ANALISIS KORELASI

Penafsiran Koefisien Korelasi

Untuk menentukan keeratan hubungan bisa digunakan kriteria Guilford (1956). Jika:

Koefisien Korelasi Kategori

= 0,200 Hubungan rendah sekali
> 0,200 – 0,400 Hubungan rendah
>0,400 – 0,700 Hubungan cukup
>0,700 - 0,900 Hubungan kuat
>0,900 Hubungan sangat tinggi

Kekuatan hubungan korelasi, menurut Jonathan Sarwono sebagai berikut :

 0 : Tidak ada korelasi
 0.00 - 0.25 : korelasi sangat lemah
 0.25 - 0.50 : korelasi cukup
 0.50 - 0.75 : korleasi kuat
 0.75 - 0.99 : korelasi sangat kuat
 1 : korelasi sempurna

Arah Korelasi

1. Korelasi Positif

Korelasi positif atinya suatu hubungan antara variabel X dan Y yang ditunjukan dengan
hubungan sebab akibat dimana apabila terjadi penambahan nilai pada variabel X maka
akan diikuti terjadinya penambahan nilai variabel Y.

Contoh Korelasi Positif

 Semaki tinggi dukunan keluarga (X) semakin patuh pembatasan cairan (Y) pada
pasien GGK
 Semakin tinggi badan (X) seorang anak maka, berat badannya akab bertambah
pula (Y)

2. Korelasi negative

Jika pada korelasi positif peningkatan nilai X akan diikuti penambahan nilai Y, korelasi
negatif berlaku sebaliknya. Jika nilai variabel X meningkat nilai variabel Y justru
mengalami penurunan.
 A. KORELASI SPEARMAN RHO’

Untuk mengukur keeratan hubungan antara dua variabel X dan Y yang kedua-duanya
mempunyai skala pengukuran sekurang-kurangnya ordinal dapat dihitung dengan
menggunakan formula korelasi Spearman. Contoh analisis koelasi spearman rho’

A. Langkah uji pearson

1. Klik Analuze>Correlate>Bivariate
2. Pindahkan variabel dukungan keluarga dan kepatuhan pembatasan cairan ke kolom
variable
3. Pilih spearman pada Correlation coeffecient
4. Pilih Two-Tailed pada Test of significance
5. Aktifkan Flag signiicant correlations
6. Kemudian OK

Judul : Hubungan dukungan keluarga dengan kepatuhan pembatasan cairan pada

pasien GGK

a. Hasil tabulasi silang

Tabel 4.4 Tabulasi silang responden berdasarkan Hubungan dukungan

keluarga dengan kepatuhan pembatasan cairan di ruang
hemodialisis RS Mojokerto tahun 2019

No Kepatuhan
Total
Dukungan Tinggi Sedang Rendah
Baik 39,4 % 52,6 % 7,8 % 100 %
Cukup 0% 95,2 % 4,7 % 100 %
Kurang 0% 0% 100 % 100 %

Hasil analisis menunjukkan semakin kurang dukungan keluarga semakin rendah

tingkat kepatuhan pembatasan cairan

b. Hasil Uji Hipotesis Penelitian

Tabel 4.5 Hubungan dukungan keluarga dengan kepatuhan

pembatasan cairan di ruang hemodialisis RS Mojokerto
tahun 2019
 Correlations
Dukungan Kepatuhan
Keluarga
**
Spearman’s Dukungan Correlations 1.000 .753
rho Keluarga Coefficient
Sig.(2-tailed) .0000
N 104 104
**
Kepatuhan Correlations .753 1.000
Coefficient
Sig.(2-tailed) .0000
N 104 104

Hasil analisis dan pengelolaan data dengan uji statistik spearmen rho menunjukkan nilai
p value (0,000) < α (0,05), sehingga Ho ditolak dengan kesimpulan terdapat hubungan
dukungan keluarga dengan kepatuhan pembatasan asupan cairan pasien gagal ginjal
kronik di Rs Mojokerto, keeratan hubungan sangat kuat yang ditujukan oleh nilai
correlation coeficient sebesar 0,753. Arah korelasi positif artinya semakin baik
dukungan keluarga maka semakin tinggi kepatuhan pembatasan cairan pada pasien
gagal ginjal kronik yang menjalani hemodialisis.
 B. KORELASI PEARSON

Korelasi pearson digunakan untuk mengetahui ada tidaknya hubungan antara 2 variabel,
yaitu variabel bebas dan variabel tergantung yang berskala interval atau rasio (parametrik)
yang dalam SPSS disebut scale. Asumsi dalam korelasi Pearson, data harus berdistribusi
normal.
Korelasi dapat menghasilkan angka positif (+) dan negatif (-). Jika angka korelasi positif
berarti hubungan bersifat searah. Searah artinya jika variabel bebas besar, variabel
tergantung semakin besar. Jika menghasilkan angka negatif berarti hubungan bersifat tidak
searah. Tidak searah artinya jika nilai variabel bebas besar, variabel tergantung semakin
kecil. angka korelasi berkisar antara 0-1.

Langkah analisis :
B. Uji Normalitas Data
 Klik Analuze>Nonparametric
 Pindahkan variabel ke kolom variable
 Pilih 1-sampel KS
 Kemudian OK

Pada output, lihat pada baris paling bawah dan paling kanan yang berisi Asymp.Sig.
(2-tailed). Lalu intepretasinya adalah bahwa jika p value > 0,05 maka distribusi data
dinyatakan memenuhi asumsi normalitas, dan jika p value < 0,05 maka
diinterpretasikan sebagai tidak normal.
Catatan : jika distribusi tidak normal maka uji hipotesis yang digunakan uji
spearman.

A. Langkah uji pearson

1. Klik Analuze>Correlate>Bivariate
2. Pindahkan variabel sales dan penjualan ke kolom variable
3. Pilih pearson pada Correlation coeffecient
4. Pilih Two-Tailed pada Test of significance
5. Aktifkan Flag signiicant correlations
6. Kemudian OK

Catatan : tugas kasus korelasi silahkan diuji dengan SPSS, selamat mencoba !!!!