MODUL PERKULIAHAN STATISTIK INFERENSIAL

KORELASI PHI DAN BISERIAL

JURUSAN PSIKOLOGI

FAKULTAS ILMU PENDIDIKAN

UNIVERSITAS NEGERI PADANG
2021
 Korelasi Phi (ϕ) dan Korelasi Biserial

Korelasi phi (ɸ)

Apakah bisakah kita menghitung korelasi jika variabel X dan Y yang kita miliki
keduanya berbentuk kategori. Jawabannya adalah bisa. Untuk melakukannya kita
menggunakan korelasi phi. Korelasi phi merupakan perkembangan dari uji chi-square ( χ 2),
yang memiliki kelebihan dalam menganalisis data yang berbentuk kategori. Korelasi phi
merupakan pengubahan nilai chi-square menjadi korelasi. Korelasi phi juga tidak memilki
arah ia hanya memiliki kekuatan, semakin mendakati 1 korelasi semakin kuat.

Contoh
Seorang peneliti ingin melihat apakah ada hubungan antara kepribadian (tipe A dan Tipe B)
dengan penyakit jantung. Ia melakukan penelitian turun lapangan mencari beberapa orang
yang mengidap penyakit jantung dan beberapa lainnya tidak. Setiap repsonden ditanyai
beberapa pertanyaan untuk menentukan apakah ia termasuk kepribadian A atau B. Dari hasil
penelitian yang dilakukan didapatlah data sebagai berikut. Dari data tersebut terlihat
responden kepribadian tipe A sebanyak 25 orang yang mengalami penyakit jantung dan 5
orang tidak. Kepribadian tipe B terdapat 10 orang yang penyakit jantung dan 40 orang tidak.
Tipe A Tipe B
Penyakit jantung 25 10
Tidak penyakit jantung 5 40

Langkah pertama buat hipotesis penelitian

Ho Tidak ada korelas antara kepribadian tipe A dan B dengan penyakit jantung
Ha Terdapat korelas antara kepribadian tipe A dan B dengan penyakit jantung

Selanjutnya kita hitung nilai chi-square dengan menggunakan rumus berikut

2
(f o−f e)
2
χ =Ʃ
( fe)
Dimana
fo = nilai frekuensi yang didapatkan dari lapangan
fe = nilai frekuensi yang diharapkan terjadi
Untuk mendapatkan nilai fe dapat menggunakan rumus berikut
( total baris f o ) ( total kolom f o )
f e=
N

Langkah pertama untuk mendapatkan nilai χ 2adalah menghitung nilai f e untuk setiap cell.
Tipe A Tipe B
Penyakit jantung fo = 25 fo = 10
fe = 13.13 fe = 21.86 Total =
(35)(30)/80 (35)(50)/ 35
80
Tidak penyakit fo = 5 fo = 40
jantung fe = 16.86 fe = 28.13 Total =
(45)(30)/ (45)(50)/ 45
(80) 80
Total =30 Total = 50 N = 80

Setelah nilai-nilai yang kita butuhkan didapatkan, kita bisa menghitung nilai chi-square.
 2
(f o−f e)
2
χ =Ʃ ( fe )
( 25 −13.13 )2 ( 10 −21.86 )2 ( 5 −16.86 )2 ( 40 −28.13 )2
2
χ=
2
( 13.13
+ )(
21.86 )(
+
16.86 )(
+
28.13 )
χ =10.74 +6.45+8.36+ 5.01
χ 2=30.56

Untuk menguji signifikansi, kita menggunakan tabel chi-square. Nilai yang dibutuhkan untuk
menentukan nilai chi-square tabel adalah db. Untuk menentukan nilai db adalah
db=( jumlah baris −1 ) ( jumlah kolom −1 )
db=( 2 −1 ) ( 2− 1 )
db=1 ∗1
db=1

Dengan nilai db = 1 dan error 5% maka nilai chi-square tabel adalah sebesar 3.84.
Dari nilai tersebut kita bisa melihat bahwa nilai chi-square hitung lebih besar dari pada chi-
square tabel sehingga Ho ditolak dan Ha diterima atau dengan perkataan lain terdapat
korelasi antara kepribadian tipe A dan B dengan penyakit jantung.
Setelah nilai chi-square kita dapatkan, kita dapat mengubah nilai tersebut menjadi
nilai korelasi phi dengan menggunakan persamaan berikut.
2
χ
ɸ=
√ n

Bila tabel lebih dari besar dari 2X2 maka rumus yang digunakan adalah bukan lagi phi
namum V yang dikembangkan oleh Creamer.
χ2
V=
√( n ) ( L− 1 )

