PENDAHULUAN
Sepanjang sejarah umat manusia, orang melakukan penelitian tentang ada tidaknya hubungan
antara dua hal, fenomena, kejadian atau lainnya. Dan ada tidaknya pengaruh antara satu kejadian
dengan kejadian yang lainnya. Karena itu untuk mempermudah dalam melakukan penghitungan
suatu kejadian maka kita menggunakan analisis korelasi.
Korelasi merupakan teknik analisis yang termasuk dalam salah satu teknik pengukuran
asosiasi / hubungan (Measures of association). Teknik ini berguna untuk mengukur kekuatan
hubungan antara dua variabel (kadang lebih dari dua variabel) dengan skala-skala tertentu.
Diantara sekian banyak teknik-teknik pengukuran asosiasi, terdapat dua teknik korelasi yang
sangat populer sampai sekarang, yaitu Korelasi Pearson Product Moment dan Korelasi Rank
Spearman.
Hal ini dilakukan untuk memberikan gambaran dan pengetahuan mengenai hubungan suatu
kejadian atau lebih kita kenal dengan istilah korelasi. Seperti yang kita ketahui bahwa suatu
kejadian/fenomena pasti mempunyai keterkaitan satu sama lain dan pengaruh bagi lingkungan
sekitar.tapi tidak semua kejadian bisa dikaitkan dengan yang lain tergantung unsur-unsur /kriteria
– kriteria apa saja yang mempunyai keterkaitan dan yang mempengaruhinya.
PEMBAHASAN
Korelasi adalah istilah statistik yang menyatakan derajat hubungan linear antara dua
variabel atau lebih, (Usman,2006:197). Hubungan antara dua variabel di dalam teknik korelasi
bukanlah dalam arti hubungan sebab akibat (timbal balik), melainkan hanya merupakan
hubungan searah saja. Contoh, peneliti ingin melihat apakah terdapat hubungan antara Minat
Mahasiswa atas Matakuliah Pengantar Ilmu Politik (x) dengan Minat Mahasiswa untuk
Berpolitik Praktis (y). Sehingga dalam korelasi dikenal penyebab dan akibatnya.
Kedua variabel tersebut, x dan y, bisa berhubungan dengan salah satu dari 3 cara berikut:
1. Hubungan Positif. Artinya, semakin berminat seorang mahasiswa atas Matakuliah
Pengantar Ilmu Politik, semakin besar minat mereka untuk Berpolitik Praktis.
2. Tidak Ada Hubungan. Artinya, minat mahasiswa atas matakuliah Pengantar Ilmu Politik
tetap sama kendati mereka berminat untuk Berpolitik Praktis.
3. Hubungan Negatif. Artinya, semakin mahasiswa berminat atas matakuliah Pengantar
Ilmu Politik, semakin tidak berminat mahasiswa untuk Berpolitik Praktis.
Ada beberapa jenis analisis korelasi atau koefisien korelasi seperti pada tabel :
Koefisien korelasi merupakan indeks atau bilangan yang digunakan untuk mengukur
keeratan (kuat, lemah, atau tidak ada) hubungan antarvariabel. Koefisien Korelasi variabel yang
diukur
Untuk menentukan keeratan hubungan / korelasi antar variabel tersebut, berikut ini
diberikan nilai-nilai dari KK sebagai patokan, (Hasan, 2008: 234).
6. 0,90 < KK ≤ 1,00 korelasi yang sangat tinggi; kuat sekali, dapat diandalkan.
7. KK = 1 korelasi sempurna.
Teknik analisis Korelasi Product moment termasuk teknik statistik para metrik yang
menggunakan interval dan ratio dengan persyaratan tertentu. Misalnya:
Kalau salah satu tidak terpunuhi persaratan tersebut analisis korelasi tidak dapat
dilakukan. Rumus yang digunakan Korelasi Prodact Moment adalah:
( Sudjana (2002:369))
Langkah-langkah menghitung korelasi Product Moment
1. kedua variabel yang akan dikorelasikan itu mempunyai tingkatan data ordinal,
2. jumlah anggota sampel di bawah 30 (sampel kecil)
3. data tersebut memang diubah dari interval ke ordinal
4. data interval tersebut ternyata tidak berdistribusi normal.
Korelasi rank ini ditemukan oleh Spearman, sehingga disebut juga sebagai
korelasi Spearman. Korelasi ini dapat juga disebut sebagai korelasi bertingkat, korelasi
berjenjang, korelasi berurutan, atau korelasi berpangkat.
Besarnya hubungan antara dua variabel atau derajat hubungan yang mengukur
korelasi berpangkat disebut koefisien korelasi berpangkat atau koefisien korelasi
Spearman yang dinyatakan dengan lambang rs. Makna dan kelayakan nilai r seperti
halnya dengan yang diuraikan dalam korelasi Product moment.
