apakah ada kaitan antara minum susu dengan daya pikir anak,
apakah ada kaitan antara waktu belajar siswa dengan prestasi belajarnya,
apakah ada kaitan antara seringnya membaca buku bahasa inggris dengan
kemampuan bicara siswa dalam bahasa inggris.
Secara umum persoalan korelasi dapat dirumuskan sebagai: “apakah ada kaitan
antara variabel X dengan variabel Y ?”
Contoh 1
Diberikan data tentang nilai matematika dan fisika dari 10 orang siswa sebagai
berikut:
No X Y (Fisika)
(Matematika)
1. 5 5
2. 7 6
3. 9 9
4. 8 9
5. 8 8
6. 6 7
7. 4 4
8. 5 6
9. 7 8
10. 3 4
4
Fisika
0
0 2 4 6 8 10
Matematika
Dari scatterplots di atas terlihat bahwa ketika nilai matematika meningkat, maka
nilai fisika juga akan meningkat. Maka korelasi antara kedua variabel tersebut
merupakan korelasi positif.
Koefisien Korelasi ( r )
∑ − ∑ ∑
=
∑ − ∑ ∑ − ∑
Dari 10 orang siswa SMK didapat nilai mekanika dan listrik seperti berikut.
Mekanika : 5 7 6 8 8 9 7 3 2 6
Listrik :6 5 7 7 9 10 5 4 4 5
Maka koefisien korelasi Pearson dapat dicari dengan terlebih dahulu membuat
tabel seperti berikut, dengan memisalkan variabel X sebagai nilai mekanika dan
variabel Y sebagai nilai listrik, serta diketahui bahwa jumlah data (n) = 10.
X Y X2 Y2 XY
5 6 25 36 30
7 5 49 25 35
6 7 36 49 42
8 7 64 49 56
8 9 64 81 72
9 10
81 100 90
7 5
3 4 49 25 35
2 4 9 16 12
6 5 4 16 8
36 25 30
= 61 = 62 = 417 = 422 ∑ = 410
10 ∑ − ∑ ∑
=
10 ∑ − ∑ 10 ∑ − ∑
10(410) − (61)(62)
=
10(417) − 61 10(422) − 62
= 0,7739
Jadi diperoleh nilai r = 0,7739 yang menunjukkan korelasi positif yang kuat
antara nilai mekanika dengan nilai listrik.
Contoh 3
Dari data pada Contoh 2 akan dianalisis berapakah besar kontribusi nilai mekanika
(X) terhadap nilai listrik (Y).
3. Uji Signifikansi
Apabila peneliti ingin mencari makna hubungan variabel X terhadap Y,
maka hasil nilai korelasi yang diperoleh dapat diuji dengan Uji
Signifikansi dengan rumus berikut:
√ − 2
=
√1 −
dimana = nilai t
r = nilai koefisien korelasi
n = jumlah data sampel.
Contoh 4
Dengan menggunakan data dan hasil yang diperoleh pada Contoh 2, maka akan
dianalisis apakah ada hubungan yag siginifikan antara nilai mekanika (X) dengan
nilai listrik (Y). Untuk itu maka dapat dilakukan dengan langkah-langkah berikut:
H0: = 0 (tidak ada hubungan yang signifikan antara nilai mekanika dengan nilai
listrik)
H1: ≠ 0 (ada hubungan yang signifikan antara nilai mekanika dengan nilai
listrik)
√ − 2 0,7739√10 − 2 2,189
= = = = 3,458
√1 − 1 − 0,7739 0,633
Karena nilai lebih besar dari nilai , yaitu 3,458 > 2,228, maka tolak
H0, artinya ada hubungan yang signifikan antara nilai mekanika dengan nilai
listrik.
Berikut ini merupakan data motivasi dan prestasi dari 12 orang mahasiswa.
Y’ = a + bX
Keterangan:
Koefisien Determinasi R2 :
∑ − ∑ ∑
=
∑ − ∑ ∑ − ∑
Contoh
Sebuah penelitian terhadap pohon Mahoni, dimana akan diteliti apakah ada
hubungan antara tinggi pohon dengan diameter batang pohon, dengan artian
apakah ada pengaruh diameter batang pohon terhadap tinggi pohon tersebut.
Diambil sampel secara acak sejumlah delapan pohon mahoni.
dimana :
Y' = Tinggi pohon mahoni yang diprediksi
X = Diameter batang pohon mahoni
Nilai a = -1,3147 artinya tidak ada diameter batang pohon maka tidak ada tinggi
pohon. (karena tidak ada tinggi yang bernilai negatif sehingga dianggap nol).
Nilai b = 4,5413 artinya jika terjadi peningkatan diameter batang pohon mahoni
satu satuan maka akan terjadi peningkatan tinggi pohon mahoni sebesar 4,5413
satuan.
8∑ − ∑ ∑
=
8∑ − ∑ 8∑ − ∑
0,886
Artinya terdapat hubungan atau korelasi yang kuat antara tinggi pohon mahoni
dengan diameter batang pohon mahoni. Semakin besar diameter batang pohon
mahoni maka semakin tinggi batang pohon mahoni.
R2 = 0,8862 = 0,785
Artinya sekitar 78,5% variasi dari variabel diameter batang pohon mahoni dapat
menjelaskan variasi dari variabel tinggi pohon mahoni.
(cukup tinggi)
1. Hipotesis Uji
Ho : b = 0
Ha : b ≠ 0
2. Taraf Signifikansi
3. Daerah Kritis
4. Statistik Uji
5. Keputusan
Nilai t-hitung = 4,6805 > t-tabel = 2,447 sehingga Ho ditolak dan Ha
diterima.
Latihan