TUGAS STATISTIKA

(ANALISIS KORELASI)

Pendidikan Sains-D

Disusun oleh

Riski Dwi Fanani 19070795030

PRGRAM STUDI S2 PENDIDIKAN SAINS

UNIVERSITAS NEGERI SURABAYA
2019
 ANALISIS HUBUNGAN (KORELASI)

A. Pengertian Analisis Korelasi

Korelasi merupakan istilah yang biasa digunakan untuk menggambarkan ada tidaknya
hubungan suatu hal dengan hal lain. Secara sederhana memang seperti itulah pengertian
korelasi. Analisis hubungan (korelasi) adalah suatu bentuk analisis data dalam penelitian yang
bertujuan untuk mengetahui kekuatan atau bentuk arah hubungan diantara dua variabel dan
besarnya pengaruh yang disebabkan oleh variabel yang satu (Variabel bebas) terhadap
variabel lainnya (Variabel Respon). Terdapat tiga macam bentuk hubungan antar variabel,
yaitu hubungan Simetris, hubungan Sebab-akibat (Kausal) dan hubungan dua variabel
atau lebih (Hubungan Interaktif).
1. Hubungan Simetris
Hubungan simetris adalah hubungan yang menyatakan sifat kebersamaan antara dua
variabel atau lebih, tetapi tidak menunjukkan hubungan sebab akibat atau saling
mempengaruhi. Dalam bentuk, hubungan ini tidak diketahui dengan pasti variabel bebas
dan variabel respon, karena kedua variabel tersebut tidak saling mempengaruhi.
Contoh:
a. Hubungan antara berpakaian mahal dengan penampilan
b. Hubungan burung gagak dengan kematian seseorang.
c. Hubungan yang positif antara banyak penonton sepakbola dengan tingkat kerusuhan.

2. Hubungan Kausal
Hubungan kausal adalah hubungan antara dua variabel atau lebih, yang bersifat
memengaruhi antara variabel yang satu (variabel bebas) terhadap variabel lain (Variabel
tak bebas). Dalam bentuk ini, hubungan diketahui dengan pasti atau dapat dibedakan
variabel bebas (Variabel yang memengaruhi) dengan variabel respon (variabel yang
dipengaruhi).
Contoh:
a. Hubungan tingkat pedidikan dengan kemampuan kerja seseorang.
Variabel bebas (X) : tingkat pendidikan (memengaruhi)
Variabel respon (Y) : kemampuan kerja (dipengaruhi)
b. Hubungan tingkat pengangguran dengan tingkat kejahatan
Variabel bebas (X) : tingkat pengangguran (memengaruhi)
Variabel respon (Y) : tingkat kejahatan (dipengaruhi)
 3. Hubungan Interaktif
Hubungan interaktif timbale balik adalah hubungan antara dua variabel atau lebih yang
bersifat saling memengaruhi, dimana kedudukan variabel X dan Y dapat saling
bergantian. Suatu saat variabel X memengaruhi variabel Y atau sebaliknya. Dalam bentuk
ini, identitas kedua variabel diketahui atau dapat dibedakan.
Contoh:
- Hubungan antara motivasi kerja dengan prestasi tenaga kerja
Variabel bebas (X) : Motivasi kerja (memengaruhi)
Variabel respon (Y) : Prestasi tenaga kerja (dipengaruhi)
Kedudukan kedua variabel dapat bergantian:
Variabel bebas (X) : Motivasi kerja (dipengaruhi)
Variabel respon (Y) : Prestasi tenaga kerja (memengaruhi)

B. Macam-macam Korelasi
1. Korelasi Positif
Hubungan dua variabel atau lebih dikatakan hubungan positif, bila nilai suatu
variabelditingkatkan, maka akan meningkatkan variabel yang lain, dan sebaliknya bila
satu variabel diturunkan maka akan menurunkan nilai variabel yang lain. Sebagai contoh,
ada hubungan positif antara tinggi badan orang dengan kecepatan berlari, hal ini berarti
semakin tinggi badan orang, maka akan semakin cepat larinya, dan semakin pendek orang
maka akan semakin lambat larinya.
2. Korelasi Negatif
Hubungan dua variabel atau lebih dikatakan hubungan negative, bila nilai satu variabel
dinaikkan maka akan menurunkan nilai variabel yang lain, dan juga sebaliknya bila nilai
satu variabel diturunkan, maka akan menaikkan nilai variabel yang lain. Contoh misalkan
hubungan negative antara curah hujan dengan es krim yang terjual. Hal ini berarti
semakin tinggi curah hujan, maka akan semakin sedikit es krim yang terjual, dan semakin
sedikit curah hujan, maka akan semakin banyak es yang terjual. Korelasi positif dan
negative akan ditunjukkan pada gambar berikut ini.
 1.a. Korelasi Positif 1.b. Korelasi Negatif

