STATISTIKA PENDIDIKAN

Oleh:

Yayu Nurhayati Rahayu, S.Si., M.Stat.

NIP: 198009102011012008

BANDUNG
2019
 BAB XVI
TEKNIK ANALISIS KORELASIONAL, KOEFISIEN DETERMINASI, DAN
ANALISIS REGRESI LINIER SEDERHANA

A. PENGANTAR

Dalam Ilmu Statistika istilah ‘korelasi’ didefinisikan sebagai ‘hubungan

antar dua variabel atau lebih’. Hubungan antar dua variabel dikenal dengan istilah
‘korelasi bivariat’, sedangkan hubungan antar lebih dari dua variabel disebut
‘korelasi multivariat’.
Hubungan antar dua variabel misalnya hubungan antara prestasi studi
(variabel Y) dan kerajinan kuliah (variabel X). Hubungan antar lebih dari dua
variabel, misalnya hubungan antara prestasi studi (Y) dengan kerajinan kuliah (X1),
keaktifan mengunjungi perpustakaan (X2) dan keaktifan berdiskusi (X3).
Dalam contoh di atas, variabel prestasi studi disebut variabel dependen (Y),
yaitu variabel yang dipengaruhi. Sedangkan variabel kerajinan kuliah, keaktifan
mengunjungi perpustakaan dan keaktifan berdiskusi disebut variabel independen
(X), yaitu variabel bebas, dalam arti bermacam-macam variabel yang dapat
memberikan pengaruh terhadap prestasi studi.

B. ARAH KORELASI

Hubungan antar variabel memiliki dua sifat yaitu hubungan yang searah
(korelasi positif) dan hubungan yang berlawanan arah (korelasi negatif).
Korelasi Positif, jika dua variabel (atau lebih) yang berkolerasi, berjalan
paralel. Artinya bahwa hubungan itu menunjukan arah yang sama. Jika 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
kanaikan ongkos angkutan. Sebaliknya jika harga BBM rendah, maka ongkos
angkutan pun murah (rendah). Dalam dunia pendidikan misalnya, terdapat
korelasi positif antara hasil belajar Matematika dan nilai hasil belajar Biologi, Fisika,
Kimia dan sebagainya.
Disebut Korelasi Negatif jika dua variabel (atau lebih) yang berkorelasi itu,
berjalan dengan arah yang berlawanan, bertentangan, atau berkebalikan. Ini berarti
bahwa kenaikan atau pertambahan pada variabel X misalnya, 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.
Makin giat berlatih makin sedikit kesalahan yang diperbuat oleh seseorang. Dalam
dunia pendidikan misalnya, makin kurang dihayati dan diamalkannya ajaran
agama Islam oleh para remaja akan diikuti oleh makin meningkatnya frekuensi
kenakalan remaja, atau sebaliknya.

Pernyataan di atas bila dibuat arah beserta grafiknya adalah sebagai berikut
:

KORELASI POSITIF KORELASI NEGATIF

VARIABEL VARIABEL
X Y X Y X Y X Y

GRAFIK 16.1
KORELASI POSITIF

GRAFIK 16.2
KORELASI NEGATIF
 GRAFIK 16.3
TIDAK ADA KORELASI

C. LAMBANG DAN BESARNYA KORELASI

Nilai korelasi biasanya diberi lambang dengan huruf tertentu, yaitu r

sebagai lambang koefisien korelasi dari sampel. Sedangkan lambang koefisien
korelasi dari populasi dilambangkan dengan  (baca: rho).
Besarnya nilai korelasi berkisar antara 0 (nol) sampai dengan 1. Artinya
bahwa nilai korelasi itu paling tinggi adalah 1 dan paling rendah adalah 0. Nilai
korelasi boleh positif (+) ataupun negatif (-).

D. TEKNIK KORELASI PRODUCT MOMENT

Korelasi Product Moment adalah salah satu teknik untuk mencari korelasi
antar dua variabel yang sering digunakan. Teknik korelasi ini dikembangkan oleh
Karl Pearson, dan sering dikenal dengan istilah Teknik Korelasi Pearson.
Berikut ini adalah interpretasi terhadap nilai koefisien korelasi yang didapat
dari perhitungan dengan teknik korelasi product moment.

