UKURAN

KETERKAITAN/KORELASI
Iwan Gunawan / Yeti Nurhayati

Pendidikan Guru Sekolah Dasar

Fakultas Keguruan dan Ilmu Pendidikan
Universitas Langlangbuana
2019/2020
Korelasi, makna, dan kaitannya dengan
ramalan
Korelasi : hubungan atau kaitan antara dua peubah.
Contoh : Hubungan Antara umur dan tinggi badan
Hubungan Antara usia dan keterampilan jasmani.
Jenis korelasi
1. Korelasi positif : makin besar nilai peubah yang satu, makin besar pula nilai peubah yang satunya
lagi.
Contoh : korelasi usia dengan bb sd usia tertentu.
2. Korelasi negatif.
Contoh : korelasi Antara jauh perjalanan yang ditempuh oleh sebuah kendaraan bermotor
dengan bahan bakar yang ada di dldm tangki
3. Korelasi nol atau hampir nol : hubungan antara kedua peubah itu tidak ada atau tidak menentu
contoh : hubungan Antara kemampuan berolahraga dengan kepandaian, ada orang pandai
dan ia pandai pula dalam olahraga, ada yang pandai tetapi sama sekali tidak bias berolahraga.
 Korelasi bisa positif, negative dan nol.
 Jika dinyatakan dengan bilangan, besar korelasi itu paling kecil -1 dan paling
besar +1.
 jika korelasi dinyatakan dengan r, maka -1 ≤ r ≤ -1
Produk Moment Pearson
Teknik menghitung koefisien korelasi dengan produk momen pearson jika peubah kedua-duanya kontinu
dan kuantitatif
1. Produk Momen Pearson untuk data tidak tersusun

(N∑XY−(∑X)(∑Y)
r =
(𝑁∑𝑋2 − ∑𝑋 2 X (𝑁∑𝑌2 − ∑𝑌 2

Dengan
∑XY adalah jumlah perkalian X dan Y
∑𝑋 adalah jumlah nilai- nilai X
∑𝑌 adalah jumlah nilai- nilai Y
∑𝑋2 adalah jumlah kuadrat nilai- nilai X
∑𝑌2 adalah jumlah kuadrat nilai- nilai Y
N adalah banyak pasangan nilai –nilai.
contoh

Hasil tes bakat guru dan kemampuan matematika dari 10 orang calon mahsiswa
KIP adalah sebagai berikut:

Tes A B C D E F G H I J
Nama mahasiswa
Kemampuan guru 85 71 56 75 67 90 88 60 50 44
Kemampuan
Tentukan matematika
koefisien 80 70
korelasinya dengan cara55produk
75 momen
60 95 pearson?
79 54 52 50
Jawab
Misal, X : skor tes bakat guru, dan Y skor kemampuan matematika, maka kita
,
harus menghitung dulu ∑XY, ∑𝑋, ∑𝑌, ∑𝑋2 , ∑𝑌2 (∑𝑋)2 , (∑𝑌)2
 (N∑XY−(∑X)(∑Y)
r = Skor Tes Bakat Skor Tes
(𝑁∑𝑋2 − ∑𝑋 2
(𝑁∑𝑌2 − ∑𝑌 2
Siswa Guru Kemampuan
(10 x 48037−(686)(670) X X2 Y Y2 XY
r =
(10 𝑥 49396 − 686 2
∙ (10 𝑥46936 − ∑670 2
A 85 7225 80 6400 6800
480370−459620
r = B 71 5041 70 4900 4970
(493960 −6862 ∙ 469360 −670 2

C 56 3136 55 3025 3080

20750
r = = 0,9491 ~ 0,95 D 75 5625 75 5625 5625
478027440
E 67 4489 60 3600 4020
F 90 8100 95 9025 8550
G 88 7744 79 6241 6952
H 60 3600 54 2916 3240
I 50 2500 52 2704 2600
J 44 1936 50 2500 2200
686 49396 670 46936 48037
Rumus lain untuk menghitung koefisien korelasi data tak tersusun adalah :
∑ 𝑋𝑌
r = ……1)
∑ 𝑋2 𝑥 ∑𝑌2
∑ 𝑋𝑖𝑌𝑖
r = ……2)
∑ 𝑋𝑖2 𝑥 ∑𝑌𝑖2

Dengan
(∑ 𝑋)2
∑ 𝑋2 = ∑ 𝑋2 - 𝑁

(∑ 𝑌)2
∑ 𝑌2 = ∑ 𝑌 2 - 𝑁

(∑ 𝑌).(∑ 𝑌)
∑ 𝑋𝑌 = ∑ 𝑋𝑌 - 𝑁

(∑ 𝑋𝑖)2
∑ 𝑋 𝑖2 =∑𝑋 2 - 𝑁
𝑖
(∑ 𝑌𝑖 )2
∑ 𝑌 𝑖2 = ∑ 𝑌 𝑖2 - 𝑁

(∑ 𝑌𝑖 ).(∑ 𝑌𝑖 )
∑ 𝑋 𝑖𝑌 𝑖 = ∑ 𝑋 𝑖𝑌 𝑖 - 𝑁

Dengan Xi diganti dengan xi + 𝑥ҧ dan Yi diganti dengan yi + 𝑌ത

Xi sebagai skor bakat tes uru siswa ke-I dan Yi skor kemampuan matematika siswa ke i dan 𝑥ҧ rerata skor
bakat guru dan 𝑌ത rerata skor tes kemampuan matematika
Dengan rumus 1)
(∑ 𝑋)2
∑ 𝑋2 = ∑ 𝑋2 - 𝑁

