ANALISAS KORELASI

Makalah ini disusun untuk memenuhi salah satu tugas mata kuliah statistic pendidikan

Dosen Pengampu : Dr. Hj. Enung Nugraha, M.Pd.

Kelas TBI 4-E

Disusun Oleh Kelompok 4

Lida Maulida (181230170)

Asifa Ramadhan (181230183)

Maria Ulfah (181230182)

Liyana Pristia (181230174)

FAKULTAS TARBIYAH DAN KEGURUAN

JURUSAN TADRIS BAHASA INGGRIS

UNIVERSITAS ISLAM NEGERI SULTAN MAULANA HASANUDDIN

BANTEN

2020/2021
 KATA PENGANTAR

Puji dan syukur penulis panjatkan kehadirat Allah SWT yang telah mencurahkan
segala rahmat dan karunianya kepada kita semua. Karena hanya dengan berkat rahmat dan
hidayah-Nya penulis dapat menyelesaikan tugas pembuatan makalah Mata Kuliah Statistika
Pendidikan yang berjudul Analisas Korelasi, sesuai dengan waktu yang telah ditentukan.
Penulis meminta maaf bila terdapat banyak kekurangan. Penulis pun mengharapkan kritik
dan saran dari pembaca agar dapat menjadi acuan untuk dapat membuat makalah selanjutnya
yang jauh lebih baik.

Serang, 25 Februari 2020

Penulis

i
 DAFTAR ISI

KATA PENGANTAR...................................................................................................................i

DAFTAR ISI.................................................................................................................................ii

BAB I PENDAHULUAN.............................................................................................................1

A. Latar Belakang.............................................................................................................1
B. Rumusan Masalah........................................................................................................1

BAB II PEMBAHASAN

A. Pengertian Korelasi......................................................................................................2
B. Membedakan Angka, Lambang dan Tanda Korelasi...................................................2
C. Menghitung Koefisien Korelasi...................................................................................3
D. Menguji Signifikansi Korelasi.....................................................................................6
E. Menghitung Koefisien Determinasi..........................................................................10

BAB III PENUTUP....................................................................................................................15

A. Simpulan …………………………………………………………............................15

DAFTAR PUSTAKA.................................................................................................................16

ii
 BAB I

PENDAHULUAN

A. Latar Belakang

Korelasi adalah istilah statistik yang menyatakan derajat hubungan linier

antara dua variabel atau lebih. Analisis korelasi pertama kali dikembangkan oleh Karl
Pearson pada tahun 1900. Di dalam teknik analisis korelasi, hubungan antara dua
variabel hanya mengenal hubungan searah (linier) saja, misalnya: tinggi badan
menyebabkan berat badannya bertambah, tetapi berat badannya bertambah belum
tentu menyebabkan tinggi badannya bertambah pula. Sehingga dari contoh tersebut
dapat diketahui bahwa dalam analisis korelasi dikenal penyebab dan akibatnya.
Data penyebab atau yang mempengaruhi disebut variabel bebas (independent) yang
biasanya ditandai dengan huruf X. Sedangkan data akibat atau yang dipengaruh
disebut variabel terikat (dependent) yang biasanya dilambangkan dengan huruf Y.
Cara menentukan variabel bebas dan variabel terikat tergantung pada landasan teori
yang digunakan. Ada dua jenis statistik untuk menghitung korelasi:
-          Koefisien korelasi bivariate: Yaitu statistik yang dapat digunakan oleh peneliti
untuk menerangkan keeratan hubungan antara dua variabel.
-          Koefisien korelasi multi-variat: Yaitu statistik yang digunakan peneliti untuk
menggambarkan dan menentukan hubungan antara tiga variabel atau lebih.

B. Rumusan Masalah
1. Apa itu korelasi ?
2. Bagaimana membedakan angka, lambing dan tanda korelasi ?
3. Bagaimana menghitung koefisien korelasi ?
4. Bagaimana menguji signifikansi korelasi ?
5. Bagaimana menghitung koefisien determinasi ?

1
 BAB II

PEMBAHASAN

A. Pengertian Korelasi

Secara sederhana, korelasi dapat diartikan sebagi hubungan. Korelasi adalah

istilah statistik yang menyatakan derajat hubungan linier (searah bukan timbal balik)
antara dua variabel atau lebih, yang ditemukan oleh Karl Pearson pada awal 1900.
Oleh sebab itu terkenal dengan sebutan Korelasi Pearson Product Moment (PPM).

