Nama : Nadella Maharani Heryanto

NIM : 1811211009
Mata Kuliah : Ekonometri Pelayanan Kesehatan (Pertemuan 3)

Soal
1. Jelaskan fungsi analisis korelasi!
2. Jelaskan karakteristik penting analisis korelasi!
3. Jelaskan perbedaan penggunaan korelasi Product Moment, Rank Spearman, Kendall Tau dan
Koefisien kontigensi!
4. Mengapa korelasi antara variabel itu sendiri (X dengan X atau Y dengan Y) akan
menghasilkan nilai korelasi sempurna (atau = 1)?
5. Jelaskan bagaimana cara menganalisis hubungan jika variabel bersifat kategori!
6. Jelaskan apakah yang dimaksud dengan koefisien korelasi bersifat simetris!
7. Berdasarkan data berikut ini, hilunglah koefisien korelasi Product Moment dan ujilah
hipotesis yang menyatakan terdapat korelasi positif antara X dengan Y!

Tabel 3 12: Data Latihan Analisis Korelasi

X 9 6 6 8 6 4 5 8 7 8
Y 8 7 5 6 5 4 2 8 6 4

Jawaban

1. Analisis korelasi digunakan untuk mengetahui derajat hubungan linier antara satu variabel
dengan variabel lain. Suatu variabel dikatakan memiliki hubungan dengan variabel lain jika
perubahan satu variabel diikuti dengan perubahan variabel lain, jika arah perubahannya
searah maka kedua variabel memiliki korelasi positif. sebaliknya, jika perubahannya
berlawanan arah, kedua variabel tersebut memiliki korelasi negatif. Jika perubahan variabel
tidak diikuti oleh perubahan variabel yang lain maka dikatakan bahwa variabel-variabel
tersebut tidak saling berkorelasi. Besarmya perubahan suatu variabel yang diikuti dengan
perubahan variavel yang lain dinyatakan dalam bentuk koefisien korelasi.

Analisis korelasi digunakan untuk mengetahui derajat hubungan linear antar satu variabel
dengan variabel lain. analisis korelasi biasanya digunakan untuk menggambarkan tingkat
ketepatan garis regresi (persamaan regresi) dengan nilai riil variabel dependennya. Jika nilai
yang diperoleh berdasarkan pada persamaan regresi memiliki korelasi yang kuat dengan nilai
riil variabel dependennya maka dikatakan bahwa garis regresi (persamaan regresi) tersebut
memiliki tingkat ketepatan (goodness of fit) yang tinggi.

Analisis korelasi memiliki berbagai jenis. Penggunaannya harus sesuai dengan karakteristik
data yang akan dianalisis. Jika data memiliki skala pengukuran interval atau rasio maka
digunakan analisis korelasi Product moment (Pearson) sedangkan jika data memliki skala
pengukuran ordinal maka digunakan korelasi Rank Spearman atau Kendall Tau. Jika datanya
berupa data kategorial maka kita dapat menggunakan analisis Chi Square yang kemudian
ditransformasikan ke Koefisien Kontigensi.
2. Karakteristik Analisis Korelasi
a. Nilai koefisien korelasi bersifat simetris.
Karena koefisien korelasi bersifat simetris maka korelasi antara X dengan Y akan sama
dengan koefesien
korelasi antara Y dengan X sehingga berlaku persamaan berikut:
rxy = ryx

b. Besamya koefisien korelasi berkisar antara -1 sampai dengan 1 (-1 ≤r ≤ 1).

