Korelasi

Uji Korelasi

Disusun Oleh : Kelompok

Ketua : Risky Vernando (03031181419005)

Anggota : 1. Kyky Felly Nadya Vega (03031181419003)

2. Syukron Habibi (03031181419035)

3. M. Rian Samudin (03031181621001)

4. Mita Agustina (03031181621015)

5. Nadia Ayu Putri (03031181621028)

6. Badria Dania (03031181621117)

7. Intan Retri Utari (03031181621120)

8. Adhe Muhammad Rainadi (03031281621046)

Dosen Pembimbing: Bazlina Dawami Afrah, S.T., M.T.

i
 KATA PENGANTAR

Assalamualaikum, wr.wb.
Dengan memanjatkan puji syukur kehadirat Allah swt, karena atas berkat dan
rahmat-Nya lah penyusun dapat menyelesaikan makalah yang berjudul “Korelasi dan
Uji Korelasi” dengan tepat waktu.Tujuan utama penyusunan makalah ini adalah selain
untuk memenuhi salah satu tugas mata kuliah Statistika Teknik. Meskipun telah
berusaha dengan segenap kemampuan, namun penyusun menyadari bahwa makalah ini
masih belum sempurna. Oleh karena itu, segala tegur sapa, kritik, serta saran yang
diberikan pembaca akan penyusun terima dengan kelapangan hati guna perbaikan pada
masa yang akan datang.
Akhir kata, penyusun berharap semoga makalah ini dapat memberikan manfaat
bagi para pembaca.
Wassalamualaikum, wr.wb.

Indralaya, 10 Maret 2018

Penyusun

ii
 DAFTAR ISI

HALAMAN DEPAN.....................................................................................................i

KATA PENGANTAR .............................................................................................................. ii

DAFTAR ISI ........................................................................................................................... iii
BAB I PENDAHULUAN ......................................................................................................... 1
1.1 Latar Belakang ................................................................................................................ 1
1.2 Rumusan Masalah........................................................................................................... 1
1.3 Tujuan .............................................................................................................................. 1
1.4 Manfaat ........................................................................................................................... 1
BAB II TINJAUAN PUSTAKA .............................................................................................. 2
2.1 Korelasi ........................................................................................................................... 2
2.1.1 Korelasi Bivariat ...................................................................................................... 3
2.1.2 Tipe Korelasi dalam Uji Hubungan ......................................................................... 3
2.1.3 Hubungan Antar Variabel ........................................................................................ 4
2.1.4 Menghitung Nilai Koefisien Korelasi ...................................................................... 5
Penyelesaian : .................................................................................................................. 7
2.1.5 Pola atau Bentuk Hubungan 2 Variabel ................................................................... 9
2.2 Uji Korelasi ................................................................................................................... 12
2.2.1 Jenis Uji Korelasi ................................................................................................... 13
BAB III PENUTUP ................................................................................................................ 18
3.1 Kesimpulan ................................................................................................................... 18
DAFTAR PUSTAKA ............................................................................................................. 19
LAMPIRAN................................................................................................................20

iii
 BAB I
PENDAHULUAN
1.1 Latar Belakang
Dalam kehidupan tidak ada manusia yang bisa hidup sendiri, pasti tergantung
atau berhubungan dengan yang lain. Baik itu berhubungan dengan sesama manusia,
maupun dengan alam sekitar. Misalnya, Kalau kita ingin hidup sehat banyak faktor
yang berkaitan atau berpengaruh, antara lain: lingkungan rumah, jam istirahat, jam
kerja, cuaca dll. Konsep pemikiran tentang hubungan adalah untuk menjawab
pertanyaan tentang apakah kemunculan suatu gejala akan diikuti oleh gejala-gejala
lain, atau lebih spesifik apakah perubahan suatu variabel akan diikuti oleh perubahan
variabel lain. Perubahan suatu variabel diikuti oleh perubahan variabel lain
menandakan adanya hubungan (korelasi) antar variabel.

1.2 Rumusan Masalah

Adapun rumusan masalahnya adalah :
1) Bagaimana menjelaskan konsep korelasi?
2) Bagaimana menjelaskan macam-macam korelasi?
3) Apakah hubungan dan perbedaan dari setiap variabel korelasi?
4) Bagaimana uji korelasi?

1.3 Tujuan
Adapun tujuan penulisannya adalah :
1) Mampu menjelaskan konsep korelasi.
2) Dapat menjelaskan macam-macam korelasi.
3) Dapat menjelaskan hubungan dan perbedaan dari setiap variabel korelasi.
4) Mengetahui uji korelasi.

1.4 Manfaat
Memberikan gambaran dan pengetahuan mengenai hubungan suatu kejadian atau lebih
kita kenal dengan istilah korelasi.

