ANALISIS DENGAN PROGRAM SPSS

KORELASI

DOSEN PENGAMPU :

Dr. Ida Bagus Putu Mardana, M.Si.

Ni Putu AyuHervina Sanjayanti, S.Pd.,M.Pd.

OLEH :
I GUSTI PUTU YUDIANA PUTRA (1713021030)/VB
NI KADEK HARMONI PRATIWI

JURUSAN PENDIDIKAN FISIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS PENDIDIKAN GANESHA

SINGARAJA
 A. Pengertian Korelasi
Kata “korelasi” berasal dari bahasa Inggris correlation. Dalam bahasa Indonesia sering
diterjemahkan dengan “hubungan”, atau “saling hubungan”, atau hubungan timbal balik”.
Dalam ilmu statistik istilah “korelasi” diberi pengertian sebagai “hubungan antar dua variable
atau lebih”. Hubungan antar dua variabel dikenal dengan istilah bivariate correlation,
sedangkan hubungan antar lebih dari dua variabel disebut multivariate correlation.
Hubungan antar dua variabel misalnya hubungan atau korelasi antara prestasi studi
(variabel X) dan kerajinan kuliah (variabel Y). Artinya yaitu prestasi studi ada hubungannya
dengan kerajinan kuliah. Hubungan antar lebih dari dua variabel, misalnya hubungan antara
prestasi studi (variabel X1) dengan kerajinan kuliah (variabel X2), keaktifan mengunjungi
perpustakaan (variabel X3) dan keaktifan berdiskusi (variabel X4).
Dalam contoh diatas variabel prestasi studi disebut dependent variabel, yaitu variabel
yang dipengaruhi. Sedangkan variabel kerajinan kuliah, keaktifan mengunjungi perpustakaan,
dan keaktifan berdiskusi disebut independent variabel, yaitu variabel bebas yang berarti
bermacam-macam variabel yang dapat memberikan pengaruh terhadap prestasi studi.

B. Arah Korelasi
Hubungan antarvariabel itu jika dilihat dari segi arahnya dapat dibedakan menjadi dua
macam yaitu hubungan yang sifatnya satu arah dan hubungan yang sifatnya berlawanan arah.
Hubungan yang bersifat searah diberi nama korelasi positif, sedangkan hubungan yang sifatnya
berlawanan arah disebut korelasi negatif.
Disebut korelasi positif, jika dua variabel atau lebih yang berkorelasi, berjalan paralel
artinya bahwa hubungan antar dua variabel atau lebih itu menunjukan arah yang sama. Jadi
apabila variabel X mengalami kenaikan atau pertambahan, akan diikuti pula dengan kenaikan
atau pertambahan pada variabel Y atau sebaliknya penurunan atau pengurangan pada variabel
X akan diikuti pula dengan penurunan atau pengurangan pada variabel Y. Sebagai contoh yaitu
kenaikan harga Bahan Bakar Minyak (BBM) diikuti dengan kenaikan ongkos angkutan,
sebaliknya jika harga BBM rendah maka ongkos angkutan pun murah (rendah). Selain itu ada
pun contoh dalam dunia pendidikan misalnya yaitu terdapat korelasi positif antara nilai hasil
belajar matematika dan nilai hasil belajar fisika, kimia, biologi, dan sebagainya.
Disebut Korelasi Negatif jika dua variabel atau lebih yang berkorelasi itu berjalan dengan
arah yang berlawanan, bertentangan, atau berkebalikan. Ini berarti bahwa kenaikan atau
pertambahan pada variabel X misalnya, akan diikuti dengan penurunan atau pengurangan pada
variabel Y. Sebagai contoh yaitu makin meningkatnya kesadaran hukum dikalangan
 masyarakat diikuti dengan makin menurunnya angka kejahatan atau angka pelanggaran, makin
giat berlatih makin sedikit kesalahan yang diperbuat oleh seseorang, makin meningkatnya
jumlah aseptor Keluarga Berencana (KB) diikuti dengan makin menurunnya angka kelahiran
atau sebaliknya. dalam dunia pendidikan misalnya makin kurang dihayati dan diamalkannya
ajaran agama oleh para remaja akan diikuti oleh makin meningkatnya frekuensi kenakalan
remaja atau begitu juga sebaliknya.