Jika koefisien korelasi sebesar (mendekati) -I berarti di kedua variabel tersebut memiliki
hubungan negative atau berlawanan arah, Artinya, semakin tinggi nilai variabel X maka
akan semakin rendah nilai variabel Y. Sebaliknya, jika koefisien korelasi sebesar
(mendekati) +1 berarti di kedua variabel tersebut memiliki hubungan positif atau satu
arah. Artinya, semakin tinggi nilai variabel X maka akan semakin tinggi nilai varabel Y.
c. Koefesien korelasi hanya menggambarkan keeratan hubungan antar variabel tetapi tidak
menggambarkan kekuatan kausalitas (sebab-akibat). Artinya,jika koefesien korelasi
antara X dengan Y sebesar 0,85 tidak berarti bahwa X berpengaruh terhadap Y scbesar
0,85. Koefisien scbesar 0,85 itu hanya menunjukkan derajat keeratan hubungan antara X
dengan Y saja. Karena korelasi hanya digunakan untuk mengukur derajat hubungan maka
dalam analisis korelasi tidak terdapat istilah variabel bebas maupun variabel tergantung.
Koefisien korelasi tidak terpengaruh oleh nilai orijin dan nilai skala. Misalnya kita
mempunyai persamaan Y1= a + bX sedangkan persamaan yang kedua adalah Y2=c + dZ.
d. Jika a > O dan c > 0, korElasi antara Y1 dengan Y2 akan sama dengan korelasi antara X
dengan Z. Hal ini terjadi karena koefisien korelasi tidak terpengaruh oleh nilai orijin (a dan
c) dan tidak terpengaruh oleh nilai skala (b dan d).
e. Koefisien korelasi hanya dapat digunakan untuk menggambarkan keeratan hubungan
yang bersifat linier, dan tidak mampu menggambarkan hubungan yang bersifat non-linier.
Jika dua buah variabel sampai titik tertentu memiliki hubungan positif tetapi setelah
sampai tilik tertentu justru dua variabel tersebut memiliki hubungan yang negatif maka
koefisien korelasinya akan mendekati 0. Itu berarti tidak ada hubungan antar variabel.
Tetapi hal ini tidak berarti bahwa kedua variabel tersebut saling independen, walau tidak
menutup kemungkinan kedua variabel memiliki hubungan kausalitas yang bersifat non-
linier.

3. perbedaan penggunaan korelasi Product Moment, Rank Spearman, Kendall Tau dan Koefisien
kontigensi
1) Korelasi Product Moment (Pearson)
Korelasi Product Moment atau Pearson digunakan untuk mengetahui hubungan antar
variabel jika data yang digunakan memiliki skala interval ataul rasio. Analisis korelasi
ini merupakan jenis analisis korelasi yang paling banyak digunakan. Dasar pemikiran
analisis korelasi Product Moment adalah perubahan antar varibel artinya perubahan
suatu variabel diikuti perubahan variabel yang lain maka kedua variabel tersebut
berkorelasi. Jika persentase perubahan variabel dikuti dengan perubahan variabel lain
dengan persentase yang sama persis berarti kedua variabel itu memiliki korelasi
sempumna (atau memiliki korelasi 1) Oleh karena itu, jika sebuah variabel
dikorelasikan dengan variabel itu sendiri (X dengan X, atau Y dengan Y) maka akan
menghasilkan nilai korelasi sempurna atau satu.
2) Korelasi Rank Spearman
 Korelasi Rank Spearman digunakan untuk mengetahui hubungan antar vaniabel jika
data yang digunakan sekurang-kurangnya memiliki skala ordinal. Analisis korelasi
Rank Spearman ini merupakan jenis analisis korelasi yang didasarkan pada rangking
yang paling banyak digunakan. Dasar pemikiran analisis korelasi ini adalah jika sebuah
nilai dalam satu variabel memiliki kesesuaian dengan rangking nilai pada variabel yang
lain maka kedua variabel tersebut saling berkorelasi. Jika rangking nilai-nilai pada
suatu variabel sama persis dengan rangking nilai-niai pada variabel lainnya, maka
kedua variabel tersebut memiliki korelasi sempurna (sebesar 1)
3) Korelasi Rank Kendall Atau Kendall Tau
Analisis korelasi Rank Kendall digunakan untuk mencari hubungan dan menguji
hipotesis antara dua variabel atau lebih bilamana datanya berbentuk ordinal atau
ranking (Sugiono, 2001). Dasar pemikiran dari korelasi Rank Kendall adalah pada
perbedaan antara probabilitas data dua variabel dalam urutan yang sama dengan
probabilitas dua variabel pada urutan yang berbeda.
4) Korelasi dengan Koefisien Kontigensi
Korelasi dengan Koefisien Kontigensi digunakan untuk mengetahui hubungan antar
variabel jika data yang digunakan masih merupakan data kategori. Untuk menghitung
korelasi data kategori, kita harus menghitung terlebih dahulu frekuensi masing
masing kategori. Dasar pemikiran dari analisis korelasi ini adalah frekuensi kategori
dalam satu variabei memiliki frekuensi yang dominan. Pada sisi lain, frekuensi kategori
pada variabel yang lain juga memiliki frekuensi yang dominan schingga kedua variabel
tersebut memiliki korelasi yang postif. Demikian juga sebaliknya.

