Nama : Muhamad Syahril Sidiq

Kelas : Pendidikan Fisika 6B

NIM : 11170163000057

ANALISIS KORELASI

A. Pengertian Analisis Korelasi

Analisis korelasi merupakan suatu teknik statistik yang digunakan untuk mengukur kedekatan
hubungan liniear antara dua variabel atau lebih yang diskala secars interval (Churchill, Gilbert A.,
2005 : 255). Analisis korelasi digunakan untuk mengetahui arah dan kekuatan antara dua variabel
dan posisi antar variabel setara (Susanti, dkk, 2019 : 49)

Tujuan Teknik Analisis Korelasional :

1. Ingin mencari bukti (berlandasan pada data yang ada), apakah memang benar antara variabel
yang satu dan variabel yang lain terdapat hubungan atau korelasi.
2. Ingin menjawab pertanyaan apakah hubungan antar variabel itu (jika memang ada
hubungannya ) termasuk hubungan yang kuat, cukupan, ataukah lemah.
3. Ingin memperoleh kejelasan dan kepastian (secara matematik) apakah hubungan antar variabel
itu merupakan hubungan yang berarti atau menyakinkan (signifikan) ataukah hubungan yang
tidak berarti atau tidak meyakinkan.

Arah korelasi hubungan antar variabel dari segi arah, dibedakan menjadi dua macam, yaitu :

1. Satu Arah (Korelasi Positif)

Jika dua variabel atau lebih yang berkorelasi, berjalan parallel. Artinya, apabila
variabel X mengalami kenaikan atau pertambahan, akan diikuti pula dengan kenaikan atau
pertambahan pada variabel Y.
Contoh :
 Kenaikan harga Bahan Bakar Minyak (BBM) diikuti dengan kenaikan ongkos
angkutan; sebaliknya jika harga BBM rendah, maka ongkos angkutan pun murah
(rendah).
 Dalam dunia pendidikan, hubungan antara nilai hasil belajar matematika dan nilai hasil
belajar fisika
2. Berlawanan Arah (Korelasi Negatif)
Jika dua variabel atau lebih yang berkorelasi itu berjalan dengan arah yang
berlawanan, bertentangan, atau berkebalikan. Artinya apabila variabel X mengalami
kenaikan atau pertambahan, akan diikuti dengan penurunan atau pengurangan pada variabel
Y. Contoh : Makin meningkatnya kesadaran hukum di kalangan masyarakat diikuti dengan
makin menurunnya angka kejahatan atau angka pelanggaran

B. Peta Korelasi
Merupakan arah hubungan variabel yang akan dicari korelasinya, dapat diamati melalui
sebuah peta atau diagram. Dalam peta korelasi, dapat dilihat pencaran titik atau momen dari
variabel yang sedang dicari korelasinya, maka dapat disebut juga sebagai Scatter Diagram
(Diagram Pencaran Titik).
1. Korelasi Positif Maksimal
Jika korelasi antara variabel X dan variabel Y merupakan korelasi positif
maksimal, atau korelasi positif tertinggi, atau korelasi positif sempurna, maka pencarian
titik yang terdapat pada peta korelasi apabila dihubungkan antara satu dengan yang lain,
akan membentuk satu buah garis lurus yang condong ke arah kanan.

2. Korelasi Negatif Maksimal

Jika korelasi antara variabel X dan variabel Y merupakan korelasi negatif
maksimal atau korelasi negatif tertinggi atau korelasi negatif sempurna maka pencaran titik
yang terdapat pada peta korelasi akan membentuk satu garis lurus dengan yang condong ke
arah kiri.

3. Korelasi Positif Tinggi

Jika korelasi antara variabel X dan variabel Y termasuk korelasi positif yang tinggi
atau kuat, maka pencaran titik yang terdapat pada peta korelasi sedikit atau beberapa mulai
menjauhi garis lurus, yaitu titik-titik tersebut terpencar atau berada di sekitar garis lurus
tersebut dengan kecondongan ke arah kanan.
4. Korelasi Negatif Tinggi
Jika korelasi antara variabel X dan variabel Y termasuk korelasi negatif yang tinggi
atau kuat, maka pencaran titik yang terdapat pada peta korelasi itu sedikit menjauhi garis
lurus dengan kecondongan ke arah kiri.