686 2
∑ 𝑋2 = 49396- 10 = 49396 -47059,6 = 2336,4
(∑ 𝑌)2
∑𝑌 = ∑𝑌
2 2 - 𝑁

670 2
∑ 𝑌2 = 46936- 10 = 46936 – 44890 = 2046
(∑ 𝑌).(∑ 𝑌)
∑ 𝑋𝑌 = ∑ 𝑋𝑌 - 𝑁

686 .(670)
∑ 𝑋𝑌 = 48037- 10 = 48037 – 45962 = 2075
Jadi :
∑ 𝑋𝑌
r =
∑ 𝑋2 𝑥 ∑𝑌2

2075 2075
r = = = 0,9491 ~ 0,95
2336,4 𝑥 2046 4780274,4
Dengan rumus 2) SISWA Xi Yi xi = Xi -ഥ
𝒙 yi = Yi - 𝒚
ഥ xi2 yi 2 xi.yi

∑ 𝑋𝑖𝑌𝑖 A 85 80 16,4 13 268,96 169 213,2

r = B 71 70 2,4 3 5,76 9 7,2
∑ 𝑋𝑖2 𝑥 ∑𝑌𝑖2
2075 C 56 55 -12,6 -12 158,76 144 151,2
r =
2336,4 𝑥 2046 D 75 75 6,4 8 40,96 64 51,2
2075 E 67 60 -1,6 -7 2,56 49 11,2
r = = 0,9491 ~ 0,95
4780274,4
F 90 95 21,4 28 457,96 784 599,2
G 88 79 19,4 12 376,36 144 232,8
H 60 54 -8,6 -13 73,96 169 111,8
I 50 52 -18,6 -15 345,96 225 279
J 44 50 -24,6 -17 605,16 289 418,2
686 670 2336,4 2046 2075
Produk Momen Pearson untuk data tersusun
Perhatikan tabel data di bawah ini!
Pada tabel data tersebut, terlihat beberapa siswa skornya sama,
missal siswa no 1 dengan no 7, siswa no 2 dengan no 4, siswa no 33
dan 44. agar lebih memadat penulisan data supaya diubah dengan
jalan menyatukan skor- skor yang sama dan membuat kolom baru yaitu
kolom F (frekuensi), dengan sendirinya identitas siswa hilang. Tabel 1
adalah tabel semula dan tabel 2 adalah tabel data yang sudah diberi
Siswa X Y Siswa X Y X Y F X Y F
kolom 1 baru
100 3,6 26 86 3,1 100 3,6 2 75 1,4 1
2 65 2,5 27 93 3,8 65 2,5 2 86 3,1 2
Tabel 1
3
4
87
65
3,5
2,5
28
29
90
50
3,5
0,8
Tabel 2 87 3,5 3 93 3,8 1
95 3,5 1 50 0,8 1
5 95 3,5 30 87 3 61 1,5 1 87 3 1
6 61 1,5 31 100 3,5
75 0,6 1 100 3,5 1
7 100 3,6 32 75 3,3
90 3,5 2 70 2,4 2
8 75 0,6 33 70 2,4
9 90 3,5 34 53 1 65 2,1 1 53 1 1
10 87 3,5 35 94 3,5 75 3,3 2 94 3,5 1
11 65 2,1 36 60 1 59 2 2 60 1 1
12 75 3,3 37 75 3,1 98 3,5 1 75 3,1 1
13 59 2 38 58 1,9 97 3,6 1 58 1,9 1
14 98 3,5 39 70 2,8 94 3,8 1 70 2,8 2
15 59 2 40 85 3,6 67 2,4 1 85 3,6 1
16 97 3,6 41 97 3,5 70 2,5 1 97 3,5 1
17 94 3,8 42 95 2,8
95 4 1 95 2,8 1
18 67 2,4 43 100 4
100 3 1 100 4 1
19 70 2,5 44 70 2,4
20 95 4 45 87 3,5 75 2,4 1 99 3,9 1
21 100 3 46 85 3,6 62 2,1 1 55 1,4 1
22 75 2,4 47 56 3,1 57 1,4 1 99 3,8 1
23 62 2,1 48 99 3,9
 TABEL 1
TABEL 2
Siswa X Y Siswa X Y
1 100 3,6 26 86 3,1
2 65 2,5 27 93 3,8 X Y F X Y F
3 87 3,5 28 90 3,5 100 3,6 2 75 1,4 1
4 65 2,5 29 50 0,8 65 2,5 2 86 3,1 2
5 95 3,5 30 87 3 87 3,5 3 93 3,8 1
6 61 1,5 31 100 3,5 95 3,5 1 50 0,8 1
7 100 3,6 32 75 3,3
61 1,5 1 87 3 1
8 75 0,6 33 70 2,4
75 0,6 1 100 3,5 1
9 90 3,5 34 53 1
10 87 3,5 35 94 3,5 90 3,5 2 70 2,4 2
11 65 2,1 36 60 1 65 2,1 1 53 1 1
12 75 3,3 37 75 3,1 75 3,3 2 94 3,5 1
13 59 2 38 58 1,9 59 2 2 60 1 1
14 98 3,5 39 70 2,8 98 3,5 1 75 3,1 1
15 59 2 40 85 3,6 97 3,6 1 58 1,9 1
16 97 3,6 41 97 3,5 94 3,8 1 70 2,8 2
17 94 3,8 42 95 2,8 67 2,4 1 85 3,6 1
18 67 2,4 43 100 4
70 2,5 1 97 3,5 1
19 70 2,5 44 70 2,4
95 4 1 95 2,8 1
20 95 4 45 87 3,5
21 100 3 46 85 3,6 100 3 1 100 4 1
22 75 2,4 47 56 3,1 75 2,4 1 99 3,9 1
23 62 2,1 48 99 3,9 62 2,1 1 55 1,4 1
24 57 1,4 49 55 1,4 57 1,4 1 99 3,8 1
25 75 1,4 50 99 3,8
Tabel 2 akan lebih baik lagi bila skor –skor itu diurutkan menurut skor X dan skor Y. adapun hasil
tabelnya adalah tabel 3 di bawah ini :
TABEL 3