TABEL 16.1
INTERPRETASI TERHADAP NILAI KOEFISIEN KORELASI
PRODUCT MOMENT (PEARSON)

Besarnya ‘r’ Interpretasi

Product Moment
0,00 – 0,19 Sangat Lemah atau Sangat Rendah
(diabaikan, dianggap tidak ada
korelasi)
0,20 – 0,39 Lemah atau Rendah
 Besarnya ‘r’ Interpretasi
Product Moment
0,40 – 0,59 Sedang atau Cukup
0,60 – 0,79 Kuat atau Tinggi
0,80 – 1,00 Sangat Kuat atau Sangat Tinggi
(Sugiyono : 2010)

E. PROSEDUR PENGUJIAN KORELASI PRODUCT MOMENT

1. Merumuskan Formula Hipotesis

H0 : Tidak terdapat korelasi positif yang signifikan antara variabel X dan

variabel Y
H1 : Terdapat korelasi positif yang signifikan antara variabel X dan variabel Y

Atau : 𝐻0 ∶ 𝜌 = 0 𝐻1 ∶ 𝜌 ≠ 0

2. Menentukan Nilai Statistik Uji

𝑛 ∑ 𝑋𝑌 − (∑ 𝑋) (∑ 𝑌)
𝑟𝑥𝑦 =
√[𝑛 ∑ 𝑋 2 − (∑ 𝑋)2 ][𝑛 ∑ 𝑌 2 − (∑ 𝑌)2 ]

Keterangan :
rxy = Koefisien korelasi Product Moment
n = Banyaknya data
XY = Jumlah hasil perkalian antara skor X dan skor Y
X = Jumlah seluruh skor X
Y = Jumlah seluruh skor Y

3. Menentukan Tingkat Signifikansi ()

𝑟𝑡𝑎𝑏𝑒𝑙 = 𝑟 (𝛼)(𝑑𝑘) Dimana :

𝑟𝑡𝑎𝑏𝑒𝑙 = 𝑟 (𝛼)(𝑛−𝑘)  = 1 % atau 5 %
n = Banyaknya data
dk = n - k
k = Banyak variabel yang dikorelasikan

4. Menentukan Kriteria Pengujian Hipotesis

𝐻0 𝑑𝑖𝑡𝑜𝑙𝑎𝑘 𝑗𝑖𝑘𝑎 ∶ 𝑟ℎ𝑖𝑡𝑢𝑛𝑔 ≥ 𝑟𝑡𝑎𝑏𝑒𝑙
𝐻0 𝑑𝑖𝑡𝑒𝑟𝑖𝑚𝑎 𝑗𝑖𝑘𝑎 ∶ 𝑟ℎ𝑖𝑡𝑢𝑛𝑔 < 𝑟𝑡𝑎𝑏𝑒𝑙
5. Memberikan Kesimpulan
CONTOH KASUS :

Dalam suatu penelitian, ingin diketahui apakah secara signifikan terdapat

korelasi positif antara Motivasi Belajar Siswa (X) dengan Prestasi Siswa (Y).
Ditetapkan 8 orang siswa sebagai sampel penelitian, datanya adalah sebagai berikut
:

n X Y X2 Y2 XY
1 10 20 100 400 200
2 30 30 900 900 900
3 70 75 4900 5625 5250
4 50 40 2500 1600 2000
5 45 75 2025 5625 3375
6 65 80 4225 6400 5200
7 60 55 3600 3025 3300
8 40 50 1600 2500 2000
Jumlah X Y X2 Y2 XY
= 370 = 425 = 19850 = 26075 = 22225

1. Merumuskan Formula Hipotesis

H0 : Tidak terdapat korelasi positif yang signifikan antara Motivasi Belajar

Siswa (X) dengan Prestasi Siswa (Y)
H1 : Terdapat korelasi positif yang signifikan antara Motivasi Belajar Siswa (X)
dengan Prestasi Siswa (Y)

Atau : 𝐻0 ∶ 𝜌 = 0 𝐻1 ∶ 𝜌 ≠ 0

2. Menentukan Nilai Statistik Uji

n ∑ XY − (∑ X) (∑ Y)
rxy =
√[n ∑ X 2 − (∑ X)2 ][n ∑ Y 2 − (∑ Y)2 ]

8(22225) − (370)(425)
rxy =
√[8(19850) − (370)2 ][8(26075) − (425)2 ]
177800 − 157250 20550
rxy = =
√(158800 − 136900)(208600 − 180625) √(21900)(27975)