5. Korelasi Positif Lemah

Korelasi positif atau korelasi negatif yang menunjukkan korelasi yang rendah atau
kecil, maka pencaran titik yang terdapat pada peta korelasi akan semakin jauh tersebar atau
menjauhi dari garis lurus.
 6. Korelasi Negatif Lemah
Korelasi positif atau korelasi negatif yang menunjukkan korelasi yang rendah atau
kecil, maka pencaran titik yang terdapat pada peta korelasi akan semakin jauh tersebar atau
menjauhi dari garis lurus.

C. Angka Korelasi
Angka Indeks Korelasi (Coefficient Of Correlation) merupakan tinggi – rendah, kuat –
lemah, atau besar kecilnya suatu korelasi yang dilihat melalui suatu angka (koefisien). Lambang
angka korelasi, diberikan lambing tertentu.

1. Besar Angka Indeks Korelasi

Besarnya angka indeks korelasi berkisar antara –1,00 sampai dengan 1,00. Hasil
korelasi yang sempurna sebesar - 1,00 dan 1,00. Bila tidak ada korelasi maka angka indeks
korelasi menunjukkan angka 0. Apabila hasil perhitungan korelasi lebih dari ±1,00, maka
hal ini menunjukkan telah terjadi kesalahan dalam perhitungan. Kriteria angka indeks
korelasi.
0 : tidak ada korelasi antara dua variabel
0 – 0,25 : korelasi sangat lemah
0,25 – 0,5 : korelasi cukup
0,5 – 0,75 : korelasi kuat
0,75 – 0,99 : korelasi sangat kuat 1 : korelasi sempurna

2. Tanda Indeks Korelasi

Bila angka indeks korelasi bertanda minus (-) berarti korelasi tersebut mempunyai
arah korelasi negatif. Tanda – yang terdapat di depan angka indeks korelasi tidak dapat
diartikan bahwa korelasi antara variabel itu besarnya kurang dari nol, karena angka indeks
korelasi yang paling kecil adalah nol.
Bila angka indeks korelasi diberi tanda plus (+) atau tidak diberi tanda apapun
menunjukkan arah korelasi tersebut adalah korelasi positif. Hal yang perlu diingat bahwa
tanda + dan – di depan angka indeks korelasi itu bukanlah tanda aritmatika.

3. Teknik Analisis Korelasional

Teknik analisis korelasional dibedakan menjadi dua, yaitu
 Teknik Analisis Korelasional Bivariat, merupakan teknik yang mendasarkan diri
pada dua buah variabel
  Teknik Analisis Korelasional Multivariat, merupakan teknik analisis korelasi yang
mendasarkan diri pada lebih dari dua variabel

4. Teknik Perhitungan Korelasional

Terdapat 10 macam teknik perhitungan korelasi, yaitu:

a. Teknik Korelasi Product Moment (Pearson)

Korelasi pearson ini merupakan alat uji statistik yang digunakan untuk menguji
hipotesis asosiatif (uji hubungan) dua variabel bila datanya berskala interval atau rasio.
Teknik korelasi produk momen ini dikembangkan oleh Karl Pearson.

b. Kegunaan Korelasi Product Moment (Pearson) :

Untuk menyatakan ada atau tidaknya hubungan antara variabel X dengan
variabel Y. Untuk menyatakan besarnya sumbangan atau seberapa besar jika ada
hubungan antarar variabel satu terhadap yang lainnya yang dinyatakan dalam persen.

c. Syarat-syarat menggunakan Product Moment :

(1) Pengambilan sampel dari populasi harus random (acak)
(2) Data harus berskala interval atau rasio.
(3) Hubungan antara variabel X dan Y hendaknya bersifat linear.

d. Cara Memberi Interpretasi Terhadap 𝑅𝑥𝑦

Untuk memberikan interpretasi mengenai besarnya koefisien korelasi ada dua
cara, yaitu dengan kasar atau sederhana dan dengan berkonsultasi dengan tabel nilai r
Product Moment.