C. Peta Korelasi
Arah hubungan variabel yang kita cari korelasinya, dapat diamati melalui sebuah peta
atau diagram, yang dikenal dengan nama Peta Korelasi. Dalam peta korelasi itu dapat dilihat
pencaran titik atau momen dari variabel yang sedang kita cari korelasinya, karena itu peta
korelasi juga disebut Satter Diagram (Diagram Pencaran Titik).
Ciri yang terkandung dalam peta korelasi itu adalah :
 Jika korelasi antara variabel X dan variabel Y merupakan Korelasi Positif Maksimal, atau
Korelasi Positif Tertinggi, atau Korelasi Positif Sempurna, maka pencaran titik yang
terdapat pada Peta Korelasi apabila dihubungkan antara satu dengan yang lain, akan
membentuk satu buah garis lurus yang condong kearah kanan.

Gambar 1. Diagram Korelasi Positif Maksimal

 Jika korelasi diantara variabel X dan variabel Y merupakan Korelasi Negatif Maksimal,
atau Korelasi Negatif Tertinggi, atau Korelasi Negatif Sempurna, maka pencaran titik yang
terdapat pada Peta Korelasi apabila dihubungkan antara satu dengan yang lain, akan
membentuk satu buah garis lurus yang condong ke arah kiri.
 Gambar 2.Diagram Korelasi Negatif Maksimal
 Jika korelasi antara variabel X dan variabel Y termasuk Korelasi Positif yang tinggi atau
kuat, maka pada Peta Korelasi pencaran titiknya sedikit mulai menjauhi garis linear (garis
lurus seperti telah disebutkan diatas), yaitu titik tersebut terpencar atau berada di sekitar
garis lurus tersebut dengan kecondongan ke arah kanan.

Gambar 3.Diagram Korelasi Positif Tinggi

 Jika korelasi antara variabel X dan variabel Y termasuk Korelasi Negatif yang tinggi atau
kuat, maka pencaran titik yang terdapat pada Peta Korelasi itu juga sedikit mulai menjauhi
garis linear, dengan kecondongan ke arah kiri.

Gambar 4.Diagram Korelasi Negatif Tinggi

 Baik Korelasi Positif maupun Korelasi Negatif dikatakan sebagai Korelasi yang cukup atau
sedang dan Korelasi Rendah atau lemah, apabila pencaran titik pada Peta Korelasi itu
semakin jauh tersebar/menjauhi garis linear.

Gambar 5. Diagram Korelasi Positif Lemah

 D. Angka Korelasi
1) Pengertiannya
Tinggi rendah, kuat lemah atau besar kecilnya suatu korelasi dapat diketahui dengan
melihat besar kecilnya suatu angka (koefisien) yang disebut Angka Indeks Korelasi atau
Coefficient Of Correlation.
Jadi Angka Indeks Korelasi adalah sebuah angka yang dapat dijadikan petunjuk untuk
mengetahui seberapa besar kekuatan korelasi diantara variabel yang sedang diselidiki
korelasinya.