X Y F X Y F
100 4 1 75 3,3 1
100 3,6 2 75 3,1 1
100 3,5 1 75 2,4 1
100 3 1 75 1,4 1
99 3,9 1 75 0,6 1
99 3,8 1 70 2,8 1
98 3,5 1 70 2,5 1
97 3,6 1 70 2,4 2
97 3,5 1 67 2,4 1
95 4 1 67 2,5 2
95 3,5 1 65 2,1 1
95 2,8 1 62 2,1 1
94 3,8 1 61 1,5 1
94 3,5 1 60 1 1
93 3,8 1 59 2 1
90 3,5 2 58 1,9 1
87 3,5 3 57 1,4 1
87 3 1 55 1,4 1
86 3,1 2 53 1 1
85 3,6 2 50 0,8 1
Tabel 1, tabel 2 dan tabel 3, koefisien korelasinya dapat dihitung langsung dengan terlebih dahulu
menyajikan data dalam distribusi frekuensi.
Untuk menyusun distribusi frekuensi dua peubah sama dengan menyususun distribusi frekuensi
satu peubah, yaitu harus menentukan banyak kelas dengan aturan sturges, k = 1 + 3,3 log n ( k =
banyak kelas, n = banyak data )
Untuk skor X Tabel distribusi frekuensi
k = 1 + 3,3 log n X 0,6 - 1,1 - 1,6 - 2,1 - 3,6 -
K = 1 + 3, 3 log 50 Y 1,0 1,5 2,0 2,5 2,6 - 3,0 3,1 -3,5 4,0 fx

K = 1 + 3,3 . 1,69897 100 -93 2 5 9 16

K = 6,6066 ~ 7 92 - 85 1 7 2 10

Panjang kelas 84 - 77 0
𝑠𝑒𝑏𝑎𝑟𝑎𝑛 100 −50 50
P= = = = 7,5758 ~ 8 76 - 69 1 1 4 1 3 10
𝑘 6,6 6,6
Untuk skor Y 68 - 61 1 5 6

K = 6,6 ( sebelum dibulatkan) 60 - 53 2 2 3 7

𝑠𝑒𝑏𝑎𝑟𝑎𝑛 4,0 −0,6 3,4 52 -45 1 1
P= = = = 0, 5152 ~ 0,5
𝑘 6,6 6,6 fy 4 4 3 9 4 15 11 50
Ukuran Keterkaitan untuk Analisis
Parametrik
1. Koefisien korelasi peringkat spearmen
Koefisien korelasi peringkat spearman disebut juga koefisien korelasi rho-
spearaman. Jenis skal datanya harus skala ordinal, sehingga skornya dapat
diurutkan
Rumus koefisien Korelasi Peringkat Spearman
6∑𝑑2
rp = 1 - −
𝑁 (𝑁2 1)− −

