MAKALAH KOLERASI

Makalah ini disusun untuk memenuhi tugas mata kuliah Teknik Informatika
Dosen pengampu : Dedi setiadi, ST, MM

Disusun oleh
Indah Larassati : 41516210027
Detha Hanky : 41516210028
1
 Rizky Reza : 41516210029
Semuel : 41516210030

FAKULTAS ILMU KOMPUTER

UNIVERSITAS MERCUBUANA BEKASI
2016

2
 BAB I
PENDAHULUAN
Sepanjang sejarah umat manusia, orang melakukan penelitian tentang ada
tidaknya hubungan antara dua hal, fenomena, kejadian atau lainnya. Dan ada tidaknya
pengaruh antara satu kejadian dengan kejadian yang lainnya. Karena itu untuk
mempermudah dalam melakukan penghitungan suatu kejadian maka kita
menggunakananalisiskorelasi.

Korelasi merupakan teknik analisis yang termasuk dalam salah satu teknik
pengukuran asosiasi / hubungan (Measures of association). Teknik ini berguna untuk
mengukur kekuatan hubungan antara dua variabel (kadang lebih dari dua variabel)
dengan skala-skala tertentu. Diantara sekian banyak teknik-teknik pengukuran asosiasi,
terdapat dua teknik korelasi yang sangat populer sampai sekarang, yaitu Korelasi
Pearson Product Moment dan Korelasi Rank Spearman.

Maksud dari pembuatan makalah ini adalah untuk memberikan gambaran dan
pengetahuan mengenai hubungan suatu kejadian atau lebih kita kenal dengan istilah
korelasi. Seperti yang kita ketahui bahwa suatu kejadian/fenomena pasti mempunyai
keterkaitan satu sama lain dan pengaruh bagi lingkungan sekitar.tapi tidak semua
kejadian bisa dikaitkan dengan yang lain tergantung unsur-unsur /kriteria – kriteria apa
saja yang mempunyai keterkaitan dan yang mempengaruhinya.

Tujuan dari pembuatan makalah adalah Memberikan informasi dan wawasan

mengenai korelasi. Mengukur kekuatan hubungan antara dua variabel dengan skala-
skala tertentu dalam korelasi.

3
 BAB II

PEMBAHASAN

1. Pengertian Analisi Korelasi

Korelasi adalah istilah statistik yang menyatakan derajat hubungan linear antara
dua variabel atau lebih, (Usman,2006:197). Hubungan antara dua variabel di dalam
teknik korelasi bukanlah dalam arti hubungan sebab akibat (timbal balik), melainkan
hanya merupakan hubungan searah saja. Misalnya tinggi badan menyebabkan berat
badan bertambah tetapi berat badan bertambah belum tentu menyebabkan tinggi badan
bertambah pula. Sehingga dalam korelasi dikenal penyebab dan akibatnya. Data
penyebab atau yang mempengaruhi disebut variabel bebas, disebut juga dengan
independen yang biasa dilambangkan dengan huruf X atau X1 X2 X3,... Xn. Sedangkan
data akibat atau yang dipengaruhi disebut variabel terikat, disebut juga dependen yang
biasa dilambangkan dengan huruf Y,

(Usman,2006:197)

Variabel-variabel yang akan dihubungkan terdiri atas berbagai tingkatan data

meliputi data nominal, ordinal, interval, dan rasio. Tingkatan data tersebut menentukan
analisis korelasi mana yang paling tepat digunakan.
Ada beberapa jenis analisis korelasi atau koefisien korelasi seperti pada tabel :
TEKNIK KORELASI DUA VARIABEL BIVARIANT UNTUK
BERBAGAI VARIABEL
Teknik korelasi Simbol Variabel 1 Variabel 2 Keterangan
Product R Interval interval Teknik yang paling banyak
dipakai, khususnya untuk
mendapatkan
standar kesalahan terkecil
Rank Ρ Ordinal ordinal Sering dipakai sebagai
pengganti produk momen
terutama jika sampel
kurang dari 30
Tan Kendal Τ Ordinal ordinal Untuk pengganti jika

