PERTEMUAN 11

TEKNIK KORELASI PRODUCT MOMENT

DAN TEKNIK TATA JENJANG
=================================================================
Setelah mempelajari materi ini, diharapkan kepada para pengguna mampu:
Memahami dan menerapkan teknik korelasi product moment dan korelasi tata jenjang.
Adapun materi ini meliputi:
1. Pengertian Korelasi
2. Korelasi Product Moment
3. Korelasi Product Moment Menghitung Validasi Butir Soal
4. Rumus 1. Korelasi Product Moment 1 dengan angka kasar
5. Rumus 2. Korelasi Product Moment 2 dengan angka kasar
6. Korelasi Tata Jenjang

==================================================================================
A. PENGERTIAN KORELASI
Anas (2014) Kata korelasi berasal dari bahasa Inggris yaitu correlation, artinya “hubungan”
atau “saling hubungan”, atau “hubungan timbal balik”. Dalam ilmu statistik korelasi berarti
sebagai “hubungan antar dua variable atau lebih”. Hubungan antar dua variable dikenal dengan
istilah bivariate correlation, sedangkan hubungan lebih dari dua variable dikenal dengan
istilah multivariate correlation.
Ada beberapa teknik statistik yang digunakan untuk mencari korelasi, misalkan korelasi
product moment, korelasi tata jenjang, korelasi Phi, dan korelasi Point Serial. Korelasi product
moment dikembangkan oleh Karl Pearson, sedangkan korelasi tata jenjang (Rank Order
Correlation Technique) dikembangkan oleh Charles Spearman.
Tulus (2004) Teknik statistik yang digunakan untuk mencari hubungan atau korelasi antara 2
variabel atau lebih disebut teknik korelasi. Dua variabel yang akan diteliti hubungannya itu
masing-masing disebut sebagai variabel bebas (variabel X) dan variabel terikat (variabel Y).
Misal: hubungan (korelasi) antara prestasi belajar (variabel X) dan nilai ujian sekolah (variabel
Y). Artinya prestasi belajar ada hubungannya dengan nilai ujian sekolah.

Arah Korelasi
Anas (2014) dan Tulus (2004)apabila variabel X dan variabel Y sudah dihitung taraf
korelasinya, maka akan dapat ditentukan arah korelasinya. Arah korelasi dalam statistik ada 3
macam, yaitu: positif dan negatif.
Anas (2014) disebut korelasi positif, apabila variable X mengalami kenaikan atau
pertambahan, maka akan diikuti pula dengan kenaikan atau pertambahan pada variable Y; atau
sebaliknya; penurunan atau pengurangan pada variable X akan diikuti pula dengan penurunan
atau pengurangan pada variable Y. Contoh: terdapat korelasi positif, apabila nilai ujian
matematika meningkat maka diikuti pula dengan meningkatnya nilai ujian statistik, sebaliknya
apabila nilai matematikaa menurun akan diikuti pula dengan menurunnya nilai ujian statsitik.
 Gambar. 11.1. Korelasi Positif

Disebut korelasi negatif apabila variable X mengalami kenaikan atau pertambahan, maka
tidak akan diikuti dengan kenaikan atau pertambahan pada variable Y; atau sebaliknya;
penurunan atau pengurangan pada variable X tidak akan diikuti pula dengan penurunan atau
pengurangan pada variable Y. Contoh: semakin meningkatnya kesadaran bersekolah, maka
semakin menurun angka kebodohan. Karena kurang berlatih berhitung, semakin sering dia
membuat kesalahan berhitung.

Gambar. 11.2. Korelasi Negatif

Angka Korelasi
Rusydi dan fadhli (2018) angka korelasi atau coefficient of correlation adalah angka
(koefisien) yang dapat dijadikan sebagai petunjuk untuk mengetahui tinggi rendahnya, kuat
lemahnya atau besar kecilnya korelasi antar variabel yang sedang kita selidiki.
Tulus (2004) Arah korelasi ini ditunjukkan oleh suatu harga yang disebut koefisien korelasi.
Koefisien korelasi bergerak dari -1.0 (plus 1) sampai dengan +1.0 (minus 1). Korelasi yang
memiliki koefisien -1.0 disebut korelasi negatif sempurna, demikian juga koefisien +1.0
disebut korelasi positif sempurna.
Dalam penetian, angka korelasi tidak akan lebih besar dari +1 dan tidak akan lebih kecil dari -
1. Misal: angka korelasi menunjukkan + 0.452 ini berarti korelasi antara variabel X dan Y
merupakan korelasi yang searah atau positif, namun apabila angka korelasi menunjukan -0.315
ini berarti korelasi antara variabel X dan Y merupakan korelasi yang tidak searah (berlawanan)
atau negatif.