1
 BAB II
TINJAUAN PUSTAKA
2.1 Korelasi
Korelasi merupakan teknik statistik yang digunakan untuk menguji ada atau
tidaknya hubungan serta arah hubungan dari dua variabel atau lebih. Dalam kata lain
korelasi merupakan derajat hubungan linier (searah bukan timbal balik) antara dua
variabel atau lebih. Statistik uji hubungan ditunjukkan untuk mengukur kuat-lemahnya
korelasi atau hubungan antar variabel dalam suatu penelitian. hubungan atau korelasi
menunjuk pada sejauhmana variabel-variabel penelitian ‘bergerak/bervariasi secara
bersama-sama. Secara teknis statistik, variabel satu dengan variabel lain dinyatakan
memiliki hubungan atau korelasi jika salah satu variabel tersebut meningkat atau
menurun maka variabel yang lainnya juga meningkat ataupun menurun secara
konsisten. Koefisien korelasi merupakan alat statistik yang menyimpulkan serta
menggambarkan bagaimana pola atau arah hubungan antar variabel serta seberapa kuat
variabel-variabel tersebut berhubungan.
Korelasi, teknik analisis yang termasuk dalam salah satu teknik pengukuran
asosiasi / hubungan (measures of association). Pengukuran asosiasi merupakan istilah
umum yang mengacu pada sekelompok teknik dalam statistik bivariat yang digunakan
untuk mengukur kekuatan hubungan antara dua variabel. Analisis korelasi sederhana
(Bivariate Correlation) digunakan untuk mengetahui keeratan hubungan antara dua
variabel dan untuk mengetahui arah hubungan yang terjadi. Koefisien korelasi
sederhana menunjukkan seberapa besar hubungan yang terjadi antara dua variabel.
Dalam SPSS ada tiga metode korelasi sederhana (bivariate correlation)
diantaranya Pearson Correlation, Kendall’s tau-b, dan Spearman Correlation. Pearson
Correlation digunakan untuk data berskala interval atau rasio. Kendall’s tau-b,
dan Spearman Correlation lebih cocok untuk data berskala ordinal. Dalam korelasi
sempurna tidak diperlukan lagi pengujian hipotesis, karena kedua variabel mempunyai
hubungan linear yang sempurna. Artinya variabel X mempengaruhi variabel Y secara
sempurna. Jika korelasi sama dengan nol (0), maka tidak terdapat hubungan antara
kedua variabel tersebut. Dalam korelasi sebenarnya tidak dikenal istilah variabel bebas
dan variabel tergantung. Biasanya dalam penghitungan digunakan simbol X untuk
variabel pertama dan Y untuk variabel kedua.

2
 Gambar 2.1 Grafik Korelasi X dan Y

Korelasi antara x dan y sering disebut dengan “r”. koefisien r merupakan taksiran
dari korelasi populasi dengan sampel normal (acak). Tingkat ke-eratan hubungan
korelasi bergerak dari 0-1, jika r mendekati 1 (misalnya 0,97) dapat dikatakan bahwa
data memiliki hubungan yang sangat erat berlaku sebaliknya.

2.1.1 Korelasi Bivariat

Uji-hubungan bivariat, menguji hubungan antara dua variabel, dimana
variabel pertama disebut dengan istilah variabel prediktor atau X sementara
variabel kedua dikenal dengan istilah variabel kriteria atau Y.
Contoh korelasi bivariat
Pembuatan Bioetanol dari kulit pisang. Penelitian ini menguji apakah variasi
dari waktu fermentasi akan berkaitan dengan variasi kadar alkohol yang dihasilkan.
Dimana, waktu fermentasi merupakan Variabel Prediktor (X), sedangkan kadar
alkohol merupakan Variabel Kriteria (Y)

Gambar 2.1.1 Grafik Korelasi Bivariat

2.1.2 Tipe Korelasi dalam Uji Hubungan

a. Korelasi linear:

3
 Linear  garis lurus Jika divisualisasikan hubungan antara X dan Y cenderung
membentuk pola garis lurus.

Gambar 2.1.2.1 Grafik Korelasi Linear

b. Korelasi non-linear
Dikenal juga dengan curvilinear Jika divisualisasikan hubungan antara X dan
Y membentuk pola tertentu namun tidak berupa garis lurus.

Gambar 2.1.2.2 Grafik Korelasi Non-Linear

2.1.3 Hubungan Antar Variabel

Terdapat tiga macam bentuk hubungan antar variabel, yaitu hubungan simetris,
hubungan sebab akibat (kausal)/timbal balik dan hubungan Interaktif (saling
mempengaruhi).

Gambar 2.1.3.1 Hubungan Antar Variabel

4
 Contoh dari Simetris, hubungan energi aktivasi dalam sebuah rekasi. Kausal
seperti kondisi operasi terhadap rekasi. Dan interaktif seperti hasil produk terhadap
kondisi operasi.
Untuk mencari hubungan antara dua variabel atau lebih dilakukan dengan
menghitung korelasi antar variabel yang akan dicari hubungannya. Korelasi merupakan
angka yang menunjukkan arah dan kuatnya hubungan antar variabel atau lebih.
Arahnya dinyatakan dalam bentuk hubungan positif atau negatif, sedangkan kuatnya
hubungan dinyatakan dalam besarnya koefisien korelasi. Hubungan dua variabel atau
lebih dinyatakan positif, bila nilai satu variabel ditingkatkan, maka akan meningkatkan
variabel yang lain, dan sebaliknya bila nilai satu variabel diturunkan maka akan
menurunkan variabel yang lain. Hubungan positif antara dua variabel memberikan arti
bahwa naiknya salah satu variabel akan menyebabkan naiknya variabel yang satunya.
Sedangkan hubungan yang negatif mengandung arti bahwa ketika salah satu variabel
nilainya naik maka variabel yang lain turun.
Korelasi positif dan negatif ditunjukkan pada gambar 7.2a dan 7.2b berikut :