Dengan N = banyak data, rp = koefisien korelasi peringkat Speraman, d = selisih

peringkat.
Contoh
Ada 8 mahasiswa calon sarjana S-1 yang semuanya menulis kripsi, jika ingin mengetahui
tingkat korelasi antara kemampuan menulis skripsi dan kemapuan mempertahankannya
dalam ujian, Berdasarkan penilaian dosen pembimbing, penguji skripsi, skor penilaian
telah ditulis dalam peringkat sebagai berikut . Hitunglang koefisien korelasinya?
Maka Mahasiswa A B C D E F G H ∑d2
6∑𝑑2
rp = 1 - − −
Peringkat menulis 2 3 5 1 8 7 6 4
𝑁 (𝑁2 −1)
6 𝑥 10
rp = 1 - − − Peringkat ujian 1 4 5 2 7 6 8 3
8 (82 −1)
60
rp = 1 - − = 0,8810 ~ 0,88 d 1 -1 0 -1 1 1 -2 1
504
d2 1 1 0 1 1 1 4 1 10
Jadi korelasi antara kemampuan menulis dan mempertahankanya dalam ujian dari kedelapan
mahasiswa itu adalah 0,88
Rumus di atas masih berlaku jika kurang dari 20% skor- skor pada sebuah
kelompok peringkatnya sama, jika lebih dari 20 % rumus korelasinya menjadi sbb
∑ 𝑥2+∑𝑦2 − ∑𝑑2
rk =
2 ∑𝑋2 𝑥 ∑ 𝑦2

Dengan
𝑁 (𝑁2 −1) 𝑡 (𝑡2 −1)
∑ x2 = -∑
12 12
𝑁 (𝑁2 −1) 𝑡 (𝑡2 −1)
∑ y2 = -∑
12 12

T = banyak anggota kembar pada suatu perkembaran.

Contoh
Persoalan yang sama pada contoh sebelumnya, tetapi pada peringkat menulis skripsi ada peringkat-
peringkat yang kembar.

Mahasiswa A B C D E F G H ∑d2

Peringkat menulis 2,5 2,5 5 1 7 7 7 4

Peringkat ujian 1 4 5 2 7 6 8 3
d 1,5 -1,5 0 -1 0 1 -1 1
d2 2,25 2,25 0 1 0 1 1 1 8,5

Peringkat kembar pada x : pada group ke-1 ada 2 unsur dan pada group ke 2 ada 3
unsur.
Banyak skor yang epringkatnya kembar itu ada 5 buah (dari 2 + 3); besarnya 5/8 x
100% =
62,5%.
∑ 𝑥2+∑𝑦2 − ∑𝑑2
Karena 62,5% > 20 %, menghitung korelasinya harus dengan rumus rk = 2 2
2 ∑𝑋 𝑥 ∑ 𝑦
Pada kembar – dua, t=2 sehingga t(t2 -1)/12 = 2x3/12 =0,5
Pada kembar –tiga, t =3 sehingga t(t2 -1)/12 = 3 x8/12 =2, karena itu
𝑡 (𝑡2 −1)
∑ = 0,5 +2 = 2,5
12
𝑡 (𝑡2 −1)
Pada skor y tidak ada yang kembar sehingga ∑ =0
12
𝑁 (𝑁2 −1)
= 8 (64 -10)/12 =504/12=42
12

∑ x2 = 42 -2,5 = 39,5
∑ y2= 42 – 0 =42
∑ 𝑥2+∑𝑦2 − ∑𝑑2 39,5+42 −8,5
rk = =
2 ∑𝑋2 𝑥 ∑ 𝑦2 2 39,5 𝑥 42
73
rk = = 0,8961 ~ 0,90
2 1659
 Koefisien korelasi peringkat kendal
 Koefisien korelasi peringkat Kendal r (Tau) dipakai untuk menghitung koefisien korelasi
seperti pada koefisien korelasi peringkat spearman, yaitu untuk menghitung koefisien
korelasi data jenis peringkat.
 Contoh
Kasus yang sama dengan cara spearma, yaitu melihat besar koefisien korelasi Antara
kemampuan menulis skripsi dengan kemampuan mempertahankannya dari 8 orang
mahasiswa S1.
Mahasiswa A B C D E F G H
Peringkat menulis 2 3 5 1 8 7 6 4
Peringkat ujian 1 4 5 2 7 6 8 3

Cara menyelelaikannya adalah :