2) Lambangnya
Angka korelasi biasa diberi lambang dengan huruf tertentu, misalnya r xy sebagai
lambang koefisien korelasi pada teknik korelasi product moment,  (Rho) sebagai lambang
koefisien korelasi pada teknik korelasi tata jenjang ,  (Phi) sebagai lambang koefisien
korelasi pada teknik korelasi Phi C atau KK sebagai lambang koefisien korelasi pada teknik
korelasi kontingensi dan lain-lain.
3) Besarnya
Angka korelasi itu besarnya berkisar antara 0 (nol) sampai dengan ±1,00. Artinya
bahwa angka korelasi itu paling tinggi adalah ±1,00 dan paling rendah adalah 0. Jika dalam
perhitungan diperoleh angka korelasi lebih dari 1,00 hal itu merupakan petunjuk bahwa
dalam perhitungan tersebut telah terjadi kesalahan.
4) Tandanya
Korelasi antara variabel X dan variabel Y disebut korelasi positif apabila angka
indeks korelasinya bertanda “plus” (+), misalnya rxy=+0,235; rxy=+0,751 dan sebagainya.
Sebaliknya, apabila angka indeks korelasi antara variabel X dan variabel Y bertanda
“minus” (-), maka korelasi yang demikian itu disebut korelasi negatif, misalnya : rxy=-
0,115; rxy=-0,587.
Antara variabel X dan Variabel Y dikatakan tidak ada korelasinya jika angka indeks
korelasinya = 0. Tanda plus dan minus yang terdapat di depan angka indeks korelasi itu
bukanlah tanda aljabar. Tanda plus yang terdapat di depan angka indeks korelasi
memberikan petunjuk bahwa korelasi itu adalah korelasi positif (korelasi searah).
Sedangkan tanda minus yang terdapat di depan angka indeks korelasi memberikan petunjuk
 bahwa korelasi itu adalah korelasi negatif (korelasi berlawanan arah). Dengan tanda minus
yang terdapat di depan angka indeks korelasi tidak dapat diartikan bahwa korelasi
antarvariabel itu besarnya kurang dari nol, sebab angka korelasi yang paling kecil adalah
nol.
5) Sifatnya
Angka indeks korelasi yang diperoleh dari proses perhitungan itu sifatnya relatif,
yaitu angka yang fungsinya melambangkan indeks hubungan antar variabel yang dicari
korelasinya. Jadi angka indeks korelasi itu bukanlah angka yang bersifat eksak atau angka
yang merupakan ukuran pada skala linear yang memiliki unit-unit yang sama besar,
sebagaimana yang terdapat pada mistar pengukur panjang (penggaris).
Sebagai contoh misalnya angka korelasi antara variabel X dan variabel Y=0,75
(rxy=0,75), sedangkan angka korelasi antara variabel Y dan variabel Z=0,25 (rxy=0,25). Hal
ini tidak dapat dinyatakan bahwa rxy = 3 kali lipatnya ryz atau menyatakan bahwa ryz = 1/3
nya rxy.

E. Pengujian Korelasi Product Moment

Teknik korelasi ini digunakan untuk mencari hubungan dan membuktikan hipotesis
hubungan dua variabel bila data kedua variabel berbentuk interval atau ratio, dan sumber data
dari dua data variabel atau lebih tersebut adalah sama.
Berikut ini dikemukakan rumus yang paling sederhana yang dapat digunakan untuk
menghitung koefisien korelasi, yaitu rumus 1 dan rumus 2. Rumus 2 digunakan bila sekaligus
akan menghitung persamaan regresi. Koefisien korelasi untuk populasi diberi simbol rho

(  ) dan untuk sampel diberi simbol r, sedangkan untuk korelasi ganda diberi simbol R.

xy
rxy  ………………………………………. (1)
x 2 y 2

Keterangan :
rxy  korelasi antara variabel x dengan y

 
x  xi  x

y  y  y 
i
 nxi y i  xi y i 
rxy  ……………………………..(2)
nx 2
i   xi  ny i2   y i  
2 2

Contoh :
Dilakukan penelitian untuk mengetahui ada tidaknya hubungan antara pendapatan dan
pengeluaran. Untuk keperluan tersebut maka telah dilakukan pengumpulan data terhadap 10
responden yang diambil secara random. Berdasarkan 10 responden tersebut diperoleh data
tentang pendapatan (x) dan pengeluaran (y), sebagai berikut.