4. Karena korelasi product moment atau pearson digunakan untuk mengetahui hubungan antar
variabel jika data yang digunakan memiliki skala interval atau rasio. Dimana, dasar pemikiran
analisis korelasi Product Moment adalah perubahan antar variabel. Yang ditandai dengan
adanya perubahan satu variabel diikuti perubahan variabel lain maka kedua variabel
tersebutsedang berkorelasi. Sehiingga jika jika perubahan satu variabel diikuti perubahan
variabel lain dengan persentase yang sama persis maka korelasi tersebut dikatan sempurna
(atau =1)

5. Jika variabel bersifat kategori dapat dilakukan cara korelasi dengan koefisien kontingensi agar
dapat diketahui hubungan antar variabel. Untuk menghitung korelasi data kategori maka kita
harus menghitung terlebih dahulu frekuensi untuk masing-masing kategori. Dasar pemikiran
dari analisis korelasi ini adalah jika frekuensi kategori dalam suatu variabel memiliki frekuensi
yang dominan dan pada sisi yang lain frekuensi kategori pada variabel lainnya juga memiliki
frekuensi yang dominan sehingga kedua variabel tersebut akan memiliki korelasi yang positif,
demikian juga sebaliknya.

Untuk menghitung koefisien korelasi dengan koefisien kontingensi, maka harus dihitung dulu
nilai Chi-Square data dengan rumus :
(𝑓𝑜 − 𝑓𝑒 )2
𝑋2 = ∑
𝑓𝑒
Keterangan :
X2 = nilai chi-square
fo = frekuesni observasi
 fe = frekuensi harapan
Setelah nilai chi-square diperoleh baru ditransformasikan ke dalam koefisien kontingensi
dengan rumus :

𝑋2
𝐶𝐶 = √ 2
𝑋 +𝑁

Keterangan :
CC = koefisien kontingensi
X2 = nilai chi quare
N = jumlah pengamatan
Setelah itu, gunakan aplikasi SPSS untuk menganalisis lebih lanjut hasil koefisen kontingensi
yang telah didapatkan. Kemudian, lihat hasil analisis dan untuk menguji koefisien korelasi
tersebut secara statistic signifikan atau tidak maka dapat dilakukan pengujian dengan
membandingkan X2 tabel dengan X2 hitung dan juga membandingkan nilai Sig. dengan .