Langkah pertama : menyusun salah satu peringkat dengan wajar
Mahasiswa D A B H C G F E
Peringkat menulis 1 2 3 4 5 6 7 8
Peringkat ujian 2 1 4 3 5 8 6 7
 Langkah dua :
menghitung posisi wajar peringkat yang satu terhadap peringkat yang lainnya dari peringkat-
peringkat dikelompoknya, maksudnya sbb:
Pada kelompok dua, peringkat yang paling kiri adalah 2, urutan 2 dari 1 (peringkat disesbelah
kanannya), tidak wajar. Kemudian kita lanjutkan memperhatikan urutan 2 dengan peringkat
yang ada disebelah kanan dari 1, yaitu 4. urutan 2 dan 4 adalah wajar.membandingkan seperti
itu tersu kita lakukan untuk peringkat –peringkat disebelah kanannya sampai habis, yaitu 2
dengan 3,5,8,6 dan 7 berturut-turut, yang urutannya adalah wajar semuanya.
Untuk urutan wajar diberi nilai +1 sedangkan untuk urutan tidak wajar diberi nilai -1. dengan
demikian kewajaran urutan 2dibandingkan dengan teman-temannya, nilainya adalah (-1) +
(+1) + (+1) + (+1) + (+1) + (+1) + (+1) =5.
Dengan cara yang sama lakukan untuk peringkat 1. pertama, 1 dengan 4, kemudian dengan 3,
dengan 5, dengan 8, dengan 6 dan dengan 7, semua urutan wajr. Maka masing-masing diberi
skor +1. total 6. lalu giliran 4. urutan 4 dengan 3 tidak wajar, diberi skor -1. urutan berikutnya
4 dengan 5, dengan 8, dengan 6 dan dengan 7 adalah urutan wajarsehingga masing –masing
diberi skor +1. untuk 4 ini total (-1) + (+1) + (+1) + (+1) + (+1) =3. disebelah kanan dari 4
adalah 3. total skor untuk 3 adalah 4. dan akhirnya untuk 5, 8 dan 6 yang skor totalnya
berturut –turut 3,-2, dan 1
Dengan demikian skor keseluruhan adalah 5 + 6+3 +4+3-2+1= 20.
Jumlah skor keseluruhan secara maksimal akan terjadi bila kelompok dua itu juga semuanya
terurut secara wajar.
Skor maksimum itu adalah
𝑁
= N!: ((N-2)!(2!)) = 1/2N X (N-1)
2
Koefisien korelasi peringkat Kendal didefinisikan sbb :
𝑗𝑢𝑚𝑙𝑎ℎ 𝑠𝑘𝑜𝑟 𝑦𝑎𝑛𝑔 𝑡𝑒𝑟𝑗𝑎𝑑𝑖
r =
𝑗𝑢𝑚𝑙𝑎ℎ 𝑠𝑘𝑜𝑟 𝑚𝑎𝑘𝑠𝑖𝑚𝑢𝑚 𝑦𝑎𝑛𝑔 𝑚𝑢𝑛𝑔𝑘𝑖𝑛

Bila S adalah jumlah skor yang terjadi, maka

𝑆
r = 1
𝑁 (𝑁−1)
2
2𝑆
r =
𝑁 (𝑁−1)
2 𝑋20 40
r = = = 0,7143 ~ 0,71
8 (8−1) 56

Jika terjadi peringkat kembar, maka rumus koefisien korelasinya menjadi

𝑆
r =
1
𝑁 𝑁−1 −1/2 ∑𝑥 𝑡 𝑡−1 1/2𝑁 𝑁−1 −1/2 ∑ 𝑌𝑡 𝑡−1
2
Koefisien konkordansi

Koefisien konkordansi (K) merupakan perluasan dari koefisien korelasi

peringkatdengan banyak baris peringkat lebih dari dua buah. Dengan kata lain,
koefisien korkodansi digunakan untuk menghitung koefisien korelasi k buah
peringkat dari N unsur.
𝑆 12 𝑆
Rumus K = =
𝑆𝑚𝑎𝑘𝑠 𝑁𝐾 (𝑁2−1)
2

Dengan
N = Banyak kelompok
K = banyak baris
S = ∑(Pi- Pi)2 dimana Pi adalah jumlah peringkat perkolom
S maks = NK2 (N2 -1)/12, yaitu jumlah maksimum S yang mungkin terjadi
Contoh
Jika ada 5 orang mahsiswa yang menempuh ujian akhir dalam skripsi, pengujinya ada 3 orang.
Berdasarkan skor yang diberikan penguji, peringkat penilaian mereka Nampak pada table di bawah
ini. Yang ditnayakan, sampai berapa jauh telah terjadi kesesuain penilaian?

Mahasiswa A B C D E
Penguji -1 1 4 3 5 2
Penguji -2 2 3 4 5 1
Penguji -3 1 3 5 4 2

𝑃ത 𝐽 = ∑Pi : N = 45 : 5 = 9
S = ∑ (Pi - 𝑃ത 𝐽)2 = (4-9)2 + (10-9)2 + (12 -9)2 +(14-9)2 +(5-9)2
= 25 +1+9+25+16 =76
S maks = NK2 (N2 -1)/12
= 5 x32 (52 -1)/12 = 5 x9 x24/ 12 = 90
𝑆
Maka K = = 76/90 = 0,8444 ~ 0,84
𝑆𝑚𝑎𝑘𝑠
Jika ada peringkat kembar, rumus koefisien korkodansinya adalah
12 𝑆
K=
NK2 (N2 −1) − ∑t (t2 −1)
Koefisien Korelasi Biseri