Hasil perhitungan korelasi dikelompokkan menjadi 3 kelompok besar, yaitu :

 Korelasi Positif kuat (mendekati +1)

X ↑ maka diikuti dengan ↑ Y, dan sebaliknya jika

 Korelasi Negatif Kuat (mendekati atau sama dengan -1)

X ↑ akan diikuti dengan ↓ Y, dan sebaliknya

 Tidak ada Korelasi (Mendekati 0 atau sama dengan 0 (nol))

Tidak adanya keterkaitan antara variabel, Apabila X ↑ maka tidak selalu diikuti
dengan naik atau turunnya Y.

Tingkat Penafsiran 𝑅𝑥𝑦

Besar 𝑹𝒙𝒚 Penafsiran

Hubungan sangat lemah (diabaikan,
0,00 – < 0,20
Dianggap tidak ada)
≥ 0,20 – < 0,40 Hubungan rendah atau lemah
≥ 0,40 – < 0,70 Hubungan rendah atau lemah
≥ 0,70 – < 0,90 Hubungan kuat
≥ 0,90 – ≤ 1,00 Hubungan sangat kuat
 Rumus Pearson Product Moment

1. Korelasi Pruduct Moment dengan simpangan :

∑ 𝑥𝑦
𝑟𝑥𝑦 =
√(∑ 𝑥 2 )(∑ 𝑦 2 )
Keterangan :

𝑟𝑥𝑦 = Koefisiensi korelasi antara variabel X dan variabel Y : dua variabel yang
dikorelasikan. x = X – M dan y = Y – M
∑ 𝑥𝑦 = Jumlah perkalian x dan y

𝑥2 = Kuadrat dari x (deviasi x)

𝑦2 = Kuadrat dari y (deviasi y)

Cara menghitung korelasi product momen dengan simpangan:

1) Menentukan variabel.
2) Buatlah tabel penolong yang mengandung unsur-unsur atau faktor-faktor yang
diperlukan dalam perhitungan korelasi sesuai dengan kebutuhan tabel Korelasi
Product Moment dengan Simpangan.

Mahasiswa ke- X Y x y xy 𝒙𝟐 𝒚𝟐
1
2
dst

3) Menjumlahkan subyek penelitian

4) Menjumlahkan skor X dan skor Y
5) Menghitung Mean variabel X dengan rumus
∑𝑥
𝑀𝑥 =
𝑁
6) Menghitung Mean variabel Y dengan rumus
∑𝑦
𝑀𝑥 =
𝑁
7) Menghitung deviasi masing – masing skor x dengan rumus
𝑥 = 𝑋 − 𝑀𝑒𝑎𝑛
8) Menghitung deviasi masing – masing skor y dengan rumus :
𝑦 = 𝑌 − 𝑀𝑒𝑎𝑛
9) Mengalikan deviasi x dengan y
10) Menguadratkan seluruh deviasi x dan menjumlahkannya
11) Menguadratkan seluruh deviasi y dan menjumlahkannya
12) Menyelesaikan rumus Korelasi Product Moment dengan Simpangan, yaitu :
 2. Korelasi Product Moment dengan Angka Kasar :

𝑁 ∑ 𝑋𝑖 𝑌𝑖 − (∑ 𝑋𝑖 )(∑ 𝑌𝑖 )
𝑟𝑥𝑦 =
√{𝑁 ∑ 𝑋𝑖 2 − (∑ 𝑋𝑖 )2 }{𝑁 ∑ 𝑌𝑖 2 − (∑ 𝑌𝑖 )2 }
Keterangan :

𝑟𝑥𝑦 = Koefisiensi korelasi antara variabel X dan variabel Y

∑ 𝑥𝑦 = Jumlah perkalian antara variabel x dan y

∑ 𝑥2 = Jumlah dari kuadrat nilai X

∑ 𝑦2 = Jumlah dari kuadrat nilai Y

(∑ 𝑋)2 = Jumlah nilai X kemudian dikuadratkan

(∑ 𝑌)2 = Jumlah nilai Y kemudian dikuadratkan

Cara menghitung korelasi product momen dengan Angka Kasar

1) Jika jumlah kredit mata kuliah yang diambil mahasiswa merupakan variabel X,
maka indeks prestasi merupakan variabel Y
2) Buatlah tabel penolong yang mengandung unsur-unsur atau faktor-faktor yang
diperlukan dalam perhitungan korelasi sesuai dengan kebutuhan tabel Korelasi
Product Moment dengan ANGKA KASAR.
3) Menjumlahkan subyek penelitian
4) Menjumlahkan variabel X dan variabel Y
5) Mengalikan antara variabel X dan variabelY
6) Mengkuadratkan variabel X dan menjumlahkannya
7) Mengkuadratkan variabel Y dan menjumlahkannya
8) Menyelesaikan rumus Korelasi Product Moment dengan angka kasar untuk
mencari koefisien korelasinya

