Analisis Korelasi

Sukoco
Penelitian yng berhubungan dengan usaha mencari hubungan atau korelasi antar variabel
cukup banyak, dan paling banyak diminati. Analisis korelasi menjadi bervariasi saat dikaitan
dengan bentuk skala data yang akan dianalisis. Saat ini sudah ada pling tidak Sembilan jenis
analisis korelasi yaitu: korelasi Product Moment (r); korelasi ratio (λ); korelasi Spearmen Rank
atau Rho (rs atau ρ); korelasi berserial (rb); korelasi Poin berserial (rpb); korelasi Kendall’s Tou
(δ); korelasi Tetrachoric (rt); korelasi Phi (); dan korelasi kontingensi (C).
Dari kesembilan teknik analisis korelasi tersebut, akan dibahas analisis korelasi produk
moment (r); dan korelasi berserial (rb) yang kemungkinan banyak dipergunakan baik saat
menyelesaikan studi maupun nantinya setelah lulus.
Korelasi Product Moment
Korelasi ini dikemukakan oleh Karl Pearson pada tahun 1900. Kegunaannya untuk
mengetahui derajat hubungan dan kontribusi variabel bebas terhadap variabel terikat. Teknik
analisis ini termasuk teknik analisis untuk statistik parametric dengan data skala interval atau
rasio dengan persyaratan tertentu. Persyaratan tersebut seperti sampel diambil secara acak
(random), data berdistribusi normal, data berpola linear. Kalau salah satu persyaratan tersebut
tidak dapat dipenuhi, maka teknik analisis produk moment tidak dapat dipergunakan.
Rumus korelasi product moment sbb.:
( ) ( )( )
rxy =
√* ( ) +* ( ) +
Korelasi Product Moment dilambangkan (r) dengan ketentuan nilai r tidak lebih dari
harga (-1 ≤ r ≤ +1). Bila diperoleh nilai r = -1 berarti terjadi hubungan negative sempurna; bila r
= 0 berarti tidak ada korelasi; dan bila ditemukan +1 berarti terdapat korelasi positip sempurna.
Selanjutnya untuk menentukan besarnya sumbangan, kontribusi atau pengaruh antara
variabel X terhadap variabel Y dapat ditentukan dengan koefisien diterminan. Untuk menghitung
dapat dipergunakan rumus sbb:
KD = r2 x 100% → dimana KD = koefisien diterminan dan r = koefisien korelasi.
Pengujian selanjutnya adalah uji signifikansi yang berfungsi untuk mengetahui keber-
maknaan hubungan variabel X terhadap variabel Y. Untuk keperluan tersebut dapat diperguna-
kan rumus uji signifikansi sebagai berikut:

√
thitung = → dimana: thitung = nilai t; r = koefisien korelasi; n = jumlah sample.
√
Contoh:
Seorang peneliti melakukan penelitian terhadap kinerja mahasiswa sebagai variabel Y dan
hubungannya dengan motivasinya sebagai variabel X. Peneliti berhasil mengumpilkan data
sebagai berikut:
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. Seberapa besar hubungan motivasi dengan kinerja mahasiswa?
b. Seberapa besar sumbangan (kontribusi) motivasi terhadap kinerja mahasiswa?
c. Apakah hubungan kedua variabel tersebut signifikan?
Langkah analisis:
1. Merumuskan hipotesis nol (Ho) dan hipotesis alternative (Ha)
Ho : Tidak ada hubungan antara motivasi dengan kinerja mahasiswa.
Ha : Ada hubungan antara motivasi dengan kinerja mahasiswa.
2. Merumuskan hipotesis statistik
Ho : r = 0
Ha : r ≠ 0
3. Membuat Daftar Belanja Statistik
No X Y X2 Y2 XY
1 60 450 3600 202500 27000
2 70 475 4900 225625 33250
3 75 450 5625 202500 33750
4 65 470 4225 220900 30550
5 70 475 4900 225625 33250
6 60 455 3600 207025 27300
7 80 475 6400 225625 38000
8 75 470 5625 220900 35250
9 85 485 7225 235225 41225
10 90 480 8100 230400 43200
11 70 475 4900 225625 33250
12 85 480 7225 230400 40800
Jumlah 885 5640 66325 2652350 416825

4. Menghitung koefisien korelasi

( ) ( )( )
rxy =
√* ( ) +* ( ) +
 ( ) ( )( )
rxy =
√*( )( ) ( ) +*( )( ) ( ) +

rxy = = = 0,684
√
5. Menghitung sumbangan
KD = (0,684)2 x 100% = 46,79%
Dengan demikian ditemukan kontribusi motivasi terhadap kinerja mahasiswa adalah sebesar
46,79%, sisanya sebesar 53,21% ditentukan oleh variabel lainnya di luar motivasi.
6. Menguji signifikansi

