Uji Korelasi
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.
Penyusun
ii
DAFTAR ISI
HALAMAN DEPAN.....................................................................................................i
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.
1.3 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.
3
Linear garis lurus Jika divisualisasikan hubungan antara X dan Y cenderung
membentuk pola garis lurus.
b. Korelasi non-linear
Dikenal juga dengan curvilinear Jika divisualisasikan hubungan antara X dan
Y membentuk pola tertentu namun tidak berupa garis lurus.
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 :
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 :
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
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.
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.
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.
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.
10
Gambar 2.1.5.2 Grafik Korelasi Nomor Atom terhadap Afinitas Elektron.
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.
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.
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.
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:
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:
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:
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
Bevington, Philip R et al. 2003. Data Reduction. New York USA : McGraw-Hill
Companies, Inc.
Siregar, Syofian. 2013. Statistik Parametrik untuk Penelitian Kualitatif. Jakarta: Bumi
Aksara.
19
SOAL PRETEST
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.
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.
Jawab:
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.
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.
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.
e. Diagram Histogram.
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:
Pertanyaan:
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
Pertanyaan :
26
Jawaban :
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%.
Pertanyaan :
Jawaban :
1.
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.
Dimana :
28