DI SUSUN OLEH:
UNIVERSITAS RIAU
2019
1. 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.
Konsep Korelasi
1. Metode analisis terhadap data, tidak hanya yang terdiri dari satu karakteristik saja.
2. Banyak persoalan atau fenomena yang meliputi lebih dari sebuah variabel: berat
orang dewasa sampai taraf tertentu bergantung pada tinggi badannya, keterampilan
melempar ke target bergantung pada koordinasi mata-tangan, hasil produksi padi
berantung jumlah pupuk.
3. Dirasa perlu mempelajari analisis data yang terdiri dari banyak variabel dan
bagaimana mereka berhubungan.
4. Analisis korelasi merupakan studi yang membahas tentang derajat (seberapa kuat)
hubungan antara dua variabel atau lebih.
5. Ukuran derajat hubungan disebut Koefisien Korelasi.
6. Koefisien korelasi merupakan angka yang menunjukkan arah dan kuat hubungan
antara dua varibel atau lebih.
2. JENIS-JENIS 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
2. 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.
Korelasi Linear Positif : Jika semua titik (X,Y) pada diagram pencar mendekati bentuk garis
lurus dan jika arah perubahan kedua variabel sama. Jika X naik, Y juga naik.
Korelasi Non-linear: Jika semua titik (X,Y) pada diagram pencar tidak membentuk garis
lurus.
Korelasi Negatif: Jika jika arah perubahan kedua variabel tidak sama. Jika X naik, Y turun.
Untuk menerapkan koefisien korelasi antara dua variabel yang masing-masing mempunyai
skala pengukuran interval maka digunakan korelasi product moment yang dikembangkan
oleh Karl Pearson.Rumus korelasi product momen ini ada dua macam,yaitu:
Contoh Soal :
Judul : Hubungan Motivasi dengan Hasil Belajar Matematika Siswa Kelas X SMA Persada
Karya Tahun Pelajaran 2011/2012.
Data motivasi (X) : 50, 45, 55, 65, 43, 60, 56, 50, 42, 50, 60, 65 Data Hasil Belajar (Y) : 75,
60, 85, 85, 70, 80, 90, 80, 65, 65, 80, 90
Pertanyaan :
Langkah-langkah menjawab :
Ha : Ada hubungan yang signifikan antara motivasi dengan hasil belajar matematika siswa
kelas X SMA PK tahun pelajaran 2010/2011.
Ho : rxy = 0
Ha : rxy ≠ 0
NO X Y 𝑋2 𝑌2 XY
1 50 75 2500 5625 3750
2 45 60 2025 3600 2700
3 55 85 3025 7225 4675
4 65 85 4225 7225 5525
5 43 70 1849 4900 3010
6 60 80 3600 6400 4800
7 56 90 3136 8100 5040
8 50 80 2500 6400 4000
9 42 65 1764 4225 2730
10 50 65 2500 4225 3250
11 60 80 3600 6400 4800
12 65 90 4225 8100 5850
Statistik ∑X ∑Y ∑𝑋 2 ∑𝑌 2 ∑XY
12(50130)-(641).(925)
𝑟𝑥𝑦 =
√{12.(34949)2 −(641)2 }.{12.(72425)2 −(925)2 }
8635
𝑟𝑥𝑦 =10706,63 𝑟𝑥𝑦 =0,8065
Artinya : variabel motivasi memberikan kontribusi terhadap hasil belajar matematika siswa
sebesar 65,04 % dan sisanya ditentukan oleh variabel lain
Kaidah pengujian:
Berdasarkan perhitungan dengan mengambil α = 0,05 dan n = 12, uji satu pihak maka :
Variabel motivasi belajar siswa tergolong kuat, artinya motivasi sangat berperan dalam hasil
belajar matematika siswa dengan kontribusi sebesar 65,04 %.
