MAKALAH STATISTIK

“KOEFISIEN KORELASI DAN REGRESI LINEAR

SEDERHANA”

S T AI N

Disusun Oleh :
Reski Wayu Ningsih
Wirda Sari
Sari Juwita

Dosen Pengampu :
Mulyadi, Sd. M.Pd.I

JURUSAN SIYASAH SYAR’IYYAH

SEKOLAH TINGGI AGAMA ISLAM NEGERI BENGKALIS
TAHUN 2018
 KATA PENGANTAR

Puji syukur kami ucapkan ke hadirat Tuhan Yang Maha Esa, karena dengan karunia-

Nya kami dapat menyelesaikan makalah STATISTIK yang berjudul “KOEFISIEN

KORELASI DAN REGRESI LINEAR SEDERHANA”. Meskipun banyak hambatan yang

kami alami dalam proses pengerjaannya, tapi kami berhasil menyelesaikan makalah ini tepat

pada waktunya. Kami mengucapkan terimakasih kepada teman-teman mahasiswa yang juga

sudah memberi kontribusi baik langsung maupun tidak langsung dalam pembuatan karya

makalah ini. Tentunya ada hal-hal yang ingin kami berikan kepada mahasiswa dari hasil

penulisan dan pemaparan makalah ini. Karena itu kami berharap semoga makalah yang kami

susun ini dapat menjadi sesuatu yang berguna bagi kita bersama.

Penulis menyadari bahwa dalam menyusun makalah ini masih jauh dari

kesempurnaan, untuk itu penulis sangat mengharapkan kritik dan saran yang bersifat

membangun guna sempurnanya makalah ini. Penulis berharap semoga makalah ini bisa

bermanfaat bagi penulis khususnya dan bagi pembaca pada umumnya.

Bengkalis, 19 September 2018

Penulis

i
 DAFTAR ISI

Kata Pengantar ............................................................................................................................. i

Daftar Isi ...................................................................................................................................... ii

BAB I : PENDAHULUAN

A. Latar Belakang.................................................................................................................... 1
B. Rumusan Masalah .............................................................................................................. 1

BAB II : PEMBAHASAN
A. Pengertian korelasi ............................................................................................................. 2
B. Macam-macam korelasi...................................................................................................... 3
C. Koefisien Korelasi dan kegunaannya ................................................................................. 5
D. Analisis Korelasi Data Kelompok ...................................................................................... 10
E. Korelasi Spearman Rank .................................................................................................... 13
F. Analisis Korelasi Data Kualitatif........................................................................................ 16
G. Analisis Regresi Linear Sederhana Secara Manual ............................................................ 17

BAB III : PENUTUP

A. Kesimpulan ......................................................................................................................... 20

Daftar Pustaka .............................................................................................................................. 21

ii
 BAB I
PENDAHULUAN

A. LATAR BELAKANG

Hukum acara perdata adalah rangkaian-rangkaian peraturan-peraturan yang memuat

cara bagaimana orang harus bertindak terhadap dan di muka pengadilan dan cara bagaimana
pengadilan itu harus bertindak, satu sama lain untuk melaksanakan berjalannya peraturan-
peraturan hukum perdata.
Putusan hakim merupakan bagian dari hukum acara perdata yang meliputi arti
putusan hakim, susunan, macam-macam dan putusan oleh karena itu penulis merasa tertarik
untuk membahas dalam makalah ini.

B. RUMUSAN MASALAH
Adapun masalah dalam makalah ini adalah :

a. Pengertian Korelasi
b. Macam-macam Korelasi
c. Koefisien Korelasi dan Kegunaannya
d. Analisis Korelasi Data Kelompok
e. Korelasi Spearman Rank
f. Analisis Korelasi Data Kualitatif
g. Analisis Regresi Linear Sederhana Secara Manual

