spearman yaitu
sekurang-kurangnya data ordinal.

2. Lambangnya

Simbol yang biasa digunakan pada ukuran populasinya adalah (tau) dan
ukuran sampelnya adalah T .

3. Rumusnya

Formula T adalah sebagai berikut:

dimana:

S adalah total skor seluruhnya (grand total), yang merupakan jumlah skor urutan
kewajaran pasangan data pada salah satu variabel. Jika urutan ranking wajar diberi skor
+1, jika urutan ranking tdk wajar diberi skor –1.N adalah banyaknya pasangan ranking.
 Pada contoh ini, ranking pada variabel X yang diurutkan sehingga ranking pada
variabel Y mengikuti dan akan dicari nilai skor sebenarnya (S).

Mencari nilai S (lihat ranking Y):

Penggunaan formula korelasi kendall T dapat dikoreksi jika data yang digunakan
banyak terdapat angka sama yang berarti juga mempunyai ranking yang sama (untuk
angka sama, ranking dirata-ratakan). Formula dikoreksi menjadi:
 siasi)
variabel tidak bisa dibandingkan antara nilai T dan rs .nilai rs biasanya lebih besar dari
nilai T. namun demikian ada hubungan antara dua ukuran tersebut, yaitu:

contoh 3: (lihat data pada contoh korelasi spearman)

 8) Teknik Korelasional Rasio (Correlation Ratio)

Interval/Rasio
1. Product Momen
2. Korelasi Parsial
3. Korelasi Ganda
 Rumusnya korelasi ganda…
Angka yang menggambarkan arah dan kuatnya hubungan antara dua (lebih)
variabel secara bersama-sama dengan variabel lainnya

RyX1X2 =
r 2 yx1  r 2 yx 2  2ryx1ryx 2 rx1x 2
1  r 2 x1x 2
Di mana :
Ryx1x2 : korelasi antara X1 dan X2 bersama-sama dengan Y
ryx1 : korelasi product moment Y dengan X1
ryx2 : korelasi product moment Y dengan X2
rx1x2 : korelasi product meoment X1 dengan X2

36

Korelasi Parsial
Mengetahui hubungan antara variabel independen dengan variabel
dependen, dengan salah satu variabel independen dianggap tetap
(dikendalikan)

Rumusnya…
ryx1  ryx2 rx1x2
Ry.x1x2 =
1  r 2 x1x2 1  r 2 yx2

Korelasi parsial antara X1 dengan Y; dengan X2

dianggap tetap.
37

9) Teknik The Widespread Correlation

Sering terjadi dalam penelitian yang membutuhkan pengamatan seperti

cenderung memberikan nilai rata-rata dari pada menilai sangat baik atau sangat
buruk.Sehingga digunakan teknik the widespread correlation. Dengan Rumus :
 10) Teknik Korelasional Tetrakorik (Tetrachoric Correlation)

Teknik korelasi tetrakorik digunakan apabila dua variabel yang dikorelasikan

sama-sama merupakan variabel dikotomi.Bedanya, pada korelasi tetrakorik data bersifat
dikotomi buatan, sedangkan pada korelasi phi data bersifat dikotomi murni.Mula-mula
datanya merupakan data kontenum yang sebenarnya dikelompokkan menjadi dua
kelompok yaitu:

a. Subjek yang menguasai materi

b. Subjek yang tidak menuasai materi

dengan rumus sebagai berikut :

1. Mencari nilai phi dengan rumus :

𝑎𝑑−𝑏𝑐
Ø = (𝑎+𝑏)(𝑐+𝑑)(𝑏+𝑑)

2. Menentukan besarnya korelasi tetrakorik dengan rumus :

rt : Sinus (Ø 90º)
3. Menentukan korelasi dan menguji korelasi tetrakorik dengan rumus :

r = korelasi tetrakorik x faktor koreksi x faktor koreksi

4. Tes signifikan dari koreksi tetrakorik digunakan teknik Chi kuadrat

diperoleh dari rumus X² = ز .N dengan derajat bebas (db) = 1. Rumus chi
kuadrat :
𝑁 ( 𝑎𝑑−𝑏𝑐 )2
X² = (𝑎+𝑏)(𝑐+𝑑)(𝑏+𝑑)

Keterangan :
 X² : Chi kuadrat
N : Jumlah Sampel
A,b,c,d : Frekuensi tiap-tiap sampel tabel 2 x 2
5. Untuk menentukan diterima atau tidaknya hipotesa yang diajukan, diuji dengan
taraf signifikasi 5%.

Untuk mengetahui tingkat korelasi yang terjadi didasarkan pada koefisien

korelasi sebagai berikut :

a. 0,80 - 1,00 = korelasi yang sempurna

b. 0,60 - 0,80 = korelasi yang tinggi

c. 0,40 - 0,60 = korelasi yang sedang

d. 0,20 - 0,40 = korelasi yang rendah tapi ada

e. 0,00 - 0,20 = korelasi yang sangat rendah

(Winarno Surachman,1995:302)

