STATISTIK
BISNIS
ANALISIS DATA CROSSECTION
(Korelasi)
12
Ekonomi Akuntansi MK Darman, SE.MM
Abstract Kompetensi
Menjelaskan analisa korelasi. Mampu memahami dan
menganalisis korelasi (CPMK-6).
Analisis data crosssection
Korelasi
MATERI
1. Pengertian Korelasi Linear Sederhana dan Berganda
2. Uji koefisien Korelasi
3. Analisis determinasi
4. Analisis Jalur
5. Uji Model dan koefisien jalur
Korelasi Pearson (Product Moment Correlation) dapat dihitung dengan rumus sebagai
berikut:
r=
∑ {( X− X́ )( Y −Ý ) } ...............................................................(1)
√∑ ( X − X́ )2 ∑ ( Y −Ý )2
Rumus (1) memerlukan perhitungan rata-rata dari masing-masing kelompok dan perhitungan
selisih masing-masing skor dengan rata-ratanya serta kuadrat simpangan skor dengan rata-
ratanya, maupun hasil kali simpangan masing-masing kelompok. Selain itu, korelasi Pearson
dapat juga dihitung dengan menggunakan rumus:
n
∑ XY −¿ ∑ X ∑ Y
√n ∑ X 2−(∑ X )2 √n ∑ Y 2 −(∑ Y )2 ...................................................(2)
r=¿
Rumus (2) ini lebih sederhana perhitungannya dibandingkan dengan rumus (1), sehingga
banyak peneliti menggunakanya. Hasil perhitungan korelasi Pearson dengan rumus (1) akan
sama dengan hasil perhitungan korelasi Pearson dengan rumus (2). Apabila terjadi perbedaan,
perbedaan itu tidak cukup berarti karena disebabkan proses pembulatan.
Apabila data kedua variabel yang akan dicari korelasinya mempunyai rentangan nilai
yang sangat berbeda, maka sebaiknya perhitungan korelasi Pearson didasarkan pada metode
Z skor. Dalam hal ini setiap skor/nilai untuk kedua variabel dikonversikan ke Z skor. Langkah
mengonversikan ke Z skor berarti membuat standar untuk masing-masing skor yang ingin
dicari korelasinya.
Untuk perhitungan korelasi Pearson yang didasarkan pada Z skor kita dapat
menggunakan rumus
X− X́
Zx = ............................................................................(4)
Sd x
Y −Ý
Zy = ............................................................................(5)
Sd y
Apabila kita telah mengetahui nilai rata rata dan simpangan baku masing masing variabel,
maka korelasi dapat dihitung dengan rumus :
Σ XY
− X́ Ý
r= n ..........................................................................(6)
Sd x . Sdy
D. Korelasi Spearman
Jika data yang kita temukan adalah data Ordinal, maka rumus yang digunakan adalah
Spearman Correlation. Korelasi Spearman ini tidak memperhatikan sifat hubungan linier
antara kedua variabel yang akan dicari korelasinya. Korelasi Spearman dapat dicari dengan
menggunakan rumus :
2
6∑ D
r=1−
n ( n2 −1 ) ...................................................................(7)
Keterangan :
D = selisih antara X dan Y
6 = angka konstan
Dalam hal ini kita menggunakan asumsi bahwa sampling distribusi dari pada sampel
1
berdistribusi mendekati normal dengan rata-rata=0 dan standar deviasi = √ n−1
Sebenarnya untuk pengujian segnifikansi korelasi telah disusun tabel baik untuk
pearson mapun spearman korelasi, sehingga kita tidak terlalu repot menghitung t atau Z
kemudian kita bandingkan dengan nilai di tabel t atau Z. tetapi, untuk memantapkan diri kita
dalam pengujian hipotesis, kadang-kadang perlu langkah perlu pengujian konvensional,
lebih-lebih bagi yang ingin mendalami konsep-konsep pengujian hipotesis. Apaanila kita
menggunakan tabel r, maka hipotesis nol yag mengatakan tidak ada korelasi (r=0) ditolak dan
hasil perhitungan r > dari pada r tabel, demikian pula sebaliknya apabila r tabel, maka kita
akan menerima Ho yang menyatakan bahwa dua variabel yang akan dicari hitungannya
nyata-nyata tidak berkolasi.
