Koefisien Korelasi

Posted on September 1, 2013 by azzainuri — 5 Comments

Sering kali kita ingin mengetahui bagaimanakah hubungan antara satu variabel
dengan variabel lainnya. Apakah variabel X mempunyai hubungan dengan variabel Y
? Apakah nilai Matematika siswa mempunyai hubungan dengan tingkat
kecerdasannya (IQ) ? Apakah terdapat kesepakatan antara para juri dalam menilai
para pesertanya dimana dalam penilaianya skor tertinggi adalah 10 dan terendah
adalah 1 ?
Koefisien korelasi adalah nilai yang menunjukan kuat/tidaknya hubungan linier antar
dua variabel. Koefisien korelasi biasa dilambangkan dengan huruf r dimana nilai r
dapat bervariasi dari -1 sampai +1. Nilai r yang mendekati -1 atau +1 menunjukan
hubungan yang kuat antara dua variabel tersebut dan nilai r yang mendekati 0
mengindikasikan lemahnya hubungan antara dua variabel tersebut. Sedangkan
tanda + (positif) dan – (negatif) memberikan informasi mengenai arah hubungan
antara dua variabel tersebut. Jika bernilai + (positif) maka kedua variabel tersebut
memiliki hubungan yang searah. Dalam arti lain peningkatan X akan bersamaan
dengan peningkatan Y dan begitu juga sebaliknya. Jika bernilai – (negatif) artinya
korelasi antara kedua variabel tersebut bersifat berlawanan. Peningkatan nilai X akan
dibarengi dengan penurunan Y.
Koefisien korelasi pearson atau Product Moment Coefficient of Correlation adalah
nilai yang menunjukan keeratan hubungan linier dua variabel dengan skala data
interval atau rasio. Rumus yang digunakan adalah

Koefisien korelasi rangking Spearman atau Spearman rank correlation

coeficient merupakan nilai yang menunjukan keeratan hubungan linier antara dua
variabel dengan skala data ordinal. Koefisien Spearman biasa dilambangkan
dengan . Rumusnya yang digunakan adalah

Dimana di=selisih dari pasangan ke-i atau Xi – Yi ;

n = banyaknya pasangan rank

Jika variabel X dan Y independen maka nilai r = 0, akan tetapi jika nilai r=0, X dan Y
tidak selalu independen. Variabel X dan Y hanya tidak berasosiasi.
Perlu diketahui bahwa hasil dari koefisien koefisien korelasi hanya bisa digunakan
sebagai indikasi awal dalam analisa. Nilai dari koefisien korelasi tidak dapat
menggambarkan hubungan sebab akibat antara variabel X dan Y. Untuk sampai pada
adanya hubungnan sebab dan akibat diperlukan penelitian yang lebih intensif atau
dapat didasarkan pada teori yang ada dimana X mempengaruhi Y atau Y yang
mempengaruhi X.

Selain itu, dalam menganalisa hubungan antara X dan Y, tentunya harus didasarkan
adanya hubungan yang logis antara kedua variabel tersebut. Kita tidak bisa
sembarangan mengukur koefisien korelasi antara dua variabel. Misalnya, variabel Y
merupakan data mengenai banyaknya angka kecelakan yang terjadi di Jakarta pada
tahun 2013 dan variabel X adalah jumlah kasus pencurian di Jakarta pada tahun
2013. Kemudian dihitung koefisien korelasi antara variabel X dan Y, diperoleh
hubunganya yang kuat antara kedua variabel tersebut. Disini nilai koefisien korelasi
yang didapat tentunya tidak akan memiliki makna meskipun didapat nilai korelasi
yang kuat karena secara logis tingkat kecelakaan tidak memiliki hubungan dengan
tingkat pencurian yang ada.

Untuk memperjelas pemahaman akan disajikan beberapa contoh di bawah ini

Contoh 1

Di bawah ini disajikan data tentang harga rata-rata dollar Amerika dan emas 24
karat di pasaran Jakarta tiap akhir tahun selama 1970 s/d 1978.

