Nama : Muhammad Zaky Zulkarnain

NIM : 1801403

Tugas Online ke – 5 Statistika (Korelasi)

1. Korelasi
Secara sederhana, korelasi dapat diartikan sebagai hubungan. Namun ketika
dikembangkan lebih jauh, korelasi tidak hanya dapat dipahami sebatas pengertian
tersebut. Korelasi merupakan salah satu teknik analisis dalam statistik yang digunakan
untuk mencari hubungan antara dua variabel yang bersifat kuantitatif. Hubungan dua
variabel tersebut dapat terjadi karena adanya hubungan sebab akibat atau dapat pula
terjadi karena kebetulan saja. Dua variabel dikatakan berkolerasi apabila perubahan pada
variabel yang satu akan diikuti perubahan pada variabel yang lain secara teratur dengan
arah yang sama (korelasi positif) atau berlawanan (korelasi negatif). 
Dalam Matematika, korelasi merupakan ukuran dari seberapa dekat dua variabel berubah
dalam hubungan satu sama lain. Sebagai contoh, kita bisa menggunakan tinggi badan dan
usia siswa SD sebagai variabel dalam korelasi positif. Semakin tua usia siswa SD, maka
tinggi badannya pun menjadi semakin tinggi. Hubungan ini disebut korelasi positif
karena kedua variabel mengalami perubahan ke arah yang sama, yakni dengan
meningkatnya usia, maka tinggi badan pun ikut meningkat. 
Sementara itu, kita bisa menggunakan nilai dan tingkat ketidak hadiran siswa sebagai
contoh dalam korelasi negatif. Semakin tinggi tingkat ketidak hadiran siswa di kelas,
maka nilai yang diperolehnya cenderung semakin rendah. Hubungan ini disebut korelasi
negatif karena kedua variabel mengalami perubahan ke arah yang berlawanan, yakni
dengan meningkatnya tingkat ketidak hadiran, maka nilai siswa justru menurun. 
Kedua variabel yang dibandingkan satu sama lain dalam korelasi dapat dibedakan
menjadi variabel independen dan variabel dependen. Sesuai dengan namanya, variabel
independen adalah variabel yang perubahannya cenderung di luar kendali manusia.
Sementara itu variabel dependen adalah variabel yang dapat berubah sebagai akibat dari
perubahan variabel indipenden. Hubungan ini dapat dicontohkan dengan ilustrasi
pertumbuhan tanaman dengan variabel sinar matahari dan tinggi tanaman. Sinar matahari
merupakan variabel independen karena intensitas cahaya yang dihasilkan oleh matahari
 tidak dapat diatur oleh manusia. Sedangkan tinggi tanaman merupakan variabel dependen
karena perubahan tinggi tanaman dipengaruhi langsung oleh intensitas cahaya matahari
sebagai variabel indipenden. 
2. Macam – Macam Korelasi
Korelasi sebagai sebuah analisis memiliki berbagai jenis menurut tingkatannya. Beberapa
tingkatan korelasi yang telah dikenal selama ini antara lain adalah korelasi sederhana,
korelasi parsial, dan korelasi ganda. Berikut ini adalah penjelasan dari masing-masing
korelasi dan bagaimana cara menghitung hubungan dari masing-masing korelasi
tersebut. 
a. Korelasi Sederhana
Korelasi Sederhana merupakan suatu teknik statistik yang dipergunakan untuk
mengukur kekuatan hubungan antara 2 variabel dan juga untuk dapat mengetahui
bentuk hubungan keduanya dengan hasil yang bersifat kuantitatif. Kekuatan
hubungan antara 2 variabel yang dimaksud adalah apakah hubungan tersebut erat,
lemah,  ataupun tidak erat. Sedangkan bentuk hubungannya adalah apakah bentuk
korelasinya linear positifataupun linear negatif.  Di antara sekian banyak teknik-
teknik pengukuran asosiasi, terdapat dua teknik korelasi yang sangat populer
sampai sekarang, yaitu Korelasi Pearson Product Moment dan Korelasi Rank
Spearman.
Korelasi Pearson Product Moment adalah korelasi yang digunakan untuk data
kontinu dan data diskrit. Korelasi pearson cocok digunakan untuk statistik
parametrik. Ketika data berjumlah besar dan memiliki ukuran parameter seperti
mean dan standar deviasi populasi. Korelasi Pearson menghitung korelasi dengan
menggunakan variasi data. Keragaman data tersebut dapat menunjukkan
korelasinya. Korelasi ini menghitung data apa adanya, tidak membuat ranking
atas data yang digunakan seperti pada korelasi Rank Spearman. Ketika kita
memiliki data numerik seperti nilai tukar rupiah, data rasio keuangan, tingkat
pertumbuhan ekonomi, data berat badan dan contoh data numerik lainnya, maka
Korelasi Pearson Product Moment cocok digunakan. 
Sebaliknya, Koefisien Korelasi Rank Spearman digunakan untuk data diskrit dan
kontinu namun untuk statistik nonparametrik. Koefisien korelasi Rank Spearman
 lebih cocok untuk digunakan pada statistik nonparametrik. Statistik
nonparametrik adalah statistik yang digunakan ketika data tidak memiliki
informasi parameter, data tidak berdistribusi normal atau data diukur dalam
bentuk ranking. Berbeda dengan Korelasi Pearson, korelasi ini tidak memerlukan
asumsi normalitas, maka korelasi Rank Spearman cocok juga digunakan untuk
data dengan sampel kecil. 
Korelasi Rank Spearman menghitung korelasi dengan menghitung ranking data
terlebih dahulu. Artinya korelasi dihitung berdasarkan orde data. Ketika peneliti