Koefisien korelasi biseri digunakan untuk melihat hubungan yang kedua peubahnya kontinu, tetapi salha satunya
sudah didikhotomikan. Hubungan itu misalnya hubungan Antara intelegensi ( peubah kontinu) dengan
keberhasilan menempuh suatu perkuliahan atau jenjang persekolahan tertentu( hubungan didikhotomikan).
Koefisien korelasi biseri diasumsikan atas distribusi yang didikhotomikan itu normal, bila asumsi tidak dipenuhi,
koefisien korelasi biseri itu bias lebih besar daripada satu
𝑅ℎ −𝑅𝑡 ℎ
Rumus rbi = 𝑡
𝑆𝑥 𝑦
X = Peubah kontinu
𝑆𝑥 = Deviasi baku peubah kontinu
𝑅ℎ = rerata X dari kelompok yang berhasil
𝑅𝑡 = rerata X dari kelompok yang tidak berhasil
h = proposi subjek dari kelompok yang berhasil
t = proposi subjek dari kelompok yang tidak berhasil
y = ordinat pada kurva normal yang membaginya kedalam dua bagian dengan h sebagai proporsi bagian pertama dan
t sebagai proporsi yang lain
 Contoh
jika ada mahsiswa PMDK FKIP dipilih secara acak dari A sd J. jika setelah 4 tahun kuliah di cek kelulusannya , dan hasil pengecekan
tercantum pada table di bawah ini : X = Skor PMDK, Y = skor kelulusan; y = 1 artinya lulus, Y= 0 artinya belum lulus/ tidak lulus. Tentukan
koefisien korelasinya?

Mahasiswa A B C D E F G H I J
X 7 6 9 7 8 6 8 7 9 9
Y 1 0 1 0 1 0 0 1 1 1

Kita hitung satu persatu komponennya :

( 7+9+8+7+9+9) 49
𝑅ℎ = = = 8,1667
6 6
( 6+7+6+8) 27
𝑅𝑡 = = = 6,7500
4 4
𝑆𝑥 = 1,1136(menggunakan kalkulator)
h = 0,6
t = 0,4
y = 0,386 (lihat table)
Maka
𝑅ℎ −𝑅𝑡 ℎ
rbi = 𝑡
𝑆𝑥 𝑦

8,1667 −6,7500 𝑜,6 𝑥0,4

rbi = = 0,7910 ~ 0,79
1,1136
0,386

Jadi koefisisen korelasi biseri antara skor PMDK dan keberhasilan belajar di FKIP adalah 0,79 : cukup tinggi.
 Koefisien Korelasi Biseri Titik
 Koefisien korelasi biseri titik adalah koefisien korelasi pearson yang salah satu peubahnya secara
alamiah dikhotomi dengan skala nominal dan peubah yang satu lagi paling tidak tertulis dalam skala
interval ( kontinu). Prinsipnya : dalam menganlasis butiran soal, adalah untuk melihat tingi rendahnya
hubungan anatara butiran soal denga sisanya ( selain yang sebuah itu).
 Dalam menghitung koefisien korelasi ini, kita dapat meberi nilai satu kepada salah sau peubah
dikhotominya dan meberi nilai nol kepada peubah dikhotomi yang satu lagi, atau sebaliknya, atau
nilai-nilai sembarang misalnya 12 dan 25
𝑅1 −𝑅0
Rumus : Rbit = 𝑝𝑞
𝑆𝑋
Dengan
X = peubah kontinu
Sx = deviasi baku peubah kontinu; sy = 𝑝𝑞
𝑅𝑡 = rerata X dari kelompok yang bernilai 1 pada dikhotomi
𝑅0 = rerata X dari kelompok yang bernilai 0 pada dikhotomi
p = perbandingan kelompok bernilai satu pada dikhotomi
q = perbandingan kelompok bernilai nol pada dikhotomi
Contoh
Andaikan ada 10 orang mahasiswa yang mengikuti perkuliahan penelitian, nilai ujian akhir smesternya adalah sbb : Amin 6, aminah 8, udin 7, amir 9,
ida 4, sarinah 6, Imelda 6, susi 6 lia 7 dan dudu 10. hitung koefisien korelasi Antara nilai ujian mereka dengan jenis kelaminnya?
Jawab ;
Jenis kelamin, peubahnya dikhotomi; pria dan wanita. Untuk perhitungan kita beri nilai satu untuk pria dan nol untuk wanita. X untuk peubah kontinu
dan y untuk peubah dikhotomi
6+7+9+10 32
𝑅𝑡 = 4
= 4
=8 Nama X X2 Y Y2 XY
8+4+6+4+6+7 35
= 5, 83
𝑅0 = 6
= 6 Amin 6 36 1 1 6
p = 0,4
Aminah 8 64 0 0 0
q = 0,6
SX = 1,85 (dengan kalkulator), maka Udin 7 49 1 1 7
Amir 9 81 1 1 9
𝑅1 −𝑅0
Rbit = 𝑝𝑞
𝑆𝑋
8 −5,83
Rbit =
1,85
0,4 𝑥 0,6 Ida 4 16 0 0 0
82,17
Sarinah 6 36 0 0 0
Rbit = 0,24
1,85
Imelda 4 16 0 0 0
= 0,5746 0,57
Susi 6 36 0 0 0
Lia 7 47 0 0 0
Dudu 10 100 1 1 10
Jumlah 67 483 4 4 32
Koefisien Phi