20550 20550
rxy = = = 0,83
√612652500 24751.82
3. Menentukan Nilai r Tabel
 Ditentukan :  = 5 % = 0,05
 dk = (n – k) = (8 - 2) = 6
 Maka “r” tabel = 0,707

4. Kesimpulan
Berdasarkan hasil perhitungan di atas, ternyata nilai korelasi antara variabel X
dan variabel Y tidak bertanda negatif. Berarti di antara kedua variabel tersebut
terdapat korelasi positif.
Dengan melihat besarnya “r” (yaitu = 0,83) berkisar antara 0,80 – 1,00 berarti
bisa dikategorikan ke dalam korelasi positif yang sangat kuat.
Jika dibandingkan dengan r tabel, dapat dilihat bahwa nilai “r” hitung (0,83) >
“r” tabel (0,707)  H0 ditolak. Artinya dengan  = 5% , terdapat korelasi
(hubungan) positif yang signifikan antara Motivasi Belajar Siswa (X) dengan
Prestasi Siswa (Y).

F. KOEFISIEN DETERMINASI

Koefisien determinasi merupakan nilai yang dapat digunakan untuk

mengukur seberapa besar pengaruh Variabel Bebas (X) terhadap Variabel Tidak
Bebas (Y). Rumus menentukan nilai koefisien determinasi adalah sebagai berikut :

Keterangan :
2 KD = Koefisien Determinasi
𝐾𝐷 = 𝑟 × 100%
r = Nilai Korelasi

Berdasarkan contoh di atas, besarnya pengaruh Motivasi Belajar Siswa (X)

terhadap Prestasi Siswa (Y) dapat dihitung dengan mencari nilai koefisien
determinasi. Adapun nilainya : KD = (0,83)2 x 100% = 68,9 %. Artinya pengaruh
atau kontribusi Motivasi Belajar Siswa (X) terhadap Prestasi Siswa (Y) sebesar
68,9 %, dan sisanya 31,11 % dipengaruhi oleh faktor lain.
 G. ANALISIS REGRESI LINIER SEDERHANA

Sir Francis Galton (1822-1911), memperkenalkan model peramalan, dan

penaksiran, atau pendugaan yang selanjutnya dinamakan regresi. Analisis regresi
digunakan untuk menentukan bentuk dari hubungan antar variabel. Tujuan utama
dalam penggunaan analisis ini adalah untuk meramalkan atau menduga atau
memprediksi nilai dari satu variabel dalam hubungannya dengan variabel yang
lain, yang diketahui melalui persamaan regresinya.
Adanya perbedaan yang mendasar antara analisis korelasi dan analisis
regresi. Analisis korelasi digunakan untuk menentukan arah dan kuatnya
hubungan antara kedua variabel, disebut sebagai hubungan timbal balik.
Sedangkan analisis regresi disebut sebagai hubungan sebab akibat, digunakan
untuk melihat seberapa besar pengaruh variabel independen (variabel yang
mempengaruhi) terhadap variabel dependennya (variabel yang dipengaruhi), dan
juga untuk memprediksi seberapa jauh perubahan nilai variabel dependen bila nilai
variabel independennya berubah.
Jika hasil dari analisis korelasi memberikan kesimpulan bahwa terdapat
korelasi antara kedua variabel, maka untuk menentukan seberapa besar
pengaruhnya bisa dilakukan dengan mencari nilai koefisien determinasi dan
dilanjutkan dengan analisis regresi, agar dapat membuat suatu keputusan apakah
naik dan turunnya variabel dependen dapat dilakukan melalui peningkatan
variabel independennya atau tidak. Sebagai contoh, meningkatnya hasil belajar
siswa dapat dilakukan melalui naiknya motivasi belajar siswa atau tidak.
Regresi Linier Sederhana terdiri dari satu variabel X dan satu variabel Y.
Jika variabel Y satu dan variabel X nya lebih dari satu, maka digunakan Analisis
Regresi Linier Berganda. Sedangkan jika variabel Y dan variabel X nya lebih dari
satu, maka analisis yang digunakan adalah Analisis Multivariat. Kasus khusus dari
Analisis Regresi adalah Analisis Jalur (Path Analysis)
Dalam analisis regresi, ada beberapa asumsi yang harus dipenuhi yaitu :
(1) Data diambil secara acak (random), (2) Uji Linieritas, dan (3) Uji Normalitas.
Salah satu cara yang dapat dilakukan dalam melakukan uji linieritas adalah dengan
membuat diagram pencar (scatter plot) dari variabel X (independen/ bebas) dan
variabel Y (dependen/ tidak bebas). Setelah hasil dari diagram tersebut linier
(berbentuk garis lurus), maka dapat dilanjutkan dengan melakukan uji normalitas
data. Jika uji normalitas data sudah dilakukan pada tahap analisis korelasi, maka
setelah uji linieritas dapat dilanjutkan ke Analisis Regresi Linier Sederhana.
Berikut ini adalah contoh diagram pencar (scatter plot) antara variabel X
dan Y, yang berkaitan dengan arah hubungan dan linieritasnya. Grafik (a) dengan
arah naik, dan Grafik (b) dengan arah turun, keduanya berbentuk garis lurus, maka
dikategorikan sebagai bentuk linier. Untuk Grafik (c) dengan arah turun, tetapi
tidak berbentuk garis lurus (melengkung), maka dikategorikan sebagai bentuk
tidak linier. Sedangkan untuk Grafik (d) tidak memiliki pola arah dan garisnya,
maka dikategorikan sebagai bentuk tidak adanya hubungan.
 GRAFIK 16.4
ARAH HUBUNGAN DAN LINIERITAS DARI VARIABEL X DAN Y