4
 sampel kurang dari 10

Biserial rbis Interval interval Kadang-kadang lebih dari 1

= standar kesalahan lebih
besar dari r umumnya
dipakai untuk analisis item
Biserial rwbs Interval interval Khususnya dipakai untuk
perseorangan yang ekstrem
Widespread
dalam dikotomi
variabel
Point Biserial rpbis Interval interval Hasilnya lebih tendah

daripada rbis
s
Tentrachoris S Dikotomi Dikotomi Digunakan jika kedua
Artifisial Artifisial variabel dapat dipecah
Buatan Buatan pada titik kritis
Phi Ф Dikotomi Dikotomi Digunakan pada
sebenarnya sebenarnya perhitungan antara analisis
item
Contingensi Ε 2 kategori 2 kategori atau Ialah kondisi khusus dapat
atau lebih lebih dibandingkan dengan rτ –
berhubungan erat dengan
chi kuadrat
Rasio otomatis Η Interval interval Digunakan untuk
mengetahui hubungan
nonlinear
(Disadur dari Usman, H, 2006, hal 199)

Analisis Korelasi betujuan untuk mengetahui keeratan hubungan (kuatlemahnya)

hubungan antara variabel bebas X dengan variabel terikat Y, tanpa melihat bentuk
hubungannya, apakah linear atau tidak linear. Kuat-lemahnya hubungan antara dua
variabel dilihat dari koefisisen korelasinya.

2. Koefisien Korelasi

Koefisien korelasi merupakan indeks atau bilangan yang digunakan untuk

mengukur keeratan (kuat, lemah, atau tidak ada) hubungan antarvariabel.

Koefisien Korelasi variabel yang diukur

5
1. Produk Momen Pearson kedua variabelnya berskala interval
2. Order Rank Sperman kedua variabelnya berskala ordinal
(Disadur dari Usman, H, 2006, hal 199)

Koefisien korelasi memiliki nilai antara -1 dan +1 (-1≤KK≤+1), (Hasan, 2008:

234)
1) Jika KK positif maka variabel-variabel berkorelasi positif. Semakin dekat nilai KK
ke +1 semakin kuat korelasinya, demikian pula sebaliknya
2) Jika KK bernilai negatif maka variabel-variabel berkorelasi negatif. Semakin dekat
nilai KK ke -1 semakin kuat korelasinya, demikian pula sebaliknya.
3) Jika KK berniali 0 maka variabel-variabel tidak menunjukkan korelasi.

4) Jika KK bernilai +1 atau -1 maka variabel menunjukkan korelasi positif atau negatif
yang sempurna
Untuk menentukan keeratan hubungan / korelasi antar variabel tersebut, berikut
ini diberikan nilai-nilai dari KK sebagai patokan, (Hasan, 2008: 234).
1) KK = 0 tidak ada korelasi

2) 0 < KK ≤ 0,20 korelasi sangat rendah / lemah sekali

3) 0,20 < KK ≤ 0,40 korelasi rendah / lemah tapi pasti

4) 0,40 < KK ≤ 0,70 korelasi yang cukup berarti

5) 0,70 < KK ≤ 0,90 korelasi yang tinggi; kuat

6) 0,90 < KK ≤ 1,00 korelasi yang sangat tinggi; kuat sekali, dapat
diandalkan.
7) KK = 1 korelasi sempurna.

3. Jenis-jenis Koefisien/analisis Korelasi

a. Analisis Korelasi Person Prodact Moment (r)

Teknik analisis Korelasi Product moment termasuk teknik statistik para metrik
yang menggunakan interval dan ratio dengan persyaratan tertentu. Misalnya: data dipilih
secara acak (random); datanya berdistribusi normal; data yang dihubungkan berpola

6
linier; dan data yang dihubungkan mempunyai pasangan yang sama sesuai dengan
subjek yang sama. Kalau salah satu tidak terpunuhi persaratan tersebut analisis korelasi
tidak dapat dilakukan. Rumus yang digunakan Korelasi Prodact Moment adalah:

Sudjana (2002:369)

Langkah-langkah menghitung korelasi Product Moment

 Membuat Ha dan Ho dalam bentuk kalimat

 Membuat Tabel
 Mencari rhitung
 Mencari besarnya sumbangan variabel X terhadap variabel Y
 Menghitung signifikansi dengan rumus thitung
 Membuat kesimpulan

b. Analisis Korelasi Rank Spearman (P)

Korelasi rank dipakai apabila: (1) kedua variabel yang akan dikorelasikan
itumempunyai tingkatan data ordinal, (2) jumlah anggota sampel di bawah 30 (sampel
kecil), (3) data tersebut memang diubah dari interval ke ordinal, dan (4) data interval
tersebut ternyata tidak berdistribusi normal.

Korelasi rank ini ditemukan oleh Spearman, sehingga disebut juga sebagai
korelasi Spearman. Korelasi .ini dapat juga disebut sebagai korelasi bertingkat, korelasi
berjenjang, korelasi berurutan, ataukorelasi berpangkat.