Koefisien Phi(Ø) merupakan perluasan dari koefisien korelasi biseri titik yang
kedua peubahnya berbentuk dikhotomi atau yang paling cocok adalah peubahnya
kedua-duanya dikhotomi.
Contoh
Kasus yang sama pada koefisien korelasi biseri titik, pada contoh tersebut
andaikan mahasiwa telah dibagi kedalam mahasiwa lulu (nilai 7 keatas) dan
mahsiwa gagal (nilai 6 kebawah), dengan kategori itu maka amin gagal, aminah
lulus, udin lulus dsb. Andaikan yang lulus diberi nilai 1 sedangkan yang tidak lulus
diberi nilai nol, denganadanya perubahan dari peubah kontinu kepada peubah
dokhotomi, maka tabelnya menjadi sebagai berikut :
Untuk mempermudah perhitungan, biasanya data seperti itu disusundalam table frekuensi
bivariate 2 x2 dengan frekuensi untk setiap kotak a,b,c dan d seperti Nampak pada table
berikut :
Nama X X 2 Y Y 2 XY
Amin 0 0 1 1 0
Aminah 1 1 0 0 0
Udin 1 1 1 1 1
Amir 1 1 1 1 1
Ida 0 0 0 0 0
Sarinah 0 0 0 0 0
Imelda 0 0 0 0 0
Susi 0 0 0 0 0
Lia 1 1 0 0 0
Dudu 1 1 1 1 1
Jumlah 5 5 4 4 3
 keberhasilan jumlah
X=0 (gagal) X =1 (lulus)
Jenis Y =1 (pria) a=1 b= 3 4
kelamin Y=0( c=4 d= 2 6
wanita)
jumlah 5 5 10
Arti dari table kedua adalah a=1 menunjukan banyak pria yang gagal, b= 3 meni=unjukan banyak
pria yang lulus, c=4 menunjukan banyak wanita yang gagal dan d= 2 menunjukan wanita yang lulus.
Untuk menghitung koefisien Phi(Ø)
𝑏𝑐 −𝑎𝑑
Ø=
(𝑎+𝑏)(𝑐+𝑑)(𝑎+𝑐)(𝑏+𝑑)
3 𝑥 4 −1 𝑥2
Ø=
(1+3)(4+2)(1+4)(3+2)
10
Ø= = 0,4081 ~ 0,41
600
Koefisien Tetrakonik

 Bila kedua peubah X dan Y berdistribusi normal dan telah didikhotomikan,

koefisien korelasi yang cocok adalah koefisien korelasi tetrakhonik. Jadi
dilihat dari telah didikhotomikan peubahnya dan normalnya
distribusi,koefisien tetrakhonik ini merupakan perluasan dari koefisien
korelasi biseri
 Dalam menghitung koefisien korelasi tetrakhonik, kita meski mebuat dahulu
table bivariate atau kontingensi 2 x 2, sedangkan rumusnya adalah sbb :
1800 𝑎𝑑
 rt = cos a,b,c,d adalah frekuensi pada kotak-kotak table bervariat
𝑎𝑑+ 𝑏𝑐
Koefisien Kontingensi

Koefisien kontingensi adalah jenis korealsi yang termasuk kedalamkorelasi non

parametric, tetapi bukan jenis peringkat maupun jenis dikhotomi. Dibandingkan
dengan korelasi non parametric peringkat spearman, koefisien kontingensi ini
termasuk lemah, akan tetapi terkecuali koefisien phi untk 2 x2, koefisien kontingendi
ani adalh satu –satunya untuk menghitung koefisien korelasi dengan data skala
nominal
𝑥2
Rumus : C =
𝑁+𝑋2

Dengan
2
𝑓𝑜 −𝑓𝑒
X2 =∑
𝑓𝑒
𝑓𝑜 = frekuensi
𝑓𝑒 = frekuensi harapan
( 𝑓𝑟𝑒𝑘𝑢𝑒𝑛𝑠𝑖 𝑡𝑜𝑡𝑎𝑙 𝑏𝑎𝑟𝑖𝑠 )(𝑓𝑟𝑒𝑘𝑢𝑒𝑛𝑠𝑖 𝑡𝑜𝑡𝑎𝑙 𝑘𝑜𝑙𝑜𝑚)
=
𝑓𝑟𝑒𝑘𝑢𝑒𝑛𝑠𝑖 𝑡𝑜𝑡𝑎𝑙
 REGRESI
Regresi : 1. regresi linier sederhana
2. regresi linier darab
Regresi linier sederhana
Pada umumnya, bila dua peubah itu berkorelasi, maka kita bisa membuat ramalan nilai peubah
tertentu bilai nilai untuk peubah yang satu lagi diketahui. Makin tinggi nilia koefisien korelasi,
makin tepat ramalannya. Ramalan yang paling tepat tentunya akan terjadi jika r = ± 1, walaupun
begitu hanya mengetahui besarnya koefisien korelasi, kita tidak dapat membuat ramlaan apa-apa.
Perhatikan diagram di samping ini,
diagram mengenai hubungan Antara
tinggi seseorang sebagai peubah x
dan berat seseorang sebauagi
peubah y. untuk meramalkan berat
badan seseorang yang tingginya 15o
cm misalnya pada x =150 kita Tarik
garis lurus sejajar sumbu y, maka
rerata skor y yang dilalui garis itu
adalah rerata berat badan orang
yang tingginya 150 cm; berat yang
diramalkan itu misalnya bila skor y
yang dilalui garis itu 50, 52, dan 57
cm, maka berat yang diramlkan dari
seseorang yang tingginya 150 cm itu
adalah 53 kg diperoleh dari (50 +52 +
57): 3. ini merupakan ramalan yang
tepat.
 Untuk contoh diatas masuk di akal jika kita asumsikan bahwa x dan y itu linier. Karena itu bila
kita berhasil mencari persamamaan garis lurus yang paling pas yang mewakili persamaan skor x
dan y yang diketahui, maka persoalnanya selesai. Garis yang demikian disebut dengan garis
regresi dan persamaanya disebut persamaan regresi
 Untuk menghitung garis regresi dengan cara
1. menghitung selisih skor y yang diramalkan (y’) dengan skor y yang sebenarnya untuk setiap
pasangan x dan y yang diketahui.
2. Didasarkan pada peramalan skor x, maksudnya ialah bukan mencari beberapa skor y’ untuk
skor x tertentu , akan tetapi mencari skor x’ untuk skor y tertentu. (bila demikian, garis
regresi yang diperoleh akan lain)
Permasalahan diatas akan memperoleh hasil yang baik , bila :
1. Asumsi kelinieran itu benar; untuk mengetahuinya periksalah diagram pencarnya, misalnya
2. Sampel yang kita mabil mewakili populasi; sampelnya dipilih secara acak, misalnya
3. Harus ditegaskan peubah mana yang menjadi dasar dan peubah mana yang diramalkan; lebih
baik pilih y sebagai peubahyang skornya akan diramalkan.
Persamaan regresi untuk meramalkan y atas dasar x dalam skor baku z adalah
Zy’ = rzx
Dengan

