BAB I

PENDAHULUAN
A. 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.
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.
Banyak analisis statistika bertujuan untuk mengetahui apakah ada
hubungan antara dua atau lebih peubah. Bila hubungan demikian ini dapat
dinyatakan dalam bentuk rumus matematik, maka kita akan dapat
menggunakannya untuk keperluan peramalan.

B. Rumusan Masalah
Dari latar belakang yang diuraikan di atas, rumusan masalah dalam
makalah ini adalah:
a. Apa pengertian korelasi?
b. Apa saja jenis-jenis korelasi?
c. Bagaimana Arah korelasi?

C. Tujuan
Tujuan dari penulisan makalah yang berjudul “Korelasi Statistik” adalah
sebagai berikut:
a. Untuk menjelaskan pengertian korelasi.
b. Untuk mengetahui jenis-jenis korelasi.
c. Untuk mengetahui arah korelasi.

1
 BAB II
PEMBAHASAN

A. Pengertian Korelasi
Istilah keterkaitan atau disebut dengan istilah korelasi, berasal dari bahasa
Inggris Correlation yang berarti hubungan, saling keterhubungan, atau hubungan
timbal balik.1 Dalam ilmu statistik istilah korelasi mengandung pengertian
hubungan antara dua variabel atau lebih.2
Menurut Darwyan Syah dalam kegiatan statistik khususnya statistik
inferensial, analisis korelasi merupakan hubungan antara dua variabel atau lebih,
yaitu antara variabel bebas dan variabel terikat.3 Hubungan korelasi terdiri atas
dua jenis yakni bivariate dan multivariate correlation. Bevariated correlation
yaitu analisis terhadap hubungan antara dua variable, satu varaiabel bebas dengan
satu variable terikat, sedangkan multivariate correlation yaitu analisis hubungan
antara lebih dua variable bebas.4
Variabel yang dikorelasikan dalam analisis korelasional adalah hubungan
antara dua variabel yang terdiri dependend variable (terikat) atau varaibel yang
dipengaruhi dan independend variabel yang mempengaruhi atau disebut juga
variable bebas.
Kata “Korelasi” menurut Moh Hariadi berasal dari bahasa inggris yaitu “
Correlation” yang dalam bahasa Indonesia artinya hubungan atau saling hubung
atau hubungan timbal balik.5 Dalam dunia statistik pendidikan korelasi adalah
hubungan antara dua variable atau lebih yang sifatnnya kuantitatif. Lambang
yang digunakan korelasi adalah rxy artinya korelasi antara variable X dan variable

1
Rahayu Kariadinata, Maman Abdurahman, Dasar-dasar Statistik Pendidikan, Bandung:
Pustaka Setia, 2012, hlm. 307
2
Rahayu Kariadinata, Maman Abdurahman, Dasar-dasar Statistik Pendidikan, hlm. 307
3
Darwyan Syah, dkk, Pengantar Statistik Pendidikan. Jakarta: Putra Grafika, 2007, hlm. 91
4
Darwyan Syah, dkk, Pengantar Statistik Pendidikan. Jakarta: Putra Grafika, 2007, hlm. 91
5
Moh Hariyadi, Statistik Pendidikan, Jakarta: Prestasi Pustaka Publisher, 2009, hlm. 132

2
 Y. Nilai korelasi berkisar antara 0 (nol) sampai dengan 1.00 artinya nilai korelasi
paling rendah adalah nol dan paling tinggi adalah 1.00.6
Sementara itu mendefenisikan Husaini Usman kata korelasi dengan istilah
statistik yang menyatakan derajat hubungan linear antara dua variable atau lebih,
yang ditemukan oleh Karl Pearson pada awal 1900 dan lebih dikenal dengan
sebutan korelasi Pearson Product Moment (PPM).7
Dari pengertian korelasi, maka Statistik korelasi yaitu suatu cara atau
metode untuk mengetahui ada atau tidaknya hubungan linear antar variabelnya.
Dan apabila terdapat hubungan maka perubahan – perubahan yang terjadi pada
salah satu variabel X akan mengakibatkan terjadinya perubahan pada variabel
lainnya (Y).