Sumber : Buku Statistika Untuk Penelitian (Sugiyono, 2015)

C. Diagram Pencar (Scatter Plot)

Untuk menunjukkan ada tidaknya hubungan (korelasi) antara 2 variabel (X dan Y) kita
dapat menggunakan diagram pencar. Diagram pencar adalah sebaran nilai-nilai dari variabel –
variabel pada sumbu x dan y. Berikut adalah bentuk dari diagram pencar:

Tujuan dari diagram pencar ini adalah untuk mengetahui apakah titik-titik koordinat pada
sumbu x dan y membentuk pola sebaran seperti apa. Dari diagram pencar tersebut dapat
 dibuat sebuah garis yang kira-kira membagi dua titik-titik koordinat pada kedua sisi garis.
Dari garis tersebut dapat diketahui korelasi antara kedua variabel. Jika garis mengarah keatas
berarti korelasi positif, jika arah garis menurun berarti korelasi negatif. Jika tidak dapat dibuat
sebuah garis maka tidak ada korelasi,dan jika titik-titik tepat melalui garisnya berarti korelasi
sempurna

Manfaat Diagram Pencar :

1. Membantu menunjukkan apakah terdapat hubungan yang bermanfaat antara dua

variabel
2. Membantu menetapkan tipe persamaan yang menunjukkan hubungan antara dua
variabel tersebut

D. Koefisien Korelasi
Kuatnya hubungan antar variabel dinyatakan dalam koefisien korelasi. Koefisien korelasi
positif terbesar=1 dan koefisien korelasi negative terbesar = -1, sedangkan yang terkecil
adalah 0. Bila hubungan antar dua variabel atau lebih itu mempunyai koefisien korelasi = 1
atau -1, maka hubungan tersebut dinyatakan sempurna. Dalam arti kejadian-kejadian pada
variabel yang satu akan dapat dijelaskan atau diprediksikan oleh variabel lain tanpa terjadi
kesalahan (error). Semakin kecil koefisien korelasi, maka akan semakin besar error untuk
membuat prediksi. Sebagai contoh misalkan bila hubungan bunyinya burung prenjak
mempunyai koefisien korelasi sebesar 1, maka akan dapat diramalkan setiap ada bunyi
burung prenjak maka akan dapat dipastikan aka nada tamu. Tetapi kalau koefisien korelasinya
kurang dari satu, setiap ada bunyi burung prenjak belum tentu ada tamu, apa lagi koefisien
korelasinya mendekati 0, itu berarti tidak ada hubungan antara bunyi burung prenjak dengan
adanya tamu.
Tabel 1. Tingkat Korelasi dan Kekuatan Hubungan
No Nilai Korelasi ( r ) Tingkat Hubungan
1 0,00 – 0,199 Sangat Lemah
2 0,20 – 0,399 Lemah
3 0,40 – 0,599 Cukup
4 0,60 – 0,799 Kuat
5 0,80 – 1,00 Sangat Kuat
E. Koefisien Determinasi
Koefisien Determinasi (KD) adalah angka yang menyatakan atau digunakan untuk
mengetahui kontribusi atau sumbangan yang diberikan oleh sebuah variabel atau lebih X
(bebas) terhadap variabel Y (respon).
Rumus :
𝐾𝐷 = 𝑟 2 𝑥100%

F. Uji Statistik Korelasi

Terdapat bermacam-macam teknik Statistik korelasi yang dapat digunakan untuk
menguji hipotesis asosiatif. Koefisien mana yang akan digunakan tergantung pada jenis data
yang akan dianalisis. Berikut ini dikemukakan berbagai teknik statistic korelasi yang
digunakan untuk menguji hipotesis asosiatif. Untuk data nominal dan ordinal digunakan
statistik non-parametrik dan untuk data interval dan rasio digunakan statistic parametric.