Hubungan Positif dan Linier Hubungan Negatif dan Linier

Hubungan Negatif dan Tidak Linier Tidak ada Hubungan

Persamaan Regresi Linier Sederhana adalah sebagai berikut :

̂ = 𝒂 + 𝒃𝑿
𝒀

𝑲𝒆𝒕𝒆𝒓𝒂𝒏𝒈𝒂𝒏 ∶

𝑌̂ = 𝑑𝑖𝑏𝑎𝑐𝑎 ∶ 𝑌 𝑡𝑜𝑝𝑖 𝑎𝑑𝑎𝑙𝑎ℎ 𝑛𝑖𝑙𝑎𝑖 𝑝𝑟𝑒𝑑𝑖𝑘𝑠𝑖 𝑣𝑎𝑟𝑖𝑎𝑏𝑒𝑙 𝑌

𝑎 = 𝑁𝑖𝑙𝑎𝑖 𝑌 𝑘𝑒𝑡𝑖𝑘𝑎 𝑋 = 0 (𝐾𝑜𝑛𝑠𝑡𝑎𝑛𝑡𝑎)
𝑏 = 𝐴𝑛𝑔𝑘𝑎 𝑎𝑟𝑎ℎ 𝑎𝑡𝑎𝑢 𝑘𝑜𝑒𝑓𝑖𝑠𝑖𝑒𝑛 𝑟𝑒𝑔𝑟𝑒𝑠𝑖,
𝑦𝑎𝑛𝑔 𝑚𝑒𝑛𝑢𝑛𝑗𝑢𝑘𝑎𝑛 𝑎𝑛𝑔𝑘𝑎 𝑝𝑒𝑛𝑖𝑛𝑔𝑘𝑎𝑡𝑎𝑛 𝑎𝑡𝑎𝑢𝑝𝑢𝑛 𝑝𝑒𝑛𝑢𝑟𝑢𝑎𝑛𝑎𝑛.
 𝐵𝑖𝑙𝑎 (+) 𝑎𝑟𝑎ℎ 𝑛𝑎𝑖𝑘, (−) 𝑎𝑟𝑎ℎ 𝑡𝑢𝑟𝑢𝑛

𝑋 = 𝑁𝑖𝑙𝑎𝑖 − 𝑛𝑖𝑙𝑎𝑖 𝑣𝑎𝑟𝑖𝑎𝑏𝑒𝑙 𝑋 (𝑖𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑒𝑛)

𝑛 = 𝐽𝑢𝑚𝑙𝑎ℎ 𝑑𝑎𝑡𝑎

CONTOH :

Dalam suatu penelitian, ingin diketahui seberapa besar pengaruh antara

Motivasi Belajar Siswa (X) dengan Prestasi Siswa (Y). Ditetapkan 8 orang siswa
sebagai sampel penelitian, datanya adalah sebagai berikut :

n X Y X2 Y2 XY
1 10 20 100 400 200
2 30 30 900 900 900
3 70 75 4900 5625 5250
4 50 40 2500 1600 2000
5 45 75 2025 5625 3375
6 65 80 4225 6400 5200
7 60 55 3600 3025 3300
8 40 50 1600 2500 2000
Jumlah X Y X2 Y2 XY
= 370 = 425 = 19850 = 26075 = 22225

JAWAB :

1. Membuat Diagram Pencar dari Variabel X dan Y :

Berdasarkan diagram di atas, dapat disimpulkan bahwa terdapat hubungan yang
positif dan linier. Hal ini menunjukan bahwa bisa dilanjutkan dengan
menggunakan Analisis Regresi Linier Sederhana.

