BAB VIII

UJI KORELASI

PENDAHULUAN
Analisis korelasi merupakan metode statistik yang digunakan untuk
mengukur besarnya hubungan linier antara dua variabel atau lebih. Nilai korelasi
populasi (ρ) berkisar pada interval -1 ≤ ρ ≤ 1. Jika korelasi bernilai positif, maka
hubungan antara dua variabel bersifat searah. Sebaliknya, jika korelasi bernilai
negatif, maka hubungan antara dua variabel bersifat berlawanan arah. Misalkan
korelasi sampel antara variabel X dan Y (rX,Y) bernilai positif mengartikan bahwa
jika nilai X naik maka nilai Y juga naik, sedangkan jika nilai X turun maka nilai Y
juga turun. Misalkan korelasi sampel antara variabel X dan Y (rX,Y) bernilai negatif
mengartikan bahwa jika nilai X naik maka nilai Y juga turun, sedangkan jika nilai
X turun maka nilai Y juga naik.
Koefisien korelasi adalah nilai yang menunjukan kuat/tidaknya hubungan
linier antar dua variabel. Koefisien korelasi biasa dilambangkan dengan huruf r
dimana nilai r dapat bervariasi dari -1 sampai +1. Nilai r yang mendekati -1 atau +1
menunjukan hubungan yang kuat antara dua variabel tersebut dan nilai r yang
mendekati 0 mengindikasikan lemahnya hubungan antara dua variabel tersebut.
Sedangkan tanda + (positif) dan – (negatif) memberikan informasi mengenai arah
hubungan antara dua variabel tersebut. Jika bernilai + (positif) maka kedua variabel
tersebut memiliki hubungan yang searah. Dalam arti lain peningkatan X akan
bersamaan dengan peningkatan Y dan begitu juga sebaliknya. Jika bernilai –
(negatif) artinya korelasi antara kedua variabel tersebut bersifat berlawanan.
Peningkatan nilai X akan dibarengi dengan penurunan Y. Interpretasi dari besarnya
nilai korelasi sampel antara variabel dapat diklasifikasikan sebagai berikut.

Analisis Korelasi 155

 Tabel. Koefisien Korelasi dan Interpretasinya*
Nilai Korelasi Sampel (r) Interpretasinya
0,00 - 0,09 Hubungan korelasinya diabaikan
0,10 - 0,29 Hubungan korelasi rendah
0,30 - 0,49 Hubungan korelasi moderat
0,50 - 0,70 Hubungan korelasi sedang
> 0,70 Hubungan korelasi sangat kuat

Pada bagian ini akan dibahas secara ringkas teknik uji korelasi Pearson dan
Rank Spearman. Teknik tersebut sangat sering digunakan dalam penelitian bidang
pendidikan. Jika variabel X dan Y independen maka nilai r = 0, akan tetapi jika nilai
r = 0, X dan Y tidak selalu independen. Variabel X dan Y hanya tidak berasosiasi.
Perlu diketahui bahwa hasil dari koefisien koefisien korelasi hanya bisa digunakan
sebagai indikasi awal dalam analisa. Nilai dari koefisien korelasi tidak dapat
menggambarkan hubungan sebab akibat antara variabel X dan Y. Untuk sampai
pada adanya hubungnan sebab dan akibat diperlukan penelitian yang lebih intensif
atau dapat didasarkan pada teori yang ada dimana X mempengaruhi Y atau Y yang
mempengaruhi X.
Selain itu, dalam menganalisa hubungan antara X dan Y, tentunya harus
didasarkan adanya hubungan yang logis antara kedua variabel tersebut. Kita tidak
bisa sembarangan mengukur koefisien korelasi antara dua variabel.
Misalnya, variabel Y merupakan data mengenai banyaknya angka kecelakan yang
terjadi di Jakarta pada tahun 2013 dan variabel X adalah jumlah kasus pencurian di
Jakarta pada tahun 2013. Kemudian dihitung koefisien korelasi antara variabel X
dan Y, diperoleh hubunganya yang kuat antara kedua variabel tersebut. Disini nilai
koefisien korelasi yang didapat tentunya tidak akan memiliki makna meskipun
didapat nilai korelasi yang kuat karena secara logis tingkat kecelakaan tidak
memiliki hubungan dengan tingkat pencurian yang ada.