1
 BAB II
PEMBAHASAN

A. PENGERTIAN KORELASI

Secara sederhana, korelasi dapat diartikan sebagai hubungan. Namun ketika

dikembangkan lebih jauh, korelasi tidak hanya dapat dipahami sebatas pengertian tersebut.
Korelasi merupakan salah satu teknik analisis dalam statistik yang digunakan untuk mencari
hubungan antara dua variabel yang bersifat kuantitatif. Hubungan dua variabel tersebut dapat
terjadi karena adanya hubungan sebab akibat atau dapat pula terjadi karena kebetulan saja.
Dua variabel dikatakan berkolerasi apabila perubahan pada variabel yang satu akan diikuti
perubahan pada variabel yang lain secara teratur dengan arah yang sama (korelasi positif)
atau berlawanan (korelasi negatif).
Dalam Matematika, korelasi merupakan ukuran dari seberapa dekat dua variabel
berubah dalam hubungan satu sama lain. Sebagai contoh, kita bisa menggunakan tinggi badan
dan usia siswa SD sebagai variabel dalam korelasi positif. Semakin tua usia siswa SD, maka
tinggi badannya pun menjadi semakin tinggi. Hubungan ini disebut korelasi positif karena
kedua variabel mengalami perubahan ke arah yang sama, yakni dengan meningkatnya usia,
maka tinggi badan pun ikut meningkat.
Sementara itu, kita bisa menggunakan nilai dan tingkat ketidak hadiran siswa sebagai
contoh dalam korelasi negatif. Semakin tinggi tingkat ketidak hadiran siswa di kelas, maka
nilai yang diperolehnya cenderung semakin rendah. Hubungan ini disebut korelasi negatif
karena kedua variabel mengalami perubahan ke arah yang berlawanan, yakni dengan
meningkatnya tingkat ketidak hadiran, maka nilai siswa justru menurun.
Kedua variabel yang dibandingkan satu sama lain dalam korelasi dapat dibedakan
menjadi variabel independen dan variabel dependen. Sesuai dengan namanya, variabel
independen adalah variabel yang perubahannya cenderung di luar kendali manusia.
Sementara itu variabel dependen adalah variabel yang dapat berubah sebagai akibat dari
perubahan variabel indipenden. Hubungan ini dapat dicontohkan dengan ilustrasi
pertumbuhan tanaman dengan variabel sinar matahari dan tinggi tanaman. Sinar matahari
merupakan variabel independen karena intensitas cahaya yang dihasilkan oleh matahari tidak
dapat diatur oleh manusia. Sedangkan tinggi tanaman merupakan variabel dependen karena
perubahan tinggi tanaman dipengaruhi langsung oleh intensitas cahaya matahari sebagai
variabel indipenden.

2
B. MACAM-MACAM KORELASI

Korelasi sebagai sebuah analisis memiliki berbagai jenis menurut tingkatannya.

Beberapa tingkatan korelasi yang telah dikenal selama ini antara lain adalah korelasi
sederhana, korelasi parsial, dan korelasi ganda. Berikut ini adalah penjelasan dari masing-
masing korelasi dan bagaimana cara menghitung hubungan dari masing-masing korelasi
tersebut.