Dimana
L jumlah data terkecil dari baris dan kolom tabel. Misalnya tabel kita 3 baris dan 4 kolom
sehingga L = 3

Karena kasus kita tabelnya berukuran 2X2, dua baris dan 2 kolom, maka kita memakai rumus
ɸ.
2
χ
ɸ=
√
n
30.56
ɸ=
√ 80
ɸ=√ 0.382
ɸ=0.62

Sehingga kekuatan korelasi kepribadian tipe A dan B dengan penyakit jantung adalah sebesar
0.62.
Korelasi Biserial
Seperti yang kita ketahui, untuk analisis korelasi biasanya kedua variabel berbentuk
numerik atau angka. Terkadang muncul pertanyaan, apakah variabel X kita berbentuk
kategori bisa dilakukan uji korelasi? Jawabannya bisa. Uji korelasi poin biserial digunakan
ketika variabel X berbentuk kategori (dua tingkat).

Rumus yang kita gunakan untuk melakukan analisis biserial adalah sebagai berikut.
x́ p − x q
r pb= √ Pp Pq
s

xp = rata-rata kategori variabel y pada kategori pertama

xq = rata-rata kategori variabel y pada kategori ke dua
s = standar deviasi variabel y
Pp = proporsi jumlah kategori pertama
Pq = proporsi jumlah kategori ke dua

Rumus untuk menghitung rata-rata

Ʃ xi
x i=
n
Xi = jumlah skor variabel y pada kategori variabel x
n = jumlah kategori yang dihitung

Rumus menghitung standar deviasi adalah

( x )2

√
2
Ʃx
n
s=
n −1
x = skor mentah
n = jumlah responden

Rumus untuk menghitung proporsi

n
P p= p
n
np = jumlah kategori yang sedang dihitung
n = jumlah responden keseluruhan

Contoh kasus.
Seorang peneliti ingin mengetahui apakan ada hubungan antara jenis kelamin dengan
kecemasan. Ia mengambil data sebanyak 17 orang dengan rincian sebagai berikut.
Gender Kecemasan
Laki-laki 7
Laki-laki 19
Laki-laki 8
Laki-laki 10
Laki-laki 7
Laki-laki 15
Laki-laki 6
Laki-laki 13
Perempuan 14
 Perempuan 11
Perempuan 18
Perempuan 23
Perempuan 17
Perempuan 20
Perempuan 14
Perempuan 24
Perempuan 22

Langkah pertama kita buat hipotesis

Ho Tidak ada hubungan antara gender dan kecemasan
Ha Terdapat hubungan antara gender dan kecemasan

Perlu diingat, korelasi poinbiserial hanya memiliki kekuatan saja. Ia tidak memiliki arah.
Walaupun ada korelasi negatif, namun interpretasinya berbeda dengan korelasi Pearson.

Berikutnya kita menentukan titik kritis

Untuk menentukan titik kritis korelasi poinbiserial, kita bisa menggunakan tabel korelasi
product moment. Untuk menentukan nilai tabel (titik kritis) pada tabel kita membutuhkan
nilai n. Nilai n untuk korelasi poin biserial harus dikurangkan dengan jumlah variabel.
Jumlah responden kita adalah sebanyak 17 orang dan variabel kita 2 maka n = 17 – 2 = 15.
Dengan tingkat error (α) = 0.05 maka didapatlah titik kritis sebesar 0.482.

Menghitung nilai korelasi poin biserial

Untuk menghitung nilai korelasi poinbiserial, kita hitung dulu nilai-nilai yang dibutuhkan
seperti rata-rata, standar deviasi dan proporsi. Untuk menghitung standar deviasi kita
membutuh kan nilai X2 sehingga kita memodifikasi tabel untuk mempermudah kita
menghitungnya.

Gender Kecemasan (X) X2

Perempuan 7 49
Perempuan 19 361
Perempuan 8 64
Perempuan 10 100
Perempuan 7 49
Perempuan 15 225
Perempuan 6 36
Perempuan 13 169
Laki-laki 14 196
Laki-laki 11 121
Laki-laki 18 324
Laki-laki 23 529
Laki-laki 17 289
Laki-laki 20 400
Laki-laki 14 196
Laki-laki 24 576
Laki-laki 22 484
ƩXP = 85 ƩX = 248 ƩX2 = 4168
ƩXL = 163
 NP = 8
NL = 9

Pertama kita hitung nilai rata-rata untuk setiap kategori pada variabel X. Kategori kita ada
dua yaitu laki-laki dan perempuan.
Rata kecemasan laki-laki
Ʃ XL
X L=
nL
163
X L=
9
X L =18.11

Rata-rata kecemasan perempuan

Ʃ XP
X P=
np
85
X P=
8
X P=10.63

Setelah itu kita menghitung proporsi untuk setiap kategori.

