(ANALISIS KORELASI)
Pendidikan Sains-D
Disusun oleh
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
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
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%
Pada makalah ini hanya menjelaskan mengenai Koefisien Korelasi Pearson Product Moment.
Adapun penjelasannya adalah sebagai berikut:
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
-1 -r tabel 0 r tabel 1
h. Membuat keputusan
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:
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
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
Siregar, Syofian. 2014. Statistik Parametrik untuk Penelitian Kuantitatif Dilengkapi dengan
Perhitungan Manual dan Aplikasi SPSS Versi 17. Jakarta : PT. Bumi Aksara