Macam/Tingkatan Data Teknik Korelasi yang digunakan

Nominal Koefisien Kontingensi
1. Spearman Rank
Ordinal
2. Kendal Tau
1. Pearson Product Moment
Interval dan Ratio 2. Korelasi Ganda
3. Korelasi Parsial

Pada makalah ini hanya menjelaskan mengenai Koefisien Korelasi Pearson Product Moment.
Adapun penjelasannya adalah sebagai berikut:

1. Korelasi Product Moment

Teknik korelasi ini digunakan untuk mencari hubungan dan membuktikan hipotesis
hubungan dua variabel (Variabel bebas dan variabel respon) bila data kedua variabel
berbentuk interval atau ratio.
Langkah-langkah menentukan korelasi atau hubungan ( r ) antar variabel
a. Membuat hipotesis dalam bentuk kalimat
Ho : Tidak terdapat hubungan antara variabel X dengan variabel Y
Ha : Terdapat hubungan antara variabel X dengan variabel Y

b. Membuat hipotesis dalam bentuk model statistic

Ho :r=0
Ha :r≠0
c. Membuat Tabel Penolong
Tabel 2. Tabel Penolong untuk mencari Nilai Korelasi ( r )
Data Variabel Bebas Variabel Respon
XY X2 Y2
(n) (X) (Y)
1
2
n
Jumlah Ʃ=… Ʃ=… Ʃ= … Ʃ= … Ʃ= …

d. Menghitung nilai koefisien korelasi ( r )

Rumus :
𝑛(∑ 𝑥𝑦) − (∑ 𝑥. ∑ 𝑦)
𝑟𝑥𝑦 =
√[𝑛 ∑ 𝑥 2 − (∑ 𝑥)2 ][𝑛 ∑ 𝑦 2 − (∑ 𝑦)2 ]

Keterangan:
rxy = Korelasi Variabel X dan Y
n = Jumlah data (responden)
X = Variabel bebas
Y = Variabel respon
e. Menentukan r-tabel
Bila taraf kesalahan 5% dan N= 4, maka harga r-tabel adalah sebagai berikut

Jadi nilai r-tabel nya adalah 0,95

f. Kaidah pengujian
Jika, -rtabel ≤ rhitung ≤ rtabel , Maka Ho diterima
Jika, rhitung > rtabel , Maka Ho ditolak
g. Membandingkan nilai rhitung dengan rtabel

-1 -r tabel 0 r tabel 1

h. Membuat keputusan

Langkah-langkah uji signifikan adalah sebagai berikut:

a. Menentukan resiko kesalahan atau taraf signifikan (α)
b. Kaidah pengujian
Jika, -ttabel ≤ thitung ≤ ttabel Ho diterima
Jika, thitung > ttabel Ho ditolak
c. Menghitung thitung dan ttabel
1) Tahapan menghitung nilai thitung
Rumus:
𝑟√𝑛 − 2
𝑡ℎ𝑖𝑡𝑢𝑛𝑔 =
√1 − 𝑟 2

2) Menentukan nilai ttabel

Nilai ttabel dapat dicari dengan menggunakan tabel distribusi t dengan cara seperti
berikut:
a) Berhubung pada uji korelasi ini menggunakan uji t-dua pihak, maka:
T-tabel = α /2
Misalkan : Taraf signifikansi yang diuji adalah 5%
Maka, kita dapat melihat T-tabel Uji T- Dua Pihak pada:
T-tabel = 0,05 / 2
= 0,025 (dua sisi)
 b) Kemudian mencari derajat kebebasan, yaitu
Df = n – 2
Misal n= 4, maka nilai df adalah 4-2 = 2.

Berarti nilai t-tabel dengan jumlah sampel 4 dengan taraf signifikansi 5%

pada uji t dua pihak adalah 4,303.
d. Membandingkan ttabel dan thitung
Tujuan membandingkan antara t-tabel dan t-hitung adalah untuk mengetahui apakah
Ho ditolak atau diterima berdasarkan kaidah pengujian.

e. Membuat keputusan
Menolak atau menerima Ho
 CONTOH PENERAPAN KORELASI

Sebuah perusahaan periklanan, ingin mengetahui hubungan antara waktu durasi iklan produk
(X) yang ditayangkan per-bulan oleh salah satu televisi swasta terhadap tingkat penjualan barang (Y).
kemudian diambil durasi penayangan iklan dan tingkat penjualan selama setiap satu bulan, dengan
data sebagai berikut:

Durasi penayangan iklan dan penjualan barang

Periode 2018 Durasi (Menit) Penjualan barang (Unit)

Januari 45 35240
Februari 55 36540
Maret 40 35000
April 60 42500
Mei 70 43000
Juni 60 42500
Juli 50 37500
Agustus 45 40000
September 35 32000
Oktober 55 41500
November 65 42500
Desember 60 43000
Pertanyaan :

1. Berapa besar hubungan (korelasi) antara variabel X dan Y?

2. Gunakan taraf nyata α=5%, ujilah apakah ada hubungan yang signifikan antara durasi
penayangan iklan dengan tingkat penjualan?
Jawab!