berhadapan dengan data kategorik seperti kategori pekerjaan, tingkat pendidikan,
kelompok usia, dan contoh data ketegorik lainnya, maka Korelasi Rank Spearman
cocok digunakan. Korelasi Rank Spearman pun cocok digunakan pada kondisi
dimana peneliti dihadapkan pada data numerik (kurs rupiah, rasio keuangan,
pertumbuhan ekonomi), namun peneliti tidak memiliki cukup banyak data (data
kurang dari 30). 
Contoh :
Judul: Hubungan antara intensitas belajar dengan prestasi mata kuliah statistik.
Variabel X : Intensitas belajar (diukur dari lamanya belajar dalam satu minggu)
Variabel Y : Prestasi matakuliah statistik (diukur dari nilai ujian akhir semester)
Hipotesa :
H0: Tidak ada hubungan antara Intenitas belajar dengan prestasi mata kuliah
statistik
Ha: Ada hubungan antara Intenitas belajar dengan prestasi mata kuliah statistik
b. Korelasi Parsial
Korelasi parsial adalah suatu metode pengukuran keeratan hubungan (korelasi)
antara variabel bebas dan variabel tak bebas dengan mengontrol salah satu
variabel bebas untuk melihat korelasi natural antara variabel yang tidak
terkontrol. Analisis korelasi parsial (partial correlation) melibatkan dua variabel.
Satu buah variabel yang dianggap berpengaruh akan dikendalikan atau dibuat
tetap (sebagai variabel kontrol). 
Sebagai contoh misalnya kita akan meneliti hubungan variabel X2 dan variabel
bebas Y, dengan X1 dikontrol (korelasi parsial). Disini variabel yang dikontrol
 (X1) dikeluarkan atau dibuat konstan. Sehingga X2’ = X2 – (b2X1 + a2 ) dan Y’ = Y
– (b1 X1 + a1 ), tetapi nilai a dan b didapatkan dengan menggunakan regresi linear.
Setelah hasilnya diperoleh, kemudian dicari regresi X2‘ dengan Y’ dimana : Y’ =
b3X2’ +a3. Korelasi yang didapatkan dan sejalan dengan model-model di atas
dinamakan korelasi parsial X2 dan Y sedangkan X1 dibuat konstan.
Nilai korelasi berkisar antara 1 sampai -1, nilai semakin mendekati 1 atau -1
berarti hubungan antara dua variabel semakin kuat. Sebaliknya, jika nilai
mendekati 0 berarti hubungan antara dua variabel semakin lemah. Nilai positif
menunjukkan hubungan searah (X naik, maka Y naik) sementara nilai negatif
menunjukkan hubungan terbalik (X naik, maka Y turun). Data yang digunakan
dalam korelasi parsial biasanya memiliki skala interval atau rasio. Berikut adalah
pedoman untuk memberikan interpretasi serta analisis bagi koefisien korelasi
menurut Sugiyono:
0,00 – 0,199 = sangat rendah
0,20 – 0,399 = rendah
0,40 – 0,599 = sedang
0,60 – 0,799 = kuat
0,80 – 0,999 = sangat kuat
1 = sempurna
Contoh :
Judul: Hubungan antara biaya promosi dan penjualan dengan mengendalikan
jumlah outlet.
Variabel X1 : biaya promosi
Variabel X2 : jumlah outlet (dikendalikan)
Variabel Y : Penjualan
Hipotesa :
H0 : Tidak ada hubungan antara biaya promosi dengan penjualan apabila jumlah
outlet dikendalikan.
Ha : Ada hubungan antara biaya promosi dengan penjualan apabila jumlah outlet
dikendalikan.
c. Korelasi Ganda
 Korelasi ganda adalah bentuk korelasi yang digunakan untuk melihat hubungan
antara tiga atau lebih variabel (dua atau lebih variabel independen dan satu
variabel dependent. Korelasi ganda berkaitan dengan interkorelasi variabel-
variabel independen sebagaimana korelasi mereka dengan variabel dependen.
Korelasi ganda adalah suatu nilai yang memberikan kuatnya pengaruh atau
hubungan dua variabel atau lebih secara bersama-sama dengan variabel lain.
Korelasi ganda merupakan korelasi yang terdiri dari dua atau lebih variabel bebas
(X1,X2,…..Xn) serta satu variabel terikat (Y). Apabila perumusan masalahnya
terdiri dari tiga masalah, maka hubungan antara masing-masing variabel
dilakukan dengan cara perhitungan korelasi sederhana.
Korelasi ganda memiliki koefisien korelasi, yakni besar kecilnya hubungan antara
dua variabel yang dinyatakan dalam bilangan. Koefisien Korelasi disimbolkan
dengan huruf R. Besarnya Koefisien Korelasi adalah antara -1; 0; dan +1.
Besarnya korelasi -1 adalah negatif sempurna yakni terdapat hubungan di antara
dua variabel atau lebih namun arahnya terbalik, +1 adalah korelasi yang positif
sempurna (sangat kuat) yakni adanya sebuah hubungan di antara dua variabel atau
lebih tersebut, sedangkan koefisien korelasi 0 dianggap tidak terdapat hubungan
antara dua variabel atau lebih yang diuji sehingga dapat dikatakan tidak ada
hubungan sama sekali.
Contoh :
Judul: Hubungan antara biaya promosi dan jumlah outlet dengan penjualan.
Variabel X1 : biaya promosi
Variabel X2 : jumlah outlet (dikendalikan)
Variabel Y : Penjualan
Hipotesa :
H0: Tidak ada hubungan antara biaya promosi dan jumlah outlet dengan penjualan
Ha: Ada hubungan antara biaya promosi dan jumlah outlet dengan penjualan
3. Koefisien Korelasi
Besar kecilnya hubungan antara dua variabel dinyatakan dalam bilangan yang disebut
Koefisien Korelasi :
 Besarnya koefisien antara -1,0,1
  Besarnya koefisien -1 dan 1 adalah hubungan yang sempurna.
 Nilai koefisien 0 atau mendekati 0 dianggap tidak berhubungan antara dua
variabel yang diuji.