Pendapatan Pengeluaran
per bulan per bulan
(X) (Y)
800 300
900 300
700 200
600 200
700 200
800 200
900 300
600 100
500 100
500 100

 Korelasi Product Moment Dengan SPSS

Berikut adalah langkah analisis data Product Moment dengan menggunakan SPSS
1. Pada tampilan variable view, pada kolom Name ditulis nama variabel yang akan diuji,
yakni variabel Pendapatan/bulan dan Pengeluaran/bulan.
2. Setelah pengisian selesai, klik data view.
3. Input data Pendapatan/bulan dan Pengeluaran/bulan dengan mengcopy ke dalam
program SPSS

4. Untuk mengolah data, klik AnalyzeCorrelateBivariate

5. Pada kotak dialog Bivariate Correlations, klik variabel Pendapatan/bulan dan
Pengeluaran/bulan ke kotak Variables. Pada kotak correlation coefficients klik Pearson
sehingga terdapat tanda centang (√). Pada kotak Test of Significance klik Two-tailed
hingga muncul tanda titik (●). Klik Flag significant correlations hingga tercentang.
6. Klik ok, sehingga diperoleh hasil sebagai berikut,

Pada tabel Correlation, diperoleh harga koefisien korelasi sebesar 0,913 dengan
signifikansi 0,000. Ho ditolak karena signifikansi < 0,05. Jadi kesimpulannya ada
hubungan positif dan nilai koefisien korelasi antara pendapatan dan pengeluaran
sebesar 0,913.

B. Pengujian Korelasi Ganda

Korelasi ganda (multiple correlation) merupakan angka yang menunjukkan arah dan kuatnya
hubungan antara dua variabel independen secara bersama-sama atau lebih dengan satu variabel
dependen. Pemahaman tentang korelasi ganda dapat dilihat melalui gambar xx. Simbol korelasi
ganda adalah R.
 r1

X1
R
r3 Y

X2

r2
Gambar 6. Korelasi Ganda Dua Variabel Indepeden dan Satu Dependen
X1 = Kepemimpinan
X2= Tata ruang kantor
Y = Kepuasan kerja
R = Korelasi ganda

Gambar 7. Korelasi Ganda Tiga Variabel Independen dan Satu Dependen

X1 = Kesejahteraan pegawai
X2= Hubungan dengan pimpinan
X3 = Pengawasan
Y = Efektivitas kerja`
Dari contoh diatas terlihat bahwa korelasi ganda R, bukan merupakan penjumlahan dari
korelasi sederhana yang ada pada setiap variabel r1  r2  r3  . 1hubungan secara bersama-
sama antara variabel kepemimpinan, dan tata ruang kantor dengan kepuasan kerja pegawai.
Pada bagian ini dikemukakan korelasi ganda (R) untuk dua variabel independen dan satu
variabel dependen. Untuk variabel independen lebih dari dua, dapat dilihat pada bab analisis
regresi Ganda. Pada bagian itu persamaan-persamaan yang ada pada regresi ganda dapat
dimanfaatkan untuk menghitung korelasi ganda lebih dari dua variabel secara bersama-sama.
Rumus korelasi ganda dua variabel ditunjukkan oleh persamaan berikut :
 ryx1  ryx2  2ryx1 ryx 2 rx1. x 2
2 2

R y , x1, x 2  .......................................................... (4)

1  rx1. x 2
2

Keterangan :
R y , x1, x 2 = Korelasi antara variabel X1 dengan X2 secara bersama-sama dengan variabel Y.

ryx1 = Korelasi Product Moment antara X1 dengan Y

ryx2 = Korelasi Product Moment antara X2 dengan Y

rx1. x 2 = 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.
Pada suatu hari di daerah dataran tinggi Dieng akan dilakukan penelitian oleh mahasiswa fisika.
Akan tetapi sebelum dilakukannya penelitian, para mahasiswa melakukans penelitian
sederhana untuk mengetahui kuat lemahnya pengaruh hubungan antara minat belajar yang
diberikan dan tingkat IQ dalam pendidikan

Tabel 1. Tabel Data

No. X1 X2 Y
1 40 60 40
2 40 60 60
3 40 60 70
4 50 60 90
5 50 60 80
6 50 70 50
7 55 70 60
8 55 70 80
9 55 70 60
10 55 70 70
11 55 80 80
12 55 80 80
13 65 85 70
14 65 85 60
15 65 85 40
 16 65 90 40
17 65 90 50
18 75 90 80
19 75 90 70
20 75 90 70

Keterangan :
X1 : minat belajar
X2 : Tingkat IQ
Y : Prestasi Belajar

 Pengujian Korelasi Ganda dengan SPSS

Berikut adalah langkah untuk pengujian korelasi ganda menggunakan SPSS.
1. Pada tampilan variable view, pada kolom Name ditulis nama variabel yang akan diuji,
yakni variabel minat belajar, tingkat IQ dan Prestasi Belajar.

