BAB 1

PENDAHULUAN

Pada bab pendahuluan ini akan membahas tentang latar belakang dan tujuan
praktikum pada praktikum statistika dan optimasi sistem industri modul analisa
korelasi.
1.1 Latar Belakang
Sejalan dengan perkembangan zaman, orang cenderung memilih jalan atau
cara yang efisien unutk memperoleh hasil yang maksimal. Demikian pula halnya
dengan orang yang sedang mempelajari korelasi, ingin memahami konsep dengan
cara yang mudah dan cepat dan mendapatkan hasil yang maksimal. Untuk dapat
melakukan mutu peningkatan proses maupun pemecahan masalah dalam produksi,
hal yang harus diketahui telah mengetahui kondisi produksi yang sebenarnya. Hal
tersebut dapat dilakukan dengan cara melakukan pengumpulan data.
Untuk mengetahui keerataan hubungan antara dua buah variabel digunakan
ukuran koefisien korelasi (r). Besarnya koefisien korelasi (r) antara dua buah
variabel adalah nol sampai dengan ± 1. Apabila dua buah variabel mempunyai
nilai r = 0, berarti antara variabel tersebut tidak ada hubungan. Sedangkan apabila
dua buah variabel mempunyai nilai r = ± 1, maka dua buah variabel tersebut
mempunyai hubungan yang sempurna. Tanda minus (-) pada nilai r menunjukkan
hubungan yang berlawanan arah (apabila nilai menunjukkan variabel yang satu
naik, maka nilai variabel yang lain turun), dan sebaliknya tanda plus (+) pada nilai
r menunjukkan hubungan yang searah (apabila nilai variabel yang satu naik, maka
nilai variabel yang lain juga naik).
Semakin tinggi nilai koefisien korelasi antara dua buah variabel (semakin
mendekati 1), maka tingkat keeratan hubungan antara dua variabel tersebut
semakin tinggi. Dan sebaliknya semakin rendah koefisien korelasi anatara dua
macam variabel (semakin mendekati 0), maka tingkat keeratan hubungan antara
dua variabel tersebut semakin lemah. Misalnya dua buah variabel mempunyai
koefisien korelasi (r) = 0,7. Ini menunjukkan bahwa tingkat keeratan hubungan
searah antara dua variabel tersebut adalah 0,7 atau 70%.
1.2 Tujuan Praktikum
Berikut ini adalah tujuan dari praktikum statistika dan optimasi sistem
industri modul analisa korelasi adalah:
1. Mampu memahami definisi dari analisa korelasi
2. Mampu menyebutkan sifat hubungan atau korelasi
3. Mampu menyebutkan kategori dalam korelasi
 BAB 2
KAJIAN PUSTAKA DAN DASAR TEORI

Pada bab ini akan membahas tentang kajian pustaka dan dasar teori pada
praktikum statistika dan optimasi sistem industri modul analisa korelasi.
2.1 Pengertian Korelasi
Menurut Machali (2015), korelasi atau dalam bahasa Inggris “correlation”
berarti “hubungan”, “pertalian”, atau dalam pengertian lain korelasi umumnya
difahami sebagai hubungan atau saling berhubungan atau hubungan timbal balik.
Dalam ilmu statistik istilah korelasi berarti hubungan antar dua variable atau
lebih. Hubungan antardua variable dikenal dengan istilah bivariat correlation,
sedangkan hubungan antarlebih dari dua variable disebut multivariate correlation.
Menurut Putri (2016), analisis korelasi mempunyai tujuan tersendiri yaitu
untuk mengukur “seberapa kuat” atau “derajat kedekatan” suatu relasi yang terjadi
antar variabel. Sebagai contoh, jika analisis regresi ingin mengetahui pola relasi
dalam bentuk persamaan regresi, maka analisis korelasi ingin mengetahui derajat
kedekatan dari hubungan tersebut dalam koefisien relasinya.
Menurut Nuryadi (2017), koefisien korelasi (r) adalah akar dari rasio antara
jumlah kuadrat antara variasi yang dapat dijelaskan dan jumlah kuadrat variasi
total. Ataun secara matematis dapat ditulis sebagai berikut:

r=
√∑ (Yc−Ý )2 .............................................................................................
√∑ (Y −Ý ) 2
Rumus 1
Sumber: Nuryadi, 2017
Keterangan:
Yc = Taksiran (nilai Y yang ditentukan dengan menggunakan persamaan
regresi yang diperoleh).
Ý = Y rata-rata.
Y = Nilai Y aktual.
2.2 Sifat dan Hubungan Korelasi
 Menurut Hamdani (2013), sifat korelasi antar dua variabel dapat di lihat
melalui pembuatan grafik maupun perhitungan. Sifat hubungan atau korelasi
adalah:
a) Positif kuat, artinya kedua variabel yang di cari korelasinya mempunyai
sifat terkait yang searah, apabila salah satu variabel cenderung untuk naik
nilainya, maka variabel yang lainnya pun ikut naik.
b) Negatif kuat, artinya kedua variabel yang dicari korelasinya mempunyai
sifat terikat yang berkebalikan, apabila salah satu variabel cenderung naik
nilainya maka variabel yang lainnya akan cenderung turun demikian pula
sebaliknya.
c) Tidak berkorelasi, artinya variabel yang dicari korelasinya tidak mempunyai
ikatan yang tegas, masing-masing variabel cenderung untuk independent
(bebas).
2.3 Kategori Dalam Korelasi
Menurut Astuti (2017), koefsien korelasi bisa bernilai positif atau negatif
dan nilai koefisien korelasi berkisar antara -1 sampai dengan +1. Korelasi negatif
ditunjukkan dengan koefisien korelasi yang bernilai negatif begitu juga sebaliknya
korelasi positif ditunjukkan dengan koefisien korelasi yang bernilai positif.
a) Besar Koefisien Korelasi 0,00 maka interpretasi koefisiennya tidak ada
korelasi.
b) Besar Koefisien Korelasi 0,01 - 0,20 maka interpretasi koefisiennya korelasi
sangat lemah.
c) Besar Koefisien Korelasi 0,21 - 0,40 maka interpretasi koefisiennya korelasi
lemah.
d) Besar Koefisien Korelasi 0,41 - 0,70 maka interpretasi koefisiennya korelasi
sedang.
e) Besar Koefisien Korelasi 0,71 - 0,99 maka interpretasi koefisiennya korelasi
tinggi.
f) Besar Koefisien Korelasi 1,00 maka interpretasi koefisiennya korelasi
sempurna.
2.4 Analisis Korelasi
 Menurut Wirawan (2016), Analisis korelasi biasanya dilakukan secara
bersamaan dengan analisis regresi. Jika analisis korelasi dilakukan bersamaan
dengan analisis regresi maka koefisien korelasi merupakan akar dari koefisien
determinasi, yang dapat dihitung dengan rumus berikut:
r = √ r 2 ........................................................................................................ Rumus 2
Keterangan:
r = Nilai koefisien korelasi
2.5 Arah Korelasi
Menurut Ananda (2018), dilihat dari segi arahnya, korelasi dibedakan antara
dua macam, yaitu:
1. Korelasi searah atau korelasi positif (+) Yaitu apabila dua variabel atau
lebih berkorelasi secara paralel, kenaikan satu variabel disertai dengan
kenaikan pada variabel yang lain atau penurunan nilai satu variabel disertai
dengan penurunan pada variabel yang lain. Misalnya, kenaikan harga bahan
bakar minyak (BBM), diikuti kenaikan ongkos-ongkos angkutan.
Sebaliknya jika harga BBM turun, maka ongkos angkutan menjadi turun.
Dalam dunia pendidikan misalnya, terdapat korelasi positif antara nilai-nilai
belajar matematika dengan nilai hasil belajar Fisika, Kimia, Biologi dan
sebagainya.
2. Korelasi berlawanan arah atau korelasi negatif (-) Yaitu apabila dua variabel
atau lebih berkorelasi secara berlawanan arah, kenaikan nilai satu variabel
disertai dengan penurunan nilai variabel lainnya. Misalnya meningkatnya
kesadaran hukum dikalangan masyarakat diikuti dengan menurunnya
jumlah kejahatan yang dilakukan anggota masyarakat, atau sebaliknya.
Penurunan hasil belajar siswa dalam bidang studi seni suara disertai dengan
peningkatan hasil belajar bidang studi matematika, kimia, biologi, dan
sebagainya.
BAB 3
PENGUMPULAN DATA

Pada bab ini akan menjelaskan tentang pengumpulan data pada praktikum
statistika dan optimasi sistem industri modul analisa korelasi.
3.1 Pengumpulan Data
Seorang pengusaha masker ingin mengetahui pengaruh atau tidaknya
penjualan pada produk yang ia kerjakan dengan hasil penjualan yang didapatkan.
Apakah promosi dapat meningkat pemasaran.
Tabel 3.1 Hasil Pemasaran
No (X) Pengembangan (Y) Pendapatan (Z) Keuntungan
1 11 14 44
2 12 16 36
3 10 13 64
4 16 19 43
5 12 23 66
6 10 32 42
7 18 27 32
8 22 27 55
9 19 20 36
10 14 25 54
11 16 20 59
12 13 20 40
13 16 19 65
14 23 26 49
15 32 34 45
16 27 30 50
17 17 23 60
18 18 21 78
19 25 32 51
20 19 23 60
21 34 36 63
Lanjutan tabel 3.1 Hasil Pemasaran
22 31 37 54
23 11 27 52
24 14 20 68
 BAB 4
PENGOLAHAN DATA

Pada bab ini akan menjelaskan tentang pengolahan data pada praktikum
statistik dan optimasi sistem industry modul analisa korelasi.
4.1 Pengolahan Data
Berikut ini merupakan langkah – langkah yang digunakan dalam proses
pengolahan data yang telah ditetapkan sebelumnya menggunakan aplikasi SPSS
sebagai berikut:
1. Untuk memulai menjalankan Software SPSS, klik 2 kali icon SPSS. Seperti
yang terlihat pada gambar 4.1

Gambar 4.1 Icon SPSS pada Desktop

2. Selanjutnya tunggu sampai Loading SPSS selesai, maka akan muncul
tampilan awal aplikasi SPSS, pilih Variable view dan masukkan datanya.
Seperti pada gambar 4.2

Gambar 4.2 input Variable view

3. Kemudian pilih opsi Data view dan masukkan datanya. Seperti pada gambar
4.3 dibawah ini:

Gambar 4.3 Input Data Pada Data View

4. Klik opsi Analyze kemudian pilih Correlat kemudian pilih Bivariate. seperti
gambar 4.4 dibawah ini

Gambar 4.4 Analyze, Correlat, Bivariate

5. Masukkan semua pada kolom Variables dan centang. Terlihat pada gambar
4.5

Gambar 4.5 Tampilan Bivariate Correlations

6. Pada tampilan Bivariate Correlations: Options centang sesuai perintah, lalu
klik Continue. Terlihat pada gambar 4.6

Gambar 4.6 Tampilan Bivariate Correlations: Options

7. Hasil output dari analisa korelasi. Terlihat pada gambar 4.7

Gambar 4.7 Output Pearson Correlations

Dari gambar 4.7 analisis data untuk Output Pearson Correlations yaitu
sebagai berikut:
a. Hubungan antara pengambilan terhadap pendapatan diperoleh angka sebesar
0,749 yang menunjukkan adanya korelasi yang lemah. Nilai signifikansi
antara pengambilan terhadap pendapatan diperoleh 0,000 lebih kecil dari
nilai α 0,05 (sig < α) yang menunjukkan ada korelasi yang signifikan antara
pengambilan dan pendapatan
b. Hubungan antara pengambilan terhadap keuntungan diperoleh angka
sebesar 0,038 yang menunjukkan adanya korelasi yang sangat lemah. Nilai
signifikansi antara pengambilan terhadap keuntungan diperoleh 0,860 lebih
besar dari nilai α 0,05 (sig > α) yang menunjukkan tidak ada korelasi yang
signifikan antara pengambilan dan keuntungan.
c. Hubungan antara pendapatan terhadap keuntungan diperoleh angka sebesar
0,059 yang menunjukkan adanya korelasi yang lemah. Nilai signifikansi
antara pendapatan terhadap keuntungan diperoleh 0,784 lebih besar dari
nilai α 0,05 (sig > α) yang menunjukkan tidak ada korelasi yang signifikan
antara pendapatan dan keuntungan.
 Gambar 4.8 Output Spearman’s Rho Correlations
a. Hubungan antara pengambilan terhadap pendapatan diperoleh angka sebesar
0,616 yang menunjukkan adanya korelasi yang lemah. Nilai signifikansi
antara pengambilan terhadap pendapatan diperoleh 0,001 lebih kecil dari
nilai α 0,05 (sig < α) yang menunjukkanada korelasi yang signifikan antara
pengambilan dan pendapatan
b. Hubungan antara pengambilan terhadap keuntungan diperoleh angka
sebesar 0,024 yang menunjukkan adanya korelasi yang sangat lemah. Nilai
signifikansi antara pengambilan terhadap keuntungan diperoleh 0,910 lebih
besar dari nilai α 0,05 (sig > α) yang menunjukkan tidak ada korelasi yang
signifikan antara pengambilan dan keuntungan.
c. Hubungan antara pendapatan terhadap keuntungan diperoleh angka sebesar
0,058 yang menunjukkan adanya korelasi yang lemah. Nilai signifikansi
antara pendapatan terhadap keuntungan diperoleh 0,787 lebih besar dari
nilai α 0,05 (sig > α) yang menunjukkan tidak ada korelasi yang signifikan
antara pendapatan dan keuntungan.
 BAB 5
KESIMPULAN DAN SARAN

Berikut ini merupakan kesimpulan dan saran pada praktikum statistika dan
dan optimasi sistem industri modul analisa korelasi.
5.1 Kesimpulan
1. Korelasi atau dalam bahasa Inggris “correlation” berarti “hubungan”,
“pertalian”, atau dalam pengertian lain korelasi umumnya difahami sebagai
hubungan atau saling berhubungan atau hubungan timbal balik.
2. Sifat hubungan korelasi:
a. Positif kuat
b. Negatif kuat
c. Tidak berkorelasi
3. Kategori dalam korelasi:
a. Besar koefisien korelasi 0,00 maka interpretasi koefisiennya tidak ada
korelasi.
b. Besar koefisien korelasi 0,01 - 0,20 maka interpretasi koefisiennya
korelasi sangat lemah.
c. Besar koefisien korelasi 0,21 - 0,40 maka interpretasi koefisiennya
korelasi lemah.
d. Besar koefisien korelasi 0,41 - 0,70 maka interpretasi koefisiennya
korelasi sedang.
e. Besar koefisien korelasi 0,71 - 0,99 maka interpretasi koefisiennya
korelasi tinggi.
f. Besar Koefisien Korelasi 1,00 maka interpretasi koefisiennya korelasi
sempurna.
5.2 Saran
Laporan yang kami buat belumlah sempurna dikarenakan keterbatasan
pengetahuan dan waktu. Dan pada praktikum saat ini hendaknya asisten
laboratorium dalam penjelasan saat praktikum online jangan terlalu cepat
menjelaskannya. Karena banyak praktikan yang ketinggalan bagaimana langkah-
langkah dalam pengolahan datanya. Karena tidak semuanya faham betul akan
yang diterangkan asisten laboratorium.
 DAFTAR PUSTAKA

Ananda dan Muhammad. 2018. “Statistik Pendidikan”. Medan: CV. Widya

Puspita.
Astuti, Cindy Cahyaning. 2017. “Analisis Korelasi untuk Mengetahui Keeratan
Hubungan antara Keaktifan Mahasiswa dengan Hasil Belajar Akhir”.
Fakultas Keguruan dan Ilmu Pendidikan, Universitas Muhammadiyah
Sidoarjo. Jurnal of Information and Computer Technology Education, Vol.
1, No.1, Hal. 1-7.
Hamdani, Saepul dan Maunah. 2013. “Statistik Terapan (Teori dan aplikasi pada
pembelajaran matematika)”. Surabaya: Government of Indonesia dan
Islamic Development Bank
Nuryadi, dkk. 2017. “Dasar – Dasar Statistik Penelitian”. Yogyakarta: Sibuku
Media.
Putri, Ramalia Noratama, dkk. 2016. “Analisa Korelasi Peningkatan Jumlah
Penelitian Dengan Tingkat Beban Kerja Dosen Menggunakan Metode
Backpropagation”. Program Studi Teknik Informatika, Sekolah Tinggi
Manajemen Informatika & Komputer. Jurnal Inovtek Polbeng, Vol. 1, No.
2, Hal. 105-116.
Wirawan, Nata. 2016. “Statistik Ekonomi dan Bisnis”. Bali: Keraras Emas