2. Menentukan Nilai a :

(425)(19850) − (370)(22225) 8436250 − 8223250

𝑎= =
(8)(19850) − (370)2 158800 − 136900

213000
𝑎= = 9,73
21900

2. Menentukan Nilai b :

(8)(22225) − (370)(425) 177800 − 157250

𝑏= =
(8)(19850) − (370)2 158800 − 136900

20550
𝑏= = 0,94
21900

3. Persamaan Regresi Linier Sederhana :

̂ = 𝟗, 𝟕𝟑 + 𝟎, 𝟗𝟒𝑿
𝒀

4. Kesimpulan :

Berdasarkan persamaan di atas, terlihat adanya tanda (+). Ini menunjukan

adanya kenaikan atau peningkatan dari Prestasi Siswa sejalan dengan
meningkatnya Motivasi Belajar Siswa.

Bila nilai Motivasi Belajar Siswa bertambah 1 satuan, maka nilai rata – rata
Prestasi Siswa akan naik sebesar 0,94.
 TABEL R (PRODUCT MOMENT - PEARSON)

TARAF TARAF
DK SIGNIFIKAN (α) DK SIGNIFIKAN (α)
5% 1% 5% 1%
1 0,997 0,999 25 0,381 0,487
2 0,95 0,99 26 0,374 0,478
3 0,878 0,959 27 0,367 0,47
4 0,811 0,917 28 0,361 0,463
5 0,754 0,874 29 0,355 0,456
6 0,707 0,834 30 0,349 0,449
7 0,666 0,798 31 0,344 0,442
8 0,632 0,765 32 0,339 0,436
9 0,602 0,735 33 0,334 0,43
10 0,576 0,708 34 0,329 0,424
11 0,553 0,684 35 0,325 0,418
12 0,532 0,661 36 0,32 0,413
13 0,514 0,641 37 0,316 0,408
14 0,497 0,623 37 0,312 0,403
15 0,482 0,606 39 0,308 0,398
16 0,468 0,59 40 0,304 0,393
17 0,456 0,575 41 0,301 0,389
18 0,444 0,561 42 0,297 0,384
19 0,433 0,549 43 0,294 0,38
20 0,423 0,537 44 0,291 0,376
21 0,413 0,526 45 0,288 0,372
22 0.404 0,515 46 0,284 0,368
23 0,396 0,505 47 0,281 0,364
24 0,388 0,496 48 0,279 0,361
 SOAL LATIHAN 13

Petunjuk:
1. Kerjakan pada buku latihan/kertas
2. Kerjakan dengan bolpoint atau pensil. Apabila mengerjakan dengan
pensil, tulisannya harus jelas terbaca
3. Kerjakan dengan menggunakan bantuan tabel r dan kalkulator
4. Bubuhkan tanda tangan dan nama anda pada setiap lembar/halaman
yang anda gunakan untuk mengerjakan
5. Setelah dikerjakan, kemudian foto/scan hasil pekerjaan anda dan
ubahlah ke pdf

SOAL:

Pada suatu penelitian ingin menguji apakah secara signifikan terdapat korelasi
positif antara Aktivitas Belajar (X) dengan Prestasi Belajar (Y). Sampel
diambil secara acak sebanyak 10 siswa. Data sebagai berikut.

n Aktivitas Belajar (X) Prestasi Belajar (Y)

1 5 8
2 9 15
3 3 9
4 8 16
5 4 8
6 7 13
7 9 19
8 5 12
9 3 7
10 7 4

Catatan: diasumsikan data berdistribusi normal

Dengan menggunakan α = 5%,

1. Ujilah apakah secara signifikan terdapat korelasi positif antara Aktivitas
Belajar (X) dengan Prestasi Belajar (Y)?
2. Tentukan nilai koefisien determinasi dan jelaskan artinya.
3. Diagram Pencar dari Variabel X dan Y.
4. Persamaan Regresi Linear Sederhana. Berikan kesimpulannya.