2. Aktifkan Data View, kemudian masukan data

3. Untuk mengolah data, klik AnalyzeCorrelateBivariate

4. Pindahkan variable-variabel kedalam kolom variable, kemudian Pada kotak correlation

coefficients klik Pearson sehingga terdapat tanda centang (√). Pada kotak Test of
Significance klik Two-tailed hingga muncul tanda titik (●). Klik Flag significant
correlations hingga tercentang, lalu klik options dan tandai pada Mean and Standart
Deviation, klik continou, sehingga kembali ke kotak dialog’
5. Klik Ok, sehingga diperoleh data hasil sebagai berikut,

6. Kembali ke menu analyse, pilih regresi, dan pilih linier

7. Kemudian akan muncul seperti dibawah, masukkan variable

8. Klik statistic, beri tanda centang pada estimates, model fit, model fit, R Squre Change,
klik continou.
 9. Klik Ok, sehingga muncul hasil seperti berikut,

Model Summary

Change Statistics
Std. Error of
Mode R Adjusted R the R Square F Sig. F
l R Square Square Estimate Change Change df1 df2 Change

1 .154a .024 -.031 15.27240 .024 .435 1 18 .518

a. Predictors: (Constant), TingkatIQ

Berdasarkan tabel model summary diketahui bahwa besarnya hubungan antara minat
belajar dan tingkat IQ terhadap prestasi belajar yang dihitung dengan koefisien korelasi adalah
0,154hal ini menunjukkan pengaruh yang sedang. Sedangkan kontribusi atau sumbangan
secara simultan variabel minat belajar dan tingkat IQ terhadap prestasi belajar adalah 24,0%
sedangkan 76,0% ditentukan variabel yang lain.
Kemudian untuk mengetahui signifikansi koefisien korelasi ganda diui secara keseluruhan.
Hipotesis yang diajukan adalah:
H0: Tidak terdapat hubungan yang signifikan antara minat belajar dan tingkat IQ terhadap
prestasi belajar
Ha: Terdapat hubungan yang signifikan antara minat belajar dan tingkat IQ terhadap prestasi
belajar
Berdasarkan tabel model summary diperoleh nilai probabilitas (sig.F change) = 0,121. Karena
nilai sig.F change 0,121 > 0,05 maka keputusannya adalah H0 diterima dan Ha ditolak. Artinya
Tidak terdapat hubungan yang signifikan antara minat belajar dan tingkat IQ terhadap prestasi
belajar.

C. Pengujian Korelasi Parsial

Korelasi parsial digunakan untuk menganalisis bila peneliti bermaksud mengetahui
pengaruh atau mengetahui hubungan atara variabel independen dan dependen, dimana salah
satu variabel independennya dibuat tetap/dikendalikan. Jadi korelasi parsial merupakan angka
yang menunjukkan arah dan kuatnya hubungan antara dua variabel atau lebih, setelah satu
variabel yang diduga dapat mempengaruhi hubungan variabel tersebut tetap/dikendalikan.
Koefisien korerasi parsial adalah indeks atau angka yang digunakan untuk mengukur
keeratan hubungan antara 2 variabel, jika variabel lainnya konstanta, pada hubungan yang
melibatkan lebih dari dua variabel. Korelasi parsial digunakan untuk menganalisis bila peneliti
bermaksud mengetahui pengaruh atau mengetahui hubungan atara variabel independen dan
dependen, dimana salah satu variabel independennya dibuat tetap/dikendalikan. Jadi korelasi
parsial merupakan angka yang menunjukkan arah dan kuatnya hubungan antara dua variabel
atau lebih, setelah satu variabel yang diduga dapat mempengaruhi hubungan variabel tersebut
tetap/dikendalikan.