Arah Hubungan :

 Positif : koefisien 0 sampai dengan 1

 Negatif : koefisien 0 sampai dengan -1
 Nihil : koefisien 0
4. Interprestasi
Untuk pengambilan keputusan statistik, dapat digunakan 2 cara :
a. Koefisien Korelasi dibandingkan dengan nilai r tabel (korelasi tabel)
Apabila Koefisien Korelasi > r tabel, Maka ada hubungan yang signifikan (Ha
Diterima),
Apabila Koefisien Korelasi < r tabel, Maka tidak ada hubungan yang signifikan
(H0 Diterima).
b. Melihat Sig
Apabila nilai Sig. < 0,05 Maka ada hubungan yang signifikan (Ha Diterima)
Apabila nilai Sig. > 0,05 Maka tidak ada hubungan yang signifikan (H0 Diterima)
Arah Hubungan :
Dilihat dari tanda koefisien :
Tanda (-) berarti apabila variabel X tinggi maka variabel Y rendah
Tanda (+) berarti apabila variabel X tinggi maka variabel Y juga tinggi
5. Interprestasi Korelasi Ganda
a. Untuk menginterprestasi korelatif ganda lihat nilai R, semakin mendekati 1 maka
hubungan semakin kuat.
b. Guna memperkaya analisis, sebelum dianalisis korelasi ganda dapat juga
ditambahkan analisis korelasi pada masing-masing variabel independen dengan
variabel dependen (caranya sama dengan analisis korelasi pearson).
6. Regresi
a. Analisis regresi adalah analisis lanjutan dari korelasi.
 b. Menguji sejauh mana pengaruh variabel independen terhadap variabel dependen
setelah diketahui ada hubungan antara variabel tersebut.
c. Data harus interval atau rasio.
d. Data berdistribusi normal.

