MAKALAH

BIOSTATISTIK
“Uji Korelasi dan Uji T”

Disusun Oleh:
M. Insannul Adi P. (1710211002)
Annisa Fitriya (1710211012)
Aditya Usi Pratama (1710211021)
Lutfiana (1710211022)
Dosen Pembimbing:
Aulya Nanda Prafitasari, M.Pd.

PROGRAM STUDI PENDIDIKAN BIOLOGI

FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN
UNIVERSITAS MUHAMMADIYAH JEMBER
2019
1) Uji Korelasi
Korelasi adalah istilah statistik yang menyatakan derajat hubungan linear
antara dua variabel atau lebih, yang ditemukan oleh Karl Pearson pada awal 1900.
Oleh sebab itu terkenal dengan sebutan Korelasi Pearson Product Moment (PPM).
Hubungan antara dua variabel di dalam teknik korelasi bukanlah dalam arti
hubungan sebab akibat (timbal balik), melainkan hanya merupakan hubungan searah
saja. Akibatnya, dalam korelasi dikenal penyebab dan akibatnya. Data penyebab atau
yang mempengaruhi disebut variabel bebas (independent) dan data akibat atau yang
dipengaruhi disebut variabel terikat (dependent). Variabel bebas (independent)
dilambangkan dengan huruf X atau X1, X2, X3... X (tergantung banyaknya variabel
bebas). Variabel terikat (dependent) dilambangkan dengan huruf Y.
 Kegunaan Korelasi Pearson Product Moment (PPM)
Adapun kegunaan dari korelasi ini adalah sebagai berikut:
1. Untuk menyatakan ada atau tidaknya hubungan yang signifikan antara variabel
satu dengan yang lainnya.
2. Untuk menyatakan besarnya sumbangan variabel satu terhadap yang lainnya yang
dinyatakan dalam persen. Dengan demikian, maka r 2 disebut koefisien determinasi
atau koefisien penentu. Hal ini disebabkan r2 x 100% terjadi dalam variabel terikat
Y yang mana ditentukan oleh variabel X.
 Pola atau Bentuk Hubungan antara 2 Variabel
Korelasi yang terjadi antara dua variabel adalah sebagai berikut:
I. Korelasi Linear Positif (+1)
Perubahan salah satu nilai variabel diikuti perubahan nilai variabel yang
lainnya secara teratur dengan arah yang sama atau memiliki hubungan yang
bersifat searah sehingga dikatakan sebagai korelasi positif. Misalnya: Apabila
Aktivitas belajar siswa meningkat, maka nilai hasil pengetahuan siswa juga akan
meningkat.
II. Korelasi Linear Negatif (-1)
Perubahan salah satu nilai variabel diikuti perubahan nilai variabel yang
lainnya secara teratur dengan arah yang berlawanan. Ini berarti bahwa kenaikan
atau pertambahan pada variabel X misalnya, akan diikuti dengan penurunan atau
pengurangan pada variabel Y. Misalnya: Semakin meningkatnya aktivitas belajar
 siswa ketika menghadapi ujian maka, akan menglami penurunan siswa yang
mendapatkan nilai dibawah KKM.
III. Tidak Berkorelasi (0)
Kenaikan nilai variabel yang satunya bisa diikut dengan penurunan variabel
lainnya atau kadang-kadang diikuti dengan kenaikan variabel yang lainnya. Arah
hubungannya tidak teratur, bisa searah atau pun berlawanan. Apabila Nilai
Koefisien Korelasi mendekati 0 (Nol) berarti pasangan data variabel X dan
variabel Y memiliki korelasi yang sangat lemah atau berkemungkinan tidak
berkorelasi.
 Macam-macam korelasi
1. Korelasi sederhana
Korelasi Sederhana merupakan suatu teknik statistik yang dipergunakan untuk
mengukur kekuatan hubungan antara 2 variabel dan juga untuk dapat mengetahui
bentuk hubungan keduanya dengan hasil yang bersifat kuantitatif. Kekuatan
hubungan antara 2 variabel yang dimaksud adalah apakah hubungan tersebut erat,
lemah, ataupun tidak erat. Sedangkan bentuk hubungannya adalah apakah bentuk
korelasinya linear positifataupun linear negatif.
2. Korelasi Parsial
Korelasi parsial adalah suatu metode pengukuran keeratan hubungan (korelasi)
antara variabel bebas dan variabel tak bebas dengan mengontrol salah satu
variabel bebas untuk melihat korelasi natural antara variabel yang tidak
terkontrol. Analisis korelasi parsial (partial correlation) melibatkan dua variabel.
Satu buah variabel yang dianggap berpengaruh akan dikendalikan atau dibuat
tetap (sebagai variabel kontrol).
3. Korelasi Ganda
Korelasi ganda adalah bentuk korelasi yang digunakan untuk melihat
hubungan antara tiga atau lebih variabel (dua atau lebih variabel independen
(variabel bebas) dan satu variabel dependent (variabel terikat)). Korelasi ganda
berkaitan dengan interkorelasi variabel-variabel independen sebagaimana korelasi
mereka dengan variabel dependen.
 Menghitung Nilai Koefisien Korelasi (r)
i. Untuk menghitung korelasi antara variabel bebas (independent) dengan variabel
terikat (dependent) dapat digunakan rumus sebagai berikut:
 dengan:
ryx1 = Koefisien korelasi antara Y dan X
Xi = Variabel bebas (indipendent)
Y = Variabel terikat (dependent)
n = Banyak data

Nilai koefisien korelasi: -1 ≤ r ≤ 1

a. 0 artinya antara variabel X dan variabel Y tidak ada hubungan/korelasi.
b. -1 artinya ada hubungan/korelasi sempurna antara variabel X dan Y
dengan koefisien arah negatip.
c. 1 artinya ada hubungan/korelasi sempurna antara variabel X dan Y dengan
koefisien arah positip.

Berikut Interpretasi koefisien korelasi (r) atau derajat hubungan akan disajikan
dalam tabel 2:
Tabel 2 Interpretasi Koefisien Korelasi (r)
R Interprestasi
0 Tidak berkorelasi
0,01-0,20 Sangat rendah
0,21-0,40 Rendah
0,41-0,60 Agak Rendah
0,61-0,80 Cukup
0,81-0,99 Tinggi
1 Sangat tinggi

Contoh Penggunaan rumus korelasi. Korelasi Pearson Product Moment (dari

Karl Pearson), Misalnya peneliti ingin mengetahui korelasi hubungan aktivitas belajar
siswa dengan nilai tes pengetahuan siswa kelas XI SMA Negeri 5 Jember
Tabel 1. Data Hasil Nilai Aktifitas belajar siswa (X) dan Nilai Tes Pengetahuan
siswa (Y) kelas XI SMA Negeri 5 Jember

a) Menentukan Hipotesis
Ho : Tidak ada hubungan antara nilai aktifitas belajar siswa terhadap nilai tes
pengetahuan siswa.
 Ha : Ada hubungan antara nilai aktifitas belajar siswa terhadap nilai tes
pengetahuan siswa.
b) Uji statistik
SPSS Korelasi person
c) Menentukan kriteria pengujian
 Ho diterima (Ha ditolak) apabila sig 2-taled > 0,05 (tidak
berkorelasi/tidak ada hubungan)
 Ho ditolak (Ha diterima) apabila sig 2-taled < 0,05 (berkorelasi/ada
hubungan)
d) Menentukan taraf nyata
 Dalam pengujian korelasi yakni menggunakan α 0,05
 dk = n-2
e) Langkah-langkah penggunaan aplikasi SPSS untuk
1. Buka bagian variabel view kemudian beri keterangan data.
 Pada baris pertama (Name = X, Label = Aktivitas Belajar)
 Pada baris kedua (Name = Y, Label = Nilai Tes)

2. Memasukkan data ke data view

 Me-copy dari excel dan di paste ke data view
  Kolom pertama data aktivitas belajar dan kolom kedua Nilai pengetahuan
Tes

3. Melakukan analisis dengan menggunakan menu Analyze → Correlate →

Bivariate

4. Memasukkan variabel X dan Y ke kotak Variables

5. Memberi tanda checklist pada pearson, Two-tailed dan Flag significant
correlations.

6. Klik Option → Means and Standard Deviation → Continue

7. Klik Ok maka akan muncul tampilan hasil analisis seperti berikut:

8. Output data:
 Berdasarkan hasil ouput yang diperoleh pada tabel analisis statistik
diatas yakni bahwasanya dari hasil nilai signifikan (0,019) lebih kecil dari 0.05
sehingga, yang diterima ialah Ha dan Ho ditolak. Kemudian, Interpretasi
koefisien korelasi (r) atau derajat hubungan antara aktivitas belajar dan nilai
tes pengetahuan yakni memiliki hubungan yang agak rendah karena 0,424
berada di kisaran 0,41-0,60, dimana pada kisaran tersebut memiliki hubungan
yang agak rendah. Dan uji korelasi pada data ini yakni termasuk ke korelasi
positif karena hasil pearson correlation sebesar 0,424.
f) Kesimpulan
1. Sig-2 tailed 0,019 < 0,05 , maka Ho ditolak dan Ha diterima.
2. Terdapat hubungan yang signifikan antara aktivitas belajar siswa
terhadap nilai tes pengetahuan siswa.