B. Jenis-Jenis Korelasi
1. Korelasi Product Moment (PPM)
Korelasi Pearson, atau lebih dikenal dengan korelasi Product Moment
Pearson, merupakan analisis untuk mengukur keeratan hubungan antara
dua variabel yang mempunyai distribusi data normal.8 Korelasi PPM
sering digunakan untuk mencari dan menguji hipotesis asosiatif/hubungan
dan variabel yang dihubungkan adalah variabel bebas (X) dan variabel
terikat (Y).9 Teknik korelasi product moment pearson (PPM) ini
digunakan untuk mencari hubungan, kuatnya pengaruh dan kontribusi
(sumbangan) antara variabel X dan variabel Y. Korelasi ini sering disebut
korelasi sederhana atau korelasi Pearson Product Moment (PPM).10

6
Moh Hariyadi, Statistik Pendidikan, , hlm. 132
7
Usman Husaini , Manajemen Teori,Praktik, Dan Riset Pendidikan, Jakarta : PT Bumi Aksara,
2013, hlm. 197
8
Duwi Priyatno, Cara Kilat Belajar Analisis Data dengan SPSS 20, Yogyakarta: ANDI, 2012,
hlm. 103
9
Riduwan, dkk, Cara Mudah Belajar SPSS 17.0 dan Aplikasi Statistik Penelitian, Bandung:
Alfabeta, 2014, hlm. 73
10
Rahayu Kariadinata, Maman Abdurahman, Dasar-dasar Statistik Pendidikan, hlm. 309

3
 Data yang digunakan pada korelasi PPM adalah data interval atau
rasio. Dalam perhitungan korelasi PPM ini akan di dapat korelasi yang
menunjukkan keeratan hubungan antara dua variabel yaitu X dan Y. Nilai
koefisien korelasi berkisar antara 0 sampai 1 atau 0 sampai -1. Semakin
mendekati 1 atau -1 maka hubungan semakin erat dan jika mendekati 0
maka hubungan semakin lemah.11
Terdapat dua rumus yang dapat digunakan pada korelasi pearson
product moment, yaitu :12
a. Korelasi product moment dengan rumus simpangan dan digunakan
untuk teknik korelasi Pearson product moment pada data tunggal,
dengan rumus:
Rumus simpangan:

Contoh :

11
Duwi Priyatno, Cara Kilat Belajar Analisis Data dengan SPSS 20, , hlm. 103
12
Rahayu Kariadinata, Maman Abdurahman, Dasar-dasar Statistik Pendidikan, hlm. 309

4
 Kita akan melihat apakah terdapat korelasi yang signifikan antara
hasil belajar Matematika (variabel X) dan hasil belajar IPA (variabel
Y). Data sebagai berikut:

Tabel 2.1 Rumus Simpangan

No Nama X Y x y x² y² xy
Siswa
1 A 85 65 15 8 225 64 120
2 B 95 90 25 33 625 1089 825
3 C 55 35 -15 -22 225 484 330
4 D 85 75 15 18 225 324 270
5 E 60 40 -10 -17 100 289 170
6 F 60 50 -10 -7 100 49 70
7 G 75 70 5 13 25 169 65
8 H 50 25 -20 -32 400 1024 640
9 I 55 35 -15 -22 225 484 330
10 J 80 65 10 8 100 64 80
11 K 60 49 -10 -8 100 64 80
12 L 80 85 10 28 100 784 280
Jumlah ƩX=840 ƩY=684 Ʃx²=2450 Ʃy²=4888 Ʃxy²=3260

Kita cari dahulu masing-masing rata-ratanya :

Ʃ𝑥 840 Ʃ𝑌 684
X = 𝑓(𝑥) = = = 70 Y = = = 57
𝑛 12 𝑛 12

Selanjutnya isi kolom x dengan rumus :

x=X-X

5
 Kolom y dengan rumus :

y=Y-Y

Rumus Simpangan:
xy = (Ʃx²) (y²)
(Ʃx²) (Ʃy²)
xy = 3260
(2450) (4888)
xy = 3260
11975600
xy = 3260
3460,578
xy = 0,942

b. Korelasi product moment dengan rumus angka kasar pada data tunggal
ditentukan dengan rumus:

6
 Contoh kasus :
Tabel 2.2 Rumus Angka Kasar
No Nama X Y X² Y² XY
Siswa
1 A 85 65 7225 4225 5525
2 B 95 90 9025 8100 8550
3 C 55 35 3025 1225 1925
4 D 85 75 7225 5625 6375
5 E 60 40 3600 1600 2400
6 F 60 50 3600 2500 3000
7 G 75 70 5625 4900 5250
8 H 50 25 2500 625 1250
9 I 55 35 3025 1225 1925
10 J 80 65 6400 4225 1925
11 K 60 49 3600 2401 2940
12 L 80 85 6400 7225 6800
Jumlah ƩX=840 ƩY=684 ƩX²=61250 ƩY²=43876 ƩXY=51140

rxy = n.ƩXY- (ƩX) (ƩY)

{n.ƩX²-(ƩX)²}{n.ƩY² (ƩY)²}
rxy = 12.51140 – (840) (684)
{12.(61250-(840)²} {12. (43876) - (684)²]
rxy = 613680 - 574560
(735000–705600) (526512- 467856)
rxy = 35520
(29400) – (58656)

7
 rxy = 35520
41526
= 0,856

Dari hasil perhitungan dengan rumus simpangan maupun rumus

angka kasar di dapat koefisien korelasi yang bernilai positif yaitu
0,942 dan o,856 maka terdapat hubungan yang searah atau dengan
kata lain terdapat korelasi positif diantara kedua variabel.

2. Korelasi Point-Serial
Teknik korelasi point-serial digunakan untuk menghitung korelasi
antara dua variabel, yang satu berskala nominal dan yang lain berskala
interval. Misalnya : Korelasi antara jenis kelamin siswa dengan kecakapan
matematika disamping itu, teknik korelasi ini pada umumnya juga
digunakan untuk menerapkan koefisien korelasi (validitas butir) antara
butir-butir tes yang diskor dikotomi (betul=1, salah=0) dengan skor
totalnya yang dianggap berskala pengukuran interval. Apabila gejala yang
berskala nominal tersebut diskor secara dikotomi, maka sering disebut
korelasi point-biserial (rp-bis). Rumusnya adalah sebagai berikut:

rp – bis = M1 – M2 . p.q atau rp – bis = M1 – Mt . p.q

St St
Keterangan :
rp-bis = koefisien korelasi point-biserial
M1 = mean gejala interval kelompok 1
M2 = mean gejala interval kelompok 2
St = standar deviasi total (kelompok 1 dan 2)
P = Proporsi dari kelompok 1
Q = 1-p

8
 3. Interpretasi Harga r
Interpretasi terhadap harga atau koefisien korelasi adalah sebagai
berikut:13

Tabel 2.3 Interpretasi Korelasi Positif

Koefisien Korelasi r Interpretasi

0,800 < rxy ≤ 1 Sangat Tinggi
0,600 < rxy ≤ 0,800 Tinggi
0,400 < rxy ≤ 0600 Cukup
0,200 < rxy ≤ 0,400 Rendah
0 < rxy ≤ 0,200 Sangat Rendah

Tabel 2.4 Interpretasi Korelasi Negatif

Koefisien Korelasi r Interpretasi

-1 < rxy ≤ - 0,800 Sangat Tinggi
-0,800 < rxy ≤ - 0,600 Tinggi
-0,600 < rxy ≤ -0,400 Cukup
-0,400 < rxy ≤ -0,200 Rendah
-0,200 < rxy ≤ 0 Sangat Rendah

Disamping itu, untuk menafsirkan harga r (koefisien korelasi) maka dapat

dikonsultasikan (dibandingkan) dengan harga kritik r product moment (tabel r).
Dalam hal ini, ditentukan tingkat kesalahan (peluang ralat) adalah 5% (yang
biasa digunakan pada ilmu-ilmu social) dengan melihat pada tabel r berdasarkan
N= banyaknya responden.