1. Korelasi Sederhana
Korelasi Sederhana merupakan suatu teknik statistik yang dipergunakan untuk mengukur
kekuatan hubungan antara 2 variabel dan juga untuk dapat mengetahui bentuk hubungan
keduanya dengan hasil yang bersifat kuantitatif. Kekuatan hubungan antara 2 variabel yang
dimaksud adalah apakah hubungan tersebut erat, lemah, ataupun tidak erat. Sedangkan
bentuk hubungannya adalah apakah bentuk korelasinya linear positifataupun linear negatif.
Di antara sekian banyak teknik-teknik pengukuran asosiasi, terdapat dua teknik korelasi
yang sangat populer sampai sekarang, yaitu Korelasi Pearson Product Moment dan Korelasi
Rank Spearman. Lalu apa perbedaan di antara keduanya?
Korelasi Pearson Product Moment adalah korelasi yang digunakan untuk data kontinu
dan data diskrit. Korelasi pearson cocok digunakan untuk statistik parametrik. Ketika data
berjumlah besar dan memiliki ukuran parameter seperti mean dan standar deviasi populasi.
Korelasi Pearson menghitung korelasi dengan menggunakan variasi data. Keragaman
data tersebut dapat menunjukkan korelasinya. Korelasi ini menghitung data apa adanya, tidak
membuat ranking atas data yang digunakan seperti pada korelasi Rank Spearman. Ketika kita
memiliki data numerik seperti nilai tukar rupiah, data rasio keuangan, tingkat pertumbuhan
ekonomi, data berat badan dan contoh data numerik lainnya, maka Korelasi Pearson Product
Moment cocok digunakan.
Sebaliknya, Koefisien Korelasi Rank Spearman digunakan untuk data diskrit dan kontinu
namun untuk statistik nonparametrik. Koefisien korelasi Rank Spearman lebih cocok untuk
digunakan pada statistik nonparametrik. Statistik nonparametrik adalah statistik yang
digunakan ketika data tidak memiliki informasi parameter, data tidak berdistribusi normal
atau data diukur dalam bentuk ranking. Berbeda dengan Korelasi Pearson, korelasi ini tidak
memerlukan asumsi normalitas, maka korelasi Rank Spearman cocok juga digunakan untuk
data dengan sampel kecil.
Korelasi Rank Spearman menghitung korelasi dengan menghitung ranking data terlebih
dahulu. Artinya korelasi dihitung berdasarkan orde data. Ketika peneliti berhadapan dengan

3
data kategorik seperti kategori pekerjaan, tingkat pendidikan, kelompok usia, dan contoh data
ketegorik lainnya, maka Korelasi Rank Spearman cocok digunakan. Korelasi Rank Spearman
pun cocok digunakan pada kondisi dimana peneliti dihadapkan pada data numerik (kurs
rupiah, rasio keuangan, pertumbuhan ekonomi), namun peneliti tidak memiliki cukup banyak
data (data kurang dari 30).

2. Korelasi Parsial
Korelasi parsial adalah suatu metode pengukuran keeratan hubungan (korelasi) antara
variabel bebas dan variabel tak bebas dengan mengontrol salah satu variabel bebas untuk
melihat korelasi natural antara variabel yang tidak terkontrol. Analisis korelasi parsial
(partial correlation) melibatkan dua variabel. Satu buah variabel yang dianggap berpengaruh
akan dikendalikan atau dibuat tetap (sebagai variabel kontrol).
Sebagai contoh misalnya kita akan meneliti hubungan variabel X2 dan variabel bebas Y,
dengan X1 dikontrol (korelasi parsial). Disini variabel yang dikontrol (X1) dikeluarkan atau
dibuat konstan. Sehingga X2’ = X2 – (b2X1 + a2 ) dan Y’ = Y – (b1 X1 +a1 ), tetapi nilai a
dan b didapatkan dengan menggunakan regresi linear. Setelah hasilnya diperoleh, kemudian
dicari regresi X2‘ dengan Y’ dimana : Y’ = b3X2’ +a3. Korelasi yang didapatkan dan sejalan
dengan model-model di atas dinamakan korelasi parsial X2 dan Y sedangkan X1 dibuat
konstan.
Nilai korelasi berkisar antara 1 sampai -1, nilai semakin mendekati 1 atau -1 berarti
hubungan antara dua variabel semakin kuat. Sebaliknya, jika nilai mendekati 0 berarti
hubungan antara dua variabel semakin lemah. Nilai positif menunjukkan hubungan searah (X
naik, maka Y naik) sementara nilai negatif menunjukkan hubungan terbalik (X naik, maka Y
turun).
Data yang digunakan dalam korelasi parsial biasanya memiliki skala interval atau rasio.
Berikut adalah pedoman untuk memberikan interpretasi serta analisis bagi koefisien korelasi
menurut Sugiyono:

0.00 - 0,199 = sangat rendah

0,20 - 0,3999 = rendah

0,40 - 0,5999 = sedang

0,60 - 0,799 = kuat

0,80 - 1,000 = sangat kuat

4
3. Korelasi Ganda
Korelasi ganda adalah bentuk korelasi yang digunakan untuk melihat hubungan antara
tiga atau lebih variabel (dua atau lebih variabel independen dan satu variabel dependent.
Korelasi ganda berkaitan dengan interkorelasi variabel-variabel independen sebagaimana
korelasi mereka dengan variabel dependen.
Korelasi ganda adalah suatu nilai yang memberikan kuatnya pengaruh atau hubungan
dua variabel atau lebih secara bersama-sama dengan variabel lain. Korelasi ganda merupakan
korelasi yang terdiri dari dua atau lebih variabel bebas (X1,X2,…..Xn) serta satu variabel
terikat (Y). Apabila perumusan masalahnya terdiri dari tiga masalah, maka hubungan antara
masing-masing variabel dilakukan dengan cara perhitungan korelasi sederhana.
Korelasi ganda memiliki koefisien korelasi, yakni besar kecilnya hubungan antara dua
variabel yang dinyatakan dalam bilangan. Koefisien Korelasi disimbolkan dengan huruf R.
Besarnya Koefisien Korelasi adalah antara -1; 0; dan +1.
Besarnya korelasi -1 adalah negatif sempurna yakni terdapat hubungan di antara dua
variabel atau lebih namun arahnya terbalik, +1 adalah korelasi yang positif sempurna (sangat
kuat) yakni adanya sebuah hubungan di antara dua variabel atau lebih tersebut, sedangkan
koefisien korelasi 0 dianggap tidak terdapat hubungan antara dua variabel atau lebih yang
diuji sehingga dapat dikatakan tidak ada hubungan sama sekali.

C. KOEFISIEN KORELASI DAN KEGUNAANNYA

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

5
 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.

6
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 Harga emas 24 karat
Tahun
dalam rupiah dalam 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

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 X2 Y2 XY
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
9 632 4.300 399.424 18.490.000 2.717.600
Jumlah 3.975 15.969 1.782.673 39.037.583 7.561.606

7
 3,037
1.506.999.253
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
Siemens 10 9
BenQ
Alcatel 6 10
Samsung 8 8
O2 9 6
Sony Ericson 5 5
Vodafone 7 7
Motorola 4 3
Sanex 2 4
Nokia 1 1
LG 3 2

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

8
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)
Siemens BenQ 10 9 1 1
Alcatel 6 10 -4 16
Samsung 8 8 0 0
O2 9 6 3 9
Sony Ericson 5 5 0 0
Vodafone 7 7 0 0
Motorola 4 3 1 1
Sanex 2 4 -2 4
Nokia 1 1 0 0
LG 3 2 1 1
Total 55 55 0 32

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.

9
D. ANALISIS KORELASI DATA BERKELOMPOK

10
 u -2 -1 0 1 2 3 fv
v
2 2 4 4 10
1 1 4 6 5 16
0 5 10 8 1 24
-1 1 4 9 5 2 21
-2 3 6 6 2 17
-3 3 5 4 12
fu 7 15 25 23 20 10 100
11
n  100; uvf  125;  uf  64; u

 vf  55;  u f  236;  v f
v
2
u
2
v  253

n uvf    uf u  vfv 

r
 
n  u 2 f u   uf u 
2
 
n  v 2 f v   vfv 
2

r
100125  64 55
100236  642 100253   552
r  0,77

12
E. KORELASI SPEARMAN RANK

Korelasi Rank Spearman digunakan untuk mencari hubungan atau untuk menguji
signifikansi hipotesis asosiatif 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 ρ hitung > dari ρ tabel

 Ho diterima bila harga ρ hitung ≤ dari ρ tabel

Penyajian data

Jawaban responden yang telah terkumpul ditunjukkan pada Tabel 1 berikut ini:

13
Tabel 1. Nilai Motivasi dan Prestasi

Nomor responden Jumlah Skor Jumlah skor

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:

ρ = 1 – ( 6Σbi 2 : N ( N2 – 1 )

ρ = 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 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. Lanjutkan saja…..

