TUGAS INDIVIDU DOSEN PENGAMPU

Statistika Pendidikan Dr Gimin.M.Pd

RINGKASAN MATERI KORELASI

DI SUSUN OLEH:

TRYA POLYTA LIMBONG 1705114868

PROGRAM STUDI PENDIDIKAN PANCASILA DAN KEWARGANEGARAAN

JURUSAN ILMU PENGETAHUAN SOSIAL

FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN

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

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, sedangkan Kendall’s tau-
b, dan Spearman Correlation lebih cocok untuk data berskala ordinal.
Pada bab ini akan dibahas analisis korelasi sederhana dengan metode Pearson atau
sering disebut Product Moment Pearson. 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).
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:
Seorang mahasiswa bernama Andi melakukan penelitian dengan menggunakan alat
ukur skala. VITA ingin mengetahui apakah ada hubungan antara kecerdasan dengan prestasi
belajar pada siswa SMU NEGRI xxx dengan ini VITA membuat 2 variabel yaitu kecerdasan
dan prestasi belajar. 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:

Tabel. Tabulasi Data (Data Fiktif)

Subjek Kecerdasan Prestasi Belajar

1 33 58
2 32 52
3 21 48
4 34 49
5 34 52
6 35 57
7 32 55
8 21 50
9 21 48
10 35 54
11 36 56
12 21 47
Setelah diolah, maka hasil output yang didapat adalah sebagai berikut:
Tabel. Hasil Analisis Korelasi Bivariate Pearson
Dari hasil analisis korelasi sederhana (r) didapat korelasi antara kecerdasan dengan
prestasi belajar (r) adalah 0,766. Hal ini menunjukkan bahwa terjadi hubungan yang kuat
antara kecerdasan dengan prestasi belajar. Sedangkan arah hubungan adalah positif karena
nilai r positif, berarti semakin tinggi kecerdasan maka semakin meningkatkan prestasi belajar.

Uji Signifikansi Koefisien Korelasi Sederhana (Uji t)

Uji signifikansi koefisien korelasi digunakan untuk menguji apakah hubungan yang
terjadi itu berlaku untuk populasi (dapat digeneralisasi). Misalnya dari kasus di atas
populasinya adalah siswa SMU NEGRI XXX dan sampel yang diambil dari kasus di atas
adalah 12 siswa SMU NEGRI XXX, jadi apakah hubungan yang terjadi atau kesimpulan
yang diambil dapat berlaku untuk populasi yaitu seluruh siswa SMU Negeri XXX.
Langkah-langkah pengujian sebagai berikut:
1. Menentukan Hipotesis
Ho : Tidak ada hubungan secara signifikan antara kecerdasan dengan prestasi belajar
Ha : Ada hubungan secara signifikan antara kecerdasan dengan prestasi belajar
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
Ho diterima jika Signifikansi > 0,05
Ho ditolak jika Signifikansi < 0,05
4. Membandingkan signifikansi
Nilai signifikansi 0,004 < 0,05, maka Ho ditolak.
5. Kesimpulan
Oleh karena nilai Signifikansi (0,004 < 0,05) maka Ho ditolak, artinya bahwa ada
hubungan secara signifikan antara kecerdasan dengan prestasi belajar. Karena koefisien
korelasi nilainya positif, maka berarti kecerdasan berhubungan positif dan signifikan
 terhadap pretasi belajar. Jadi dalam kasus ini dapat disimpulkan bahwa kecerdasan
berhubungan positif terhadap prestasi belajar pada siswa SMU Negeri XXX

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.

Derajat hubungan antara variabel-variabel • Statistik yang mengandung tingkat hubungan

atau kerjasama di antara dua variabel. • Pearson correlation adalah statistik bivariat yang
mengandung tingkat hubungan linear di antara dua variabel kuantitatif. • Korelasi mengukur
derajat hubungan antara 2 atau lebih variabel. • Hubungan antara 2 Variabel (Misal X dan Y)
dapat linear, non-linear, positif atau negatif

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.

3. Korelasi Product Moment (Pearson)

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:

a. korelasi product momen dengan rumus simpangan (deviasi).

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 :

1. Berapakah besar hubungan variabel X terhadap Y ?

2. Berapakah besar sumbangan (kontribusi) variabel X terhadap Y ?

3. Buktikan apakah ada hubungan yang signifikan variabel X terhadap Y !

Langkah-langkah menjawab :

Langkah 1 : Menentukan hipotesis penelitian ;

Ho : Tidak ada hubungan yang signifikan antara motivasi dengan hasil belajar matematika
siswa kelas X SMA PK tahun pelajaran 2010/2011.

Ha : Ada hubungan yang signifikan antara motivasi dengan hasil belajar matematika siswa
kelas X SMA PK tahun pelajaran 2010/2011.