Jika jumlah kredit yang diambil merupakan variabel X, maka indeks prestasi
merupakan variabel Y. Untuk keperluan perhitungan korelasi, sebaiknya data di atas disusun
dalam suatu tabel yang mengandung unsur-unsur atau faktor-faktor yang diperlukan dalam
perhitungan korelasi. Apabila kita menggunakan rumus (2) maka kita membutuhkan unsur-
unsur sebagai berikut:
X Y X2 Y2 XY
18 4 324 16 72
20 4 400 16 80
10 3 100 9 30
16 4 256 16 64
12 4 144 16 48
Hal-hal yang bisa diketahui berdasarkan pada persoalan dalam Tabel 4 adalah:
2 2
X =¿ Y =¿
n = 10; ∑ XY =¿ 549; ∑ X =¿ 155; ∑ Y =35,2 35; ∑¿
2513;
∑¿
125,9
Setelah kita inventarisir seluruh faktor yang diperlukan dalam rumus (2), maka angka-
angka tersebut dapat dimasukkan dalam rumus (2). Dengan demikian maka perhitungan
korelasi Pearson sebagai berikut:
= 0,2289378023 = 0,23.
X́ =∑ X : n Ý =∑ Y :n
= 155 : 10 = 35,2 : 10
= 15,5 = 3,52
Langkah selanjutnya adalah menyusun tabel yang mengandung unsur-unsur atau faktor-
faktor yang dikandung oleh rumus (1). Faktor-faktor yang dikandung oleh tabel untuk
mempermudah perhitungan korelasi dengan rumus (1) adalah:
X {∑ ( X − X́ )2 } .
7) Jumlah kuadrat simpangan masing-masing skor/ nilai variabel
Y {∑ ( Y −Ý )2 } .
8) Jumlah hasil kali simpangan masing-masing skor/ nilai variabel X dengan rata-ratanya dan
simpangan masing-masing skor atau nilai variabel Y dengan rata-ratanya:
∑ {( X − X́ )(Y −Ý )} .
Sehingga tabel beserta hasil perhitungannya dapat dilihat dalam Tabel 5 berikut:
Hal yang perlu diingat sebagai bahan koreksi perhitungan adalah jumlah simpangan
masing-masing nilai dengan rata-ratanya adalah 0. Disamping itu, kita tidak perlu
menghilangkan tanda minus (-).
3,4 3,4
Jadi, r= = = 0,2289378023 = 0,23
√ 110,5 √ 1,996 14,85119524
Dengan demikian telah terbukti bahwa menggunakan rumus (1) maupun rumus (2)
menghasilkan hasil yang sama. Tentunya pemilihan rumus berdasarkan yang paling mudah
perhitungannya.
1) Korelasi positif kuat, apabila hasil perhitungan korelasi mendekati +1 atau sama dengan
+1. Ini berarti bahwa setiap kenaikan skor/ nilai pada variabel X akan diikuti dengan
kenaikan skor/ nilai pada variabel Y. Sebaliknya, jika variabel X mangalami penurunan
maka akan diikuti dengan penurunan variabel Y.
2) Korelasi negatif kuat, apabila hasil perhitungan korelasi mendekati -1 atau sama dengan
-1. Ini berarti bahwa setiap kenaikan skor/ nilai pada variabel X akan diikuti dengan
penurunan skor/ nilai pada variabel Y. Sebaliknya, jika variabel X mangalami penurunan
maka akan diikuti dengan kenaikan variabel Y.
3) Tidak ada korelasi, apabila hasil perhitungan korelasi (mendekati 0 atau sama dengan 0).