14
Tabel 2. Tabel penolong untuk menghitung koefisien korelasi Spearman Rank.

Nomor Nilai Nilai Prestasi Peringkat Peringkat bi bi2

Responden Motivasi dari Resp. II (Xi) (Yi)
Resp. I (Xi) (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 :

ρ = 1 – 6.7 : ( 10 x 102 -1 ) = 1 – 0,04 = 0,96

Sebagai interpretasi, angka ini perlu dibandingkan dengan tabel nilai-nilai ρ(dibaca: rho)
dalam Tabel 3. Dari tabel itu terlihat bahwa untuk n = 10, dengan derajat kesalahan 5 %
diperoleh harga 0,648 dan untuk 1 % = 0,794. Hasil ρ hitung ternyata lebih besar dari ρ tabel

Derajat kesalahan 5 %….. 0,96 > 0,648

Derajat kesalahan 1 %….. 0,96 > 0,794

Hal ini berarti menolak Ho dan menerima Ha.

Kesimpulan :

Terdapat hubungan yang nyata/signifikan antara Motivasi (Xi) dengan Prestasi (Yi). Dalam
hal ini hipotesis nolnya (Ho) adalah: tidak ada hubungan antara variabel Motivasi (Xi)
dengan Prestasi (Yi). Sedangkan hipotesis alternatifnya (Ha) adalah: terdapat hubungan yang
positif dan signifikan antara variabel Motivasi (Xi) dengan Prestasi (Yi). Dengan demikian
hipotesis nol (Ho) ditolak dan hipotesis alternatif (Ha) diterima. Atau dengan kata lain bahwa
variabel Motivasi mempunyai hubungan yang signifikan dengan Prestasi.

15
F. ANALISIS KORELASI DATA KUALITATIF

Kasus :

Untuk mengetahui apakah ada hubungan antara tingkat pendapatan masyarakat disuatu
wilayah dengan tingkat kriminalitas diwilayah tersebut, dilakukan penelitian yang hasilnya
berikut :

Pendapatan Kriminalitas
Masyarakat Sangat sering terjadi Sering tejadi Jarang terjadi
Tinggi 1 4 20
Sedang 9 7 10
Rendah 16 12 3

Solusi

Buat tabel penolong :

1 2 3 Jumlah
(1) (2) (3) (4) (5)
Tinggi 1 4 20 n1 25
Sedang 9 7 10 n2 26
Rendah 16 12 3 n3 31
Jumlah n1 26 n2 23 n3 33 82

e11 = ((n1 . n1)/n) = ((25).(26)/82) = 7,926829

e12 = ((n1 . n2)/n) = ((25).(23)/82) = 7,012195

e13 = ((n1 . n3)/n) = ((25).(33)/ 82) = 10,06098

e21 = ((n2 . n1)/n) = ((26).(26)/ 82) = 8,243902

e22 = ((n2 . n2)/n) = ((26).(23)/ 82) = 7,292683

e23 = ((n2 . n3)/n) = ((26).(33)/ 82) = 10,46341

e31 = ((n3 . n1)/n) = ((31).(26)/ 82) = 9,829268

e32 = ((n3 . n2)/n) = ((31).(23)/ 82) = 8,695122

e33 = ((n3 . n3)/n) = ((31).(33)/ 82) = 12,47561

16
kemudian dari data diatas dicari nilai X2-nya, sebagai berikut :

 Jumlah baris = jumlah kolom = 3 maka r = 3

 Maka batas Cc = √ (3-1)/3 = 0.82

Perbandingan Cc dengan batas Cc = 0,51497/ 0.82 = 0.6280

 Karena nilai perbandingan Cc dengan batas Cc antara >= 0.50 dan <75, maka
hubungan atau korelasi antara tingkat pendapatan masyarakat disuatu wilayah dengan
tingkat kriminalitas diwilayah tersebut bisa dikatakan sedang atau cukup.

