KORELASI PHI DAN KORELASI PARSIAL

Athar Zaif Zairozie, M.Pd

 DAFTAR ISI

HALAMAN JUDUL………………………………………………..……..i

KATA PENGANTAR ii

DAFTAR ISI iii

BAB I PENDAHULUAN 1

A. Latar Belakang 1

B. Rumusan Masalah 1

C. Tujuan 1

BAB II PEMBAHASAN 2

A. Pengertian Korelasi Phi……………………………………..2

B. Uji Korelasi Parsial………………………………………....2

C. Pengertian Korelasi Parsial…………...………………….....6

D. Uji Korelasi Parsial…………………………………………6

BAB III PENUTUP 13

3.1 Kesimpulan 13

3.2 Saran 13

DAFTAR PUSTAKA 14

ii
 BAB I

PENDAHULUAN

A.Latar Belakang
Di dalam dunia pendidikan pembelajaran adalah sebuah proses yang
dilakukan untuk mencapai tujuan pendidikan. Pada proses tersebut biasanya
mengacu pada sebuah kurikulum, yang mana kurikulum merupakan serangkaian
item pembelajaran dari awal hingga akhir dalam suatu pendidikan. Dari hal itu
tentunya akan menemukan atau membutuhkan data-data pendidikan terkait,
perencanaan pembelajaran, penelitian, evaluasi dan sebagainya.

Sehingga dibutuhkan kemampuan dalam mengolah suatu data tersebut.

Karena tanpa mengetahui tentang pengolahan data (statistik) akan menimbulkan
kesulitan dalam menunjang optimalisasi pembelajaran, khususnya pada guru.
Oleh karena itu, sebagai calon guru, mahasiswa Fakultas Tarbiyah dan Ilmu
Keguruan harus bisa dalam penggunaan ilmu statistika dalam pendidikan untuk
menunjang atau memudahkan mereka dalam melaksanakan pendidikan, seperti
korelasi phi untuk melakukan evaluasi dalam pembelajaran.

B. Rumusan Masalah
a. Apa yang dimaksud dengan pengertian korelasi phi?.
b. Bagaimana penerapan uji korelasi phi?.
c. Apa yang dimaksud dengan korelasi parsial?.
d. Bagaimana penerapan uji korelasi parsial?.

C. Tujuan

a. Mengetahui pengertian korelasi phi.

b. Memahami bagaimana uji korelasi phi.
c. Mengetahui pengertian korelasi parsial.
d. Memahami bagaimana uji korelasi parsial.

1
 BAB II
PEMBAHASAN

A. Pengertian Korelasi Phi

Teknik Korelasi Phi adalah salah satu teknik analisa korelasional
yang dipergunakan apabila data yang dikorelasikan adalah data yang
benar-benar dikotomik (terpisah atau dipisahkan secara tajam); dengan
istilah lain : variabel yang dikorelasikan itu adalah variabel diskrit murni;
misalnya: Laki-laki-Perempuan, Hidup-Mati, Lulus-Tidak lulus, Menjadi
Pengurus Organisasi-Tidak Menjadi Pengurus Organisasi, Mengikuti
Bimbingan Tes-Tidak Mengikuti Bimbingan Tes, dan seterusnya.
Apabila variabelnya bukan merupakan variabel diskrit dan kita ingin
menganalisa data tersebut dengan menggunakan Teknik Analisa
Korelasional Phi, maka variabel tersebut terlebih dahulu harus diubah
menjadi Variabel Diskrit.1

B. Uji Korelasi dengan Korelasi Phi (Φ)

Teknik korelasi ini digunakan untuk menguji hubungan antara dua
variabel diskrit. Misalnya, antara laki-laki dan perempuan, benar-salah,
berhasil-gagal, dan lain-lain. Apabila variabelnya bukan gejala diskrit,
untuk mengujinya dengan phi harus diubah dulu ke variabel diskrit.
Kisaran besarnya nilai koefisien korelasi phi, yaitu antara 0 samai dengan
± 1. Untuk menyelesaikan analisis dengan teknik phi digunakan tabel
kontingensi 2 x 2.2

Rumus Pertama:

ad − bc
𝛷=
√(a + b)(c + d)(a + c)(b + d)

1
Prof. Drs. Anas Sudijono, Pengantar Statistik Pendidikan, (Jakarta: PT RajaGrafindo Persada),
230-231.
2
Subana, Statistik Pendidikan, (Bandung: CV Pustaka Setia), 159.

