ANALISIS KORELASI
DISUSUN OLEH :
1. MELSA SAGITA IMANIAR (131020150517)
2. YUNIAR DWI YANTI (131020150518)
3. DYAH TRIWIDIYANTARI (131020150519)
4. CHRIS SRIYANTI (131020150520)
5. AI NUR JANNAH (131020150521)
6. MEILIA RAHMAWATI K (131020150522)
7. ATIKA ZAHRIA ARISANTI (131020150523)
8. LARA SANTI INDAH LESTARI (131020150524)
9. ARINI FAUZIAH (131020150525)
10. NORLIANA KARO-KARO (131020150526)
11. PARMIANA BANGUN (131020150527)
12. KARWATI (131020150528)
13. INDAH RAHAYU (131020150529)
14. LAILA PUTRI SUPTIANI (131020150530)
15. ROCHMAWATI (131020150531)
i
DAFTAR ISI
Halaman
ii
ANALISIS KORELASI
1
Sampel Kadar Ranking Kadar Ranking Jml lbh Jumlah
SGOT x HDL yi y besar lebih kecil
(xi) dari y dari y
Total 20 1
2
6) Hasilnya
P = 0,905 (sama dengan p hitung)
P value = 0,004 <α (0,05)
Kesimpulan : Ho ditolak, berarti ada korelasi (hubungan) yang sangat
kuat dan positif antara kadar SGOT dengan kadar HDL
3
Koefisien Korelasi Kontingensi (C)
By: Parmina; Norliana; Ai Nur
1. Syarat Menggunakan Koefisien Kontingensi (C)
a. Koefisien Kontingensi digunakan untuk mengukur derajat asosiasi atau
dependensi dari data yang diklasifikasikan dalam tabel kontingensi.
b. Koefisien Kontingensi digunakan jika data yang dikalsifikasikan
mempunyai kecenderungan berjenis nominal maupun ordinal
c. Kita dapat menghitung koefisien kontingensinya dari suatu tabel 2x2,
2x5, 4x4, 3x7 atau sembarang tabel k x r
d. Semakin besar perbedaan antara harga-harga yang diharapkan dengan
harga sel yang diobservasi, maka semakin besar pula tingkat asosiasi
antara kedua variabel itu dan dengan demikian semakin tinggi harga C.
e. Dalam analisis korelasinya Koefisien Kontingensi harus di ubah menjadi
Koefisien Phi
2. Kelebihan dan Kekurangan Koefisien Kontingensi (C)
a. Kelebihan:
Penghitungannya relatif mudah, sehingga dapat digunakan jika ukuran
korelasi-korelasi yang lain tidak dapat diterapkan
b. Kekurangan:
1) Koefisien ini tidak dapat mecapai nilai 1 ketika korelasi sempurna
2) Dua koefisien kontingensi tidak dapat dibandingkan jika keduanya
tidak dihasilkan dari tabel-tabel kontingensi yang berukuran sama.
3) Tidak dapat secara langsung dibandingkan dengan ukuran korelasi
lain manapun, misalnya r-Pearson, rs-spearman, atau r-kendall.
3. Rumus Koefisien Kontingensi (C)
𝝌²
𝑪=√
Keterangan: 𝐍 + 𝛘²
C = Koefisien Kontingensi
χ² = Chi Kuadrat
N = Banyaknya Data
Oleh karena itu rumus yang digunakan mengandung nilai Chi Kuadrat. Harga
Chi Kuadrat dicari dengan rumus :
Keterangan :
χ² = Chi Kuadrat
4
Oij = Frekuensi yang diobservasi
eij = Frekuensi yang diharapkan
Untuk mencari eij dapat menggunakan Rumus sebagai berikut :
5
1. KK = 0,00 Tidak ada
2. 0,00 < KK ≤ 0,20 Sangat rendah atau lemah sekali
3. 0,20 < KK ≤ 0,40 Rendah atau lemah tapi pasti
4. 0,40 < KK ≤ 0,70 Cukup berarti atau sedang
5. 0,70 < KK ≤ 0,90 Tinggi atau kuat
Sangat tinggi atau kuat sekali, dapat
6. 0,90 < KK ≤ 1,00
diandalkan
7. KK = 1,00 Sempurna
(Syarifudin, 2010, h.130-131)
4. Contoh
Peneliti ingin menguji apakah terdapat Hubungan Jenjang Pendidikan
dengan Kepuasan Kerja
40 40
40 40
6
( 10−12,5)² ( 10−7,5)² ( 15−12,5)² ( 5−7,5)²
𝝌² =( + + +
12.5 7,5 12,5 7,5
6,25 6,25 6,25 6,25
= + + + =0,50 + 0,83 + 0,50 + 0,83= 2,66
12,5 7,5 12,5 7,5
Uji Signifikan didapatkan χ² hitung lebih besar dari χ² tabel (2,66 < 3,84),
sehingga H0 Diterima, dan tidak terdapat korelasi antara jenjang
pendidikan dengan kepuasan kerja.