Besarnya hubungan antara dua variabel atau derajat hubungan yang mengukur
korelasi berpangkat disebut koefisien korelasi berpangkat atau koefisien korelasi
Spearman yang dinyatakan dengan lambang rs.Makna dan kelayakan nilai r seperti
halnya dengan yang diuraikan dalam korelasi Product moment.

Korelasi Spearman

7
 Korelasi Spearman—Brown

2rs
rii 1
1rs

 Tulis Ha dan Ho dalam bentuk kalimat

 Tulis Ha dan Ho dalam bentuk statistic

 Membuat tabel

 Mencari dengan rumus

 Menentukan taraf signifikan

 Bandingkan rs hirung dengan rtabel  Membuat kesimpulan

4. Koefisien Penentu (KP) atau Koefisien Determinasi (R)

Apabila koefisien korelasi dikuadratkan, akan menjadi koefisien penentu (KP)

atau koefisien determinasi, yang artinya penyebab perubahan pada variabel Y yang
datang dari variabel X, sebesar kuadrat koefisien korelasinya. Koefisien penentu ini
menjelaskan besarnya pengaruh nilai suatu variabel (variabel X) terhadap naik turunnya
(variasi) nilai variabel lainnya (variabel Y).
Dirumuskan: 𝐾� = � = (𝐾𝐾)2 �100%

Nilai koefisien penentu ini terletak antara 0 dan +1 (0 ≤ KP ≤ +1). Jika koefisien
korelasinya adalah koefisien korelasi Pearson (r) maka koefisien
penentunya 𝐾� = � = (�)2�100%

8
5. Pendugaan Koefisien Korelasi Populasi

Pendugaan koefisien korelasi populasi (interval keyakinan ρ) menggunakan

distribusi Z. Pendugaannya dapat dilakukan dengan terlebih dahulu mengubah koefisien
korelasi sampel r menjadi nilai Zr, yang dalam bentuk persamaan dituliskan

Variabel Zr akan mendekati distribusi normal dengan rata-rata dan varians

sebagai berikut

Untuk µZr, pendugaan intervalnya secara umum dirumuskan

Atau

Dengan melakukan transformasi nilai , maka diperoleh pendugaan interval bagi

koefisien korelasi populasi (ρ) dengan tingkat keyakinan 1-α.
Contoh :

Sebuah sampel acak dengan ukuran n = 28 telah diambil dari sebuah populasi normal
bervariabel dua. Dari sampel itu didapat r=0,80. Tentukan taksiran koefisien korelasi ρ
untuk populasi Jawab :
Titik taksiran dapat ditentukan ialah ρ = 0,80. Untuk menentukan interval taksiran ρ
dengan angka kepercayaan 95%.

atau 0,7066 < < 1,4906

batas-batas yang diatas di substitusikan ke dalam rumus

9
  untuk = 0,7066 didapat :

0,7066 =

= 0,06137 yang menghasilkan = 0,609.

 untuk = 1,4906 didapat:

1,4906 =

= 1,2947 yang menghasilkan = 0,903.

Interval taksiran dengan angka kepercayaan 95% adalah :

0,609 < < 0,903

6.Pengujian Hipotesis

Pengujian hipotesis yaitu uji signifikansi yang berfungsi apabila peneliti ingin
mencari makna atau mencari kesimpulan hubungan variabel X terhadap Y, maka hasil
korelasi tersebut diuji dengan uji Signifikansi dengan rumus :

rn2

thitung  1 r2

keterangan: thitung = Nilai t r = Nilai Koefisien

korelasi n = Jumlah Sampel
Contoh soal analisis korelasi product moment

”Hubungan Motivasi dengan Kinerja Guru”

Motivasi (X) : 60; 70; 75; 65; 70; 60; 80; 75; 85; 90; 70; dan 85

Kinerja (Y) : 450; 475; 450; 470; 475; 455; 475; 470; 485; 480; 475;dan 480.

Pertanyaan ;

a. Berapakah besar hubungan motivasi dengan kinerja dosen?

10
 b. Berapakah besar sumbangan (kontribusi) motivasi dengan kinerja dosen?
c. Buktikan apakah ada hubungan yang signifikan motivasi dengan kinerja dosen?
Langkah-langkah menjawab:

Langkah 1.

Membuat Ha dan Ho dalam bentuk kalimat :

Ha : ada hubungan yang signifikan motivasi dengan kinerja dosen.

Ho : Tidak ada hubungan yang signifikan motivasi dengan kinerja dosen.

Langkah 2.

Membuat Ha dan Ho dalam bentuk statistik;

Ha : r ≠ 0
Ho : r = 0

Langkah 3.