2
 Contoh:
Kita akan meneliti hubugan antara jenis kelamin (JK) siswa dengan
pilihan program studi (PPS) di Perguruan Tinggi. Jenis kelamin dapat
dibedakan menjadi laki-laki (L) dan perempuan (P) termasuk data nominal
dan pilihan program studi di PT juga dapat dibedakan secara terpisah
misalnya menjadi program eksakta (E) dan sosial (S) ini juga termasuk
data nominal.
Misalnya yang menjadi sampel penelitian adalah 200 siswa lulusan
SMA yang akan melanjutkan ke Perguruan Tinggi. Hasil pengumpulan
data ditabulasikan pada tabel berikut:
JK PPS Total

E S

L 70 (a) 30 (b) 100 (a+b)

P 40 (c) 60 (d) 100 (c+d)

Total 110 (a+c) 90 (b+d) 200

Maka:
ad − bc
𝛷=
√(a + b)(c + d)(a + c)(b + d)

(70.60) − (30.40)
𝛷=
√(70 + 30)(40 + 60)(70 + 40)(30 + 60)

4200 − 1200
𝛷=
√(100)(100)(110)(90)
3000
𝛷=
√99000000
3000
𝛷=
9950

3
 𝛷 = 0,301

Rumus Kedua:

Rumus ini kita pergunakan apabila dala menghitung 𝛷 kita

mendasarkan diri pada nilai porsinya.
αδ − βγ
𝛷=
√(p)(q)(p′)(q′)

Dari tabel diatas telah berhasil kita peroleh:

α = 0,200; β = 0,200; γ = 0,250; δ = 0,350; p = 0,400; q = 0,600; p’ = 0,450;

q’ = 0,550

Kita masukkan ke dalam rumus:

αδ − βγ
𝛷=
√(p)(q)(p′)(q′)
(0,200)(0,350) − (0,200)(0,250)
𝛷=
√(0,400)(0,600)(0,450)(0,550)
0,07 − 0,05
𝛷=
√(0,0594

4
 0,02
𝛷=
0, 244
𝛷 = 0,082

Rumus Ketiga:

Rumus ketiga ini kita pergunakan apabila dalam mencari 𝛷 kita terlebih
dahulu menghitung harga Kai Kuadrat (𝑋 2 )

𝑥2
𝛷=√
𝑁

Dan Kai Kuadrat itu dapat diperoleh dengan rumus:

(𝑓𝑜 −𝑓𝑡 )2
𝑥2 = ∑ 𝑓𝑡

𝑓𝑜 = frekuensi yang diobservasi atau observed frequency, atau frekuensi

yang diperoleh dalam penelitian.

𝑓𝑡 = frekuensi teoritik atau theoretical frequency, atau frekuensi secara

teoritik.

5
 𝑥2
𝛷=√
𝑁

0,6733
𝛷=√
100

𝛷 = √0,00673
𝛷 = 0,082

C. Pengertian Korelasi Parsial

Korelasi parsial adalah pengukungan hubungan anatara dua
variabel, dengan mengontrol atau menyesuaikan efek dari satu atau lebih
variabel lain.

D. Uji Korelasi dengan Korelasi Parsial

Uji korelasi parsial adalah suatu teknik statistik parametik yang
digunakan untuk menguji taraf hubungan antara variabel X1 dengan Y
pada kondisi variabel X yang lain misalnya X2,X3 dan sebagainya.
Variabel X2, X3 dan sebagainya itu disebut sebagai variabel kontrol yang
fungsinya digunakan untuk memurnikan hubungan antara variabel X dan
Y.3 Misalkan kita ingin mengetahui hubungan yang murni antara kondisi
ekonomi (X1) dengan Indeks Prestasi (Y) mahasiswa. Sementara dari
dasar teori diketahui bahwa indeks prestaasi tidak ditentukaan oleh kondisi
ekonomi, akan tetapi oleh tingkat kecerdassan atau IQ. Misalkan dalam
penelitian didapatkan nilai Indeks Prestasi yang tinggi, hal ini kemngkinan
bukan karena kondisi ekonominya, akan tetapi karena faktor
kecerdasannya. Namun jika peneliti ingin tetap menguji hubungan antara
kondisi ekonomi dengan IP sementara juga mengakui adanya keterlibatan
variabel, kecerdasan, maka peneliti mengembangkan permasalahan
penelitiannya menjadi “pada tingkat kecerdasan seperti apa (X2) variabel