3. Teknik Korelasi Tata Jenjang

Pada Teknik Korelasi Jenjang ini, besar-kecil atau kuat-lemahnya korelasi antara
variabel yang sedang kita selidiki korelasinya, kita ukur berdasarkan perbedaan urutan
kedudukan skornya, jadi bukan didasarkan pada skor hasil pengukuranyang sebenarnya.
Dengan kata lain, datanya adalah data ordinal atau data berjenjang atau data urutan.
Contoh :
Siswa yang IQ-nya menepati jenjang (ranking) paling tinggi, juga menempati jenjang paling
tinggi dalam hal prestasi belajar Matematika. Siswa yang IQ-nya rendah, prestasi belajar
Matematikanya juga menempati jenjang paling rendah.

Siswa Jenjang IQ Jenjang Studi Matematika

A 5 5
B 1 1
C 3 3
D 2 2
E 4 4
 Teknik Analisis Korelasi Tata Jenjang ini dapat efektif digunakan apabila subjek yang
dijadikan sample dalam penelitian lebih dari sembilan tetapi kurang dari tiga puluh, dengan
kata lain N atara 10-29. Karena itu apabila N sama dengan atau lebih dari 30, sebaiknya
jangan digunakan teknik korelasi ini.
Pada Teknik korelasi tata jenjang ni angka indeks korelasinya dilambangkan 𝜌 (dibaca
: Rho). Seperti halnya 𝑟𝑥𝑦 maka indeks korelasi ini besarnya berkisar antara 0,00 sampai
dengan ±1,00. Rumus dibawah berlaku bila kurang dari 20% skor – skor pada sebuah
kelompok peringkatnya sama.

6 ∑ 𝐷2
𝜌 = 1−
𝑁(𝑁 2 − 1)
Atau
6 ∑ 𝐷2
𝜌=1−
(𝑁 3 − 𝑁)
Keterangan :
𝜌 = Angka indeks korelasi tata jenjang
6&1 = Bilangakn konstan (tidak boleh diubah – ubah)
𝐷 = Difference, yaitu perbedaan antara urutan skor pada variabel pertama (R1)
dan urutan skor pada variabel kedua (R2), jadi D = R1 – R2
N = Number of Cases, dalam hal ini adalah banyaknya pasangan yang sedang
dicari korelasinya
Bila lebih dari 20%, rumus koeksian harus digunakan :
∑ 𝑥2 + ∑ 𝑦 2 − ∑ 𝑑2
𝑟𝑘 =
2√∑ 𝑥 2 × ∑ 𝑦 2
Dengan
𝑁(𝑁 2 − 1) 𝑡(𝑡 2 − 1)
∑ 𝑥2 = − ∑
12 12
2 2
𝑁(𝑁 − 1) 𝑡(𝑡 − 1)
∑ 𝑦2 = − ∑
12 12
t = banyak anggota kembar pada suatu perkembaran

4. Teknik Korelasi Koefisien Phi (∅)

Apabila kedua data penelitian yang dikumpulkan merupakan data nominal dan
hubungan bersifat simetris, maka Teknik korelasi Phi digunakan. Dalam
pengklasifikasian/pengelompokan data itu hendaknya dijadikan tabel 2 x 2. Seandainya
bukan tabel 2 x 2, maka dianjurkan untuk menggunakan Teknik lain yang lebih tepat.
Rumus korelassi Phi sebagai berikut :
(𝑏𝑐 − 𝑎𝑑)
∅=
√(𝑎 + 𝑏)(𝑐 + 𝑑)(𝑎 + 𝑐)(𝑏 + 𝑑)
Contoh :
Variabel Y