Langkah 2 : Menentukan hipotesis statistik

Ho : rxy = 0

Ha : rxy ≠ 0

Langkah 3 : Membuat tabel penolong untuk menghitung korelasi PPM

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

Jumlah 641 925 34949 72425 50130

Langkah 4 : Mencari 𝑟ℎ𝑖𝑡𝑢𝑛𝑔 dengan rumus Pearson Product Moment

 n( ∑ XY)-( ∑ 𝑋).(∑ 𝑌
𝑟𝑥𝑦 =
√{𝑛.∑𝑋 2−(∑ 𝑋)2 }.{𝑛.∑𝑌 2−(∑ 𝑌)2 }

12(50130)-(641).(925)
𝑟𝑥𝑦 =
√{12.(34949)2 −(641)2 }.{12.(72425)2 −(925)2 }

8635
𝑟𝑥𝑦 =10706,63 𝑟𝑥𝑦 =0,8065

Langkah 5 : Mencari besarnya sumbangan (kontribusi) variabel X terhadap Y dengan rumus :

KP = 𝑟 2 x 100 % = (0,8065)2 x 100 %

= 0,6504 x 100 % = 65,04 %

Artinya : variabel motivasi memberikan kontribusi terhadap hasil belajar matematika siswa
sebesar 65,04 % dan sisanya ditentukan oleh variabel lain

Langkah 6 : Menguji signifikansi dengan rumus :

Kaidah pengujian:

Jika 𝑡ℎ𝑖𝑡𝑢𝑛𝑔 ≥ 𝑡𝑡𝑎𝑏𝑒𝑙 maka Ho ditolak

𝑟√𝑛−2 0,8065√12−2
𝑡ℎ𝑖𝑡𝑢𝑛𝑔 =r = artinya signifikan.
√1−𝑟 2 √1−0,80652

Jika 𝑡ℎ𝑖𝑡𝑢𝑛𝑔 ≤ 𝑡𝑡𝑎𝑏𝑒𝑙 maka Ho diterima

0,8065,3,1623
𝑡ℎ𝑖𝑡𝑢𝑛𝑔 = =4,3132 artinya tidak signifikan
√0,3496

Berdasarkan perhitungan dengan mengambil α = 0,05 dan n = 12, uji satu pihak maka :

dk = n – 2 = 12 – 2 = 10 sehingga diperoleh ttabel = 1,812. Ternyata 𝑡ℎ𝑖𝑡𝑢𝑛𝑔 lebih besar dari

𝑡𝑡𝑎𝑏𝑒𝑙 atau 4,3132 > 1,812 maka Ho ditolak artinya ada hubungan yang signifikan antara
motivasi dengan hasil belajar matematika siswa kelas X SMA PK tahun pelajaran 2010/2011
Langkah 7 : Membuat kesimpulan

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.

4. Korelasi point biserial

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:

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

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:

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 =
c. Koefisien korelasi parsial antara X1 dan X2 apabila Y konstanta

r2.1Y =

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 :
Tabel. Tabulasi Data (Data Fiktif)

Subjek Kecerdasan Prestasi Belajar Tingkat Stress

1 33 58 25
2 32 52 28
3 21 48 32
4 34 49 27
5 34 52 27
6 35 57 25
7 32 55 30
8 21 50 31
9 21 48 34
10 35 54 28
11 36 56 24
12 21 47 29

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.

6. Korelasi Rank Order (Spearman)

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:

Tabel 1. Nilai Motivasi dan Prestasi

Nomor
Jumlah Skor Jumlah skor
responden
1 9 8
2 6 7
3 5 6
4 7 8
5 4 5
6 3 4
7 2 2
8 8 9
9 7 8
10 6 6
6. Perhitungan untuk pengujian Hipotesis
 Data tersebut diperoleh dari sumber yang berbeda yaitu Motivasi (Xi) dan Prestasi (Yi).
Karena sumber datanya berbeda dan berbentuk ordinal, maka untuk menganalisisnya
digunakan Korelasi Rank yang rumusnya adalah:
ρ = 1 – ( 6Σbi 2 : N ( N2 – 1 )
ρ = koefisien korelasi Spearman Rank
di = beda antara dua pengamatan berpasangan
N = total pengamatan

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.

Tabel 2. Tabel penolong untuk menghitung koefisien korelasi Spearman Rank

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 =

c. Koefisien korelasi parsial antara X1 dan X2 apabila Y konstanta

r2.1Y =

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 :

8. Tabel. Tabulasi Data (Data Fiktif)

 9.
Subjek Kecerdasan Prestasi Belajar Tingkat Stress
1 33 58 25
2 32 52 28
3 21 48 32
4 34 49 27
5 34 52 27
6 35 57 25
7 32 55 30
8 21 50 31
9 21 48 34
10 35 54 28
11 36 56 24
12 21 47 29

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.

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.

Korelasi seringkali digunakan dalam dunia riset ataupun bisnis.

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

Hendrati Ignatia Martha. Teknik Analisis Korelasi. Korelasi Pelatihan Ciputra.

Diakses tanggal Selasa, 18 September 2018, 11.19.03

Muhson Ali. 2013.analisis korelasi.(file persentasi) diakses tanggal Rabu, 18 September 2019,
16.23.28.