Dalam Kamus Besar Bahasa Indonesia edisi ke-5 menjelaskan bahwa korelasi
adalah sebuah hubungan timbal balik atau sebab-akibat. Korelasi Pearson Product
Moment (PPM) sering disingkat Korelasi merupakan salah satu teknik analisis
statistik yang paling banyak digunakan oleh para peneliti. Karena peneliti umumnya
tertarik terhadap peristiwa-peristiwa yang terjadi dan mencoba untuk
menghbungkannya. Besarnya angka korelasi disebut koefisien dinyatakan dengan
lambang r.

Hubungan antara dua variabel di dalam teknik korelasi bukanlah dalam arti
hubungan sebab-akibat (timbal balik), melainkan hanya merupakan hbungan 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 ... Xn (tergantung banyaknya variabel
bebas). Variabel terikat (dependent) dilambangkan dengan huruf Y.

B. Perbedaan angka, lambang, dan tanda korelasi

1. Angka Korelasi

Besarnya angka korelasi disebut koefisien dinyatakan dengan lambang r.

Tinggi rendah, kuat-lemah atau besar-kecilnya suatu hubungan sanggup diketahui
dengan melihat besar kecilnya suatu angka (koefisien) suatu hubungan sanggup
diketahui dengan melihat besar kecilnya suatu angka (koefisien)yang disebut angka
Indeks Korelasi atau Coefficient of Correlation.

Jadi, Angka Indeks Lorelasi yakni sebuah angka yang sanggup dijadikan
petunjuk untuk mengetahui seberapa besar kekuatan hubungan di antara variabel yang
sedang diselidiki korelasinya.

2. Lambang Korelasi

Angka korelasi biasanya diberi lambang dengan aksara; contohnya rxy sebagai
lambang koefisien hubungan pada Teknik Korelasi Product Moment, p (baca: Rho)
sebagai lambang koefisien hubungan pada Teknik Korelasi Tata Jenjang, p (baca: Phi)
sebagai lambang koefisien hubungan pada Teknik Korelasi Kontingensi dan lain-lain.

2
 3. Tanda korelasi

Korelasi antara variabel X dan variabel Y disebut Korelasi Positif apabila

angka indeks bertanda “plus” (+); misalnya: rxy = + 0,235;rxy = + 0,751 dan
sebagainya. Sebaliknya, apabila angka indeks hubungan antara Korelasi Negatif;
misalnya: rxy = -0, 115;rxy = -0,587.

Antara variabel X dan variabel Y dikatakan tidak ada korelasinya jikalau

angka indeks korelasinya = 0.

Perlu diingat disini bahwa tanda “plus” dan “minus” yang terdapat didepan
angka indeks hubungan itu bukanlah tanda aljabar. Tanda plus yang terdapat di depan
angka indeks hubungan memperlihatkan petunjuk bahwa hubungan bahwa hubungan
itu yakni hubungan positif (korelasi searah). Sedangkan tanda minus yang terdapat di
depan angka indeks hubungan memperlihatkan petunjuk bahwa hubungan itu negatif
(korelasi berlawanan arah).

Dengan tanda “minus” yang terdapat di depan angka indeks hubungan tidak sanggup
diartikan bahwa hubungan antar variabel itu besarnya kurang dari nol, alasannya yakni
angka hubungan yang paling kecil yakni nol. (Sumber: 1.) Mason, R.D & Douglas A.
Lind. 1996. Teknik Statistik Untuk Bisnis dan Ekonomi. Penerbit: Erlangga, Jakarta. 2.)
Usman, H. dan R. Purnomo Setiady Akbar. 2000. Pengantar Statitiska. Jakarta: Bumi
Aksara)

C. Koefisien korelasi

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.

3
 Koefisien korelasi pearson atau Product Moment Coefficient of Correlation adalah
nilai yang menunjukan keeratan hubungan linier dua variabel dengan skala data
interval atau rasio. Rumus yang digunakan adalah

Koefisien korelasi rangking Spearman atau Spearman rank correlation coeficient

merupakan nilai yang menunjukan keeratan hubungan linier antara dua variabel
dengan skala data ordinal. Koefisien Spearman biasa dilambangkan dengan .
Rumusnya yang digunakan adalah

Dimana di=selisih dari pasangan ke-i atau Xi – Yi ;

n = banyaknya
pasangan rank

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.