3
Sugiyono, Statistika Untuk Penelitian, (Bandung: Alfabeta), 126-127.

6
kondisi ekonomi (X1) dapat berkorelaasi dengan IP (Y) mahasiswa. Untuk
menganalisis data masalah seperti ini, kita menggunakan rumus korelasi
parsial, yaitu:

ry1−(ry2)(r12)
ry1.2 =
√{(1−(ry2)2 )(1−(r12)2 )}

𝑟𝑦2−(𝑟𝑦2)(𝑟𝑦12)
ry2.1 =
√{(1−(𝑟𝑦1)2 )(1−𝑟12)2 )}

Keterangan :

ry1.2 = Korelasi antara X1 dengan Y mengendalikan X2

ry2.1 = Korelasi antara X2 dengan Y mengendalikan X1
ry1 = Korelasi antara X1 dengan Y
ry2 = Korelasi antara X2 dengan Y
r12 = Korelasi antara X1 dengan X2

Berdasarkan rumus-rumus korelasi parsial tersebut tampak bahwa

kita harus menemukan harga-harga korelasi tunggal dari variabel-variabel
penelitian. Rumus untuk menghitung korelasi tunggal khususnya korelasi
product moment sudah dibahas panjang lebar pada bagian sebelumnya.
Contoh perhitungan korelasi parsial. Misalkan kita mendapatkan harga-
harga korelasi tunggal yang berasal daari tabel 91 dimana ry1 = 0,91 dan
ry2 = 0,93 dan r12 = 0,93. Sehinngga untuk menghitung korelasi parsial
harus dilakukan melalui cara sebagai berikut:

𝑟𝑦1− (𝑟𝑦2)(𝑟12)
ry1.2 =
√{(1−(𝑟𝑦2)2 )(1−(𝑟12)2 )}

0,91−( 0,93.0,93)
= = 0,36
√{(1−(0,93)2 )(1−(0,93)2 )}

𝑟𝑦2−(𝑟𝑦2)(𝑟12)
ry2.1 =
√{(1−(𝑟𝑦2)2 )(1− (𝑟12)2 )}

7
 𝑟𝑦2−(𝑟𝑦2)(𝑟12)
= = 0,53
√{(1−(0,91)2 )(1−(0,93)2 )}

Berdasarkan hasil perhitungan koefisien korelasi parsial tersebut

maka harus dilakukan pengujian signifikasi melalui nilai t dengan rumus
sebagai berikut :

𝑟𝑦12− √(𝑁−3) 0,53−√(8−3)

Nilai t = = = 0,863
√({1−(𝑟𝑦1.2)2 )} √({1−(0,53)2 )}

𝑟𝑦2.1−√(𝑁−3) 0,53−√(8−3)
Nilai t = = = 0,398
√({1−(𝑟𝑦2.1)2 )} √({1−(0,53)2 )}

Berdasarkan nilai t sebagai 0,863 dan 1,398 dan dengan

menggunakan db = 5 (N-3) dalam table nilai-nilai t diperoleh harga t
teoritik sebesar 2,571 pada taraf 5% dan 4,032 pada taraf 1%. Hal ini
berarti bahwa harga t emperik lebih kecil dari harga teoritik, sehingga
dapat disimplkan bahwa tidak terdapat hubungan signifikan antara variabel
kondisi ekonomi (X1) pada taraf kecerdasan (X2) tertentu.
Apabila dikehendaki peneliti dapat menggunakan 2 atau lebih
variabel control. Untuk yang menggunakan 2 variabel kontrol rumusnya
adalah sebagai berikut,

𝑟𝑦1.2−(𝑟𝑦3.2)(𝑟13.2)
ry1.23 =
√{(1−(𝑟𝑦3.2)2 )(1−(𝑟13.2)2 )}

𝑟𝑦2.3−(𝑟𝑦1.2)(𝑟21.3)
ry2.31 =
√{(1−(𝑟𝑦1.3)2 )(1−(𝑟21.3)2 )}

𝑟𝑦3.1−(𝑟𝑦2.1)(𝑟32.1)
ry3.12 =
√{(1−(𝑟𝑦2.1)2 )(1−(𝑟32.1)2 )}

Keterangan:
ry1.23 = Korelasi antara X1 dengan Y mengendalikan X2 dan X3
ry2.31 = Korelasi antara X2 dengan Y mengendalikan X1 dan X3