2) Uji T
Contoh :
Menguji metode pembelajaran baru terhadap tingkat penguasaan materi ajar pada
mahasiswa. Data hasil penelitian dari penggunaan metode pembelajaran baru adalah
sebagaimana tertera pada Tabel .
Tabel . Data hasil penelitian dari penggunaan metode pembelajaran baru
Mahasi Nilai Pre-test (X) Nilai post-test (Y)
swa
1 70 75
2 60 65
3 50 70
4 65 80
5 55 60
6 40 60
7 45 70
8 65 70
9 60 65
10 70 75
11 60 65
12 50 75
13 30 65
14 45 70
15 40 70

Data analisis adalah sebagai berikut:

Mahasiswa Nilai Nilai post- Perbedaan
Pre-test test
N X Y D D2
1 70 75 5 25
2 60 65 5 25
3 50 70 20 400
4 65 80 15 225
5 55 60 5 25
6 40 60 20 400
7 45 70 25 625
8 65 70 5 25
9 60 65 5 25
10 70 75 5 25
11 60 65 5 25
12 50 75 25 625
 13 30 65 35 1225
14 45 70 25 625
15 40 70 30 900
Jumlah 805 1035 230 5200
Y 53.67 69

a) Menentukan Hipotesis
Ho : Tidak ada perbedaaan yang signifikan anatara nilai pre test dan postest
Ha : Ada perbedaaan yang signifikan anatara nilai pre test dan postest
b) Uji statistik
SPSS uji t-Test dua sampel dependent (paired sample t-test).
c) Menentukan kriteria pengujian
 Ho diterima (Ha ditolak) apabila sig 2-taled ≥ 0,05 (Thitung ≥ Ttabel)
 Ho ditolak (Ha diterima) apabila sig 2-taled < 0,05 (Thitung< Ttabel)
d) Langkah-langkah penggunaan aplikasi SPSS untuk Uji t-Test dua sampel
dependent (paired sample t-test)
1. Membuka bagian variabel view kemudian beri keterangan data.
 pada baris pertama (pre-test)
 pada baris kedua (post-test)
 ubah kolom decimals menjadi 0
2. Memasukkan data ke data view
 Me-copy dari excel dan di paste ke data view
 Kolom pertama data aktivitas belajar dan kolom kedua Nilai pengetahuan
Tes
4. Melakukan analisis dengan menggunakan menu Analyze → Compare Means →
Paired Sample T Test.

5. Memasukkan variabel Pre-test dan Post-test ke Paired Variables dengan cara klik
pre-test lalu klik post-test dan masukkan ke kotak Paired Variables sehingga akan
terlihat seperti berikut:
6. Selanjutnya, Klik Option dan mengisi Confidence Interval atau tingkat
kepercayaan. Sebagai defult, SPSS menggunakan tingat kepercayaan 95% atau
tingkat signifikansi 100%-95%= 5%, setelah itu klik Exclude cases analaysis by
analysis dan klik Continue.

7. Klik OK sehingga akan muncul hasil analisis seperti berikut.

8. Output Data

a. Berdasarkan output hasil analisis statistik di atas dapat diketahui bahwa nilai
pre-test memiliki nilai rata-rata 53,67 sedangkan untuk nilai post-test memiliki
nilai rata-rata 69,00.

b. Koefisien korelasi antar nilai pre-test dan nilai post-test adalah sebesar 0,420
dengan taraf signifikansi > 0,05. Hal ini berarti antara nilai pre-test dan nilai
post-test tidak terdapat korelasi yang signifikan.

c. Nilai t hitung 5,432, dengan derajat kebebasannya 14 serta signifikasinya 0,000

atau lebih kecil dari taraf nyata yang telah ditentukan sebesar 0,05 (0,000 <
0,05).
e) Kesimpulan :
 Taraf Signifikansi 0,000 < 0,05 sehingga Ha diterima atau H0 ditolak
 Terdapat perbedaan yang signifikan antara nilai pre-test dan nilai post-test.