Rendah Tinggi Jumlah

Lulus 15 30 45
Variabel X
Gagal 20 10 30
Jumlah 35 40 75
 (30 × 20 − 15 × 10)
∅=
√(45)(30)(35)(40)

450
∅= = 0,327
1374,7427
Setelah nilai ∅ diketahui dan untuk menemukan arti koefisien korelasi Phi tersebut, maka
peneliti hendaklah membandingkan nilai ∅ yang didapat dengan tabel kontingensi yang
dicari, dari nilai chi-square. Dalam hal ini ruus yang dapat digunakan untuk menentulan
nilai chi-square itu yaitu :

𝑥2
∅ = √ 𝑎𝑡𝑎𝑢 𝑥 2 = ∅2 𝑁
𝑁
(Yusuf, A. Muri. 2017 : 279 – 280)

5. Teknik Korelasi Kontingensi

Teknik Korelasi koefisien Kontigensi (Contingency Coefficient Corellation) adalah
salah satu teknik Analisis KorelasionalBivariat, yang dua buah variabel dikorelasikan adalah
berbentuk katagori atau merupakan gejala ordinal. Koefisien kontingensi merupakan satu-
satunya untuk menghitung data dengan skala nominal. Misalnya: tingkat pendidikan: tinggi,
menengah, rendah: pemahaman terhadap ajaran agama islam: baik, cukup. kurang dan
sebagainya. umumnya diberi lambang dengan huruf C atay KK (singkatan dari koefisien
kontingensi). Rumus untuk mencari koefisien kontingensi adalah :
𝑥2
𝐶= 2
𝑥 +𝑁
𝑥 2 dapat diperoleh dengan menggunakan rumus
(𝑓𝑜 − 𝑓𝑡 )2
𝑥2 = ∑
𝑓𝑡
Cara memberikan interpretasi terhadap angka indeks korelasi kontingensi
Mengubah harga C menjadi Phi, dengan mempergunakan rumus sebagai berikut :
𝐶
∅=
√1 − 𝐶 2
konsultasikan dengan tabel nilai “r” product moment dengan df sebesar N – nr. Dalam
menguah harga C menjadi ∅ untuk diberikan interpretasi dengan menggunakan tabel nilai
“r” product Moment itu, ad acara lain yang dapat dipergunakan yaitu dengan menggunakan
rumus :

𝑥2
∅= √
𝑁
Kelebihan :
 Kemampuannya untuk menyelidiki hubungan antara beberapa variabel secara
bersama-sama (simultan).
 Mampu memberikan informasi tentang derajat (kekuatan) hubungan antara
variabel-variabel yang diteliti.

Kelemahan

 Hasilnya cuma mengidentifikasi apa sejalan dengan apa, tidak mesti menunjukkan
saling hubungan yang bersifatkausal
  Jika dibandingkan dengan penelitian eksperimental, penelitian korelasional itu
kurang tertib-ketat, karena kurang melakukan kontrol terhadapvariabel-
variabelbebas.
 Pola saling hubungan itu sering tak menentu dan kabur
 Sering merangsang penggunaannya sebagai semacam short-gun approach, yaitu
memasukkan berbagai data tanpa pilih-pilih dan menggunakan setiap interpretasi
yang berguna atau bermakna.

6. Teknik Korelasi Poin Biserial

Salah satu cara yang dilakukan untuk menyeleksi butir soal adalah dengan menguji korelasi
antara skor item dengan skor total. Mardapi (20040 menyatakan bahwa koefisien yang tinggi
menunjukkan kesesuaian antara fungsi item dengan fungsi ukur tes secara keseluruhan.
Prosedur ini disebut validasi item dengan menggunakan kriteria internal (pendekatan
internal consistency). Apabila skor tes berupa dikotomi (0 atau 1) maka Teknik korelasi
yang digunakan adalah Teknik korelasi point biserial (𝑟𝑝𝑏 ). Rumus untuk korelasi ini adalah
:
𝑥̅𝑖 − 𝑥̅1 𝑝
𝑟𝑝𝑏 = √
𝑠𝑡 𝑞
Keterangan :
𝑥̅ 𝑖 = mean skor subjek yang mendapat nilai 1 pada item 1
𝑥̅1 = mean skor seluruh subjek
𝑠𝑡 = deviasi standa skor seluruh subjek
𝑝 = proporsi subjek yang mendapat niali pada item. Bila N adalah jumlah seluruh subjek,
maka p adalah jumlah subjek yang mendapat skor 1 pada item 1 dibagi N
𝑞 =1–p
Mardapi (2004) menjelaskan bajwa jika skor tes tidak dikotomi maka validitas dapat
dihitung dengan menggunakan korelasi product moment. Karena dalam korelasi product
moment skor item terikut kedalam skor total, maka perlu dilakukan koeksi yang disebut the
correction of item total correlation for spurious overlap. (Prijowuntato, 2016 : 141 – 142)