8
ry3.12 = Korelasi antara X3 dengan Y mengendalikan X1 dan X2
ry1.2 = Korelasi antara X1 dengan Y mengendalikan X2
ry1.3 = Korelasi antara X1 dengan Y mengendalikanX3
ry2.1 = Korelasi antara X2 dengan Y mengendalikan X1
ry2.3 = Korelasi antara X2 dengan Y mengendalikan X3
ry3.1 = Korelasi antara X3 dengan Y mengendalikan X1
ry3.2 = Korelasi antara X3 dengan Y mengendalikan X2
ry2.3 = Korelasi antara X2 dengan Y mengendalikan X3
r13.2 = Korelasi antara X1 dengan X3 mengendalikan X2
r32.1 = Korelasi antara X3 dengan X2 mengendalikan X3
r21.3 = Korelasi antara X2 dengan X1 mengendalikan X3

Kemudian untuk melakukan uji signifikasi pada korelasi parsial

dengan 2 variabel kontrol dilakukan dengan jalan menghitung nilai t. nilai
t yang ditemukan disebut nilat t empiric kemudian dibandingkan dengan
nilai t teoritik yang terdapat dalam tabel nilai-nilai t. Apabila t empirik ≥
nilai t teoritik maka dapat dikatakaan signifikan. Akan tetapi sebaliknya
apabila nilai t empirik < dari pada nilai teoritik maka disebut tidak
signifikan. Adapun rumus untuk menemukan nilai t adalah sebagai berikut
:
𝑟𝑦3.12 √(𝑁−4)
Nilai t =
√(1−(𝑟(𝑦3.12) 2 )

Dari rumus korelasi 2 variabel kontrol tersebut tampak dalam

perhitungan memerlukan suatu proses yang amat panjang karena untuk
sampai pada tahap menemukan harga koefisien korelasi parsial dengan 2
variabel kontrol harus menemukan korelasi tunggal dan korelasi parsial 1
variabel bebas lebih dahulu. Untuk mengatasi perhitungan pada koreasi
parsial 2 variabel kontrol disarankan menggunakan analisa computer,
karena lebih cepat dan ketelitiannya dapat diandalkan.

9
Contoh 2 korelasi parsial

Pada salah satu areal pembibitan di PT Tunas Agro telah diketahui

bahwa pertumbuhan bibit kelapa sawit di MN (main nursery) kurang
maksimal. Untuk mengetahui kurang maksimalnya pertumbuhan bibit
kelapa sawit tersebut, maka perusahaan melakukan riset untuk mengetahui
lemahnya pengaruh hubungan antara dosis pemupukaan (𝑥1 ) dengan curah
hujan (𝑥2 ) terhadap pertumbuhan kelapa sawit (Y).

Pada riset yang dilakukan kali ini akan menitikberatkan pengaruh

curah hujan terhadap tumbuhan bibit kelapa sawit dengan dosis
pemupukan yang dikendalikan (konstan). Untuk itu perusahaan
mengambil 12 sampel bibit kelapa sawit pada beberapa lokasi pembibitan
di Main Nursery secara acak dan diperoleh data sebaagai berikut:

Tabel 1. Tabel Data

Keterangan:

𝑥1 = Dosis pupuk (gr)

𝑥2 = Curah hujan (mm)

Y = Pertumbuhan (m)

Apakah terdapat pengaruh signifan antara dosis pemupukan (𝑥1 )

dengan curah hujan (𝑥2 ) terhadap pertumbuhan bibit kelapa sawit (Y)?

Jawab:

a. Hipotesa
Ha : ada pengaruh signifikan antara curah hujan (𝑥2 ) dan pertumbuhan
bibit kelapa sawit (Y) jika dosis pemupukan (𝑥1 ) tetap,
Ho: Tidak ada pengaruh yang signifikan antara curah hujan (𝑥2 ) dan
pertumbuhan bibit kelapa sawit (Y) jika dosis pemupukan (𝑥1 ) tetap.