Gambar 2.1.3.2 Grafik Korelasi Positif dan Korelasi Negatif

2.1.4 Menghitung Nilai Koefisien Korelasi

Untuk menghitung korelasi antara variabel bebas (independent) dengan
variabel terikat (dependent) dapat digunakan rumus sebagai berikut:

dengan:
ryxi = Koefisien korelasi antara Y dan X
X i = Variabel bebas (indipendent)

5
Y = Variabel terikat (dependent)
n = Banyak data
Nilai r selalu terletak antara -1 dan 1, sehingga nilai r tersebut dapat ditulis: 1 r
1. Untuk r = +1, berarti ada korelasi positif sempurna antara variabel X dan variabel Y
sebaliknya jika r = -1, berarti korelasi negatif sempurna antara variabel X dan variabel
Y, sedangkan r = 0, berarti tidak ada korelasi antara X dan Y. Jika kenaikan di dalam
suatu variabel diikuti dengan kenaikan di dalam
variabel lain, maka dapat dikatakan bahwa kedua variabel tersebut mempunyai
korelasi yang positif. Tetapi jika kenaikan di dalam suatu variabel diikuti oleh
penurunan di dalam variabel lain, maka dapat dikatakan bahwa variable tersebut
mempunyai korelasi yang negatif. Dan jika tidak ada perubahan pada variabel
walaupun variabel lainnya berubah maka dikatakan bahwa kedua variabel tersebut
tidak mempunyai hubungan.
Contoh Kasus Analisis Korelasi Sederhana :
Seorang Engineer ingin mempelajari apakah adanya pengaruh Suhu Ruangan
terhadap Jumlah Cacat yang dihasilkan dan juga ingin mengetahui keeratan serta
bentuk hubungan antara dua variabel tersebut. Engineer tersebut kemudian mengambil
data selama 30 hari terhadap rata-rata (mean) suhu ruangan dan Jumlah Cacat Produksi
seperti dibawah ini :
Rata-rata Suhu Jumlah
Tanggal
Ruangan Cacat
1 24 10
2 22 5
3 21 6
4 20 3
5 22 6
6 19 4
7 20 5
8 23 9
9 24 11
10 25 13
11 21 7
12 20 4
13 20 6
14 19 3
15 25 12

6
 16 27 13
17 28 16
18 25 12
19 26 14
20 24 12
21 27 16
22 23 9
23 24 13
24 23 11
25 22 7
26 21 5
27 26 12
28 25 11
29 26 13
30 27 14

Penyelesaian :

Pertama-tama hitunglah X², Y², XY dan totalnya seperti tabel dibawah ini :

Rata-rata Suhu Jumlah

Tanggal X2 Y2 XY
Ruangan (X) Cacat (Y)
1 24 10 576 100 240
2 22 5 484 25 110
3 21 6 441 36 126
4 20 3 400 9 60
5 22 6 484 36 132
6 19 4 361 16 76
7 20 5 400 25 100
8 23 9 529 81 207
9 24 11 576 121 264
10 25 13 625 169 325
11 21 7 441 49 147
12 20 4 400 16 80
13 20 6 400 36 120
14 19 3 361 9 57

7
 15 25 12 625 144 300
16 27 13 729 169 351
17 28 16 784 256 448
18 25 12 625 144 300
19 26 14 676 196 364
20 24 12 576 144 288
21 27 16 729 256 432
22 23 9 529 81 207
23 24 13 576 169 312
24 23 11 529 121 253
25 22 7 484 49 154
26 21 5 441 25 105
27 26 12 676 144 312
28 25 11 625 121 275
29 26 13 676 169 338
30 27 14 729 196 378
Total 699 282 16487 3112 6861

Kemudian hitunglah Koefisien Korelasi berdasarkan rumus korelasi dibawah ini :

r= (30 . 6861) – (699) (282)

. √{30. 16487 – (699)²} {30 . 3112 – (282)2}

r= (205830) – (197118)
. √{494610 – 488601} {93360 – 75924}

r= 8712
. 9118.13

r = 0.955

8
 Jadi, Koefisien Korelasi antara Suhu Ruangan dan Jumlah Cacat Produksi
adalah 0.955, berarti kedua variabel tersebut memiliki hubungan yang ERAT dan
bentuk hubungannya adalah Linear Positif.

Jika Hubungan Suhu Ruangan dan Jumlah Cacat Produksi dibuat dalam bentuk
Scatter Diagram (Diagram Tebar), maka bentuknya akan seperti dibawah ini :

Analisis Korelasi (Correlation Analysis) juga merupakan salah satu alat (tool)
yang digunakan dalam Metodologi Six Sigma di Tahap Analisis.