Kemudian menghitung KK (C) dengan menggunakan Rumus:
𝟐,𝟔𝟔
𝑪=√ = √𝟎, 𝟎𝟔𝟐𝟑𝟓 = 0,2497atau 0,25
𝟒𝟎 + 𝟐,𝟔𝟔
Cases
Pendidikan Total
Non PT PT
Count 5 15 20
Tidak Puas
Expected Count 7.5 12.5 20.0
Kepuasan
Count 10 10 20
Puas
Expected Count 7.5 12.5 20.0
Count 15 25 40
Total
Expected Count 15.0 25.0 40.0
Chi-Square Tests
Value df Asymp. Sig. (2- Exact Sig. (2- Exact Sig. (1-
sided) sided) sided)
7
Pearson Chi-Square 2.667a 1 .102
Continuity Correctionb 1.707 1 .191
Likelihood Ratio 2.706 1 .100
Fisher's Exact Test .191 .095
Linear-by-Linear Association 2.600 1 .107
N of Valid Cases 40
a. 0 cells (0.0%) have expected count less than 5. The minimum expected count is 7.50.
b. Computed only for a 2x2 table
Symmetric Measures
8
Ha: ada hubungan antara variabel nominal dengan variabel ordinal
Ho: tidak ada hubungan antara variabel nominal dengan variabel ordinal
2. Uji korelasi Lambda menggunakan SPSS
Kasus: Peneliti ingin mengetahui korelasi antara perilaku merokok
(merokok dan tidak merokok) dengan status fertilitas seorang pria (tidak
subur dan subur). Peneliti merumuskan pertanyaan penelitian sebagai
berikut:“apakah terdapat korelasi antara perilaku merokok dengan status
fertilitas seorang pria?”
a. Uji hipotesis apa yang akan dipilih?
Langkah-langkah yang digunakan untuk menentukan uji hipotesis yang
sesuai dengan panduan table uji hipotesis.
No Langkah Jawaban
1 Menentukan variable yang Variabel yang dihubungkan
dihubungkan status fertilitas pria (kategorik
nominal) dengan perilaku
merokok (kategorik nominal)
2 Menentukan jenis hipotesis Korelatif
3 Menentukan masalah skala Kategorik nominal
variable
Kesimpulan:Terdapat dua pilihan uji, yaitu uji korelasi koefisien
kontingensi dan lambda. Peneliti memilih uji lambda karena
kedudukan dua variable tidak setara, di mana perilaku merokok
sebagai variable bebas dan infertilitas sebagai variable tergantung.
9
5) Klik kotak Statistics.
6) Pilih Lambda pada kotak Nominal
c. Output SPSS
Perilaku merokok * status fertilitas Crosstabulation
Status fertilitas
count Tidak Total
Subur
subur
Perilaku merokok Tidak merokok 35 15 50
merokok 20 30 50
Total 55 45 100
10
Directional Measures
Asymp.
Approx Approx.
Value Std.
Tb Sig.
Errora
Nominal Lambda Symmetric .263 .116 2.050 .040
by Perilaku merokok
nominal .300 .112 2.294 .022
Dependent
Status fertilitas
Dependent .222 .139 1.429 .153
Goodman Perilaku merokok
and Dependent .091 .057 .003c
kruskal tau Status fertilitas
Dependent
.091 .057 .003c
Not assuming the null hy hipotesis
Using the asymptotic error assuming the null hy hipotesis
Based on chi-square approximation
d. Interpretasi hasil
1) Output pertama menggambarkan tabel silang antara perilaku
merokok dengan status fertilitas.