G. ANALISIS REGRESI LINEAR SEDERHANA SECARA MANUAL

Melakukan analisis regresi linear sederhana secara manual tidak serumit pada analisis
regresi linear berganda. Hal ini karena dalam analisis regresli linear sederhana hanya
menggunakan satu variabel independent dan satu variabel bebes. Namun kembali lagi, jika
kalian paham dalam membaca rumus-rumus yang ada dalam melakukan analisis regresi
linear sederhana secara manual maka hal ini tidaklah sulit. Untuk lebih jelasnya saya akan

17
meberikan contoh tentang bagaimana langkah-langkah dalam melakukan analisis regresi
linear sederhana secara manual

Ilustrasi:

 Seorang guru ingin mengetahui apakah ada pengaruh antara gaya mengajar guru
dengan keaktifan siswanya. Tentukan persamaan regresinya dan Buatlah pengujian
hipotesis bahwa ada pengaruh antara gaya mengajar guru dengan keaktifan siswa.
Gunakan Taraf signifikansi 5% (Sampel 40 siswa). Asumsi bahwa data berdistribusi
normal, linear dan homogen

Data:

Jawab:

1. Persamaan Regresi

Y= a + b X

Y= 21,234 + 0,634 X

Makna Persamaan Regresi

 Ketika gaya mengajar guru (X) konstan, maka rata-rata keaktifan siswa sebesar
21,234

18
  Koefisien regresi gaya mengajar guru sebesar 0,634 menunjukkan bahwa setiap
kenaikan satu konstanta pada gaya mengajar guru akan meningkatkan keaktifan siswa
sebesar 0,634

2. Pengujian Hipotesis

 Hipotesis

Ho: b = 0 (Tidak ada pengaruh antara gaya mengajar guru terhadap keaktifan siswa)

Ha: b ≠ 0 (Ada pengaruh antara gaya mengajar guru terhadap keaktifan siswa)

 Taraf singnifikansi: α = 5%
 Statistik Uji: Uji F

Sehingga Tabel Anova:

 Kriteria penolakan

Ho ditolak jika Fo > Fα/2 :(k-1)(n-k) –> F 0,025;(1,38) =5,42 (Uji dua sisi)

Dari hasil perhitungan statistik diperoleh Fo=12,749

 Kesimpulan

Ho ditolak karena Fo > Fα/2 :(k-1)(n-k) yaitu 12,749 > 5,42, sehingga Ha diterima, artinya
bahwa ada pengaruh antara gaya mengajar guru terhadap keaktifan siswa.

19
 BAB III
PENUTUP

KESIMPULAN

Korelasi ialah salah satu teknik analisis statistic yang dipakai untuk menghubungkan
dua variable atau lebih. Hubungan antar variable bukanlah dalam arti sebab akibat. Dalam
korelasi dikenal variable bebas (X) dan variable terikat (Y). Variabel X dan Y ini terdiri atas
berbagai data, sehingga macam korelasi yang dipakai ditentukan oleh jenis-jenis data yang
akan kita hubungkan. Sehingga akhirnya dikenal sekurang-kurangnya ada 10 macam teknik
korelasi. Dalam korelasi PPm dikenal besarnya amgka arau koefisien yang disebut r.
Langkah-langkah menghitung besarnya r :
a. Mempunyai arah positif, nol dan negative
b. Dikonsultasikan dengan tabel interprestasi untuk menentukan golongan , apakah
termasuk sangat tinggi, tinggi dan seterusnya.
c. Menentukan apakah data yang diperoleh signifikan atau tidak
d. Menentukan besarnya sumbangan variabek X terhadap Y dan indeks determinasi atau
derajat keterikatan.

20
 DAFTAR PUSTAKA

http://ciputrauceo.net/blog/2016/5/16/pengertian-korelasi-dan-macam-macam-korelasi

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

https://parameterd.wordpress.com/2013/09/01/koefisien-korelasi/

https://simponi.mdp.ac.id/materi201120121/SP246/101060/SP246-101060-937-11.ppt

Moh. Nazir, Ph.D. Metode Penelitian, Penerbit Ghalia Indonesia, Jakarta, 2003

Sugiono, Prof. Dr. Statistik Nonparametrik Untuk Penelitian, Penerbit CV ALFABETA

Bandung, 2004

Suharto, Bahan Kuliah Statistik, Universitas Muhammadiyah Metro, 2004

https://suhartoumm.wordpress.com/2013/01/02/korelasi-spearman-rank/

https://mutmalast.wordpress.com/2012/07/05/contoh-soal-analisis-korelasi-data-kualitatif/

http://www.datakampus.com/2017/03/analisis-regresi-linear-sederhana-secara-manual/

21