Membuat tabel penolong untuk menghitung Korelasi PPM:

No X Y X2 Y2 XY

11
 1. 60 450 3600 202500 27000

2. 70 475 4900 225625 33250

75 450 5625 202500 33750
3.
65 470 4225 220900 30550
4. 70 475 4900 225625 33250
60 455 3600 207025 27300
5.
80 475 6400 225625 38000
6. 75 470 5625 220900 35250
85 485 7225 235225 41225
7.
90 480 8100 230400 43200
8. 70 475 4900 225625 33250
85 480 7225 230400 40800
9.

10.

11.

12.
Statistik X Y X2 Y2 XY

Jumlah 885 5640 66325 2652350 416825

Mencari rhitung dengan cara masukkan angka statistik dari tabel penolong dengan rumus ;

r n XY  ( X)(Y)

{n X 2  ( X)2}{nY 2  (Y)2}

r 12(416.825)  (885).(5.460)

{12.(66.325)  (885)2}.{12.(2.652.350)  (5.640)2}

169.900 169.00
r   0,465
133.463.835.000 365.327,02

12
Langkah 4

Mencari besarnya sumbangan (konstribusi) variabel X terhadap Y dengan rumus :

KP = r2 x 100% = 0,4652 x 100% = 21,62 %.

Artinya motivasi memberikan konstribusi terhadap kinerja dosen sebesar 21,62% dan
sisanya 78,38% ditentukan oleh variabel lain.

Langkah 5

Menguji signifikan dengan rumus thitung :

rn2 0,465 12  2 2,15

thitung  1 r2  1 0,684 2  0,88  3,329

Kaidah pengujian :

Jika thitung ≥ ttabel, maka tolak Ho artinya signifikan dan thitung ≤ ttabel,
terima Ho artinya tidak signifikan.
Berdasarkan perhitungan di atas , α = 0,05 dan n = 12, uji dua pihak; dk = n
- 2 = 12 – 2 = 10 sehingga diperoleh ttabel = 2,228
Ternyata thitung lebih besar dari ttabel, atau 3,329 > 2,228, maka Ho ditolak,
artinya ada hubungan yang signifikan motivasi dengan kinerja dosen.

langkah 6

Membuat kesimpulan
1. Berapakah besar hubungan motivasi dengan kinerja dosen? rxy sebesar 0,465
kategori cukup kuat.
2. Berapakah besar sumbangan (konstribusi) motivasi dengan kinerja dosen?

13
 KP = r 2 x 100% = 0,4652 x 100% = 21,62%. Artinya motifasi memberikan
konstribusi terhadap kinerja dosen sebesar 21,62% dan sisanya 78,38%
ditentukan oleh variable lain.

3. Buktikan apakah ada hubungan yang signifikan motivasi dengan kinerja dosen?
terbukti bahwa ada hubungan yang signifikan motivasi dengan kinerja
dosen.Ternyata thitung lebih besar dari ttabel, atau 3,329 > 2,228, maka Ho ditolak,
artinya ada hubungan yang signifikan motivasi dengan kinerja dosen.
Contoh soal analisis korelasi rank spearman :

Diketahui data
X Y
2 2
3 3
2 1
3 2
3 3
1 2

Ditanyakan:

1. Bagaimana hubungan X dengan Y?

2. Jika X sebagai penilaian juri A dan Y sebagai penilaian juri B.Apakah kedua
penilaian itu ada kesesuaian (kecocokan)?
3. Jika X sebagai jumlah nilai genap dan Y jumlah nilai ganjil. Apakah alat
pengumpul data tersebut reliabel?
Jawab:

1. Tulis Ha dan Ho dalam bentuk kalimat.

a. Ha Terdapat hubungan yang positif den signifikan, antara variabel X dengan Y.
b. Ho Tidak terdapat hubungan yang positif dan signifikan antara variabel X dengan
Y

14
2. Tulis Ha dan Ho dalam bentuk statistik

a. Ha : r≠0

b. Ho : r=0

3. Tabel penolong analisis korelasi rank spearman.

Nilai Nilai Rank Rank Beda(b) (b2)
Genap Ganjil Genap Ganjil
2 2 4,50 4 0,50 0,25
3 3 2 1,50 0,50 0,25
2 1 4,50 6 -1,50 2,25
3 2 2 4 -2 4
3 2 2 1,50 0,50 0,25
1 3 6 4 2 4
JUMLAH 0 11
Cara menghitung rank genap.