D. Sigifikansi Korelasi
Pengujian signifikansi korelasi memiliki langkah yang sama dengan pengujian
hipotesis. Yaitu kita harus menentukan H0 dan H1 terlebih dahulu kemudian menghitung
nilai statistic. Apa sebenarnya signifikansi itu? Dalam bahasa Inggris umum, kata,
“significant” mempunyai makna penting; sedang dalam pengertian statistik kata tersebut
mempunyai makna “benar” tidak didasarkan secara kebetulan. Hasil riset dapat benar
tapi tidak penting. Signifikansi / probabilitas / α memberikan gambaran mengenai
bagaimana hasil riset itu mempunyai kesempatan untuk benar. Jika kita memilih

4
 signifikansi sebesar 0,01, maka artinya kita menentukan hasil riset nanti mempunyai
kesempatan untuk benar sebesar 99% dan untuk salah sebesar 1%.
Secara umum kita menggunakan angka signifikansi sebesar 0,01; 0,05 dan 0,1.
Pertimbangan penggunaan angka tersebut didasarkan pada tingkat kepercayaan
(confidence interval) yang diinginkan oleh peneliti. Angka signifikansi sebesar 0,01
mempunyai pengertian bahwa tingkat kepercayaan atau bahasa umumnya keinginan kita
untuk memperoleh kebenaran dalam riset kita adalah sebesar 99%. Jika angka
signifikansi sebesar 0,05, maka tingkat kepercayaan adalah sebesar 95%. Jika angka
signifikansi sebesar 0,1, maka tingkat kepercayaan adalah sebesar 90%.
Pertimbangan lain ialah menyangkut jumlah data (sample) yang akan digunakan
dalam riset. Semakin kecil angka signifikansi, maka ukuran sample akan semakin besar.
Sebaliknya semakin besar angka signifikansi, maka ukuran sample akan semakin kecil.
Unutuk memperoleh angka signifikansi yang baik, biasanya diperlukan ukuran sample
yang besar. Sebaliknya jika ukuran sample semakin kecil, maka kemungkinan
munculnya kesalahan semakin ada.

Untuk pengujian dalam SPSS digunakan kriteria sebagai berikut:

 Jika angka signifikansi hasil riset < 0,05, maka hubungan kedua variabel
signifikan.
 Jika angka signifikansi hasil riset > 0,05, maka hubungan kedua variabel tidak
signifikan
Ada tiga penafsiran hasil analisis korelasi, meliputi: pertama, melihat kekuatan
hubungan dua variabel; kedua, melihat signifikansi hubungan; dan ketiga, melihat
arah hubungan.

Untuk melakukan interpretasi kekuatan hubungan antara dua variabel dilakukan

dengan melihat angka koefesien korelasi hasil perhitungan dengan menggunakan
kriteria sbb:

 Jika angka koefesien korelasi menunjukkan 0, maka kedua variabel tidak mempunyai
hubungan
 Jika  angka koefesien korelasi mendekati 1, maka kedua variabel mempunyai
hubungan semakin kuat

5
 Jika  angka koefesien korelasi mendekati 0, maka kedua variabel mempunyai
hubungan semakin lemah
 Jika angka koefesien korelasi sama dengan 1, maka kedua variabel mempunyai
hubungan linier sempurna positif.
 Jika angka koefesien korelasi sama dengan -1, maka kedua variabel mempunyai
hubungan linier sempurna negatif.
Interpretasi berikutnya melihat signifikansi hubungan dua variabel dengan
didasarkan pada angka signifikansi yang dihasilkan dari penghitungan dengan ketentuan
sebagaimana sudah dibahas di bagian 2.7. di atas. Interpretasi ini akan membuktikan
apakah hubungan kedua variabel tersebut signifikan atau tidak.