Harga dollar US dalam Harga emas 24 karat dalam

Tahun rupiah rupiah

1970 382,00 485,00

1971 420,00 622,00

1972 420,00 876,00

 1973 420,00 1.483,00

1974 422,00 2.303,00

1975 420,00 1.900,00

1976 421,00 1.850,00

1977 420,00 2.150,00

1978 632,00 4.300,00

Sumber: Indikator Ekonomi, November 1979

Tentukan apakah terdapat Korelasi antara harga dollar US dan harga emas 24 karat?
Jelaskan artinya!

Penyelesaian

Harga dollar US = X

Harga emas 24 karat = Y

Dari data yang ada, diketahui bahwa kedua variabel, yaitu harga dollat US dan harga
emas 24 karat mempunyai skala data rasio. Maka koefisien korelasi yang digunakan
adalah Koefisien korelasi pearson
No X Y XY
X2 Y2

1 382 485 145.924 235.225 185.270

2 420 622 176.400 386.884 216.240

3 420 876 176.400 767.376 367.920

4 420 1.483 176.400 2.199.289 622.860

5 422 2.303 178.084 5.303.809 971.866

6 420 1.900 176.400 3.610.000 798.000

7 421 1.850 177.241 3.422.500 778.850

8 420 2.150 176.400 4.622.500 903.000

 18.490.00
9 632 4.300 399.424 0 2.717.600

Jumlah 3.97 15.96 39.037.5 7.561.60

5 9 1.782.673 83 6

Jadi, terdapat hubungan linier antara harga dollar US dan harga emas 24 karat
dimana hubungan linier yang terjadi dapat dikatakan kuat dan positif. Dengan
demikian, kenaikan harga dollar US terjadi bersama – sama dengan kenaikan harga
emas 24 karat. Begitu juga sebaliknya, penurunan harga dollar US terjadi berasama
– sama dengan penurunan harga emas 24 karat.

Contoh 2

Nur dan Hap diminta untuk menilai beberapa merek handphone. Dari 10 merek
handphone yang diberikan akan dinilai manakah yang paling bagus. Penilaian yang
diberikan berkisar dari nilai paling rendah, yaitu 1 dan paling tinggi 10. Hasil dari
penilaian disajikan pada tabel di bawah ini

Brand Nur Hap

 10 9
Siemens BenQ

6 10
Alcatel

8 8
Samsung

9 6
O2

5 5
Sony Ericson

7 7
Vodafone

4 3
Motorola

2 4
Sanex

1 1
Nokia
 3 2
LG

Apakah terdapat kesepakatan antara Nur dan Hap dalam memberikan penilaian
terhadap merek handphone?

Penyelesaian

Dalam contoh yang ke dua ini, dapat dilihat bahwa data yang digunakan
mempunyai skala ordinal karena data disusun berdasarkan rangking. Misalkan
rangking yang diberikan oleh Nur dilambangkan X dan Hap diwakilkan oleh Y.

Brand Rank X Rank Y

di di2

(1) (3) (5) (6) (7)

10 9 1 1
Siemens BenQ

6 10 -4 16
Alcatel

8 8 0 0
Samsung

9 6 3 9
O2
 5 5 0 0
Sony Ericson

7 7 0 0
Vodafone

4 3 1 1
Motorola

2 4 -2 4
Sanex

1 1 0 0
Nokia

3 2 1 1
LG

55 55 0 32
Total

Dengan demikian, dapat dikatakan terdapat hubungan yang linier antara Nur dan
Hap dalam memberikan penilaian terhadap kesepuluh merek handphone yang
diberikan. Hubungan linier yang terjadi adalah positif dan kuat.
Daftar Pustaka:
Dajan, Anton. 1986.Pengantar Metode Statistik Jilid I. Jakarta : LP3ES
Siegel, Sidney.1997.Statistik Nonparametrik untuk Ilmu – Ilmu Sosial. Jakarta: PT
Gramedia Pustaka Utama.
Supranto, J. 2008.Statistik Teori dan Aplikasi Edisi Ketujuh Jilid I. Jakarta : Erlangga