Macam – Macam regresi :

1) Regresi Sederhana yaitu regresi untuk 1 variabel independen dengan 1 variabel

dependen.
2) Regresi ganda yaitu regresi untuk lebih dari satu variabel independen dengan 1
variabel dependen. Digunakan untuk analisis regresi dengan jumlah variabel
independen lebih dari satu dengan satu variabel dependen. Ada tambahan asumsi
yang harus dipenuhi, yaitu tidak boleh ada hubungan antar variabel-variabel
independennya (uji multikolinearitas).

n ∑ XY −( ∑ X )( ∑ Y )
r= 2 2
√(n ∑ X −(∑ X ) )( n ∑ Y −(∑ Y ) )
2 2

Dimana :

r = koefisien korelasi

n = jumlah data

X = data 1

Y = data 2

Daftar Pustaka

Hidayat, Anwar. 2012. Korelasi Regresi. Tersedia pada :

https://www.statistikian.com/2012/08/korelasi.html. Diakses pada tanggal : 19 Mei 2020.

Sugiyono. (2010). Statistika Untuk Penelitian. Bandung: Alfabeta.

Haryadi, S. (2018). Kalkulator Untuk Menghitung Korelasi Kesetaraan.

Irianto, H. A. (2010). Statistik Konsep Dasar; Aplikasi, dan Pengembangannya.

Jaya, I., & Ardat, A. (2013). Penerapan statistik untuk pendidikan.

Muhidin, S. A., & Sumantri, A. (2006). Aplikasi Statistika Dalam Penelitian.

Jawaban Soal

Koefisien korelasi A-B

No A B A2 B2 AB
1 23 25 529 625 575
2 38 28 1444 784 1064
3 41 30 1681 900 1230
4 49 33 2401 1089 1617
5 49 39 2401 1521 1911
6 51 39 2601 1521 1989
7 53 42 2809 1764 2226
8 53 43 2809 1849 2279
9 57 45 3249 2025 2565
10 58 45 3364 2025 2610
11 59 48 3481 2304 2832
12 62 53 3844 2809 3286
13 63 56 3969 3136 3528
14 64 56 4096 3136 3584
15 64 58 4096 3364 3712
16 64 58 4096 3364 3712
17 65 58 4225 3364 3770
18 65 60 4225 3600 3900
19 66 60 4356 3600 3960
20 68 62 4624 3844 4216
21 68 65 4624 4225 4420
22 72 65 5184 4225 4680
23 73 67 5329 4489 4891
24 73 67 5329 4489 4891
25 74 70 5476 4900 5180
26 75 72 5625 5184 5400
27 75 72 5625 5184 5400
28 76 74 5776 5476 5624
29 76 76 5776 5776 5776
30 76 77 5776 5929 5852
31 78 77 6084 5929 6006
32 78 81 6084 6561 6318
33 80 84 6400 7056 6720
34 82 85 6724 7225 6970
35 87 86 7569 7396 7482
36 90 87 8100 7569 7830
37 91 88 8281 7744 8008
 38 92 91 8464 8281 8372
39 94 93 8836 8649 8742
40 94 99 8836 9801 9306
JUMLA
H 2716 2514 194198 172712 182434

n ∑ AB −( ∑ A )( ∑ B )
r= 2 2
√(n ∑ A −(∑ A ) )(n ∑ B −(∑ B ) )
2 2

40 ( 182434 )− ( 2716 ) (2514)

r= 2 2 = 0,9782
√ {( 40 ) ( 194198 )−( 27 1 6 ) } . {( 40 )( 172712 )−( 2514 ) }
Sampel data di atas memiliki koefisien korelasi sebesar 0,9782 Nilai ini menyatakan dua hal
mengenai data, yaitu:

 Koefisien korelasi di atas bernilai positif. Jadi, Anda bisa mengatakan bahwa data x dan y
berkorelasi secara positif. Hal ini berarti, peningkatan nilai x akan diikuti dengan
peningkatan nilai y.
 Koefisien korelasi di atas bernilai 0,9782, berarti data x dan y memiliki hubungan yang
sangat erat. Jika digambarkan dalam grafik, titik-titik ini akan membentuk garis yang
nyaris lurus.