7. Teknik Korelasi Biserial

Hubungan antara peubah numerik dan peubah yang bersifat dikotomi dapat diukur
melalui korelasi biserial. Korelasi biserial didasari oleh asumsi abhwa hubungan antar dua
peubah tersebut liniear dan dua peubah mengikuti sebaran normal dengan salah satu
peubahnya telah ditransformasi menjadi peubah dikotomi. Nilai dikotomi diperoleh dari
kriteria atau fugsi tertentu. Kata biserial merujuk pada beberapa set terpisah nilai peubah
numerik yang diasosiasikan dengan dua nilai yaitu 0 dan 1 dari peubah dikotomi (Tate,
1950). Misal terdapat peubah numerik Y dan peubah dikotomi X, maka korelasi biserial
dapat diperoleh melalui persamaan berikut :
Nilai c ditentukan dari
 𝑁𝑜 meupakan banyaknya amatan peubah Y yang berasosiasi dengan nilai 1 peubah dikotomi
X, 𝑦̅0 dan 𝑦̅1 merupakan rataan nillai peubah Y yang berasosiasi dengan nilai 0 dan 1 pada
peubah dikotomi X, sedangkan ∅−1 (𝑐) merupakan 1/∅ (𝑐) dengan ∅ (𝑐) adalah nilai fungsi
kepekatan normal baku untuk titik c. nilai koefisien korelasi biserial berada pada selang -1
hingga 1.

8. Teknik Korelasi Kendall Tau

Korelasi Kendal Tau (W) digunaka untuk mencari hubungan dam menguji hipotesis dua
variabel atau lebih bila datanya berbentuk ordinal/ranking. Rumus dasar yang digunakan
adalah sebagai berikut : (Sugiyono, 2009)
∑𝐴 − ∑𝐵
𝑊=
1
𝑁(𝑁 − 1)
2
Keterangan :
W = Koefisien Korelasi Kendall Tau
A = Jumlah Rangking atas
B = Jumlah Rangking Bawah
N = Jumlah anggota sampel
Pengujian hipotesis dilakukan dengan membandingkan nilai probabilitas dengan taraf
signifikasi 5% (0,05). Apabila nilai P < P tabel maka Ho ditolak dan Ha diterima.

9. Teknik Korelasi Rasio

Interval/Rasio

a. Product Momen
b. Korelasi Parsial
Mengetahui hubungan antara variabel indpenden dengan variabel
dependen, dengan salah satu variabel independen dianggap tetap (dikendalikan).
Rumus :
𝑟𝑦𝑥1 − 𝑟𝑦𝑥2 𝑟𝑥1𝑦2
𝑅𝑦.𝑥1𝑥2 =
2 2
√1 − 𝑟𝑥1𝑦2 √1 − 𝑟𝑦𝑥2

Korelasi parsial 𝑋1 dengan 𝑌; dengan 𝑋2 dianggap tetap.

c. Korelasi Ganda
Angka yang menggambarkan arah dan kuatnya hubungan antara dua
(lebih) variabel secara bersama-sama dengan variabel lainnya