Analisis Korelasi 156

A. Korelasi Product Moment
Korelasi Pearson Product Moment (r) merupakan analisis regresi yang sangat
populer dan sering dipakai oleh mahasiswa dan peneliti. Analisis korelasi ini
dikenalkan oleh Karl Pearson pada tahun 1900. Korelasi ini digunakan untuk
mengetahui derajat hubungan dan kontribusi variabel bebas (independent) dengan
variabel terikat (dependent). Teknik analisis Korelasi PPM termasuk teknik statistik
parametrik yang menggunakan interval dan ratio dengan persyaratan data dipilih
secara acak (random), datanya berdistribusi normal, data yang dihubungkan berpola
linier, dan data yang dihubungkan mempunyai pasangan yang sama sesuai dengan
subjek yang sama. Rumus yang digunakan Korelasi Person Product Moment (PPM)
sebagai berikut.
n XY  ( X )( Y )
rxy 
{n X 2  ( X ) 2 }{n Y 2  ( Y ) 2 }

Korelasi PPM dilambangkan dengan huruf (r) dengan ketentuan nilai r tidak
lebih dari harga (-1< r < + 1). Apabilah nilai r = -1 artinya korelasinya negatif
sempurna; r = 0 artinya tidak ada korelasi dan r = 1 berarti korelasinya sangat kuat.
Selanjutnya untuk menyatakan besar kecilnya sumbangan variabel X terhadap Y
dapat ditentukan dengan rumus koefisien diterminan sebagai berikut.
KP = r2 x 100%

Keterangan: KP = Nilai Koefisien Diterminan

r = Nilai Koefisien Korelasi

Pengujian lanjutan yaitu uji signifikansi yang berfungsi apabila peneliti ingin
mencari makna hubungan variabel X terhadap Y, maka hasil korelasi PPM tersebut
diuji dengan uji Signifikansi dengan rumus :

r n2
t 
hitung
1 r2

Analisis Korelasi 157

Keterangan: thitung = Nilai t
r = Nilai Koefisien korelasi
n = Jumlah Sampel

Contoh 1
Berikut adalah data hubungan nilai UN Bahasa Inggris SMA X Sanasini dengan
skor Toefl.
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.
Tentukanlah:
a. Besar hubungan nilai UN Bahasa Inggris dengan skor Toefl?
b. Besar sumbangan (kontribusi) nilai UN Bahasa Inggris dengan skor Toefl?
c. Apakah ada hubungan yang signifikan nilai UN Bahasa Inggris dengan skor
Toefl?

Penyelesaian
Langkah 1.
a. Membuat Ha dan Ho dalam bentuk kalimat :
Ho : tidak ada hubungan yang signifikan nilai UN Bahasa Inggris dengan skor Toefl.
Ha : ada hubungan yang signifikan nilai UN Bahasa Inggris dengan skor Toefl.
Langkah 2.
Membuat Ha dan Ho dalam bentuk statistik;
Ha : r ≠ 0
Ho : r = 0
Langkah 3.
Membuat tabel penolong untuk menghitung Korelasi PPM:
No X Y X2 Y2 XY
1. 60 450 3600 202500 27000
2. 70 475 4900 225625 33250
3. 75 450 5625 202500 33750
4. 65 470 4225 220900 30550
5. 70 475 4900 225625 33250

Analisis Korelasi 158

 6. 60 455 3600 207025 27300
7. 80 475 6400 225625 38000
8. 75 470 5625 220900 35250
9. 85 485 7225 235225 41225
10. 90 480 8100 230400 43200
11. 70 475 4900 225625 33250
12. 85 480 7225 230400 40800

Statistik X Y X2 Y2 XY
Jumlah 885 5640 66325 2652350 416825

Langkah 4.
Mencari rhitung dengan cara masukkan angka statistik dari tabel penolong dengan
rumus :
n XY  ( X )( Y )
rxy 
{n X 2  ( X ) 2 }{n Y 2  ( Y ) 2 }

12(416.825)  (885).(5.460)
rxy 
{12.(66.325)  (885) 2 }.{12.(2.652.350)  (5.640) 2 }

169.900 169.00
rxy    0,465
133.463.835.000 365.327,02

Langkah 5.
Mencari besarnya sumbangan (konstribusi) variabel X terhadap Y dengan rumus :
KP = r2 x 100% = 0,4652 x 100% = 21,62 %.
Artinya nilai UN Bahasa Inggris memberikan konstribusi terhadap skor Toefl
sebesar 21,62% dan sisanya 78,38% ditentukan oleh variabel lain.
Langkah 6.
Menguji signifikan dengan rumus thitung :

r n2 0,465 12  2 2,15

t     3,329
hitung 1  0,684 2 0,88
1 r2
Kaidah pengujian :
Jika thitung ≥ ttabel, maka tolak Ho artinya signifikan dan
thitung ≤ ttabel, terima Ho artinya tidak signifikan.

Analisis Korelasi 159

Berdasarkan perhitungan di atas , α = 0,05 dan n = 12, uji dua pihak; dk = n - 2
= 12 – 2 = 10 sehingga diperoleh ttabel = 2,228
Ternyata thitung lebih besar dari ttabel, atau 3,329 > 2,228, maka Ho ditolak, artinya
ada hubungan yang signifikan nilai UN Bahasa Inggris dengan skor Toefl.
Langkah 7.
Membuat kesimpulan
a. Berapakah besar hubungan nilai UN Bahasa Inggris dengan skor Toefl? rxy
sebesar 0,465 kategori cukup kuat.
b. Berapakah besar sumbangan (konstribusi) nilai UN Bahasa Inggris dengan
skor Toefl?
KP = r2 x 100% = 0,4652 x 100% = 21,62%. Artinya nilai UN Bahasa Inggris
memberikan konstribusi terhadap skor Toefl sebesar 21,62% dan sisanya
78,38% ditentukan oleh variable lain.
c. Buktikan apakah ada hubungan yang signifikan nilai UN Bahasa Inggris
dengan skor Toefl ? terbukti bahwa ada hubungan yang signifikan nilai UN
Bahasa Inggris dengan skor Toefl.
Ternyata thitung lebih besar dari ttabel, atau 3,329 > 2,228, maka Ho ditolak,
artinya ada hubungan yang signifikan nilai UN Bahasa Inggris dengan skor
Toefl.

Contoh 2
Hitunglah koefisien korelasi (rxy ) dari variabel motivasi (variabel X) dan nilai
ulangan (variabel Y) sebagai berikut:
No. X Y X2 Y2 XY
1. 8 10 64 100 80
2. 7 8 49 64 56
3. 7 9 49 81 63
4. 5 6 25 36 30
5. 4 5 16 25 20
6. 3 2 9 4 6
7. 2 2 4 4 4
36 42 216 314 259

Analisis Korelasi 160

Dengan demikian dapat diperoleh nilai sebagai berikut.
 X = 36
 Y = 42
 X2 = 216
 Y2 = 314
 XY = 259
n XY  ( X )( Y )
rxy 
{n X 2  ( X ) 2 }{n Y 2  ( Y ) 2 }

7(259) − (36)(42)
𝑟𝑥𝑦 =
√7(216) − (36)2 √7(314) − (42)2
𝑟𝑥𝑦 = 301 : 306,176
𝑟𝑥𝑦 = 0,98
Nilai rxy > 0,70 = sangat kuat, sehingga korelasi motivasi dengan nilai ulangan
sangat kuat.

B. Korelasi Spearman Rank

Charles Spearman mengenalkan koefisien korelasi tata jenjang ( rank –
order correlation coeficient). Analisis ini digunakan untuk bahan atau data yang
telah terkumpul atau dilaporkan berbentuk tata – jenjang, sehingga lebih mudah
untuk melakukan analisis. Sebagai ilustrasi, seorang peneliti dalam aktivitas
analisis mampu menyusun data yang selanjutnya dapat dibuat penjenjangan tanpa
memperhatikan beda skor, maka kita dapat melakukan analisis dan memperoleh
nilai r-nya dengan rumus yang lebih sederhana. Analisis Korelasi Spearman Rank
ini memiliki fungsi antara lain;
1. Mengetahui ada tidaknya hubungan/ korelasi antar 2 variabel.
2. Mengetahui koefisien korelasi.
3. Mengetahui arah hubungan.
4. Besarnya kontribusi X terhadap Y (dalam persen).
Analisis Spearman dapat diterapkan dengan persyaratan:
1. Berhadapan dengan 1 sampel yang diambil secara random;

Analisis Korelasi 161

 2. Masing-masing elemen sampel memiliki 2 variabel dan tiap variabel dapat
dibuat penjenjangan (tata urutan).
3. Data yang ada menunjukkan garis lurus.
4. Memperlihatkan kecenderungan berdistribusi normal.

Prosedur pengujian sebagai berikut.

1. Untuk N sampai dengan 30 dapat digunakan rumus :
6 ∑ 𝑑2
𝑅ℎ𝑜 = 1 −
𝑁(𝑁 2 − 1)
rumus ini digunakan jika tidak ada nilai yang sama untuk setiap variabelnya.
Jika ada nilai yang sama maka jumlahnya tidak terlampau besar.
2. Jika ada skor yang sama dalam jumlah relatif besar dapat digunakan rumus :
6 ∑ 𝑥 2 +∑ 𝑦 2 −∑ 𝑑2
𝑅ℎ𝑜 = ;
2 √∑ 𝑥 2 ∑ 𝑦 2

rumus ini adalah rumus Rho dengan unsur koreksi

𝑁3 − 𝑁
∑ 𝑥2 = − ∑ 𝑇𝑥
12
𝑁3 − 𝑁
∑ 𝑦2 = − ∑ 𝑇𝑦
12

𝑡 3 −𝑡
𝑇= ; t adalah masing-masing nilai yang sama.
12

𝑁−2
3. 𝑡 = 𝑟𝑠 √1−𝑟 2 ; rumus ini digunakan jika N lebih dari 30.
𝑠

Untuk rumus ketiga dilakukan pendekatan pada ”student t”. Titik kritis untuk
N sampai dengan 30 maka titik kritis terletak pada tabel Rho, sedangkan untuk
N lebih dari 30 dilakukan pendekatan pada student t dengan db = N – 2.
Hipotesisi nol (Ho) ditolak jika Rho hasil analisis melampaui titik kritis pada
taraf kesalahan tertentu. Dalam kesimpulan dapat dikemukakan tentang ; (a).
ada tidaknya hubungan; (b). arah/bentuk hubungan); (c),kekuatan hubungan.

Analisis Korelasi 162

Contoh 3
Berikut tersaji data hasil pengukuran terhadap variabel X dan Y. Data hasil
pengukuran berskala ordinal sebagai berikut.
No. Resp. Rank X Rank Y
1 3 4
2 14 12
3 12 13
4 2 1
5 13 14
6 1 2
7 8 6
8 10 11
9 4 3
10 7 8
11 5 7
12 11 10
13 6 5
14 9 9

Penyelesaian
Membuat tabel bantu sebagai berikut.
No. Resp. Rank X Rank Y d d²
1 3 4 -1 1
2 14 12 2 4
3 12 13 -1 1
4 2 1 1 1
5 13 14 -1 1
6 1 2 -1 1
7 8 6 2 4
8 10 11 -1 1
9 4 3 1 1
10 7 8 -1 1
11 5 7 -2 4
12 11 10 1 1
13 6 5 1 1
14 9 9 0 0
Σd²=22

Analisis Korelasi 163

Penelitian dilakukan untuk mengetahui apakah ada hubungan antara variabel X dan
variabel Y. Data yang diperoleh berskala ordinal dari sampel yang diambil secara
random.

Hipotesis :
H1 : ada hubungan antara variabel X dan variabel Y
H0 : tidak ada hubungan antara variabel X dan variabel Y.

Dalam analisis ini dipilih tes Rho Spearman sebab tes ini berfungsi untuk
mengetahui hubungan antara X dan Y, arah hubungan dan kekuatan hubungannnya.
Prosedur analisis:
6 ∑ 𝑑2 6 ∑ 22
𝑅ℎ𝑜 = 1 − 2
= 1− = 0,952
𝑁(𝑁 − 1) 14(142 − 1)

Titik kritis : tabel Rho Spearman dengan N = 14 dan alpha 5% maka rs tabel sebesar
0,544
Keputusan: Oleh karena Rs hasil analisis > dari Rs tabel atau titik kritis maka Ho
ditolak pada alpha 5%.
Kesimpulan :
1. Ada hubungan signifikan antara X dan Y pada alpha 5%
2. Kekuatan hubungan sangat kuat
3. Arah hubungan positif.

Contoh 4
Seorang dokter melakukan penelitian untuk mengetahui korelasi antara jumlah
konsumsi gula (gram/ hari) dengan kadar gula dalam darah (mg/ 100 ml). Pasien
yang diteliti ada 7 subyek dari sebuah sample yang diambil secara acak. Ingin
diketahui apakah terdapat korelasi antara jumlah konsumsi gula (gram/ hari)
dengan kadar gula dalam darah (mg/ 100 ml). Hitungkoefisien korelasi peringkat/
rank Spearman dan lakukan uji signifikansi terhadap koefisien tersebut. (∝ = 5%).

Analisis Korelasi 164

 Subyek Gula/ hari (x) Kadar gula/ 100 ml (y)
1 5,7 40,0
2 11,3 41,2
3 13,5 42,3
4 15,1 42,8
5 17,9 43,8
6 19,3 43,6
7 21,0 46,5

Penyelesaian
Langkah 1.
Hipotesis
Ho : tidak ada korelasi konsumsi gula (gram/ hari) dengan kadar gula dalam
darah (mg/ 100 ml)
Ha : Peningkatan konsumsi gula (gram/ hari) diikuti dengan peningkatan
kadar gula dalam darah (mg/ 100 ml) (hubunganpositif)
Langkah 2
Tes Statistik
Tes signifikansi yang cocok adalah uji signifikansi koefisien korelasi rank
spearman.
Langkah 3
Tingkat signifikansi
Tingkat signifikansi atau taraf nyata adalah bilangan yang mencerminkan seberapa
besar peluang untuk melakukan kekeliruan menolak H0 yang seharusnya
diterima.Dalam hal ini, perlu didapatkan informasi besarnya rs dan jumlah N dan
∝ = 5%.
1. Distribusi sampling :
6 ∑𝑁 2
𝑖=1 𝑑𝑖
𝑅ℎ𝑜 = 1 −
𝑁3 − 𝑁
2. Daerah penolakan :
Tolak Ho ketika p-value ≤ α
Langkah 4
Perhitungan

Analisis Korelasi 165

Tabel. Rangking Konsumsi Gula/Hari dan Kadar Gula dalam Darah
Konsumsi Kadar Gula
Subyek Peringkat(x) Peringkat(y) di di2
Gula (x) dalam Darah (y)
1 5,7 1 40,0 1 0 0
2 13,5 3 41,2 2 1 1
3 11,3 2 42,3 3 -1 1
4 17,9 5 42,8 4 1 1
5 15,1 4 43,8 6 -2 4
6 21,0 7 43,6 5 2 4
7 19,3 6 46,5 7 1 1

Penghitungan statistik uji :

6 ∑𝑁 2
𝑖=1 𝑑𝑖
Rho = 1 − 𝑁 3 −𝑁
6(12)
Rho = 1 − 73 −7

Rho =1 – 0.214
Rho = 0.786

Langkah 5
Keputusan :
Nilai Rho table dgn N=7,∝ = 5% adalah 0,714
karena rs hitung > rs table maka keputusannya adalah tolak H0
Langkah 6
Kesimpulan :
Konsumsi gula/hari dan kadar gula dalam darah mempunyai korelasi positif kuat
dan bermakna artinya peningkatan konsumsi gula diikuti dengan peningkatan kadar
gula dalam darah (hubunganpositif)

Analisis Korelasi 166

Contoh 5
Berikut disajikan data nilai fisika matematika dan nilai fisika kuantum mahasiswa
fisika FMIPA UNY.
Fisika Matematika Fisika Kuantum
45 57
35 43
50 62
40 53
31 44
28 40
58 69
60 73
68 79
75 83

Ujilah apakah ada korelasi yang positif antara kemampuan Fisika Matematika
dengan prestasi belajar Fisika Kuantum? (Gunakan taraf signifikansi 5%).
1. Prosedur Analisis
a. Jalankan program SPSS 22, pilih Variable View di bagian bawah.
b. Isikan di kolom Name “FisikaMatematika” di baris pertama dengan
decimals bernilai 2, dan “FisikaKuantum” di baris ke dua dengan decimals
bernilai 2.

c. Pilih Data View dan masukan nilai Fisika Matematika dan Fisika Kuantum
sebagai berikut.

Analisis Korelasi 167

d. Pilih menu Analyze → Correlate → Bivariate.
e. Masukkan variabel FisikaMatematika dan FisikaKuantum ke kotak
Variables sehingga akan terlihat seperti berikut.

f. Memilih jenis analisis: Pearson, Kendall’s tau-b, atau Spearman. Dalam

hal ini data dianalisis dengan menggunakan uji korelasi Pearson. Jika ingin
memilih jenis yang lain bisa mengeklik tombo; tersebut.
g. Klik tombol Options → Means and Standard Deviation → Cross Product
Deviations and Covariance → Continue.
h. Klik OK sehingga akan muncul hasil analisis.

Analisis Korelasi 168

 Descriptive Statistics
Mean Std. Deviation N

FisikaMatematika 49.0000 15.97915 10

FisikaKuantum 60.3000 15.44201 10

Correlations
FisikaMatematika FisikaKuantum

FisikaMatematika Pearson Correlation 1 .993**

Sig. (2-tailed) .000

Sum of Squares and Cross-

2298.000 2206.000
products

Covariance 255.333 245.111

N 10 10
FisikaKuantum Pearson Correlation .993** 1

Sig. (2-tailed) .000

Sum of Squares and Cross-

2206.000 2146.100
products

Covariance 245.111 238.456

N 10 10

**. Correlation is significant at the 0.01 level (2-tailed).

2. Pembacaan Hasil Analisis

a. Tabel Descriptive Statistics menampilkan hasil analisis statistik
deskriptifnya seperti rata-rata per variabel, standar deviasi, dan jumlah
sampel.
b. Tabel Correlations, ada dua tanda dalam penafsiran korelasi melalui nilai
koefisien, yaitu tanda (+) dan (-) yang berhubungan dengan arah korelasi,
serta menyatakan kuat tidaknya korelasi.
Hipotesis Penelitian :
Ho : Tidak ada hubungan (korelasi) antara dua variabel.
H1 : Ada hubungan (korelasi) antara dua variabel.
Jika Sig (2-tailed) > ½ α, maka Ho diterima.
Ketentuan Jika Sig (2-tailed) < ½ α, maka Ho ditolak.

Analisis Korelasi 169

 Atau
Jika t hitung < t tabel, maka Ho diterima.
Jika t hitung > t tabel, maka Ho ditolak.

Pada tabel Correlations nilai Sig (2-tailed = 0,000) < ½ α (0,025) maka Ho
di tolak. Jadi ada korelasi positif kemampuan fisika matematika dengan
prestasi fisika kuantum semakin tinggi kemampuan fisika matematika
semakin tinggi prestasi fisika kuantum.

Keterangan Tambahan
Dasar Pengambilan Keputusan dalam Uji Korelasi Spearman:
1. Jika nilai sig. < 0,05 maka, dapat disimpulkan bahwa terdapat korelasi yang
signifikan antara variabel yang dihubungkan.
2. Sebaliknya, Jika nilai sig. > 0,05 maka, dapat disimpulkan bahwa tidak
terdapat korelasi yang signifikan antara variabel yang dihubungkan.

Analisis Korelasi 170

 Uji Kompetensi

1. Suatu penelitian dilakukan untuk mengetahui apakah ada hubungan antara

variabel tingkat religiusitas dengan tingkat kenakalan remaja. Penelitian
dilakukan dengan mengambil sampel sebanyak 9 individu secara random. Data
yang diperoleh dapat disusun dalam bentuk penjenjangan. Distribusi data
sebagai berikut:
Var.X 12 11 13 14 15 16 19 17 18
Var.Y 20 21 18 19 17 14 13 15 11

Berdasarkan data tersebut lakukan analisis guna membuktikan hipotesis yang

telah dirumuskan dengan taraf kesalahan sebesar 5%. Selanjutnya tentukan arah
hubungan, kekuatan hubungan dan kontribusi X terhadap Y.

2. Berikut tersaji data tentang variabel X dan variabel Y.

Var. X : 12 9 15 8 13 12 13 12 9 9 8 10
Var. Y : 5 7 3 7 5 5 4 5 6 7 6 4
Berdasarkan data tersebut; (a). Rumuskan permasalahan penelitian; (b).
Rumuskan hipotesisnya; (c). buktikan ada tidaknya hubungan; (d), tentukan
arah hubungan; (e). Tentukan kekuatan hubungan dan (f). Tentukan kontribusi
X terhadap Y.

3. Ada 10 orang responden yang diminta untuk mengisi daftar pertanyaan tentang
Motivasi dan Prestasi dalam sebuah lembaga bimbingan belajar. Jumlah
responden yang diminta mengisi daftar pertanyaan itu 10 pengajar, masing-
masing diberi nomor 1, 2, 3, 4, 5, 6, 7, 8, 9, 10. Nilai yang diberikan oleh
kesepuluh responden tentang Motivasi dan Prestasi sebagai berikut.

Analisis Korelasi 171

 Responden Skor Motivasi Skor Prestasi
1 90 70
2 60 80
3 50 60
4 70 80
5 40 40
6 30 50
7 20 20
8 80 80
9 70 90
10 60 60

Tentukanlah apakah ada hubungan antara Motivasi dengan Prestasi.

Analisis Korelasi 172