F. Teori Korelasi
1. Korelasi dan Kausalitas
Ada perbedaan mendasar antara korelasi dan kausalitas. Jika kedua variabel
dikatakan berkorelasi, maka kita tergoda untuk mengatakan bahwa variabel yang satu
mempengaruhi variabel yang lain atau dengan kata lain terdapat hubungan kausalitas.
Kenyataannya belum tentu. Hubungan kausalitas terjadi jika variabel X mempengaruhi
Y. Jika kedua variabel diperlakukan secara simetris (nilai pengukuran tetap sama
seandainya peranan variabel-variabel tersebut ditukar) maka meski kedua variabel
berkorelasi tidak dapat dikatakan mempunyai hubungan kausalitas. Dengan demikian,
jika terdapat dua variabel yang berkorelasi, tidak harus terdapat hubungan kausalitas.
Terdapat dictum yang mengatakan “correlation does not imply causation”.
Artinya korelasi tidak dapat digunakan secara valid untuk melihat adanya hubungan
kausalitas dalam variabel-variabel. Dalam korelasi aspek-aspek yang melandasi
terdapatnya hubungan antar variabel mungkin tidak diketahui atau tidak langsung. Oleh
karena itu dengan menetapkan korelasi dalam hubungannya dengan variabel-variabel
yang diteliti tidak akan memberikan persyaratan yang memadai untuk menetapkan
hubungan kausalitas kedalam variabel-variabel tersebut. Sekalipun demikian bukan
berarti bahwa korelasi tidak dapat digunakan sebagai indikasi adanya hubungan
kausalitas antar variabel. Korelasi dapat digunakan sebagai salah satu bukti adanya
kemungkinan terdapatnya hubungan kausalitas tetapi tidak dapat memberikan indikasi
hubungan kausalitas seperti apa jika memang itu terjadi dalam variabel-variabel yang
diteliti, misalnya model recursive, dimana X mempengaruhi Y atau non-recursive,
misalnya X mempengaruhi Y dan Y mempengaruhi X.
Dengan untuk mengidentifikasi hubungan kausalitas tidak dapat begitu saja
dilihat dengan kaca mata korelasi tetapi sebaiknya menggunakan model-model yang
lebih tepat, misalnya regresi, analisis jalur atau structural equation model.

2. Korelasi dan Linieritas

Terdapat hubungan erat antara pengertian korelasi dan linieritas. Korelasi
Pearson, misalnya, menunjukkan adanya kekuatan hubungan linier dalam dua variabel.
Sekalipun demikian jika asumsi normalitas salah maka nilai korelasi tidak akan
memadai untuk membuktikan adanya hubungan linieritas. Linieritas artinya asumsi
adanya hubungan dalam bentuk garis lurus antara variabel. Linearitas antara dua
variabel dapat dinilai melalui observasi scatterplots bivariat. Jika kedua variabel
berdistribusi normal dan behubungan secara linier, maka scatterplot berbentuk oval;
jika tidak berdistribusi normal scatterplot tidak berbentuk oval.
Dalam praktinya kadang data yang digunakan akan menghasilkan korelasi tinggi
tetapi hubungan tidak linier; atau sebaliknya korelasi rendah tetapi hubungan linier.
Dengan demikian agar linieritas hubungan dipenuhi, maka data yang digunakan harus
mempunyai distribusi normal. Dengan kata lain, koefesien korelasi hanya merupakan
statistik ringkasan sehingga tidak dapat digunakan sebagai sarana untuk memeriksa data
secara individual.
a) Asumsi
Asumsi dasar korelasi diantaranya seperti tertera di bawah ini:
  Kedua variabel bersifat independen satu dengan lainnya, artinya masing-masing
variabel berdiri sendiri dan tidak tergantung satu dengan lainnya. Tidak ada
istilah variabel bebas dan variabel tergantung.
 Data untuk kedua variabel berdistribusi normal. Data yang mempunyai distribusi
normal artinya data yang distribusinya simetris sempurna. Jika digunakan
bahasa umum disebut berbentuk kurva bel. Menurut Johnston (2004) ciri-ciri
data yang mempunyai distribusi normal ialah sebagai berikut:
 Kurva frekuensi normal menunjukkan frekuensi tertinggi berada di tengah-
tengah, yaitu berada pada rata-rata (mean) nilai distribusi dengan kurva sejajar
dan tepat sama pada bagian sisi kiri dan kanannya. Kesimpulannya, nilai yang
paling sering muncul dalam distribusi normal ialah rata-rata (average), dengan
setengahnya berada dibawah rata-rata dan setengahnya yang lain berada di atas
rata-rata.
 Kurva normal, sering juga disebut sebagai kurva bel, berbentuk simetris
sempurna.
 Karena dua bagian sisi dari tengah-tengah benar-benar simetris, maka
frekuensi nilai-nilai diatas rata-rata (mean) akan benar-benar cocok dengan
frekuensi nilai-nilai di bawah rata-rata.
 Frekuensi total semua nilai dalam populasi akan berada dalam area dibawah
kurva. Perlu diketahui bahwa area total dibawah kurva mewakili
kemungkinan munculnya karakteristik tersebut.
 Kurva normal dapat mempunyai bentuk yang berbeda-beda. Yang menentukan
bentuk-bentuk tersebut adalah nilai rata-rata dan simpangan baku (standard
deviation) populasi.
 X dan Y mempunyai hubungan linier. Hubungan linier artinya hubungan kedua
variabel membentuk garis lurus.

G. Karakteristik Korelasi
Korelasi mempunyai karakteristik-karakteristik diantaranya:
a. Kisaran Korelasi
Kisaran (range) korelasi mulai dari 0 sampai dengan 1. Korelasi dapat positif
dan dapat pula negatif.
 b. Korelasi Sama Dengan Nol
Korelasi sama dengan 0 mempunyai arti tidak ada hubungan antara dua variabel.
c. 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.
 DAFTAR PUSTAKA

Muhidin Sambas Ali dan Abdurahman Maman.2007. Analisis Korelasi, Regresi, dan
Jalur Dalam Penelitian. Bandung. Pustaka Setia.

https://www.scribd.com/doc/210114690/MAKALAH-KORELASI (diakses pada 20 april 2015)

http://warnet178meulaboh.blogspot.com/2014/02/makalah-analisis-korelasi.html (diakses pada

20 april 2015)