2) Output kedua menyajikan hasil uji lambda. Hasil uji lambda peneliti
pakai jika salah satu variable peneliti anggap sebagai variable bebas
sedangkan variable yang lain sebagai variable terikat.
3) Jika anda menganggap bahwa status fertilitas sebagai variable terikat,
maka nilai yang peneliti pergunakan adalah hasil uji lambda baris
kedua. Peneliti membaca bahwa besar korelasinya adalah 0,222 yang
menunjukkan bahwa korelasinya lemah.
e. Melaporkan hasil
Table menyajikan hasil analisis korelasi Lambda. Tabel terdiri atas
koefisien korelasi ( r ), nilai p, dan jumlah subjek.
Tabel hasil uji korelasi Lambda
Status fertilitas
subur Tidak Total r p
subur
Tidak 0,222 0,153
Perilaku 35 15 50
merokok
merokok 20 30 50
Merokok
55 45 100
Total
Interpretasi hasil uji hipotesis berdasarkan keuatan korelasi, nilai p, dan arah
korelasi
No Parameter Nilai Interpretasi
1 Kekuatan 0,00-0,199 Sangat lemah
korelasi (r) 0,20-0,399 Lemah
0,40-0,590 Sedang
11
0,60-0,799 Kuat
0,80-1,000 Sangat kuat
2 Nilai p P < 0,05 Terdapat korelasi yang bermakna
antara dua variabel yang diuji
Tidak terdapat korelasi yang
bermakna antara dua variabel
P > 0,05 yang diuji
12
Korelasi Parsial
By: Indah & Karwati
1. PengertianKorelasi parsial
Korelasi parsial adalah pengukuran hubungan antara dua variabel, dengan
mengontrol atau menyesuaikan efek dari satu atau lebih variabel lain.
Singkatnya r1234 adalah korelasi antara 1 dan 2, dengan mengendalikan
variabel 3 dan 4 dengan asumsi variabel 1 dan 2 berhubungan linier
terhadap variabel 3 dan 4. Korelasi parsial dapat digunakan pada banyak
kasus, misalnya apakah nilai penjualan suatu komoditi terkait kuat kepada
pembelanjaan iklan ketika efek harga dikendalikan. Jika korelasi parsialnya
nol, maka dapat disimpulkan bahwa korelasi yang dihitung sebelumnya
adalah semu.
2. Rumus yang digunakan dalam korelasi parsial adalah:
rxy.z = [ rxy – (rxz) (ryz) ] / [ 1 - r2xz 1 - r2yz ]
dimana:rxy.z = korelasi parsial antara X dan Y, dengan mengendalikan Z
Ilustrasi:
Hubungan antara Produksi (ton), nilai ekspor (US$), dan inflasi diberikan
dengan tabel sebagai berikut:
Produksi(ton) Nilai Ekspor(US$) Inflasi
3000 300 2
5000 460 5
4500 350 6
3800 200 3
2700 198 5
8500 490 3
6500 400 2
3000 170 4
13
b. Dari menubar Pilih Analyze – Correlate – Partial,
14
5. Setelah itu akan muncul output berikut ini:
15
Digunakan untuk mengetahui derajat hubungan antara variable independent
dengan variable dependent dengan menggunakan data interval dan rasio
yang dipilih secara random, distribusi data normal, pola linear
2. Cara pengujian :
a. Membuat hipotesa
b. Membuat table penolong untuk menghitung korelasi
c. Menentukan r hitung dengan rumus :
n(∑XY) − (∑X)(∑Y)
𝑟ℎ𝑖𝑡𝑢𝑛𝑔 =
√[𝑛∑𝑋 2 − (∑𝑋)2 ][𝑛∑𝑌 2 − (∑𝑌)2 ]
Ket :
r : Koefisien korelasi
∑ 𝑋𝑖 : jumlah skor item
∑ 𝑌𝑖 : jumlah skor total (item)
n : jumlah responden
Ket :
t : nilai t hitung
r : koefisien korelasi hasil r hitung
n : Jumlah responden
f. Membuat kesimpulan:
Jika t hitung ≥ t table Ho ditolak artinya SIGNIFIKAN
Jika t hitung ≤ t table Ho diterima artinya TIDAK SIGNIFIKAN
g. T table dapat ditentukan dengan dk : n-1 ; dengan α : 0,05
3. Contoh kasus :
Apakah ada hubungan yang signifikan antara motivasi, minat dan prestasi.