Kita mengambil contoh pada kasus korelasi sederhana di atas dengan menambahkan satu
variabel kontrol. Seorang mahasiswa bernama Andi melakukan penelitian dengan
menggunakan alat ukur skala. Andi ingin meneliti tentang hubungan antara kecerdasan dengan
prestasi belajar jika terdapat faktor tingkat stress pada siswa yang diduga mempengaruhi akan
dikendalikan. Dengan ini Andi membuat 2 variabel yaitu kecerdasan dan prestasi belajar dan
1 variabel kontrol yaitu tingkat stress. Tiap-tiap variabel dibuat beberapa butir pertanyaan
dengan menggunakan skala Likert, yaitu angka 1 = Sangat tidak setuju, 2 = Tidak setuju, 3 =
Setuju dan 4 = Sangat Setuju. Setelah membagikan skala kepada 12 responden didapatlah skor
total item-item yaitu sebagai berikut:
Tabel 3. Nilai untuk X1,X2dan Y
X1 X2 Y
5 26 1,20
 5 97 1,24
5 47 1,30
10 88 1,33
10 97 1,42
10 75 1,50
20 88 1,57
20 75 1,61
20 20 1,74
40 88 1,81
40 53 1,89
40 75 1,96

Keterangan:

X1 : Kecerdasan

X2 : Prestasi belajar

Y : tingkat strees

 Pengujian Korelasi Parsial dengan SPSS

Berikut adalah langkah pengujian korelasi parsial menggunakan SPSS :
1. Pada tampilan variable view, pada kolom Name ditulis nama variabel yang akan diuji,
yakni Kecerdasan, Prestasi belajar, Tingkat stres

2. Aktifkan Data View, kemudian masukan data

3. Dari menubar Pilih Analyze – Correlate – Partial
4. Setelah muncul kotak dialog Partial Correlation, masukkan variabel yang akan
dikorelasikan ke dalam kotak variables, dan variabel yang dikontrol ke dalam kotak
cotrolling for, lalu pilih option.

5. Setelah muncul kotak dialog option, checklist zero order correlation seperti berikut,
lalu klik continue.

6. Klik ok. Setelah itu akan muncul output berikut ini:

7.
 Correlations

Control Variables Kecerdasan PrestasiBelajar TingkatStress

-none-a Kecerdasan Correlation 1.000 .050 .946

Significance (2-tailed) . .876 .000

df 0 10 10

PrestasiBelajar Correlation .050 1.000 -.038

Significance (2-tailed) .876 . .907

df 10 0 10

TingkatStress Correlation .946 -.038 1.000

Significance (2-tailed) .000 .907 .

df 10 10 0

TingkatStress Kecerdasan Correlation 1.000 .267

Significance (2-tailed) . .427

df 0 9

PrestasiBelajar Correlation .267 1.000

Significance (2-tailed) .427 .

df 9 0

a. Cells contain zero-order (Pearson) correlations.

8.