Interpretasi ketiga melihat arah korelasi. Dalam korelasi ada dua arah korelasi,
yaitu searah dan tidak searah. Pada SPSS hal ini ditandai dengan pesan two tailed.  Arah
korelasi dilihat dari angka koefesien korelasi. Jika koefesien korelasi positif, maka
hubungan kedua variabel searah. Searah artinya jika variabel X nilainya tinggi, maka
variabel Y juga tinggi. Jika koefesien korelasi negatif, maka hubungan kedua variabel tidak
searah. Tidak searah artinya jika variabel X nilainya tinggi, maka variabel Y akan rendah.
Dalam kasus, misalnya hubungan antara kepuasan kerja dan komitmen terhadap
organisasi sebesar 0,86 dengan angka signifikansi sebesar 0 akan mempunyai makna
bahwa hubungan antara  variabel kepuasan kerja dan komitmen terhadap organisasi sangat
kuat, signifikan dan searah. Sebaliknya dalam kasus hubungan antara variabel mangkir
kerja dengan produktivitas sebesar -0,86, dengan angka signifikansi sebesar 0;  maka
hubungan kedua variabel sangat kuat, signifikan dan tidak searah.

1. Uji Hipotesis Hubungan (Uji Signifikan)

Pengujian hipotesis hubungan digunakan uji statistik yang disebut Uji t (t-
student). Parameter yang diuji yaitu korelasi dinotasikan dengan ρ (lihat bab Estimasi
Parameter). Uji hipotesis hubungan pada dasarnya adalah menguji signifikansi
koefisien korelasi, apakah besar kecilnya hubungan yang diperoleh itu kebetulan saja
atau memang ada hubungan yang sesungguhnya.
Rumus Uji t untuk uji hubungan adalah:

r ² √ n ­2
t=
√ 1 ­r ²

6
Selain menggunakan Uji t, pengujian hipotesis hubungan dapat menggunakan kriteria
nilai korelasi tabel (r tabel) yaitu dengan cara membandingkan nilai koefisien korelasi
(r hitung) dengan nilai r tabel.
Jika r hitung > r tabel maka hubungan antar variabel signifikan
Jika r hitung ≤ r tabel maka hubungan antar variabel tidak signifikan
Contoh soal
Misalkan menggunakan data sebelumnya yaitu hubungan antara pendapatan dan
konsumsi. Diajukan hipotesis yang menyatakan “ada hubungan yang signifikan antara
 pendapatan dengan konsumsi”.
Penyelesaian:
1. Rumusan hipotesis:
Ho : ρ = 0 Tidak ada hubungan yang signifikan antara pendapatan dengan konsumsi
Ha : ρ ≠ 0 Ada hubungan yang signifikan antara pendapatan dengan konsumsi
Taraf α = 0,05 selanjutnya dapat dicari nilai ttabel pada α = 0,05 (uji 2 pihak α/2 =
0,025)
derajat bebas = n – 2 = 6 – 2 = 5 yaitu sebesar 2,776451
Kriteria pengujian:
Ho ditolak jika thitung > ttabel atau probabilitas < 0,05
Ho diterima jika thitung ≤ ttabel atau probabilitas ≥ 0,05
Uji statistik (Uji t)
r ² √ n ­2
Menghitung nilai t dengan rumus : t= √ 1 ­r ²

7
 Jadi diperoleh nilai thitung sebesar 3,39936.
Kesimpulan
Karena thitung (3,39936) > ttabel (2,776451) maka Ho ditolak, artinya hubungan kedua
variabel signifikan, atau pendapatan memiliki hubungan yang signifikan dengan
konsumsi. Dengan demikian hipotesis yang menyatakan “ada hubungan yang signifikan
antara konsumsi dengan pendapatan” diterima. Pengujian koefisien korelasi dapat juga
dilakukan dengan cara membandingkan
nilai koefisien korelasi dengan nilai korelasi tabel atau r tabel, sehingga perlu dicari nilai
r tabel pada taraf α = 0,05 dan n = 6 yaitu diperoleh r tabel = 0,811 (lihat tabel r). Karena
nilai r hitung (0,886621) > r tabel (0,811) maka Ho ditolak, artinya pendapatan memiliki
hubungan signifikan dengan konsumsi
E. Menghitung Koefisien Determinasi

Koefisien determinasi adalah salah satu bagian dari analisis regresi linear
berganda ataupun regresi liner sederhana yang mana digunakan untuk mengukur
kemampuan variabel independen dalam menjelaskan variabel dependen. Dengan kata
lain, nilai koefisien determinasi menyatakan proporsi keragaman pada variabel
bergantung yang mampu dijelaskan oleh variabel penduganya (Nawari, 2010) . koefisien
determinasi disimbolkan dengan R square atau R kuadrat.

Kd = r2 * 100%

Nilai koefisien determinasi berkisar 0-1. Apabila nilai koefisien determinasi

mendekati 1 artinya pengaruh variabel independen terhadap variabel dependen

8
semakin kuat, dan sebaliknya apabila nilai koefisien determinasi mendekati 0 maka
pengaruh variabel independen terhadap variabel dependen semakin lemah.

Contoh menghitung koefisien determinasi dalam analisis regresi sederhana :

Sebuah penelitian terhadap pohon mahoni, dimana akan diteliti apakah ada
hubungan antara tinggi pohon dengan diameter batang pohon, dengan rumusan
apakah ada pengaruh diameter batang pohon terhadap tinggi pohon tersebut. Diambil
sampel secara acak sejumlah delapan pohon mahoni. Dapat dilihat dari Tabel 1 pada
kolom X dan Y.

Hal pertama yang akan kita lakukan adalah membentuk persamaan regresi :

Y’= a +bX

Selanjutnya adalah menentukan konstanta a dan koefisien b, kita ikuti

langkah sebagai berikut:

Maka diperoleh :

9
 Persamaan regresi diperoleh :

Y’= -1,3147 + 4,5413X

Dimana :

Y’= Tinggi pohon mahoni yang diprediksi

X = Diameter batang pohon mahoni

Interpretasi dari koefisien regresi :

 Nilai a = -1,3147 artinya tidak ada diameter batang pohon maka tidak ada tinggi
pohon. (karena tidak ada tinggi yang bernilai negative sehingga dianggap 0 )
 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.

Koefisien Determinasi (R2)

r = 0,886 bernilai positif dan kuat

10
 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 = 0,0862 = 0,785

Kd = R2 * 100% = 0,785 *100% = 78,5%

Artinya sekitar 78,5% variasi dari variabel diameter batang pohon mahoni dapat
menjelaskan variasi dari variabel tinggi pohon mahoni (cukup tinggi)

Standar Error Estimate Persamaan Regresi :

Jadi besarnya standar error estimate persamaan regresi adalah 6,6364. Hal ini menunj
ukkan penyimpangan data-data terhadap garis regresi, atau bagaimana
penyimpangan data yang menyebar disekitar garis regresi. (cukup kecil)

Pengujian koefisien regresi :

 Hipotesis Uji
Ho : b = 0
Ha : b ≠ 0
 Taraf signifikansi α = 5%
 Daerah kritis
Dengan nilai α = 5% dan derajat kebebasan n-2= 8-2=6
Maka diperoleh nilai t-tabel pada 5% /2 = 2,5% yaitu 2,447.
 Statistik Uji

 Keputusan
Nilai t hitung = 4,6805> t-tabel= 2,447 sehingga Ho ditolak dan Ha diterima

11
 Kesimpulan
Dengan tingkat signifikansi 5% cukup menjelaskkan bahwa ada pengaruh diameter
batang pohon mahoni terhadap tinggi pohon mahoni.

12
 BAB III
PENUTUP
A. Kesimpulan
Korelasi Pearson merupakan salah satu ukuran korelasi yang digunakan untuk
mengukur kekuatan dan arah hubungan linier dari dua variable. Manfaat Korelasi
Pearson Product Moment:
-      Untuk menyatakan ada atau tidaknya hubungan antara variabel X dengan
variabel Y. 
-          Untuk menyatakan besarnya sumbangan variabel satu terhadap yang
lainnya yang dinyatakan dalam persen.

13
 DAFTAR PUSTAKA

Dajan, Anto. 1973. Pengantar Meode Statistik Jilid 1. Jakarta: LP3ES

Hidayat, A. Aziz Alimul. 2011. Metode Penelitian Keperawatan dan Teknik Analisis Data. Jakarta:
Salemba Medika
Sudijono, Anas. 1987. Pengantar Statistik Pendidikan. Jakarta: Rajawali
Sudjana. 1989. Metoda Statistika Edisi 5. Bandung: Tarsito

14