Hal ini berarti bahwa naik turunnya skor/ nilai suatu variabel tidak mempunyai kaitan
Berapa tingkat hubungan antara rangkin tes masuk dengan rangking kelas sesudah
kuliah? Langkah awal kita dengan menyusun tabel untuk mencari D, kemudian mencari
kuadrat masing-masing selisih antara kedua nilai X dan Y, lalu menghitung jumlah seluruh
nilai D dan D2.
X Y D D2
1 10 9 81
2 7 5 25
3 8 5 25
4 6 2 4
5 5 0 0
6 3 3 9
7 4 3 9
Dengan menggunakan rumus (7) dapat dicoba menghitung korelasi Spearman berikut:
(6 x 207) 1242
r=1− =1− =1−1,254545=−0,254545
10 (100−1) 990
Berdasarkan adanya regresi berganda tersebut, koefisien korelasi linier berganda tersebut
dihitung dengan menggunakan rumus sebagai berikut :
b1 ∑ X 1 Y + b2 ∑ X 2 Y +. . .. .. . .. .+bn ∑ X n Y
RY . 12=
√ ∑Y2 ...........................................(14)
5,5 1 0,8
8,9 1 1,0
21,8 1 1,7
6,8 2 1,4
7,5 2 1,2
17,2 2 1,8
22,1 2 1,9
19,0 3 2,3
12,0 3 1,7
14,0 4 1,5
10,9 4 1,8
7,5 5 2,0
14,0 5 2,2
13,7 6 2,8
6,0 7 2,1
Untuk memperoleh persamaan garis regresi linier tentang hubungan antara variabel
penghasilan keluarga (X1) dan besar keluarga (X2) dengan variabel pengeluaran untuk bahan
makanan (Y) periksa tabel berikut :
Mean
12,46 3,2 1,74
2
X 1 = 2767,19 – (186,9)2/15 = 438,416
2
X 2 = 204 – (48)2/15 = 50,4
Y2 = 49,54 – (26,2)2/15 = 3,777
X1Y = 343,31 – (186,9) (26,2)/15 = 16,858
X2Y = 93,8 – (48) (26,2)/15 = 9,96
X1X2 = 567,7 – (186,9) (48)/15 = -30,38
Koefisien regresinya adalah :
Pengertian persamaan tersebut adalah : Pertama, apabila X 2 konstan, pertambahan satu unit
pada X1 akan mempunyai pengaruh menaikkan 0,0544 unit pada Y. Kedua, apabila X 1 kostan,
pertambahan satu unit pada X2, akan mempunyai pengaruh menaikkan 0,2304 unit pada Y.
Ketiga, apabila X1 dan X2 sama dengan nol, besarnya Y adalah 0,3246 satuan.
∑ Y 2−b 1∑ X 1 Y −b2 ∑ X 2 Y
S y 12=
dimana,
√ n−3
n = jumlah data
3 = banyak koefisien
0 , 565654
S Y 12=
√ 15−3
=0 , 217
Rumus (2) :
Analisis Korelasi Berganda
2 b 1 ∑ X 1 Y + b2 ∑ X 2 Y SSR
RY. 12 = 2
atau
∑Y SST
Dari kasus korelasi linier berganda, peneliti dapat menghitung koefisien korelasi parsialnya.
Korelasi parsial (partial correlation) adalah korelasi antara sebuah variabel dependent (Y)
dengan sebuah variabel independent (X), sementara sejumlah variabel independent lainnya
konstan.
Apabila variabel independentnya ada dua buah yaitu X1 dan X2, maka koefisien parsial yang
ada ialah rY12 dan rY21, yang masing-masing menunjukkan koefisien korelasi antara Y dengan
X1 apabila X2 konstan dan koefisien korelasi antara Y dengan X2 apabila X1 konstan. Seperti
dalam contoh tersebut dimuka, rY12 menunjukkan korelasi antara penghasilan keluarga (X 1)
dengan pengeluaran untuk bahan makanan (Y) apabila besar keluarga (X 2) konstan. Dan rY21
menunjukkan korelasi antara besar keluarga (X2) dengan pengeluaran untuk bahan makanan
(Y) apabila penghasilan keluarga (X1) konstan.