Gambar. 11.3. Kisaran Koefisien Korelasi

Kisaran koefisien korelasi berkisar dari -1, hingga 1. Jika hubungan kuat positif apabila nilai r
mendekati 1. Jika hubungan linier negative yang kuat apabila nilai r mendekati -1 maka
hubungan makin erat, sedangkan Ketika tidak ada hubungan linear antara variabel atau hanya
hubungan lemah,nilai r akan mendekati 0. (Bluman, 2012:539). Lebih jelasnya dapat dilihat
pada Gambar. 11.3.
Tabel. 11.1.
Besarnya r Product Moment
Besarnya r Product Interpretasi
Moment (rxy)
0.00 – 0.20 Antara variable X dan Y terdapat korelasi yang
sangat lemah/rendah (hampir tidak ada)
0.20 – 0.40 Antara variable X dan Y terdapat korelasi yang
sangat lemah/rendah
0.40 – 0.70 Antara variable X dan Y terdapat korelasi yang
sedang/cukup
0.70 – 0.90 Antara variable X dan Y terdapat korelasi yang
sangat kuat/tinggi
0.90 – 1.00 Antara variable X dan Y terdapat korelasi yang
sangat kuat/tinggi
Sumber: Anas (2014)
B. KORELASI PRODUCT MOMENT
Korelasi product moment (Product Moment Correlation) dikembangkan oleh Karl Pearson
oleh karena itu dikenal dengan istilah Teknik Korelasi Pearson. Teknik ini digunakan untuk
melukiskan hubungan antara 2 buah variable yang sama-sama berjenis interval atau rasio.
Untuk menghitung korelasi product moment terdapat beberapa rumus:
1. Rumus 1. Korelasi Product Moment 1 dengan angka kasar:
Rumus 1 Keterangan
rxy = Korelasi Product Moment
N. ∑XY − ∑X. ∑Y N = Jumlah Peserta
rxy = ∑XY = Jumlah perkalian skor X dan Y
√[(N. (∑X2 ) − (∑X)2 ][(N. (∑Y 2 ) − (∑Y)2 ]
∑X = Jumlah seluruh skor X
∑Y = Jumlah seluruh skor Y

Contoh: Seorang dosen di unesa ingin mengetahui apakah secara signifikan terdapat korelasi
positif antara antara nilai pretest (X) dan nilai posttest (Y) untuk mata kuliah statistik, dalam
penelitian ini telah ditetapkan sample mahasiswa angkatan 2019 B sebanyak 10 orang untuk
diteliti (N = 10). Untuk mengetahui kuat lemahnya korelasi antara variabel X dan Y. adapun
daftar nilai pretest dan posttest dapat dilihat pada Tabel. 11.2

Tabel. 11.2.
Nilai Hasil Pretes dan Posttes
No Nilai Pretest (X) Nilai Posttest (Y)
1 60 65
2 80 85
3 95 93
4 60 65
5 70 70
6 65 72
7 90 90
8 80 80
9 50 55
10 60 65

Penelitian ini mempunyai tujuan untuk mengetahui apakah antara nilai pretest (X) dan
posttest (Y) terdapat korelasi positif yang signifikan. Sebelum melakukan perhitungan
terlebih dahulu kita rumuskan Hipotesis alternative (Ha) dan Hipotesis nihilnya (Ho)
sebagai berikut:
Ha : ada korelasi positif yang signifikan, antara nilai pretest (variabel X) dan nilai posttest
(variabel Y). Apabila nilai r hitung ≥ r tabel.
Ho : tidak ada korelasi positif yang signifikan, antara nilai pretest (variabel X) dan nilai
posttest (variabel Y). Apabila nilai r hitung < r tabel.

1. RUMUS 1. KORELASI PRODUCT MOMENT 1 DENGAN ANGKA KASAR.

Selanjutnya membuat langkah-langkah untuk membuat tabel penolong untuk
memperoleh rxy seperti pada Tabel. 11.3.
Langkah 1: menjumlahkan subjek penelitian, diperoleh N = 10
Langkah 2: menjumlahkan skor variabel X, diperoleh ∑X = 710
Langkah 3: menjumlahkan skor variabel Y, diperoleh ∑Y = 740
Langkah 4: mengkuadratkan skor variabel X, diperoleh X2 , setelah itu menjumlahkan,
diperoleh ∑X2 = 52350
Langkah 5: mengkuadratkan skor variabel Y, diperoleh Y2, setelah itu menjumlahkan,
diperoleh ∑Y2 = 56158
Langkah 6: mengkalikan variabel X dan Variable Y, diperoleh XY, setelah itu
menjumlahkan diperoleh ∑XY = 54165
Tabel. 11.3.
Tabel Penolong Pretes dan Posttes Rumus 1
No Nilai Pretest Nilai Posttest
𝐗𝟐 𝐘𝟐 XY
(X) (Y)
1 60 65 3600 4225 3900
2 80 85 6400 7225 6800
3 95 93 9025 8649 8835
4 60 65 3600 4225 3900
5 70 70 4900 4900 4900
6 65 72 4225 5184 4680
7 90 90 8100 8100 8100
8 80 80 6400 6400 6400
9 50 55 2500 3025 2750
10 60 65 3600 4225 3900
N=10 ∑X =710 ∑Y = 740 52350 56158 54165