Zy’ adalah skor baku yang diramalkan untuk y

r adalah koefisien korelasi Antara x dan y
zx adalah skor baku x untuk meramalkan zy’
Jika diubah kedalam skor mentah rumusnya menjadi persamaan regresi linier sederhana
𝑌 ′ −𝑌ത 𝑥 −𝑥ҧ 𝑠𝑦 𝑠𝑦
= 𝑟𝑥 atau Y’ = 𝑟 𝑥 X- 𝑟𝑥 𝑋ധ + 𝑌ത
𝑆𝑋 𝑠𝑥 𝑆𝑋 𝑆𝑋
Dengan
Y’ adalah skor y yang diramlakan
r adalah koefisien korelasi antar x dan y
Sy adalah deviasi baku skor y
Sx adalah deviasi baku skor X
𝑋ധ adalah rerata skor X
𝑌ഥ adlah skor rerata Y
CONTOH
Andaikan rerata skor SPMB siswa yang diterima di perguruan tinggi tertentu adalh 700 dan deviasi
bakunya 65, sedangkan setelah belajar di perguruan tinggi tersebut, rerata IPK nya adalah 3,15 dan
deviasi bakunya 0,75. diketahui pula koefisien korelasi Antara kedeua kelompok skor itu 0,69.
ditanyakan :
1. Persamaan regresinya
2. IPK seseorang yang skor SPMb NYA 650
Jawab
𝑠𝑦 𝑠𝑦
Y’ = 𝑟 𝑥 X- 𝑟𝑥 𝑋ധ + 𝑌ത
𝑆𝑋 𝑆𝑋
0,75 0,75
Y’ = 0,69 𝑥 X - 0,69 𝑥 700+3,15
65 65

Y’ = 0,0080 X – 5,5731 + 3,15

Y’ = 0,0080 X – 2,4231
Jadi persamaan regresinya adalah Y’ = 0,0080 X – 2,4231
Y’ = 0,0080 X – 2,4231
Y’ = 0,0080 . 650 – 2,4231 = 2,7769 ~ 2,8
Jadi IPK orang yang skor SPMB nya 650 adalah 2,8
Regresi Linier Darab
Pada regresi linier sederhana, peubah bebasnya hanya ada sebuah sehingga persamaan regresinya adalah
Y’ = bx +a. sedangkan pada regresi linier darab peubah bebasnya banyak. Dengan demikian persamaan
regresi linier darab itu contohnya sbb :
Y’ = b1 X1 + b2 X2 + b3 X3 + …bn Xn + a.
Dalam bagian ini yang akan dibicarakan hanya peybah bebas dua buah, jadi persamaan regresi linier
dalam X1 dan X2 adalah sbb
Y’ = b1 X1 + b2 X2 + a
Dengan
bi = Bi (Sy/Si)
a = 𝑌ത - b1 𝑥ഥ𝑖 - b2 𝑥ഥ2
Bi diperoleh dari persamaan linier
B1+ r12 B2 = ry1
r12 B1 + B2 = ry2
Dengan
Sy adalah deviasi baku dari Y
Si adalah deviasi baku dari X1 dan X2 (masing –masing)
r12 adalah koefisien korelasi dari X1 dan X2
Ry1 dan ry2 berturut turut adalah koefisien korelasi Antara Y dengan X1 dan Y dengan X2.
Alhamdulillah…