10
b. Pembuatan table pembantu:
Tabel 2. Table pembantu

𝑛.∑ 𝑥1 𝑦−(∑ 𝑥1 )(∑ 𝑦)

c. 𝑟𝑥1 y =
√𝑛.∑ 𝑥12 −(∑ 𝑥1 )2 .𝑛.∑ 𝑦 2 − (∑ 𝑦)2
12×386−(225).(18.57)
=
√12×6375− (225)2 ×12×29,48−(18,57)2
= 0,94
𝑛.∑ 𝑥2 𝑦−(∑ 𝑥2 )(∑ 𝑦)
d. 𝑟𝑥2 𝑦 =
√𝑛.∑ 𝑥22 −(∑ 𝑥2 )2 .𝑛.∑ 𝑦 2 − (∑ 𝑦)2

12×1280,02−(829).(18,57)
=
√12×65019−(829)2 ×12×29,48−(18,57)2
= -0,03
𝑛.∑ 𝑥1 𝑥2 −(∑ 𝑥1 )(∑ 𝑥2 )
e. 𝑟𝑥1 𝑥2 =
√𝑛.∑ 𝑥12 −(∑ 𝑥1 )2 ×𝑛.∑ 𝑥22 − (∑ 𝑥2 )2

12×15750−(225)×(829)
=
√12×6375−(225)2 ×12×65019−(829)2
= 0,05
𝑟𝑥2 𝑦 −𝑟𝑥1𝑦 .𝑟𝑥1 𝑥2
f. 𝑟𝑥1 (𝑥2 𝑦) =
√(1−𝑟𝑥21 𝑦 )(1−𝑟𝑥21 𝑥2 )
(−0,03)−(0,94×0,05)
= = -0.082 (Hasil mencari 𝑟𝑝𝑎𝑟𝑠𝑖𝑎𝑙 )
√(1−(0,94)2 )(1−(0,05)2 )
g. KP = 𝑟 2 . 100%
= (−0,082)2 . 100% = 0,67 %
𝑟𝑝𝑎𝑟 √12−3
h. 𝑡ℎ𝑖𝑡𝑢𝑛𝑔 =
2
√1−𝑟𝑝𝑎𝑟

−0,082√12−3
=
√1−(0,082)2

11
 = -0,25
i. Cari nilai 𝑡𝑡𝑎𝑏𝑒𝑙 menggunakan table t:
Taraf signifikasinya α = 0,05. Db=n-1 <=> 12-1=11
Nilai 𝑡𝑡𝑎𝑏𝑒𝑙 dengan signifikasi 5% untuk uji 2 pihak nilainya adalah
1.796
Kesimpulan:
Karena 𝑡𝑡𝑎𝑏𝑒𝑙 lebih besar dari pada 𝑡ℎ𝑖𝑡𝑢𝑛𝑔 (1,796>-0,25), maka Ha
diterima (signifikan), dengan nilai koefisien determinannya sebesar
0,67 %.

12
 BAB III
PENUTUP

3.1 Kesimpulan

Teknik Korelasi Phi adalah salah satu teknik analisa korelasional

yang dipergunakan apabila data yang dikorelasikan adalah data yang
benar-benar dikotomik (terpisah atau dipisahkan secara tajam).

Apabila variabelnya bukan gejala diskrit, untuk mengujinya

dengan phi harus diubah dulu ke variabel diskrit. Kisaran besarnya nilai
koefisien korelasi phi, yaitu antara 0 samai dengan ± 1. Untuk
menyelesaikan analisis dengan teknik phi digunakan tabel kontingensi 2 x
2.
Korelasi parsial adalah pengukurngan hubungan anatara dua
variabel, dengan mengontrol atau menyesuaikan efek dari satu atau lebih
variabel lain.

Uji korelasi parsial adalah suatu teknik statistik parametik yang

digunakan untuk menguji taraf hubungan antara variabel X1 dengan Y
pada kondisi variabel X yang lain misalnya X2,X3 dan sebagainya.
Variabel X2, X3 dan sebagainya itu disebut sebagai variabel kontrol yang
fungsinya digunakan untuk memurnikan hubungan antara variabel X dan
Y.

3.2 Saran

Seorang guru harus mengetahui dan memahami apa itu kurikulum

beserta perkembangannya agar dalam menjalankan aktivitas sebagai
seorang guru, bisa menjalankan tugas nya dengan aturan dan koridor yang
tepat serta penyampaiannya bisa dengan mudah diterima oleh anak
didiknya.

13
 DAFTAR PUSTAKA

Sudijono, Anas. 2003. Pengantar Statistik Pendidikan. Jakarta: PT RajaGrafindo

Persada.
Sugiyono. 2010. Statistika Untuk Penelitian. Bandung: Afabeta.
Subana. 2015. Statistik Pendidikan. Bandung: CV Pustaka Setia.

14