6. Nilai koefisien korelasi bersifat simetris maka korelasi antara X dengan Y akan sama
dengankoefisien korelasi Y dengan X sehingga berlaku persamaan berikut : r(xy) = r(yx)

7. Langkah :
1) Pertanyaan penelitian : apakah terdapat korelasi positif Antara X dengan Y?
2) Hipotesis
Ho : tidak terdapat korelasi positif antara X dengan Y
Ha : terdapat korelasi positif antara X dengan Y
3) Kriteria pengujian
Ho tidak dapat ditolak jika :
 r hitung  r tabel atau
 t hitung  t tabel atau
 Sig > 
Ha diterima jika :
 r hitung > r tabel atau
 t hitung > t tabel atau
 Sig   dan arah koefisien positif

4) Analisis data

No X Y X2 Y2 XY
1. 9 8 81 64 72
2. 6 7 36 49 42
3. 6 5 36 25 30
4. 8 6 64 36 48
5. 6 5 36 25 30
 6. 4 4 16 16 16
7. 5 2 25 4 10
8. 8 8 64 64 64
9. 7 6 49 36 42
10. 8 4 64 16 32
Jumlah 67 55 471 335 386
Berdasarkan lembar kerja di atas dapat diketahui bahwa :
N = 10
∑𝑋 = 67
∑𝑌 = 55
∑ 𝑋2 = 471
∑ 𝑌2 = 335
∑ 𝑥𝑦 = 386

5) Hitung besar koefisien korelasi Product moment, dengan rumus :

𝑛 ∑ 𝑋𝑌 − (∑ 𝑋)(∑ 𝑌)
𝑟𝑥𝑦 =
√{𝑛 ∑ 𝑋2 − (∑ 𝑋)2 } √{𝑛 ∑ 𝑌 2 − (∑ 𝑌)2 }
10 .386 − (67.55)
𝑟𝑥𝑦 =
√{10. 471 − 4489} √{10.335 − 3025}
3860 − 3685
𝑟𝑥𝑦 =
√221 √325
175
𝑟𝑥𝑦 =
268
𝑟𝑥𝑦 = 0,653
6) Untuk menguji koefisien korelasi product moment juga dapat dihitung menggunakan
aplikasi SPSS dengan cara
 Masukkan data ke aplikasi SPSS
 Klik analize, correlate, bivariate
 Masukkan variabel X dan Y
 Abaikan correlation coefecient dan biarkan pada posisi default, Pearson
 Pada test of significance, pilih one-tailed karena hipotesisnya telah menunjukkan
arah yaitu positif)
 Lalu klik OK

Output yang dihasilkan sebagai berikut

 Correlations
VAR00001 VAR00002
VAR00001 Pearson
1 .653*
Correlation
Sig. (1-tailed) .020
N 10 10
VAR00002 Pearson
.653* 1
Correlation
Sig. (1-tailed) .020
N 10 10
*. Correlation is significant at the 0.05 level (1-tailed).

 Kesimpulan dari tabel, koefisien korelasi 0,653 menunjukkan keeratan hubungan

antara X dengan Y sebesar 0,653 atau 65,3% dan menunjukka hubungan yang
cukup kuat. Korelasi antara X dengan Y bernilai positif atau searah yang berarti
apabila X meningkat maka juga akan diikuti peningkatan dari Y.
7) Untuk menguji signifikasi korelasi digunakan kriteria pengujian :
a) Membandingkan r tabel dengan r hitung
df (, n) atau df (0,05, 10) = 0,6319
r tabel = 0,6319 dan r hitung = 0,653 karena r hitung > r tabel maka Ha diterima yaitu
terdapat korelasi positif antara X dengan Y
b) Membandingkan t tabel dengan t hitung
𝑟 √𝑛−2
𝑡= t tabel = df (, n-2) atau df (0,05 , 8) = 2,306
√1−𝑟 2

0,653 √8
𝑡=
√1−0,426

𝑡 = 0,653 . √13,937
𝑡ℎ𝑖𝑡𝑢𝑛𝑔 = 2,438
Karena t hitung > t tabel maka Ha diterima yaitu terdapat korelasi positif antara X
dengan Y
c) Membandingkan nilai Sig dengan 
Dilihat dari tabel hasil analisis menggunakan SPSS (baris nomor 2) bahwa tingkat
signifikasi sebesar 0,020 yang mana lebih kecil dari 0,05 berarti korelasi antara X
dengan Y dinyatakan signifikan positif.