2.1.5 Pola atau Bentuk Hubungan 2 Variabel

Korelasi yang terjadi antara dua variabel adalah sebagai berikut:
1. Korelasi Linear Negatif (-1)
Perubahan salah satu nilai variabel diikuti perubahan nilai variabel yang
lainnya secara teratur dengan arah yang berlawanan. Jika nilai variabel X
mengalami kenaikan, maka variabel Y akan turun. Jika Nilai variabel X
mengalami penurunan, maka nilai variabel Y akan naik.
Apabila nilai koefisien korelasi mendekati -1 (negatif Satu) maka hal ini
menunjukan pasangan data variabel X dan variabel Y memiliki korelasi linear
negatif yang kuat/erat/sempurna.
Misal: hubungan kandungan lignin terhadap lama waktu pirolisis.

Rendemen arang cangkang sawit Ini disebabkan oleh karena kandungan lignin
pada cangkang sawit semakin lama waktu pirolisi maka semakin tinggi lignin
terpirolisis sehingga senyawa fenol yang dihasilkan semakin tinggi pula.

2. Korelasi Linear Positif (+1)

9
 Perubahan salah satu nilai variabel diikuti perubahan nilai variabel yang
lainnya secara teratur dengan arah yang sama. Jika nilai variabel X
mengalami kenaikan, maka variabel Y akan ikut naik. Jika nilai variabel X
mengalami penurunan, maka variabel Y akan ikut turun.
Apabila nilai koefisien korelasi mendekati +1 (positif satu) berarti pasangan
data variabel X dan variabel Y memiliki korelasi linear positif yang
kuat/erat/sempurna.
Misal: hubungan berat randemen arang terhadap waktu pirolisis.

Gambar 2.1.5.1 Grafik Korelasi Berat Arang terhadap Waktu Pirolisis

Proses pembuatan asap cair ini menghasilkan arang sebagai bahan sisa pirolisis.
Dari gambar di atas menunjukkan penurunan rendemen arang dari waktu ke
waktu dihasilkan beratnya semakin berkurang dengan naiknya waktu pirolisis,
ini disebabkan semakin berkurangnya komponen-komponen organik yang
terdapat dalam bahan tersebut.

3. Tidak Berkorelasi (0)

Kenaikan nilai variabel yang satunya bisa diikut dengan penurunan variabel
lainnya atau kadang-kadang diikuti dengan kenaikan variabel yang lainnya.
Arah hubungannya tidak teratur, bisa searah atau pun berlawanan.
Misal: Hubungan Nomor Atom terhadap Afinitas Elektron.

10
 Gambar 2.1.5.2 Grafik Korelasi Nomor Atom terhadap Afinitas Elektron.

Kuatnya hubungan antara variabel dinyatakan dalam koefisien korelasi.

Koefisien korelasi positif terbesar = 1 dan koefisien korelasi negatif terbesar adalah -
1, sedangkan yang terkecil adalah 0. Bila besarnya antara dua variabel atau lebih itu
mempunyai koefisien korelasi = 1 atau -1, maka hubungan tersebut sempurna. Dalam
arti kejadian-kejadian pada variabel yang satu akan dapat dijelaskan atau diprediksikan
oleh variabel yang lain tanpa terjadi kesalahan (error). Makin kecil koefisien korelasi,
maka akan semakin besar error untuk membuat prediksi. Besarnya koefisien korelasi
dapat diketahui berdasarkan penyebaran titik-titik pertemuan antara dua variabel
misalnya X dan Y. Bila titik-titik itu terdapat dalam satu garis, maka koefisien
korelasinya =1 atau -1. Bila titik-titik itu membentuk lingkaran, maka koefisien
korelasinya = 0. Dalam analisis statistik, besarnya koefisien korelasi bisa digambarkan
dengan penyebaran titik data dalam kurva X-Y. Gambar-gambar yang menunjukkan
koefisien korelasi adalah sebagai berikut:

Gambar 1 menunjukkan persebaran hubungan antara variabel X dan variabel Y

yang tidak menujukkan pola tertentu. Artinya, pada saat variabel X rendah, variabel Y

11
bisa rendah maupun tinggi. Demikian juga pada saat variabel X tinggi. Pola seperti ini
menujukkan tidak terdapat hubungan antara kedua variabel tersebut. Gambar dua
menujukkan ketika variabel X rendah maka variabel Y juga rendah. Pada saat variabel
X tinggi maka variabel Y juga tinggi. Hubungan seperti ini menunjukkan bahwa ntara
kedua variabel tersebut terdapat hubungan positif yang cukup kuat. Gambar dua
menujukkan ketika variabel X rendah maka variabel Y tinggi, dan pada saat variabel
X tinggi maka variabel Y rendah. Hubungan seperti ini menunjukkan bahwa antara
kedua variabel tersebut terdapat hubungan negatif yang cukup kuat.

2.2 Uji Korelasi

Dalam uji korelasi, hal yang perlu diperhatikan adalah koefisien korelasi.
Koefisien korelasi digunakan untuk mengetahui tiga hal, yaitu arah hubungan, keeratan
hubungan, dan hubungan yang signifikan.

Pertama, koefisien korelasi digunakan untuk mengetahui arah hubungan antar

variabel. Koefisien korelasi berkisar dari -1 hingga +1. Apabila angka korelasi
menunjukan angka -1, berarti terdapat hubungan positif sempurna antar dua variabel.
Apabila angka korelasi menunjukan angka 0, berarti sama sekali tidak terdapat korelasi
antar variabel. Sedangkan apabila angka korelasi menunjukan +1, berarti terdapat
hubungan positif yang sangat kuat antar dua variabel.