13
Rahayu Kariadinata, Maman Abdurahman, Dasar-dasar Statistik Pendidikan, hlm. 309

9
C. Arah Korelasi
Hubungan antara variabel jika ditinjau dari arahnya dapat dibedakan
menjadi 2 macam, yaitu hubungan yang sifatnya searah dan hubungan yang
sifatnya berlawanan arah.14 Hubungan yang sifatnya satu arah disebut korelasi
positif dan hubungan yang sifatnya berlawanan arah disebut korelasi negatif.
Pada korelasi positif , semakin besar nilai variabel yang satu akan diikuti
oleh semakin besar pula variabel berikutnya. Dua variabel atau lebih ini
berjalan searah. Misalnya korelasi antara kenaikan BBM dan kenaikan ongkos
angkutan. Hal ini menunjukkan bahwa kenaikan BBM akan diikuti oleh
kenaikan ongkos angkutan.
Pada korelasi negatif semakin besar nilai variabel yang satu semakin kecil
variabel berikutnya. Dua variabel atau lebih ini berjalan berlawanan arah.
Misalnya, korelasi antara menngkatnya jumlah akseptor KB dan menurunnya
angka kelahiran.15
Korelasi positif dan korelasi negatif apabila digambarkan dalam bentuk
bagan akan tampak seperti berikut:16

Gambar 2.1 Korelasi Positif

Y X Y X

14
Rahayu Kariadinata, Maman Abdurahman, Dasar-dasar Statistik Pendidikan, hlm. 308
15
Rahayu Kariadinata, Maman Abdurahman, Dasar-dasar Statistik Pendidikan, hlm. 308
16
Rahayu Kariadinata, Maman Abdurahman, Dasar-dasar Statistik Pendidikan, hlm. 309

10
 Gambar 2.2 Korelasi Negatif

Y X Y

1. Korelasi Positif
Korelasi Positif dapat diartikan yaitu suatu hubungan antara variabel X
dan Y yang dapat ditunjukan dengan hubungan sebab akibat dimana
apabila terjadi penambahan nilai pada variabel X maka akan diikuti
terjadinya penambahan nilai variabel Y.

2. Korelasi Negatif
Jika pada korelasi positif tadi adalah untuk peningkatan nilai X dan
akan diikuti penambahan nilai Y, korelasi negatif ini dapat berlaku
sebaliknya. Jika nilai variabel X meningkat maka nilai variabel Y justru
mengalami penurunan.

11
 BAB III

PENUTUP

A. Simpulan
Korelasi adalah istilah statistic yang menyatakan derajat hubungan
linear antara dua variable atau lebih, yang ditemukan oleh Karl Pearson pada
awal 1900 oleh itu terkenal dengan sebutan korelasi pearson product moment
(PPM) Korelasi adalah salah satu teknik analisis statistik yang paling
banyak digunakan oleh para peneliti, karena peneliti pada umumnya tertarik
terhadap peristiwa-peristiwa yang terjadi dan mencoba untuk
menghubungkannya.
Hubungan antara variable itu jika ditilik dari segi arahnya, dapat
dibedakan menjadi dua macam yaitu hubungan yang sifatnya satu arah dan
hubungan yang sifatnya berlawanan arah. Hubungan yang sifatnya searah
diberi nama korelasi positif, sedangkan yang berlawanan arah disebut korelasi
negative.

B. Saran
Alhamdulillah, penulisan makalah ini telah terselasaikan dengan baik.
Penulis berharap makalah ini dapat memberikan manfaat dan ilmu
pengetahuan yang luas bagi para pembacanya. Penulis juga menyarankan
kepada para pembaca supaya membaca dari beberapa sumber lainnya
sehingga ilmu yang didapatkan juga semakin bertambah.

12
 DAFTAR PUSTAKA

Darwyan Syah. Dkk. 2007. Pengantar Statistik Pendidikan. Jakarta: Putra Grafika.

Duwi Priyatno. 2012. Cara Kilat Belajar Analisis Data dengan SPSS 20. Yogyakarta:
ANDI.

Moh Hariyadi, 2009, Statistik Pendidikan, Jakarta: Prestasi Pustaka Publisher

Rahayu Kariadinata. Maman Abdurahman. 2012. Dasar-dasar Statistik Pendidikan.

Bandung: Pustaka Setia.

Riduwan, dkk. 2014. Cara Mudah Belajar SPSS 17.0 dan Aplikasi Statistik
Penelitian. Bandung: Alfabeta.

Usman Husaini. 2013. Manajemen Teori,Praktik, Dan Riset Pendidikan. Jakarta: PT

Bumi Aksara.

13