Langkah 7: mencari rxy dengan rumus 1 product moment

N. ∑XY − ∑X. ∑Y
rxy =
√[(N. (∑X2 ) − (∑X)2 ][(N. (∑Y 2 ) − (∑Y)2 ]
 (10)x(54165) − (710)x(740)
rxy =
√[(10. (52350) − (710)2 ][(10. (56158) − (740)2 ]
(541650) − (525400)
rxy =
√[(523500) − (504100)][(561580) − (547600)]
16250
rxy =
√[(19400)][(13980)]
16250
rxy =
√271212000
13600
rxy =
16468.5154
rxy = 0.986

2. RUMUS 2. KORELASI PRODUCT MOMENT 2 DENGAN ANGKA KASAR.

Rumus 2. Korelasi Product Moment 2 dengan angka kasar:
Rumus 2 Keterangan
(∑X)(∑Y)
∑XY − rxy = Korelasi Product Moment
rxy = N
N = Jumlah Peserta
(∑X)2 (∑Y)2
√[∑X −
2 2
] [∑Y − ] ∑XY = Jumlah perkalian skor X dan Y
N N
∑X = Jumlah seluruh skor X
∑Y = Jumlah seluruh skor Y

Selanjutnya membuat langkah-langkah untuk membuat tabel penolong untuk

memperoleh rxy seperti pada Tabel. 11.3. Langkah 1 s.d 6 sama seperti rumus 1.
Tabel. 11. 3.
Tabel Penolong Pretes dan Posttes Rumus 2
No Nilai Pretest Nilai Posttest
𝐗𝟐 𝐘𝟐 XY
(X) (Y)
1 60 65 3600 4225 3900
2 80 85 6400 7225 6800
3 95 93 9025 8649 8835
4 60 65 3600 4225 3900
5 70 70 4900 4900 4900
6 65 72 4225 5184 4680
7 90 90 8100 8100 8100
8 80 80 6400 6400 6400
9 50 55 2500 3025 2750
10 60 65 3600 4225 3900
710 740 52350 56158 54165
Langkah berikutnya mencari rxy dengan rumus 2 product moment
(∑X)(∑Y)
∑XY −
rxy = N
(∑X) 2 (∑Y)2
√[∑X2 − ] [∑Y2 − ]
N N
(710)(740)
54165 −
rxy = 10
(710)2 (740)2
√[𝟓𝟐𝟑𝟓𝟎 − ] [𝟓𝟔𝟏𝟓𝟖 − ]
10 10
525400
54165 −
rxy = 10
√[𝟓𝟐𝟑𝟓𝟎 − 504100] [𝟓𝟔𝟏𝟓𝟖 − 547600 ]
10 10
54165 − 52540
rxy =
√[𝟓𝟐𝟑𝟓𝟎 − 50410][𝟓𝟔𝟏𝟓𝟖 − 54760]
1625
rxy =
√[1940][1398]
1625
rxy =
√2712120
1625
rxy =
1646.851
rxy = 0.986

Dengan menggunakan ke 2 rumus tersebut di atas, didapatkan angka korelasi yang

sama yaitu 0.986. Tugas peneliti adalah menginterprestasikan angka korelasi sebesar
0.986, apakah koefisien korelasi sebesar 0.986 merupakan koefisien korelasi yang
bermakna atau signifikan.? ada dua cara untuk menginterpretasikan:
1. Interpretasi secara sederhana yaitu hasil perhitungan ternyata angka korelasi antara
variabel X dan Y adalah berkorelasi + (positif) artinya searah. Besarnya korelasi
0.986 apabila dilihat pada Tabel. 1 (Interpretasi besarnya r Product Moment)
adalah berkisar antara 0.90 – 1.00 yang artinya antara variabel X dan variabel Y
terdapat korelasi yang sangat kuat atau sangat tinggi.
2. Interpretasi dengan menggunakan tabel r. Artinya, r hitung, akan di bandingkan
dengan r tabel. Untuk mencari besarnya r tabel, kita menggunakan rumus df = N-
nr (10 - 2 = 8). Kita lihat angka-angka yang merupakan koefisien korelasi pada taraf
 signifikan 5% dan 1%. Pada taraf 5% menunjukkan koefisien korelasi sebesar 0.632
dan pada taraf 1% sebesar 0.765.
Berdasarkan koefisien-koefisien korelasi yang diperoleh dapat dituliskan; rtabel (5%
= 0.632) < rhitung = 0.986) > rtabel (1% = 0.765). Bahasa matematis ini dapat diartikan
sebagai berikut, bahwa r hitung sebesar 0.986 adalah lebih besar daripada r teoritik
(tabel) baik pada taraf signifikansi 5% (0.632) maupun 1% (0.765). Berdasarkan
kenyataan ini, