NAMA : Septiana Wulan Cahyani

NIM : 12204173181

KELAS : TMT 6-E

Korelasi
Product Moment, Spearman, Kendall's Tau
1. Korelasi pearson product moment
Korelasi pearson product moment adalah untuk mencari hubungan
variabel bebas (X) dengan variabel terikat (Y), dan data berbentuk interval dan
rasio.
Besarnya koefisien korelasi berkisar antara -1≤r≤1. jika r >0 maka x dana
y dikatakan berkorelasi positif, artinya jika nilai-nilai x bertambah maka y
bertambah. Jika r =0 maka x dan y dikatakan tidak berkorelasi. Jika r < 0
maka X dan Y dikatakan berkorelasi negatif, artinya jika nilai-nilai x
bertambah maka nilai – nilai y berkurang.
Tingkat kekuatan keroleasi hubungan:

Nilai Korelasi Tingkat Hubungan

0.00 < r ≤ 0.199 Sangat lemah

0.20 ≤ r ≤ 0.399 lemah

0.40 ≤ r ≤ 0.599 cukup

0.60 ≤ r ≤ 0.799 kuat

0.80 ≤ r ≤ 1.00 Sangat kuat

Melakukan pengujian menggunakan SPSS

a. Masuk ke program SPSS

b. Klik Variable View pada SPSS data editor

 Pada kolom Name baris pertama ketik “Responden” dan pada baris
kedua ketik “Guru”, baris ketiga ketik “Tingkat_Pendidikan”, serta
baris ke empat ketik “Motivasi_Mengajar”.
 Pada kolom Type untuk baris pertama dan kedua klik kotak kecil lalu
kemudian klik string, baris ketiga dan keempat tidak diubah.
 Pada kolom Decimals ganti dengan angka nol.
 Pada kolom Label, untuk baris pertama ketik “Nomor”, pada baris
kedua ketik “Guru”, pada baris ketiga ketik “Tingkat Pendidikan”, dan
pada baris keempat ketik “Motivasi Mengajar”.
 Pada kolom value, untuk baris pertama biarkan kosong. Pada baris
kedua biarkan kosong. Pada baris ketiga klik titik tiga, langkah
selanjutnya adalah : pada value ketik “1”dan pada label ketik “D1”,
lalu klik add, pada value ketik “2” dan pada label ketik “D2” lalu klik
add, pada value ketik “3” dan label ketik “S1” lalu klik add, pada
value ketik “4” dan label ketik “S2” lalu klik add.
 Lalu klik OK untuk kembali ke menu sebelumnya.

c. Klik Data View pada SPSS data editor isikan data sesuai tabel pada soal.

d. Pengolahan data

 Klik Analysis – Correlate– Bivariate

 Dari Bivariate Correlation masukkan Tingkat Pendidikan dan
Motivasi Mengajar ke Variables
 Pada Correlation Coefficient contreng pearson.
 Test of Significance pilih Two Tailed

e. Pengisisn statistik (dapat diskip)

 Klik options
 Pada statistik pilih Mean and Standard Deviations
  Pada Missing Values pilih Excude Casas Pairwise

f. Klik OK untuk memproses data

Analisis hasil dari Correlation

• Tabel Correlations

Descriptive Statistics

Mean Std. Deviation N

Tingkat Pendidikan 3.34 1.096 32

Motivasi Mengajar 3.69 .859 32

Correlations

Tingkat Motivasi
Pendidikan Mengajar

Tingkat Pendidikan Pearson Correlation 1 .598**

Sig. (2-tailed) .000

N 32 32

Motivasi Mengajar Pearson Correlation .598** 1

Sig. (2-tailed) .000

N 32 32

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

 Dari tabel Correlations menunjukkan hubungan antara Tingkat Pendidikan

dan Motivasi Mengajar adalah cukup postif yaitu 0.598. arti positif adalah
hubungan antara variabel x dan y yang searah. Artinya semakin tinggi
Tingkat Pendidikan maka semakin tinggi Motivasi Mengajar, sebaliknya
semakin rendah (kecil) Tingkat Pendidikan maka semakin rendah (kecil)
pula Motivasi Mengajar.
Hipotesis untuk kasus ini:
• Membuat hipotesis dalam uraian kalimat
H0 : tidak ada hubungan yang signifikan antara Tingkat Pendidikan dan
Motivasi Mengajar
 Ha : ada hubungan yang signifikan antara Tingkat Pendidikan dan
Motivasi Mengajar
• Keputusanya
Kriteria keputusan yang diambil bersarkan nilai porobabilitas
Jika Sig > α , maka Ho diterima
Jika Sig < α , maka Ho ditolak
Sehingga SIG = 0.00 < 0.01 = α, maka Ho ditolak
• Keputrusannya ; ada hubungan yang signifikan antara Tingkat Pendidikan
dan Motivasi Mengajar.