Koefisien korelasi A-C

No A C A2 C2 AC
1 23 23 529 529 529
2 38 30 1444 900 1140
3 41 38 1681 1444 1558
4 49 41 2401 1681 2009
5 49 41 2401 1681 2009
6 51 43 2601 1849 2193
7 53 45 2809 2025 2385
8 53 51 2809 2601 2703
9 57 52 3249 2704 2964
10 58 53 3364 2809 3074
11 59 54 3481 2916 3186
12 62 54 3844 2916 3348
13 63 54 3969 2916 3402
14 64 55 4096 3025 3520
15 64 56 4096 3136 3584
16 64 58 4096 3364 3712
 17 65 59 4225 3481 3835
18 65 63 4225 3969 4095
19 66 64 4356 4096 4224
20 68 64 4624 4096 4352
21 68 65 4624 4225 4420
22 72 65 5184 4225 4680
23 73 65 5329 4225 4745
24 73 66 5329 4356 4818
25 74 67 5476 4489 4958
26 75 68 5625 4624 5100
27 75 72 5625 5184 5400
28 76 72 5776 5184 5472
29 76 73 5776 5329 5548
30 76 75 5776 5625 5700
31 78 75 6084 5625 5850
32 78 75 6084 5625 5850
33 80 76 6400 5776 6080
34 82 77 6724 5929 6314
35 87 78 7569 6084 6786
36 90 78 8100 6084 7020
37 91 86 8281 7396 7826
38 92 87 8464 7569 8004
39 94 87 8836 7569 8178
40 94 89 8836 7921 8366
JUMLA
H 2716 2494 194198 165182 178937

n ∑ AC −( ∑ A )( ∑ C )
r= 2 2
√(n ∑ A −(∑ A ) )(n∑ C −(∑ C ) )
2 2

40 ( 178937 ) −( 2716 ) (2494)

r= 2 2 = 0,9859
√ {( 40 ) ( 194198 )−( 2716 ) } . {( 40 ) (165182 ) −( 2494 ) }
Sampel data di atas memiliki koefisien korelasi sebesar 0,9859 Nilai ini menyatakan dua hal
mengenai data, yaitu:

 Koefisien korelasi di atas bernilai positif. Jadi, Anda bisa mengatakan bahwa data x dan y
berkorelasi secara positif. Hal ini berarti, peningkatan nilai x akan diikuti dengan
peningkatan nilai y.
  Koefisien korelasi di atas bernilai 0,9859, berarti data x dan y memiliki hubungan yang
sangat erat. Jika digambarkan dalam grafik, titik-titik ini akan membentuk garis yang
nyaris lurus.

Koefisien korelasi B-C

NO B C B2 C2 BC
1 25 23 625 529 575
2 28 30 784 900 840
3 30 38 900 1444 1140
4 33 41 1089 1681 1353
5 39 41 1521 1681 1599
6 39 43 1521 1849 1677
7 42 45 1764 2025 1890
8 43 51 1849 2601 2193
9 45 52 2025 2704 2340
10 45 53 2025 2809 2385
11 48 54 2304 2916 2592
12 53 54 2809 2916 2862
13 56 54 3136 2916 3024
14 56 55 3136 3025 3080
15 58 56 3364 3136 3248
16 58 58 3364 3364 3364
17 58 59 3364 3481 3422
18 60 63 3600 3969 3780
19 60 64 3600 4096 3840
20 62 64 3844 4096 3968
21 65 65 4225 4225 4225
22 65 65 4225 4225 4225
23 67 65 4489 4225 4355
24 67 66 4489 4356 4422
25 70 67 4900 4489 4690
26 72 68 5184 4624 4896
27 72 72 5184 5184 5184
28 74 72 5476 5184 5328
29 76 73 5776 5329 5548
30 77 75 5929 5625 5775
31 77 75 5929 5625 5775
32 81 75 6561 5625 6075
33 84 76 7056 5776 6384
34 85 77 7225 5929 6545
35 86 78 7396 6084 6708
36 87 78 7569 6084 6786
37 88 86 7744 7396 7568
 38 91 87 8281 7569 7917
39 93 87 8649 7569 8091
40 99 89 9801 7921 8811
JUMLA
H 2514 2494 172712 165182 168480

n ∑ B C−( ∑ B )( ∑ C )
r= 2 2
√(n ∑ B −(∑ B ) )( n ∑ C −(∑ C ) )
2 2

40 ( 168480 )− (2514 ) (2494)

r= 2 2 = 0,9832
√ {( 40 ) ( 172712 )−( 2514 ) } . {( 40 ) (165182 ) −( 2494 ) }
Sampel data di atas memiliki koefisien korelasi sebesar 0,9832 Nilai ini menyatakan dua hal
mengenai data, yaitu:

 Koefisien korelasi di atas bernilai positif. Jadi, Anda bisa mengatakan bahwa data x dan y
berkorelasi secara positif. Hal ini berarti, peningkatan nilai x akan diikuti dengan
peningkatan nilai y.

 Koefisien korelasi di atas bernilai 0,9832, berarti data x dan y memiliki hubungan yang
sangat erat. Jika digambarkan dalam grafik, titik-titik ini akan membentuk garis yang
nyaris lurus.