a. Urutkan data genap mulai yang terbesar sampai terkecil, sehingga data genap (X)
menjadi sebagai berikut:
Urutan ke- Nilai Data Rangking
1 3 2
2 3 2
3 3 2
4 2 4,5
5 2 4,5
6 1 6

b. Periksa dulu apakah nilai data yang diurutkan sudah cocok dengan banyaknya
anggota ota sampel? Dalam halini sudahada enam urutanmentah.
Setelah cocok lanjutkan menghitung urutan matang (ranking ke-) dengan cara,
sebagai beriktt:

15
 Nilai 3 Merupakan ranking ke 2

Nilai 2 Merupakan ranking ke  4,50

Nilai 1 Merupakan ranking ke- - 6

c. Masukkan ranking tersebut ke dalam tabel penolong sesuai dengannilai data

masing – masing. Dengancara yang sama makaranking ke- n, untuk data nilai
ganjil dapat di hitung.
d. Cari selisih ranking nilai genap dengan rangkin nilai ganjil.

e. Jumlahkan semua selisih rankin tersebut,jika = 0 berarti perhitungan betul dan

lanjutkan.
f. Kuadratkan selisih ranking(b) tersebut, kemudian jumlahkan sehingga
menjadi b2.
4. Masukkan nilai yang di dapat dalam tabel penolong itu ke dalam rumus Spearman,
sehingga di dapat.

ra hitung = 1

= 1 – 66/212

= 0,678

5. Taraf signifikansi (α) = 0,05

6. Tentukan kriterianya yaitu:

Jika – rs table <rs hitung<rs tabel, maka Ho diterima atau korelasinya tidak signifikan.

7. Tentukan dk = 6 – 2= 4 dan taraf signifikan (α = 0,05) dengan melihat tabel t di

dapat nilai ttabel = 2,776
8. Ternyata – 2,776 < 0,499 < 2,776 atau – t tabel< thitung< ttabel sehingga Ho diterima atau
korelasinya tidak signifikan.

16
9. Kesimpulannya.hubungan antara variabel X dengan variabel Y ternyata positif (agak
cukup) dan tidak signifikan.
Jawaban nomor 2, langkah – langkanya sama dengan di atas hanya istilah
signifikan dengan kesesuaian.

Jawaban nomor 3, dimulai dari langkah – langkah 4 dan lanjutkan dengan

memasukkan nilai r ke rumus Spearmaan – Brown, sehingga di dapat.

rii 

= 0,814

6. Tentukan kriterianya yaitu:

Jika – t ii tabel< t ii hitung < t tabel sehingga Ho diterima atau tidak reliable.

rii tabel pada daftar r kritis untuk Spearman dengan α = 0.05 dan n = 6 didapat r
ii tabel = 0.829
Ternyata —0,828 < 0,814 < 0,829 ataurs tabel<rs hitung< rs tabel sehingga H. diterima atau
alat pengumpul datanya tidak reliabel.

Kesimpulannya: Alat pengumpul data tersebut tidak reliabel untuk mengukur

variabel tertentu.

17
 BAB III

KESIMPULAN

Korelasi merupakan hubungan antara dua kebijakan dimana kejadian yang satu dapat
mempengaruhi eksistensi kejadian yang lain. Misalnya kejadian X mempengaruhi
kejadian Y. Apabila dua variable X dan Y mempunyai hubungan, maka nilai variable X
yang sudah diketahui dapat dipergunakan untuk memperkirakan, menaksir atau
meramalkan Y. Ramalan pada dasarnya merupakan perkiraan, taksiran mengenai
terjadinya suatu kejadian (nilai variable) untuk waktu yang akan datang. Variable yang
nilainya akan diramalkan disebut variable tidak bebas (dependent variable), sedangkan
variable X yang nilainya dipergunakan untuk meramalkan nilai Y disebut variable bebas
(independent variable) atau variable peramal (predictor) atau seringkali disebut variable
yang menerangkan (explanatory). Jadi jelas analisis korelasi ini memungkinkan kita
untuk mengtahui suatu diluar hasil penyelidikan, Salah satu cara untuk melakukan
peramalan adalah dengan menggunakan garis regresi. untuk menghitung parameter yang
akan dijadikan dalam penentuan hubungan antara dua variable, terdapat beberapa cara,
yaitu: koefisien determinasi dan koefisien korelasi.

18
 DAFTAR PUSTAKA

Hasan, Iqbal.2006. Analisis Data Penelitian Statistik. Jakarta: Bumi Aksara Sudjana.
2002. Metode Statistika. Bandung: Tarsito.
Usman, H. 2006. Pengantar Statistika. Jakarta: Bumi Aksara

19