√ √
thitung = =
√ √
Kaidah Pengujian:
Jika thitung ≥ ttabel → tolak Ho dan terima Ha signifikan
thitung ≤ ttabel → terima Ho dan tolak Ha tidak signifikan
Untuk melihat ttabel dipergunakan α =0,05 dan n = 12 uji dua pihak
dk = n – 2 =10 sehingga diperoleh ttabel = 2,228 (tabel t)
Dengan demikian thitung lebih besar dari ttabel → 2,963 > 2,228, sehingga Ho ditolak dan Ha
diterima artinya ada hubungan positip yang signifikan antara motivasi dengan kinerja
mahasiswa.
7. Membuat kesimpulan
a. Besarnya koefisien korelasi antara motivasi dengan kinerja mahasiswa adalah 0,684
b. Besarnya koefisien diterminan motivasi terhadap kinerja mahasiswa sebersar 46,79%
c. Ditemukan hubungan yang signifikan antara motivasi dengan kinerja mahasiswa.

Korelasi Ganda
Analisis korelasi ganda dipergunakan untuk mencari besarnya hubungan antara dua atau
lebih variabel bebas (X) secara simultan (bersama-sama) dengan variabel terikat (Y). Sebagai
gambaran paradigm hubungan variabel tersebut sebagai berikut:

X1 rX1Y Paradigma hubungan X1 X2 dan Y

RX1X2Y
rX1X2 Y

rX2Y
X2
 Rumus untuk menghitung korelasi ganda sebagai berikut:

( )( )( )
RX1.X2.Y = √
Selanjutnya untuk menguji signifikansinya digunakan rumus F, yaitu membandingkan
Fhitung dengan Ftabel. Rumus F yang dipergunakan sebagai berikut:

Fhitung = ( )
( )

dimana: R = koefisien korelasi ganda

k = jumlah variabel bebas
n = jumlah sampel
Ftabel dicari menggunakan tabel nilai F dengan rumus:
Taraf signifikan: α = 0,01 atau 0,05
Ftabel = F{(1-α),(dk=k),(dk=n-k-1)}
Contoh Penelitian:
Hubungan antara kepuasan kerja dan disiplin kerja dengan produktivitas kerja.
Berarti Kepuasan Kerja (X1); disiplin kerja (X2) dan produktivitas kerja (Y).
Sampel penelitian (n) = 64, dan peneliti mengambil sikap untuk taraf signifikan sebesar 0.05.
Diasumsikan persyaratan analisis terpenuhi.
Langkah perhitungan sama dengan yang di atas:
1. Merumuskan hipotesis penelitian.
Ho: Tidak terdapat hubungan positip antara kepuasan kerja dan disiplin kerja secara
simultan dengan produktivitas kerja.
Ha: Terdapat hubungan positip antara kepuasan kerja dan disiplin kerja secara simultan
dengan produktivitas kerja.
2. Merumuskan hipotesis statistik
Ho: R = 0
Ha: R ≠ 0
3. Membuat tabel daftar belanja statistik
a. Menghitung daftar belanja statistik untuk menghitung rX1Y caranya sama dengan contoh
pada perhitungan korelasi Product Moment.
b. Menghitung daftar belanja statistik untuk menghitung rX2Y caranya sama dengan contoh
pada perhitungan korelasi Product Moment.
c. Menghitung daftar belanja statistik untuk menghitung rX1X2 caranya sama dengan contoh
pada perhitungan korelasi Product Moment.
4. Menghitung korelasi
a. Menghitung koefisien korelasi X1 dengan Y menggunakan rumus korelasi product
moment, dan hasilnya misalnya diperoleh rX1Y = 0,549.
b. Menghitung koefisien korelasi X2 dengan Y menggunakan rumus korelasi product
moment, dan hasilnya misalnya diperoleh rX2Y = 0,574.
c. Menghitung koefisien korelasi X1 dengan X2 menggunakan rumus korelasi product
moment, dan hasilnya misalnya diperoleh rX1X2 = 0,618.
d. Menghitung koefisien korelasi ganda (R) dengan rumus:

( )( )( )
RX1.X2.Y = √

( ) ( ) ( )( )( )
RX1.X2.Y = √
( )

RX1.X2.Y = √ =√
Dengan demikian telah ditemukan hubungan positip antara kepuasan kerja dan disiplin
kerja dengan produktivitas sebesar R = 0,62. Hasil ini menunjukkan bahwa korelasi ganda bukan
merupakan penjumlahan rX1Y + rX2Y . Besarnya kontribusi kedua varibael terhadap produktivitas
kerja adalah sama dengan R2 x 100% = (0,62)2 x 100% = 38,44% sisanya 69,66% ditentukan
oleh variabel yang lainnya.
5. Menguji signifikansi.
Seperti telah disampaikan untuk menguji signifikansi korelasi ganda digunakan uji F dengan
rumus:

Fhitung = ( )
= ( )
= = 19,22
( ) ( )

Kaidah pengujian signifikansi:

Jika Fhitung ≥ Ftabel maka Ho ditolak
Fhitung ≤ Ftabel maka Ho diterima
Dengan taraf signifikansi (α) = 0,05
Ftabel = F{(1-α),(dk=k),(dk=n-k-1)}
= F{(1-0,05),(dk=2),(dk=64-2-1)}
= F{(0,95),(2, 61)}
Cara mencari nilai dalam tabel F 0,95 taraf sinifikannya, angka 2 sebagai pembilang dan
angka 61 sebagai penyebut, maka akan ditemukan nilai sebesar 3,148 (angka Interpolasi).
Sehingga Ftabel = 3,148
6. Membuat Kesimpulan.
Setelah Ftabel ditemukan dan dibandingkan dengan Fhitung ternyata Fhitung > Ftabel yaitu 19,22 >
3,148. Dengan demikian Ho yang berbunyi Tidak terdapat hubungan positip antara kepuasan
kerja dan disiplin kerja secara simultan dengan produktivitas kerja, ditolak. Hal ini berarti
menerima Ha yang berbunyi Terdapat hubungan positip antara kepuasan kerja dan disiplin
kerja secara simultan dengan produktivitas kerja, dengan R = .
Korelasi Parsial
Korelasi parsial digunakan untuk menganalisis bila peneliti bermaksud mengetahui
pengaruh atau mengetahui hubungan antara variabel independen dan dependen, dimana salah
satu variabel Independennya dibuat tetap/dikendalikan. Jadi korelasi parsial merupakan angka
yang menunjukkan arah dan kuatnya hubungan antara dua variabel setelah satu variabel yang
diduga dapat mempengaruhi hubungan variabel tersebut dikendalikan untuk dibuat tetap keber-
adaannya.
Contoh:
Peneliti ingin mengetahui hubungan telapak tangan dan umur dengan kemampuan bicara.
Telapak tangan sebagai X1; sebagai kemampuan bicara X2 dan umur sebagai Y.

X1 rX1.Y = 0,6

rX1X2 = 0,5 Y

X2 rX2.Y = 0,7

Bila dari data dihitung menggunakan rumus korelasi product moment dan ditemukan:
1. Korelasi antara ukuran telapak tangan dengan kemampuan bicara rX1X2 = 0,50. Semakin besar
ukuran telapak tangan seseorang maka semakin pandai dia bicara.
2. Korelasi antara telapak tangan dengan umur rX1.Y = 0,60; Semaki besar telapak tangan akan
dikuti semakin bertambah umurnya dan
3. Korelasi antara kemampuan bicara dengan umur rX2.Y = 0,70. Semakin bertambah umurnya
semakin pandai dia bicara
Selanjutnya akan dicari korelasi parsial antara variabel,
a. Menghitung korelasi Y - X1 dan mengotrol X2 dengan rumus:

RyX1.X2= =
√ √ √ √ √ √

= 0,405.
 Artinya setelah dikontrol kemampuan bicaranya hubungan besarnya telapak tangan dan
umur melemah. Penjelasan selanjutnya sesuai dengan teori yang dipergunakan.
b. Menghitung korelasi Y – X2 dan mengontrol X1 dengan rumus yang sama:

RyX2.X1= =
√ √ √ √ √ √

= 0,577.

Artinya setelah dikontrol telapak tangannya hubungan kemampuan bicara dan umur
melemah. Penjelasan selanjutnya sesuai dengan teori yang dipergunakan.
Uji signifikansi Korelasi parsial RyX1.X2 digunakan rumus:
√ √
t= = = = 3, 783
√ √

Dicari nilai t tabel dengan dk = n-1=64-1 = 63 ditemukan nilai t dengan α = 0.05 sebesar 2,00.
Dengan demikian nilai thitung > ttabel atau 3,783 > 2,00, sehingga berdasarkan kaidah Ho ditolak
dan Ha diterima secara signifikan.
Uji signifikansi Korelasi parsial RyX2.X1 digunakan rumus:
√ √
t= = = = 5, 606
√ √

Dicari nilai t tabel dengan dk = n-1=64-1 = 63 ditemukan nilai t dengan α = 0.05 sebesar 2,00.
Dengan demikian nilai thitung > ttabel atau 5, 606 > 2,00, sehingga berdasarkan kaidah Ho ditolak
dan Ha diterima secara signifikan.