a. Langkah 1 : buka program SPSS, klik variable view, selanjutnya pada
bagian name tulis saja X1,X2, Y, pada desimal ubah semua menjadi 0,
label tuliskan motivasi, minat dan prestasi
16
b. Langkah 2 : setelah itu klik Data View dan masukkan data
17
d. Langkah 4 : Masukkan variabel pada kotak Variables, selanjutnya kolom
Correlation Coefficient pilih Pearson lalu kolom Test of Significant, Pilih
Two Tailed dan centang pada Flag significant correlations kemudian klik
OK
18
(variabel Y) dengan 2 atau lebih variabel bebas/ variabel pengaruh ( X1; X2; X3,
….. Xn). Melalui korelasi ganda keeratan dan kekuatan hubungan antar variabel
tersebut dapat diketahui. Keeratan hubungan dapat dinyatakan dengan istilah
Koefisien Korelasi. Koefisien Korelasi Berganda adalah indeks atau angka yang
digunakan untuk mengukur keeratan hubungan antar 3 variabel atau lebih.
Pemahaman tentang korelasi ganda dapat dilihat melalui gambar 2.3 dan 2.4
berikut. Simbol korelasi ganda adalah R.
19
dua variabel secara bersama-sama. Rumus korelasi ganda dua variabel
ditunjukkan pada rumus berikut :
Dimana :
Ry.x1x2= korelasi ganda antara variabel X1 dan X2 secara bersama-sama
dengan variabel Y
ryx1 = korelasi Product Moment antara X1 dengan Y
ryx2 = korelasi Product Moment antara X2 dengan Y
rx1x2 = korelasi Product Moment antara X1 dengan X2.
Jadi untuk dapat menghitung korelasi ganda, maka harus dihitung
terlebih dahulu korelasi sederhananya dulu melalui korelasi Product Moment
dari Pearson.
Responden 1 2 3 4 5 6 7
Y 3 5 6 7 4 6 9
X1 5 8 9 10 7 7 11
X2 4 3 2 3 2 4 5
Berdasarkan data tersebut tentukan:
Berapa besar koefisien korelasi berganda antar beberapa variabel tersebut?
Berapa besar sumbangan variabel X1 dan X2 terhadap variabel Y?
Bagaimana interpretasi yang dapat dikemukakan berdasarkan koefisien
korelasi berganda yang telah dihitung?
Penyelesaian
Untuk membantu penyelesaian dari soal tersebut, maka sebaiknya terlebih
dahulu dibuat tabel kerja sebagai berikut:
Y X1 X2 Y² X1² X2² X1 Y X2 Y X1 X2
20
3 5 4 9 25 16 15 12 20
5 8 3 25 64 9 40 15 24
6 9 2 36 81 4 54 12 18
7 10 3 49 100 9 70 21 30
4 7 2 16 49 4 28 8 14
6 7 4 36 49 16 42 24 28
9 11 5 81 121 25 99 45 55
40 57 23 252 489 83 348 137 189
Kemudian tiap variabel dicari Korelasi Product Moment terlebih dahulu
kemudian dimasukkan ke dalam rumus sebagai berikut:
Dari menu SPSS klik Analyze, kemudian pilih Regression dan pilih Linear. Maka
akan muncul kotak dialog Linear Regression.
21
Kemudian masukkan variabel produktivitas karyawan (Y) dengan cara
mengklik tanda >Dependent. Kemudian variabel lama kerja (X1) dan motivasi
kerja (X2) ke kotak Independent (s), maka hasilnya akan seperti gambar di
bawah ini:
Klik Statistics dan beri tanda pada kotak Estimates, Model Fit, dan R squared
change lalu klik Continue, selanjutnya klik OK
22
Setelah data diproses, maka tabel yang dilihat untuk uji korelasi ganda adalah
pada tabel Model Summary.
23
ditolak dan Ha diterima, artinya terdapat hubungan antara lama kerja dan
motivasi kerja karyawan terhadap produktivitas kerja karyawan.
24