Korelasi product moment pada umumnya juga digunakan untuk menetapkan validitas
butir instrumen sikap dan karakteristik psikologi yang lain yang skor butirnya dianggap
mempunyai skala pengukuran interval.
Keterangan :
5. Korelasi Serial
Koefisien korerasi parsial adalah indeks atau angka yang digunakan untuk mengukur
keeratan hubungan antara 2 variabel, jika variabel lainnya konstanta, pada hubungan yang
melibatkan lebih dari dua variabel. Koefisien korelasi parsial untuk tiga variabel dirumuskan
oleh:
ry1.2 =
b. Koefisien korelasi parsial antara Y dan X2 apabila X1 konstanta
ry2.1 =
c. Koefisien korelasi parsial antara X1 dan X2 apabila Y konstanta
r2.1Y =
Dari hasil analisis korelasi parsial (ry.x1x2) didapat korelasi antara kecerdasan dengan
prestasi belajar dimana tingkat stress dikendalikan (dibuat tetap) adalah 0,4356. Hal ini
menunjukkan bahwa terjadi hubungan yang sedang atau tidak terlalu kuat antara kecerdasan
dengan prestasi belajar jika tingkat stress tetap. Sedangkan arah hubungan adalah positif
karena nilai r positif, artinya semakin tinggi kecerdasan maka semakin meningkatkan prestasi
belajar.
Uji Signifikansi Koefisien Korelasi Parsial (Uji t)
Uji signifikansi koefisien korelasi parsial digunakan untuk menguji apakah hubungan
yang terjadi berlaku untuk populasi (dapat digeneralisasi). Langkah pengujiannya berikut ini.
1. Menentukan Hipotesis
Ho : Tidak ada hubungan secara signifikan antara kecerdasan dengan prestasi belajar
jika tingkat stress tetap
Ha : Ada hubungan secara signifikan antara kecerdasan dengan prestasi belajar jika
tingkat stress tetap
2. Menentukan tingkat signifikansi
Pengujian menggunakan uji dua sisi dengan tingkat signifikansi a = 5%. (uji dilakukan 2
sisi karena untuk mengetahui ada atau tidaknya hubungan yang signifikan, jika 1 sisi
digunakan untuk mengetahui hubungan lebih kecil atau lebih besar). Tingkat signifikansi
dalam hal ini berarti kita mengambil risiko salah dalam mengambil keputusan untuk
menolak hipotesa yang benar sebanyak-banyaknya 5% (signifikansi 5% atau 0,05 adalah
ukuran standar yang sering digunakan dalam penelitian)
3. Kriteria Pengujian
Berdasar probabilitas:
Ho diterima jika P value > 0,05
Ho ditolak jika P value < 0,05
4. Membandingkan probabilitas
Nilai P value (0,181 > 0,05) maka Ho diterima.
5. Kesimpulan
Oleh karena nilai P value (0,181 > 0,05) maka Ho diterima, artinya bahwa tidak ada
hubungan secara signifikan antara kecerdasan dengan prestasi belajar jika tingkat stress
dibuat tetap. Hal ini dapat berarti terdapat hubungan yang tidak signifikan, artinya
hubungan tersebut tidak dapat berlaku untuk populasi yaitu seluruh siswa SMU Negeri
XXX, tetapi hanya berlaku untuk sampel. Jadi dalam kasus ini dapat disimpulkan bahwa
kecerdasan tidak berhubungan terhadap prestasi belajar pada siswa SMU Negeri XXX.
Korelasi Rank Spearman digunakan untuk mencari hubungan atau untuk menguji signifikansi
hipotesis asosiatif. Dengan syarat 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:
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.
Nilai Nilai
Nomor Motivasi Prestasi Peringkat Peringkat
bi bi2
Responden Resp. I dari Resp. (Xi) (Yi)
(Xi) II (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)
dalamTabel 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.