Bagian pertama
Hasil output pada bagian pertama (-none-a) sebelum digunakan korelasi parsial atau
tanpa variabel kontrol menunjukkan bahwa kecerdasan dan prestasi belajar siswa
diperoleh nilai korelasi sebesar 0.050 dan nilai significance (2-tailed) diperoleh 0.876.
selanjutnya tinjau tabel statistik yaitu tabel (r). Jumlah siswa 12 orang, berdasarkan
tabel r kita menggunakan N-2 yaitu 12-2=10, pada tabel lihat baris ke 10 pada taraf
signifikan 0.05 diperoleh 0,632. sedangkan nilai significance (2-tailed) > 0.05. Karena
nilai korelasi 0.050 < 0,632dan nilai signifikan 0.876 > 0.05. bagian ini tanpa ada
variabel kontrol tingkat keeratan hubungan antara kecerdasan dan prestasi belajar siswa
nilainya tergolong lemah.
Bagian kedua
Bagian kedua ini kita akan menggunakan variabel kontrol yaitu motivasi belajar.
variabel tersebut berpengaruh atau tidak terhadap kecerdasan dan prestasi belajar,
dalam hal ini koefesien korelasi antara kecerdasan dan prestasi belajar siswa diperoleh
nilai 0.267 dan nilai significance (2-tailed) diperoleh 0.427. Sebelum menggunakan
tabel (r), perhatikan terlebih dahulu jumlah siswa dan degrees of freedom (df atau
derajat kebebasan) yaitu: df = N-k-1, artinya N=jumlah siswa, k=jumlah variabel, maka
df= 12-2-1 = 9. Selanjutnya kita akan mencari nilai r tabel yaitu: dapat dicari pada baris
ke 9 dan taraf signifikan 0.05 diperoleh 0,666, dan nilai significance (2-tailed) > 0.05.
Karena nilai 0.266 < 0.666 dan nilai signifikan 0.429 > 0.05. dapat diketahui
korelasinya atau hubungannya lemah

Kesimpulan
Tingkat keeratan hubungan antara kecerdasan dan prestasi belajar siswa adalah tidak
berpengaruh atau hubungannya lemah.
D. Simpulan
Berdasarkan pembahasan diatas, maka dapat disimpulkan bahwa. Korelasi diberi
pengertian sebagai hubungan antar dua variable atau lebih. Hubungan antarvariabel itu jika
dilihat dari segi arahnya dapat dibedakan menjadi dua macam yaitu hubungan yang sifatnya
satu arah dan hubungan yang sifatnya berlawanan arah. Hubungan yang bersifat searah diberi
nama korelasi positif, sedangkan hubungan yang sifatnya berlawanan arah disebut korelasi
negatif. Arah hubungan variabel yang kita cari korelasinya, dapat diamati melalui sebuah peta
atau diagram, yang dikenal dengan nama Peta Korelasi. Tinggi rendah, kuat lemah atau besar
kecilnya suatu korelasi dapat diketahui dengan melihat besar kecilnya suatu angka (koefisien)
yang disebut Angka Indeks Korelasi atau Coefficient Of Correlation.
Teknik korelasi Product Moment digunakan untuk mencari hubungan dan
membuktikan hipotesis hubungan dua variabel bila data kedua variabel berbentuk interval atau
ratio, dan sumber data dari dua data variabel atau lebih tersebut adalah sama. Pengujian korelasi
Product Moment menggunakan SPSS menggunakan beberapa langkah,hasil akhirnya ia akan
sama menunjukkan kesimpulan dengan pengujian secara manual.

Korelasi ganda (multiple correlation) merupakan angka yang menunjukkan arah

dan kuatnya hubungan antara dua variabel independen secara bersama-sama atau lebih dengan
satu variabel dependen. Pengujian korelasi ganda menggunakan SPSS menggunakan beberapa
langkah,hasil akhirnya ia akan sama menunjukkan kesimpulan dengan pengujian secara
manual.

Korelasi parsial digunakan untuk menganalisis bila peneliti bermaksud mengetahui

pengaruh atau mengetahui hubungan atara variabel independen dan dependen, dimana salah
satu variabel independennya dibuat tetap/dikendalikan. Pengujian korelasi parsial
menggunakan SPSS menggunakan beberapa langkah,hasil akhirnya ia akan sama
menunjukkan kesimpulan dengan pengujian secara manual.
 DAFTAR PUSTAKA

Sujarweni,Wiratna V dan Poly Endrayanto.2011.Statistika untuk Penelitian.Yogyakarta:Graha

Ilmu.
Supranto.2008.Statistik Teori dan Aplikasi.Jakarta:Erlangga.
Sudijono,Anas. 2012.Pengantar Statistik Pendidikan.Jakarta: PT Raja Grafindo Persada.
Sugiyono.2011. Statistika untuk Penelitian.Jakarta:Alfabeta.