Rumus-rumusnya adalah :
rX 1 Y −(rX 2 Y )(rX 1 X 2 )
r Y .1( 2)=
√(1−r2 X 2 Y )(1−r 2 X 1 X 2 )
rX 2 Y −(rX 1 Y )(rX 1 X 2 )
r Y .2( 1)=
√(1−r2 X 1Y )(1−r 2 X 1 X 2 )
201 Elektronika Telekomunikasil
2 16 Dian Widi Astuti, ST MT
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
Untuk menghitung koefisien korelasi parsialnya terlebih dahulu harus dihitung koefisien
korelasi sederhana antara X1 dengan Y, X2 dengan Y dan antara X1 dengan X2.
rX Y=
∑ X 1 Y =16 , 858 =0 , 41
1
√( ∑ X 21 )( ∑ Y 2 ) 40 ,693
r X Y=
∑ X 2 Y = 9 , 96 =0 ,72
2
√( ∑ X 22 )( ∑ Y 2 ) 13 , 797
rX =
∑ X 2 X 2 = −30 , 38 = −30 ,38 =−0 ,20
X
1 2
√( ∑ X 21 )(∑ X 22 ) √(438 , 416 )(50 , 4 ) 148 , 65
Koefisien korelasi parsial :
Sekitar 85% dari variasi pengeluaran untuk bahan makanan (Y) dapat dijelaskan oleh
kombinasi dari penghasilan keluarga (X1) dan besar keluarga (X2).
Kesimpulan
1. Analisis korelasi adalah metode statistik yang digunakan untuk menentukan kuatnya
suatu derajat hubungan linier antara dua variabel atau lebih, dimana semakin nyata
hubungan liniernya (garis lurus) maka semakin kuat atau tinggi derajat hubungannya.
Berdasarkan jumlah variable, korelasi dibedakan atas linear sederhana dan berganda
2. Kegunaan dari analisis korelasi adalah untuk mengetahui tentang keterkaitan antar
variabel dalam suatu penelitian yang menunjukkan kuat lemahnya hubungan antar
variabel dan memperlihatkan arah korelasi antara variabel yang diteliti dengan jenis
data interval dan ordinal.
3. Cara menghitung analisis korelasi dengan langkah yaitu mencari korelasi antara
variabel X dengan variabel Y dengan menggunakan rumus koefisien korelasi (r),
menafsirkan koefisien korelasi yang diperoleh dengan pedoman berdasarkan r
product moment, menguji tingkat signifikasi koefisien korelasi yang digunakan untuk
mengetahui keberartian derajat hubungan antara variabel X dan variabel Y yang
ditunjukkan dengan koefisien korelasi melalui uji t.
Soal Quiz
Seorang pejabat departemen keuangan berpendapat bahwa tidak ada pengaruh kenaikan gaji
terhadap kenaikan harga bahan pangan. Untuk menguji pendapatnya telah dilakukan
penelitian, dan diperoleh data sebagai berikut
X 19,3 18,2 20,2 21,0 26,4 22,6 19,2 22,4
Y 23,0 21,9 20,5 9,8 30,7 13,4 14,1 3,5
Dengan menggunakan koefisien korelasi, ujilah pendapat tsb dengan menggunakan alpha =
5%
Daftar Pustaka
Johar Arifin. 2000. “Penerapan Probabilitas dan Statistik“. Jakarta: Media Kumpotindo.
Supranto J. 2007. “Statistik Berwawasan Global Edisi 2“. Jakarta: Penerbit Salemba.
Evans Lindsay. 2006. “Probabilitas dan Statistik Edisi 2“.Bandung: Penerbit Erlangga1.
Supranto J,2007 Statistik , Teori dan Aplikasi, Erlangga, Edisin Keenam,