Langkah-langkah menentukan nilai korelasi

1. Buat tabel penolong untuk menghitung nilai korelasi.

Variabel
Data Variabel Respon
Bebas XY X2 Y2
(n) (Y)
(X)
1 45 35240 1585800 2025 1241857600
2 55 36540 2009700 3025 1335171600
3 40 35000 1400000 1600 1225000000
4 60 42500 2550000 3600 1806250000
5 70 43000 3010000 4900 1849000000
6 60 42500 2550000 3600 1806250000
7 50 37500 1875000 2500 1406250000
8 45 40000 1800000 2025 1600000000
9 35 32000 1120000 1225 1024000000
10 55 41500 2282500 3025 1722250000
11 65 42500 2762500 4225 1806250000
12 60 43000 2580000 3600 1849000000
Jumlah 640 471280 25.525.500 35.350 18.671.279.200
2. Menghitung nilai r
𝑛(∑ 𝑥𝑦) − (∑ 𝑥. ∑ 𝑦)
𝑟𝑥𝑦 =
√[𝑛 ∑ 𝑥 2 − (∑ 𝑥)2 ][𝑛 ∑ 𝑦 2 − (∑ 𝑦)2 ]

12(25525500) − (640)(471280)
𝑟𝑥𝑦 =
√[12(35350) − (640)2 ][12(18671279200) − (471280)2 ]
4.686.800
𝑟𝑥𝑦 =
√[14600][1950512000]
4.686.800 4.686.800
𝑟𝑥𝑦 = = = 𝟎, 𝟖𝟕𝟖
(120,83)(44164,6) 5.336.408,62
Langkah-langkah uji signifikansi

1. Membuat hipotesis dalam bentuk kalimat

Ho : Tidak terdapat hubungan yang signifikan antara durasi penayangan iklan dengan tingkat
penjualan produk
Ha : Terdapat hubungan yang signifikan antara durasi penayangan iklan dengan tingkat
penjualan produk
2. Membuat hipotesis dalam bentuk model statistic
Ho : r = 0
Ha : r ≠ 0
3. Menentukan taraf signifikan.
Pada kasus ini, taraf signifikan yang ditetapkan α = 5%
4. Menentukan kaidah pengujian
Jika, -ttabel ≤ thitung ≤ ttabel Ho diterima
Jika, thitung > ttabel Ho ditolak
5. Menghitung t-hitung dan t-tabel
a) Menghitung nilai t-hitung
𝑟√𝑛 − 2
𝑡ℎ𝑖𝑡𝑢𝑛𝑔 =
√1 − 𝑟 2
0,878√12 − 2 2,4392
𝑡ℎ𝑖𝑡𝑢𝑛𝑔 = = = 𝟓, 𝟏
√1 − (0,878)2 0,4787

b) Menentukan nilai t-tabel

Nilai t-tabel dapat dicari dengan menggunakan tabel distribusi t dengan cara, taraf signifikan
α=0,05/2 = 0,025 (dua sisi)
Kemudian dicari t-tabel pada tabel distribusi t dengan ketentuan
db = n-2, db = 12-2=10. Sehingga t(α/2,db) = t(0,025, 10) = 2,228.

6. Membandingkan ttabel dan thitung

Tujuan membandingkan antara t-tabel dan t-hitung adalah untuk mengetahui apakah Ho ditolak
atau diterima berdasarkan kaidah pengujian.
 Ternyata nilai t-hitung lebih besar daripada nilai t-tabel dan terletak pada daerah penolakan Ho.

7. Membuat keputusan
Menolak Ho artinya menerima Ha, sehingga dapat disimpulkan bahwa “Terdapat hubungan
yang signifikan antara durasi penayangan iklan dengan tingkat penjualan produk”.
 DAFTAR PUSTAKA

Anonim. 2017. Analisis Korelasi Pemahaman Konsep dan Jenis Korelasi. (Online)
(https://statmat.id/analisis-korelasi/) diakses pada tanggal 3 Desember 2019

Sugiyono. 2015. Statistika Untuk Penelitian. Bandung: Alfabeta

Siregar, Syofian. 2014. Statistik Parametrik untuk Penelitian Kuantitatif Dilengkapi dengan
Perhitungan Manual dan Aplikasi SPSS Versi 17. Jakarta : PT. Bumi Aksara