7. korelasi parsial
Koefisien korelasi parsial adalah indeks atau angka yang digunakan untuk mengukur
keeratan hubungan antara 2 variabel, jika variabel lainnya konstanta, pada hubungan yang
melibatkan lebih dari dua variabel. Koefisien korelasi parsial untuk tiga variabel
dirumuskan oleh:
a. Koefisien korelasi parsial antara Y dan X1 apabila X2 konstanta.
ry1.2 =
b. Koefisien korelasi parsial antara Y dan X2 apabila X1 konstanta
ry2.1 =
Analisis korelasi parsial (Partial Correlation) digunakan untuk mengetahui hubungan antara
dua variabel dimana variabel lainnya yang dianggap berpengaruh dikendalikan atau dibuat
tetap (sebagai variabel kontrol). Nilai korelasi (r) berkisar antara 1 sampai -1, nilai semakin
mendekati 1 atau -1 berarti hubungan antara dua variabel semakin kuat, sebaliknya nilai
mendekati 0 berarti hubungan antara dua variabel semakin lemah. Nilai positif menunjukkan
hubungan searah (X naik maka Y naik) dan nilai negatif menunjukkan hubungan terbalik (X
naik maka Y turun). Data yang digunakan biasanya berskala interval atau rasio.
Menurut Sugiyono (2007) pedoman untuk memberikan interpretasi koefisien korelasi sebagai
berikut:
0,00 - 0,199 = sangat rendah
0,20 - 0,399 = rendah
0,40 - 0,599 = sedang
0,60 - 0,799 = kuat
0,80 - 1,000 = sangat kuat
Contoh kasus :
Kita mengambil contoh pada kasus korelasi sederhana di atas dengan menambahkan satu
variabel kontrol. Seorang mahasiswa bernama Andi melakukan penelitian dengan
menggunakan alat ukur skala. Andi ingin meneliti tentang hubungan antara kecerdasan
dengan prestasi belajar jika terdapat faktor tingkat stress pada siswa yang diduga
mempengaruhi akan dikendalikan. Dengan ini Andi membuat 2 variabel yaitu kecerdasan dan
prestasi belajar dan 1 variabel kontrol yaitu tingkat stress. Tiap-tiap variabel dibuat beberapa
butir pertanyaan dengan menggunakan skala Likert, yaitu angka 1 = Sangat tidak setuju, 2 =
Tidak setuju, 3 = Setuju dan 4 = Sangat Setuju. Setelah membagikan skala kepada 12
responden didapatlah skor total item-item yaitu sebagai berikut :
Dari hasil analisis korelasi parsial (ry.x1x2) didapat korelasi antara kecerdasan dengan prestasi
belajar dimana tingkat stress dikendalikan (dibuat tetap) adalah 0,4356. Hal ini menunjukkan
bahwa terjadi hubungan yang sedang atau tidak terlalu kuat antara kecerdasan dengan prestasi
belajar jika tingkat stress tetap. Sedangkan arah hubungan adalah positif karena nilai r positif,
artinya semakin tinggi kecerdasan maka semakin meningkatkan prestasi belajar.
MANFAAT KORELASI
Analisis korelasi seringkali digunakan untuk menyatakan derajat kekuatan hubungan antara
dua variabel. Dengan mengetahui hubungan antar 2 variabel, kita bisa mendeskripsikan
bagaimana gambaran yang lebih bermanfaat dari data-data yang kita miliki.
Contohnya saja, seorang pemimpin perusahaan kerap kali menggunakan korelasi untuk
mengetahui apakah terdapat hubungan yang kuat antara kenaikan gaji pegawai dengan
jumlah pendapatan perusahaan.
Analisis korelasi mampu menjelaskan hal ini dan memberikan analisis yang bermanfaat bagi
para pengambil keputusan.
Daftar pustaka
Muhson Ali. 2013.analisis korelasi.(file persentasi) diakses tanggal Rabu, 18 September 2019,
16.23.28.