Tulis Ha dan Ho dalam bentuk kalimat
Tulis Ha dan Ho dalam bentuk statistic
Membuat tabel
Mencari dengan rumus
Menentukan taraf signifikan
Bandingkan rs hirung dengan rtabel
Membuat kesimpulan
2.4 Koefisien Penentu (KP) atau Koefisien Determinasi (R)
Apabila koefisien korelasi dikuadratkan, akan menjadi koefisien penentu (KP) atau
koefisien determinasi, yang artinya penyebab perubahan pada variabel Y yang datang dari
variabel X, sebesar kuadrat koefisien korelasinya. Koefisien penentu ini menjelaskan besarnya
pengaruh nilai suatu variabel (variabel X) terhadap naik turunnya (variasi) nilai variabel lainnya
(variabel Y).
Nilai koefisien penentu ini terletak antara 0 dan +1 (0 ≤ KP ≤ +1). Jika koefisien
korelasinya adalah koefisien korelasi Pearson (r) maka koefisien penentunya𝐾𝑃 = 𝑅 = ( )2
𝑥100%
Variabel Zr akan mendekati distribusi normal dengan rata-rata dan varians sebagai berikut
Dengan melakukan transformasi nilai 𝜇𝑍 𝑟, maka diperoleh pendugaan interval bagi
koefisien korelasi populasi (ρ) dengan tingkat keyakinan 1-α.
Contoh : Sebuah sampel acak dengan ukuran n = 28 telah diambil dari sebuah populasi normal
bervariabel dua. Dari sampel itu didapat r=0,80. Tentukan taksiran koefisien korelasi ρ untuk
populasi Jawab : Titik taksiran dapat ditentukan ialah ρ = 0,80. Untuk menentukan interval
taksiran ρ dengan angka kepercayaan 95%.
Pengujian hipotesis yaitu uji signifikansi yang berfungsi apabila peneliti ingin mencari
makna atau mencari kesimpulan hubungan variabel X terhadap Y, maka hasil korelasi tersebut
diuji dengan uji Signifikansi dengan rumus :
keterangan:
- thitung = Nilai t
- r = Nilai Koefisien korelasi
- n = Jumlah Sampel
Contoh soal analisis korelasi product moment
Motivasi (X) : 60; 70; 75; 65; 70; 60; 80; 75; 85; 90; 70; dan 85
Kinerja (Y) : 450; 475; 450; 470; 475; 455; 475; 470; 485; 480; 475;dan 480.
Pertanyaan ;
Langkah-langkah menjawab:
Langkah 1.
Langkah 2.
Ha : r ≠ 0
Ho : r = 0
Langkah 3.
Mencari r hitung dengan cara masukkan angka statistik dari tabel penolong dengan rumus ;
Langkah 4
Artinya motivasi memberikan konstribusi terhadap kinerja dosen sebesar 21,62% dan sisanya
78,38% ditentukan oleh variabel lain.
Langkah 5
Ternyata thitung lebih besar dari ttabel, atau 3,329 > 2,228, maka Ho ditolak, artinya ada
hubungan yang signifikan motivasi dengan kinerja dosen.
Langkah 6
Membuat kesimpulan
1. Berapakah besar hubungan motivasi dengan kinerja dosen? rxy sebesar 0,465 kategori
cukup kuat.
2. 2. Berapakah besar sumbangan (konstribusi) motivasi dengan kinerja dosen? KP = r2 x
100% = 0,4652 x 100% = 21,62%. Artinya motifasi memberikan konstribusi terhadap
kinerja dosen sebesar 21,62% dan sisanya 78,38% ditentukan oleh variable lain.
3. Buktikan apakah ada hubungan yang signifikan motivasi dengan kinerja dosen? terbukti
bahwa ada hubungan yang signifikan motivasi dengan kinerja dosen.Ternyata thitung
lebih besar dari ttabel, atau 3,329 > 2,228, maka Ho ditolak, artinya ada hubungan yang
signifikan motivasi dengan kinerja dosen.
Diketahui data
X Y
2 2
3 3
2 1
3 2
3 3
1 2
Ditanyakan:
Jawab:
b. Periksa dulu apakah nilai data yang diurutkan sudah cocok dengan banyaknya
anggota ota sampel? Dalam halini sudahada enam urutan mentah. Setelah cocok
lanjutkan menghitung urutan matang (ranking ke-) dengan cara, sebagai berikut:
Jika – rs table <rs hitung<rs tabel, maka Ho diterima atau korelasinya tidak
signifikan.
7. Tentukan dk = 6 – 2= 4 dan taraf signifikan (α = 0,05) dengan melihat tabel t di dapat
nilai ttabel = 2,776
8. Ternyata – 2,776 < 0,499 < 2,776 atau – ttabel< thitung< ttabel sehingga Ho diterima
Jika – t ii tabel< t ii hitung < t tabel sehingga Ho diterima atau tidak reliable. rii tabel
pada daftar r kritis untuk Spearman dengan α = 0.05 dan n = 6 didapat r ii tabel =
0.829
Ternyata —0,828 < 0,814 < 0,829
Atau rs table < rs hitung < rs tabel sehingga H. diterima atau alat pengumpul datanya
tidak reliabel. Kesimpulannya: Alat pengumpul data tersebut tidak reliabel untuk
mengukur variabel tertentu.