2
√1 − 𝑟𝑥1𝑦2 − 2𝑟𝑦𝑥1 𝑟𝑦𝑥2 𝑟𝑥1𝑦2
𝑅𝑦.𝑥1𝑥2 = 2
1 − 𝑟𝑥1𝑦2

𝑅𝑦.𝑥1𝑥2 = Korelasi antra X1 dan X2 bersama − sama dengan Y

𝑟𝑦𝑥1 = Korelasi produk moment Y dengan X1

 𝑟𝑦𝑥2 = Korelasi produk moment Y dengan X2

𝑟𝑥1𝑥2 = Korelasi produk moment X1 dengan X2

10. Teknik The Widespread Correlation

Sering terjadi dalam penelitian yang membutuhkan pengamatan seperti
cenderung memberikan nilai rata-rata dari pada menilai sangat baik atau sangat
buruk. Sehingga digunakan teknik the widespread correlation. Dengan rumus :
∑{(𝑂𝑟 − 𝑂𝑡 )(𝑀)}
𝑅𝑠𝑒𝑟 =
𝑂𝑟 − 𝑂𝑡
𝑆𝐷𝑡𝑜𝑡 ∑ [ 𝑃 ]

Ket :

𝑅𝑠𝑒𝑟 = Koefisien korelasi serial

𝑂𝑟 = Ordinat = yang lebih rendah

𝑂𝑡 = Ordinat yang lebih tinggi

𝑀 = Mean

𝑆𝐷𝑡𝑒𝑠𝑡 = Standar Deviasi total

𝑃 = Proporsi dalam golongan

11. Teknik Korelasi Tetrakorik
Koefisien korelasi tetrakorik digunakan untuk mendeskripsikan hubungan antara dua
peubah berskala nominal berbentuk data biner (0 dan 1) (Divgi 1979). Korelasi tetrakorik
didasarkan pada asumsi bahwa dua peubah terdistribusi normal sebelum diskalakan menjadi
dikotomi Jika terdapat dua peubah dikotomi X dan Y, dapat dibentuk tabel kontingensi 2 ×
2 dari dua peubah tersebut seperti ditunjukkan pada tabel dibawah ini

Variabel Y

1 0
1 𝑝𝑎 𝑝𝑏 𝑝𝑋
Variabel X
0 𝑝𝑐 𝑝𝑑 1 − 𝑝𝑋
𝑝𝑌 1 − 𝑝𝑌

Tabel diatas memiliki elemen 𝑝𝑋 , 𝑝𝑦 , dan 𝑝𝑎 dengan 𝑝𝑋 dan 𝑝𝑦 merupakan peluang bersama
dari nilai positif kedua peubah. Untuk peluang marjinal yang memenuhi
0 < 𝑝𝑥 , 𝑝𝑦 < 1 dan peluang bersama 𝑝𝑎 memenuhi max (𝑝𝑥 + 𝑝𝑦 − 1,0) < 𝑝𝑎 <
min (𝑝𝑥 < 𝑝𝑦 ), koefisien korelasi tetrakorik (𝑟𝑡𝑐 ) didefinisikan sebagai solusi untuk
persamaan integral berikut (Ekstrom, 2009)
 ∅2 (𝑥, 𝑦, 𝑟𝑡𝑐 )

Keterangan :
∅(𝑥) = fungsi kepekatan peluang normal baku

∅2 (𝑥, 𝑦, 𝑟𝑡𝑐 ) = fungsi kepekatan peluang normal baku ganda (x,y) dengan koelasi
sebesar 𝑟𝑡𝑐 . nilai koefisien korelasi tetrakorik berada pada selang -1 hingga 1

DAFTAR PUSTAKA

Churchil, Gilbert A. 2005. Dasar – Dasar Riset Pemasaran Edisi-4. Jakarta : Erlangga

Isnaini, Kartika N. Analisis Koelasi Kanonik Terhadap Indikator Pencapaian Standar Pelayanan
Minimal Pendidikan Dasar dan Akreditasi Sekolah Tingkat SMP/MTS. Diakses dari
repository.ipb.ac.id pada tanggal 17 Mei 2020

Prijowuntato, S. Widanarto. 2016. Evaluasi Pembelajaran. Yogyakarta : Sanata Dharman University

Press.

Susanti, Dewi S., Yuana S., dan Nur S. 2019. Analisis Regresi dan Korelasi. Malang : CV IRDH

Yusuf, A.Muri. 2017. Metode Penelitian : Kuantitatif, Kualitatif, dan Penelitian Gabungan Edisi
Pertama. Jakarta : Kencana