Proporsi untuk kategori laki-laki
nL
P L=
n
9
P L=
17
P L=0.53

Proporsi untuk kategori perempuan

nP
P P=
n
8
P P=
17
P P=0.47

Selanjutnya kita menghitung varian

( x )2

√
2
Ʃx
n
s=
n −1
2
4168 ∗ ( 248 )
s=
√ 17
16
4168 −3617.882
s=
√
s= √ 34.38
16

s=5.86

Setelah semua nilai kita dapat barulah kita bisa menghitung nilai korelasinya.
 x́ L − x P
r pb= √ PL PP
s
18.11 −10.63
r pb= √ 0.53 ∗ 0.47
5.86
7.48
r pb= √0.25
5.86
r pb=1.28 ∗ 0.5
r pb=0.64

Dari hasil perhitungan korelasi poinbiserial, didapalah nilainya sebesar 0.64. setelah
itu untuk mengetahui apakah signifkan atau tidak, kita harus membandingkannya dengan
nilai tabel atau titik kritis. Bila nilai hitung kita lebih besar dari titik kritis maka Ho ditolak
dan Ha diterima. Dari hasil perbandingan diketahui nilai korelasi hitung sebesar 0.64
sedangkan nilai tabel sebesar 0.482 (nilai hitung > nilai tabel) dengan perkataan lain Ho
ditolak dan Ha diterima atau terdapat korealsi yang signifikan antara gender dan kecemasan.
Tanda positif pada korelasi tidak bisa kita interpretasi seperti biasa “semakin tinggi X maka
variabel Y semakin tinggi”. Hal ini dikarenakan variabel X nya berbentuk kategori.
Tanda positif atau negatif terjadi karena posisi pengurangan rata-rata kita pada proses
perhitungan. Pada kasus di atas, kita mendapatkan rata-rata laki-laki lebih tinggi
dibandingkan perempuan. Pada proses perhitungannya, kita mengurangi rata-rata laki-laki
dengan rata-rata perempuan. Karena rata-rata laki-laki lebih tinggi dibandingkan dengan
perempuan, sehingga kita menghasilkan nilai yang positif. Coba dibalikkan, rata-rata
perempuan yang kita dulukan kita akan mendapatkan nilai yang negatif, karena angka rendah
dikurangi angka tinggi akan menghasilkan hasil yang negatif. Jika kita melakukan hal
tersebut, hasil akhirnya tidak berubah, hanya saja tandanya berubah menjadi negatif. Artinya,
tanda negatif pada korelasi poinbiserial didapatkan bukan karena naiknya skor di variabel X
diiringi turunnya skor di variabel Y, melainkan ditententukan posisi rata-rata kategori ketika
melakukan proses pengurangan.

Latihan
Seorang peneliti ingin melihat hubungan antara jenis TK dengan kemampuan sosial anak
yang baru masuk SD. Ia memilih 3 jenis TK yaitu TK umum, TK privat dan tidak ikut
sekolah TK. Perilaku sosial anak dilihat dari tiga tingkatan pula rendah, sedang dan baik.
Dari hasil pengambilan data dari lapangan didapatlah data sebagai berikut.
Kemampuan sosal
Rendah Sedang Baik
TK umum 12 25 10
TK privat 6 12 0
Tidak ikut TK 2 23 10

Dari data diatas, tentukan

a. Hipotesis penelitian
b. Menghitung nilai chi-square
c. Uji signifikasi
d. Besar korelasi ke dua variabel
Seorang peneliti ingin mengetahui hubungan locus of control (loc) dengan asertivitas.
Variabel locus of control berbentuk kategori sedangkan asertivitas berbentuk numerik. Ia
mengambil sampel dari lapangan sebagai berikut.
Loc Asertivitas
Internal 44
Internal 30
Internal 50
Internal 33
Internal 37
Internal 35
Internal 36
Eksternal 40
Eksternal 68
Eksternal 50
Eksternal 45
Eksternal 65
Eksternal 50
Eksternal 63
Eksternal 51

Dari data di atas, lakukanlah hal-hal berikut

a. Membuat Hipotesis penelitian
b. Menentukan titik kritis
c. Menghitung nilai statistik
d. Melakukan uji hipotesis
e. Buat kesimpulan