2. Korelasi Spearman
Korelasi Spearman adalah untuk mencari hubungan variabel bebas (X) dengan
variabel terikat (Y), dan data berbentuk skala Ordinal.
Korelasi spearman dikategorikan sebagai statistika non parametrik sehingga
data tidak harus berdistribusi normal
a. Pengolahan data
 Klik Analysis – Correlate– Bivariate
 Dari Bivariate Correlation masukkan Tingkat Pendidikan dan
Motivasi Mengajar ke Variables
 Pada Correlation Coefficient contreng Spearman.
 Test of Significance pilih Two Tailed
b. Pengisisn statistik (dapat diskip)
 Klik options
 Pada statistik pilih Mean and Standard Deviations
 Pada Missing Values pilih Excude Casas Pairwise
c. Klik OK untuk memproses data

Hipotesis untuk kasus ini:

• Membuat hipotesis dalam uraian kalimat

 H0 : tidak terdapat hubungan yang signifikan antara Tingkat Pendidikan
dan Motivasi Mengajar
Ha : ada hubungan yang signifikan antara Tingkat Pendidikan dan
Motivasi Mengajar
 Keputusannya :

Kriteria keputusan yang diambil berdasarkan nilai probabilitas

Jika Sig > α , maka Ho diterima

Jika Sig < α , maka Ho ditolak

Analisis hasil dari Correlation

 Tabel correlations

Correlations

Tingkat Motivasi
Pendidikan Mengajar

Spearman's rho Tingkat Pendidikan Correlation Coefficient 1.000 .547**

Sig. (2-tailed) . .001

N 32 32

Motivasi Mengajar Correlation Coefficient .547** 1.000

Sig. (2-tailed) .001 .

N 32 32

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

Dari tabel correlations menunjukkan hubungan antara Tingkat Pendidikan dan

Motivasi Mengajar adalah cukup positif yaitu 0.547. Arti positif adalah hubungan
antara variabel Tingkat Pendidikan dan Motivasi Mengajar yang searah. Artinya
semakin tinggi nilai Tingkat Pendidikan maka semakin tinggi pula Motivasi
Mengajar, sebaliknya semakin kecil Tingkat Pendidikan maka semakin kecil pula
Motivasi Mengajar.

 Karena Sig = 0.001 < 0.01 = α, maka Ho ditolak

  Keputusannya :ada hubungan yang signifikan antara Tingkat Pendidikan
dan Motivasi Mengajar

3. Korelasi Kendall’s Tau

Korelasi kendall’s tau adalah untuk mencari hubungan dua variabel atau lebih,
dan data berbentuk skala Ordinal/ranking.
Kelebihan metode ini bila digunkanan untuk menganalisis sampel berukuran
lebih dari 10 dan dapat dikembangkan untuk mencari koefisien korelasi
parsial.
Korelasi kendall’s tau dikategorikan sebagai statistika non parametrik
sehingga data tidak harus berdistribusi normal.
a. Pengolahan data
 Klik Analysis – Correlate– Bivariate
 Dari Bivariate Correlation masukkan Tingkat Pendidikan dan
Motivasi Mengajar ke Variables
 Pada Correlation Coefficient contreng Kendall’s Tau
 Test of Significance pilih Two Tailed
b. Pengisisn statistik (dapat diskip)
 Klik options
 Pada statistik pilih Mean and Standard Deviations
 Pada Missing Values pilih Excude Casas Pairwise
c. Klik OK untuk memproses data
Hipotesis untuk kasus ini:
• Membuat hipotesis dalam uraian kalimat
H0 : tidak terdapat hubungan yang signifikan antara Tingkat Pendidikan
dan Motivasi Mengajar
Ha : ada hubungan yang signifikan antara Tingkat Pendidikan dan
Motivasi Mengajar
 Keputusannya :
Kriteria keputusan yang diambil berdasarkan nilai probabilitas
Jika Sig > α , maka Ho diterima
 Jika Sig < α , maka Ho ditolak

Analisis hasil dari correlation

• Tabel correlations

Correlations

Tingkat Motivasi
Pendidikan Mengajar

Kendall's tau_b Tingkat Pendidikan Correlation Coefficient 1.000 .493**

Sig. (2-tailed) . .002

N 32 32

Motivasi Mengajar Correlation Coefficient .493** 1.000

Sig. (2-tailed) .002 .

N 32 32

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

Dari tabel correlations menunjukkan hubungan antara Tingkat Pendidikan dan

Motivasi Mengajar adalah cukup positif yaitu 0.493. Arti positif adalah hubungan
antara variabel Tingkat Pendidikan dan Motivasi Mengajar yang searah. Artinya
semakin tinggi Tingkat Pendidikan maka semakin tinggi Motivasi Mengajar,
sebaliknya semakin kecil Tingkat Pendidikan maka semakin kecil Motivasi
Mengajar.

• Karena Sig = 0.002 > 0.01 = α, maka Ho diterima

Keputusannya: Tidak ada hubungan yang signifikan antara Tingkat

Pendidikan dan Motivasi Mengajar