Kedua, koefisien korelasi digunakan untuk mengetahui keeratan hubungan.

Terdapat lima pedoman yang menunjukan kuat lemahnya hubungan korelasi antar
variabel. Pertama, koefisien korelasi antara 0,81 hingga 1,00 berarti hubungan antara
dua variabel sangat kuat. Kedua, koefisien korelasi antara 0,61 hingga 0,80 berarti
hubungan antara dua variabel kuat. Ketiga, koefisien korelasi antara 0,41 hingga 0,60
berarti hubungan antara dua variabel sedang. Keempat, koefisien korelasi antara 0,21
hingga 0,40 berarti hubungan antara dua variabel lemah. Kelima, koefisien korelasi
antara 0,00 hingga 0,20 menunjukan bahwa tidak ada hubungan antara dua variabel
tersebut. Berikut merupakan tabel koefisien korelasi.

Koefisien Korelasi Kuat-lemahnya Korelasi

±0.81 hingga ±1.00 Sangat kuat
±0.61 hingga ±0.80 Kuat
±0.41 hingga ±0.60 Sedang
±0.21 hingga ±0.40 Lemah
±0.00 hingga ±0.20 Tidak ada hubungan

12
 Ketiga, koefisien korelasi digunakan untuk mengetahui apakah terdapat
hubungan yang signifikan atau tidak. Signifikansi korelasi didasarkan pada tanda (*)
untuk signifikansi pada level 0,05. Sedangkan untuk signifikansi korelasi pada level
0,01 didasarkan pada tanda (**). Menurut Taniredja dan Mustafidah (2011: 97).
Tingkat signifikansi pada level 0,05 menunjukan peneliti dapat memiliki keyakinan
sebesar 95%. Sedangkan tingkat signifikansi pada level 0,01 menunjukan peneliti dapat
memiliki keyakinan sebesar 99% bahwa terdapat korelasi yang signifikan antar dua
variabel.

2.2.1 Jenis Uji Korelasi

Terdapat bermacam-macam teknik statistik korelasi yang dapat digunakan
untuk menguji hipotesis asosiatif. Teknik koefisien yang mana yang akan dipakai
tergantung pada jenis data yang dianalisis. Berikut adalah berbagai teknik statistik
korelasi yang digunakan untuk menguji hipotesis asosiatif. Uji koralasi untuk data
interval dan rasio menggunakan statistik parametriks, sedangkan uji korelasi untuk data
nominal dan ordinal menggunakan statistik nonparametriks.

Berdasarkan dari hasil pengukuran terdapat 4 tingkat variable, yaitu :

1. Variabel Nominal
Yaitu variabel yang hanya mampu membedakan cirri atau sifat antara unti
yang satu dengan yang lainnya, dalam variable ini tidak mengenal jenjang
atau bertingkat. Variabel Nominal dapat di kategorikan :
a. Nominal Dikotomus
b. Non Dikotomus (non kategori)
2. Variabel Ordinal
Yaitu variabel yang tersusun menurut jenjang dalam atribut tertentu . Pada
variable ini menunjukkan urutan atau bertingkat, ada gradasi atau peringkat.
3. Variabel Interval
Yaitu untuk data interval angka yang digunakan adalah nilai yang dapat di
dentikkan dengan bilangan riil, oleh karena itu maka angka dalam data
interval dapat dioperasikan dengan operasi hitung.
4. Variabel Rasio
Variabel yang dalam kuantifikasinya mempunyai nilai nol mutlak.

Teknik Uji Korelasi untuk Berbagai Skala Data

Teknik Korelasi yang
Macam/Tingkatan Data
Digunakan
Nominal 1. Koefisien Kontingecy

13
 1. Spearman Rank
Ordinal
2. Kendal Tau
1. Pearson Product Moment
Interval dan Ratio 2. Korelasi Ganda
3. Korelasi Parsial

a. Korelasi Kontingensi
Jenis korelasi ini digunakan untuk menghitung hubungan antara variabel
bila datanya berbentuk nominal. Teknik ini mempunyai kaitan yang erat dengan
Chi Kuadrat yang digunakan untuk menguji hipotesis komparatif k sampel
independen. Oleh karena itu rumus yang digunakan mengandung nilai Chi
Kuadrat. Rumus tersebut adalah sebagai berikut:

Harga Chi Kuadrat (X2) dicari dengan rumus:

b. Korelasi Product Moment

Teknik korelasi ini digunakan untuk mencari hubungan dan membuktikan
hipotesis hubungan dua variabel bila data kedua variabel berbentuk interval
atau ratio, dan sumber data dari dua variabel atau lebih adalah sama.
c. Korelasi ganda
Korelasi ganda merupakan angka yang menunjukkan arah adan kuatnya
hubungan antara dua variabel secara bersama-sama atau lebih dengan variabel
lain. Pemahaman tentang korelasi ganda dapat dilihat melalui gambar berikut:

14
 Dari gambar di atas, terlihat bahwa korelasi ganda R bukan merupakan
penjumlahan dari korelasi sederhana yang ada pada setiap variabel (bukan r1 +
r2 + r3). Namaun korelasi ganda ® merupakan hubungan secara bersama-sama
antara X1, X2, X3 dengan Y.
Rumus korelasi ganda ntuk dua variabel adalah sebagai berikut:
Dimana:

ry.x1.x2 = Korelasi antara variabel X1 dan x2 secara bersama-sama dengan

variabel Y
ryx1 = Korelasi product moment antara X1 dengan Y.
ryx2 = Korelasi product moment antara X2 dengan Y.
rx2x1 = Korelasi product moment antara X1 dengan X2.
d. Korelasi Parsial
Korelasi ini digunakan untuk menganalisis nila peneliti bermaksud
mengetahui pengaruh atau hubungan antara variabel independen dengan
variabel dependen, di mana salah satu variabel independen yang lain dibuat
tetap/dikendalikan. Jadi, korelasi parsial merupakan angka yang menunjukkan
arah dan kuatnya hubungan antara dua variabel atau lebih setalah satu variabel
yang diduga dapat mempengaruhi hubungan tersebut dikendalikan untuk dibuat
tetap keberadaannya.
Contoh:
1. korelasi antara nilai tes IQ dengan prestasi sekolah = 0.58
2. Korelasi antara waktu belajar dengan prestasi sekolah = 0.10
3. Korelasi antara nilai tes IQ dengan waktu belajar = -0.40
Apabila ada pertanyaan, untuk siswa yang waktu belajarnya sama

15
 (diparsialkan) berapa korelasi antara IQ dengan prestasi kuliah? Jawaban
pertanyaan tersebut bisa dicari dengan rumus korelasi parsial berikut:

Rumus di atas dapat dibaca: Korelasi antara Y dengan X1, bila variabel X2
dikendalikan atau korelasi antara Y dengan X1, bila X2 tetap. Sedangkan bila
X1 yang dikendalikan, maka rumusnya adalah:

Sedangkan uji korelasi parsial dapat dihitung dengan rumus sebagai berikut:

e. Korelasi Rank Spearman

•Sampel datanya kurang dari 30 data (sampel kecil) dan kondisi datanya tidak
normal
• Termasuk statistik non-parametrik
1) Korelasi Pearson (product moment)
2) Korelasi Rank Spearman
Koefisien korelasi Rank Spearman dinotasikan rs. Dalam aplikasinya, setiap
data xi dan yi ditetapkan peringkat relatifnya terhadap data x dan y lainnya dari
data terkecil sampai yang terbesar. Peringkat terkecil diberi nilai 1 dan jika
terdapat data yang sama maka masing-masing nilai diberi peringkat rata-rata
dari posisi yang seharusnya.
f. Korelasi Kendall Tau
Korelasi Kendall Tau merupakan statistik nonparametrik. Korelasi ini
digunakan pada data sama seperti data yang digunakan pada korelasi spearman
yaitu sekurang-kurangnya data ordinal.
Simbol yang biasa digunakan pada ukuran populasinya adalah ʈ (tau) dan
ukuran sampelnya adalah T.
2𝑆
𝑇=
𝑁(𝑁 − 1)
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.

16
17
 BAB III
PENUTUP
3.1 Kesimpulan
Penelitian korelasi mencakup kegiatan pengumpulan data guna menentukan
adakah hubungan antarvariabel dalam subjek atau objek yang menjadi perhatian untuk
diteliti.
Korelasi ada 2, yaitu Korelasi Linear dan Korelasi Non-Linear. Korelasi linear
dikenal dengan garis lurus Jika divisualisasikan hubungan antara X dan Y cenderung
membentuk pola garis lurus. Sedangkan, korelasi non-linear dikenal juga dengan
curvilinear Jika divisualisasikan hubungan antara X dan Y membentuk pola tertentu
namun tidak berupa garis lurus.
Ada 3 macam hubungan antar variabel, yaitu simetris, kausal, dan interaktif.
Dalam uji korelasi, hal yang perlu diperhatikan adalah koefisien korelasi. Koefisien
korelasi digunakan untuk mengetahui tiga hal, yaitu arah hubungan, keeratan
hubungan, dan hubungan yang signifikan.

18
 DAFTAR PUSTAKA

Annonim. 2017. Analisa Korelasi. (Online). http://teknikelektronika.com/pengertian-

analisis-korelasi-sederhana-rumus-pearson/. (Diakses pada tanggal 10 Maret
2018).

Abdurahman, Maman, Muhidin, Sambas & Somantri, Ating. 2012. Dasar-Dasar

Metode Statistika Untuk Penelitian. Bandung: CV. Pustaka Setia.

Bevington, Philip R et al. 2003. Data Reduction. New York USA : McGraw-Hill
Companies, Inc.

Hidayat Anwar. 2012. Korelasi. (Online). https://www.statistikian.com

/2012/08/korelasi.html. (Diakses pada tanggal 03 Maret 2018).

Noprianti Nopi. 2014. Analisa Korelasi. (Online).

https://www.scribd.com/doc/247883864/Makalah-Statdas-ANALISIS-
KORELASI. (Diakses pada tanggal 10 Maret 2018)

S. Jiel. 2008. Hubungan Antar Variabel. (Online). https://supraptojielwongsolo.wor

dpress.com/2008/06/10/variabel-penelitian-jenis-hubungan-pengukuran/. (Diak
ses Pada tanggal 01 Maret 2018).

Siregar, Syofian. 2013. Statistik Parametrik untuk Penelitian Kualitatif. Jakarta: Bumi
Aksara.

Sudjana. 2005. Metoda Statistika Edisi Ke-enam. Bandung : Tarsito Bandung.

19
SOAL PRETEST

1. Tuliskan pengertian satistik, statistika dan statistika teknik?

Jawab :

Statistik adalah kumpulan data dalam bentuk angka maupun bukan angka yang
disusun dalam bentuk tabel (daftar) dan atau diagram yang menggambarkan atau
berkaitan dengan suatu masalah tertentu.

Statistika adalah ilmu yang mempelajari bagaimana merencanakan,

mengumpulkan, menganalisis, menginterpretasi, dan mempresentasikan data.
Singkatnya, statistika adalah ilmu yang berkenaan dengan data.

Statistika Teknik adalah ilmu yang mempelajari bagaimana merencanakan,

mengumpulkan, menganalisis, menginterpretasi, dan mempresentasikan data yang
berhubungan dengan bidang teknik.

2. Berikan contoh kegunaan statistika dalam profesi teknik kimia?

Hipotesa adalah pernyataan atau dugaan mengenai keadaan populasi yang

sifatnya masih sementara atau lemah tingkat kebenarannya.Hubungannya dengan
statistika teknik adalah bisa berbentuk suatu variabel seperti binomial, poisson, dan
normal atau nilai dari suatu parameter, seperti mean, varians, standar devaiasi dan
proporsi. Hipotesa dalam statistika teknik haruslah diuji, karena itu harus berbentuk
kuantitas agar dapat diterima atau ditolak. Diterima jika hasil pengujian
membenarkan pernyataannya dan akan ditolak jika terjadi penyangkalan dari
pernyataan tersebut. Misal secara teoritis kandungan minyak dalam biji karet
sebanyak 30% dan setelah diuji kandungan minyak biji karet hanyalah 2% berarti
pernyataan ditolak.

3. Apa yang dimaksud dengan hipotesa dan apa hubungan hipotesa dengan statistik
teknik?

20
 Hipotesa merupakan jawaban atau dugaan sementara dari persoalan yang kita teliti.
Ilmu statistika teknik berhubungan dengan profesi teknik kimia dalam
pengumpulan, penyajian, analisis dan penggunaan data untuk Mengambil keputusan
Memecahkan permasalahan proses kimia. Misalnya dalam industri kimia adalah
untuk memperbesar konversi dari reaktor dari 40% menjadi 60% dengan cara
mengumpulkan dan menganalisis data apa saja yang dapat mempengaruhi konversi
reaksi dalam reaktor seperti tekanan dan suhu.

4. Apa yang dimaksud dengan variabel bebas dan variabel terikat?

Jawab:

Variabel Bebas ( Independent Variabel) : Adalah kondisi-kondisi atau

karakteristik-karakteristik yang oleh peneliti dimanipulasi dalam rangka untuk
menerangkan hubungannya dengan fenomena yang diobservasi. Karena fungsi ini
sering disebut variabel pengaruh, sebab berfungsi mempengaruhi variabel lain, jadi
secara bebas berpengaruh terhadap variabel lain. Variabel ini juga sering disebut
sebgai variabel Stimulus, Prediktor, antecendent. Dalam SEM(Structural Equation
Modeling) variabel independen disebut variabel eksogen.

Variabel Terikat (Dependent Variabel) : Yaitu kondisi atau karakteristik yang

berubah atau muncul ketika penelitian mengintroduksi, pengubah atau mengganti
variabel bebas. Menurut fungsinya variabel ini dipengaruhi oleh variabel lain,
karenanya juga sering disebut variabel yang dipengaruhi atau variabel terpengaruhi.
Variabel ini sering disebut sebagai variabel output, Kriteria, Konsekuen. Atau dalam
bahasa Indonesia sering disebut Variabel terikat. Dalam SEM (Structural Equation
Modeling) variabel dependen disebut variabel Indogen.*

5. Jelaskan bentuk-bentuk penyajian data?

Jawab:

21
Penyajian data merupakan salah satu kegiatan dalam pembuatan laporan hasil
penelitian yang telah dilakukan agar dapat dipahami dan dianalisis sesuai dengan
tujuan yang diinginkan.

1. Penyajian Data dalam Bentuk Tabel Frekuensi.

Data dapat kita sajikan dalam bentuk tabel atau daftar. Jika data yang akan
disajikan cukup besar maka harus dikelompokan terlebih dahulu, kemudian di
susun dalam bentuk tabel yang disebut daftar sebaran frekuensi atau daftar
distribusi frekuensi. Daftar Distribusi Frekuensi.

2. Penyajian Data dalam Bentuk Diagram (Garis, Batang, Lingkaran,

Pictogram, Histrogram, dan Polygon).

a. Diagram Garis.

Adalah grafik berupa garis, diperoleh dari beberapa ruas garis yang menghubungkan
titik-titik pada bidang bilangan. Pada grafik garis digunakan dua garis yang saling
berpotongan. Pada garis horizontal (sumbu-X) ditempatkan bilangan-bilangan yang

22
sifatnya tetap, seperti tahun dan ukuran-ukuran. Pada garis tegak (sumbu-Y)
ditempatkan bilangan-bilangan yang sifatnya berubah-ubah. Contoh :

b. Diagram Batang

Adalah grafik data berbentuk persegi panjang yang lebarnya sama dan dilengkapi
dengan skala atau ukuran sesuai dengan data yang bersangkutan. Setiap batang tidak
boleh saling menempel atau melekat antara satu dengan lainnya dan jarak antara
setiap batang yang berdekatan harus sama. Ada berbagai bentuk, yaitu: Grafik
batangan tunggal (single bar chart), Yaitu grafik yang terdiri dari satu batangan
untuk menggambarkan perkembangan (trend) dari suatu karakteristik. Grafik
batangan berganda (multiple bar chart), Yaitu grafik yang terdiri dari beberapa garis
untuk menggambarkan beberapa hal/kejadian sekaligus.

c. Diagram Lingkaran.

23
Yaitu grafik yang menggambarkan perbandingan nilai-nilai dari suatu karakteristik.
Untuk mengetahui perbandingan suatu data terhadap keseluruhan, suatu data lebih
tepat disajikan dalam bentuk diagram lingkaran. Grafik data berupa lingkaran yang
telah dibagi menjadi juring-juring sesuai dengan data tersebut. Bagian-bagian dari
keseluruhan data tersebut dinyatakan dalam persen atau derajat.

d. Diagram Pictogram.

Pictogram adalah bentuk penyajian data statistika dalam bentuk gambar-gambar.

Gambar yang digunakan disesuaikan dengan objek yang dideskripsikan yang
digunakan untuk mewakili sejumlah objek

e. Diagram Histogram.

Penyajian distribusi frekuensi menggunkan gambar yang berbentuk diagram batang

tegak. Antara dua bantang yang berdampingan tidak terdapat jarak lebar batang

24
merupakan lebar interval di mulai dari tepi bawah sampai tepi atas interval. Tepi
Bawah = Batas Bawah – 0.5 Tepi Atas = Batas Atas + 0.5

f. Diagram Polygon

Apabila pada titik-titik tengah dari histogram dihubungkan dengan garis dan batang-
batangnya dihapus, maka akan diperoleh poligon frekuensi. Berdasarkan contoh di
atas dapat dibuat poligon frekuensinya seperti gambar berikut ini.

25
PERTANYAAN:

1. SITI SARAH Kelompok Korelasi

Pertanyaan:

1. Bagaimana hubungan koefisien dengan korelasi yang koefisiennya kecil?

2. Rumus dari metode korelasikan menggunakan 2 data bagaimana kalo
dengan tiga data?

Jawaban:

1. Karena nilai koefisien terbesar itu adalah 1 dan -1 jika dia semakin
mendekati 0 maka hubungan antara kedua variabel semakin kecil.
2. Kalau menggunkan 3 data yaitu kurva z seperti di Ptk yang mana

2. Syahri Romadhoni (03031181520023)

Pertanyaan :

1. Bagaimana ke penelitian untuk menentukan angka persen eror?

26
 Jawaban :

1. Jawaban syahri romadoni:

Contoh korelasi dalam bidang penelitian. Misal mau penelitian pembuatan NH3.
Variabel kondisi operasi kesetimbangan T= 650°C dan P= 40 atm dan konversi
yg dihasilkan 30%. Maka yg dimaksud korelasi itu hubungan antara kedua
variabelnya yaitu temperatur dan tekanannya. Apabila temperatur dan
tekanannya diuubah, maka akan berpengaruh ke konversi yang dihasilkan.
Ketika salah satu temperatur atau tekanannya diturunkan atau dinaikkan, maka
konversi yang dihasilkan akan menurun dan kurang dari 30%.

Jawaban tambahan: untuk menentukan angka persen error dapat menggunakan

software SPSS.

3. Agung Prabowo (03031281520103)

Pertanyaan :

1. Bagaimana grafik pada exsponansial?

Jawaban :

1.

Berdasarkan tabel exsponensial nilai dari koefisien itu sendiri adalah 0

4. LITRA YUVITA ()03031181520020)

Pertanyaan:
1. Spearmen Rank dan Kendal Tau di Ordinal dan Nominal

27
Jawaban :
1. Koefisien Rank Spearman dan Kendall's Tau termasuk dalam uji statistik
nonparametrik. Uji ini digunakan untuk mengetahui hubungan antara dua variabel
data yang berskala ordinal. Suatu variabel/data dikatakan berskala ordinal apabila
pengukuran data menunjukan adanya tingkatan atau data ranking. Skala ordinal
mempunyai tingkatan yang lebih tinggi dibandingkan dengan skala nominal. Skala
ordinal, misalnya : senang, cukup senang, tidak senang.

Formula uji korelasi Rank Spearman :

Dimana :

= Korelasi Rank Spearman

D = Perbedaan/selisish peringkat antara variabel bebas dan terikat
n = jumlah sampel
1 dan 6 = konstantas

Formula uji Kendall's Tau

= nilai koefisien Kendall Tau

S = Pembilang yang berasal dari jumlah konkordansi dan disonkordasi jenjang
secara keseluruhan
n = Jumlah sampel
1 dan 2 = konstanta

28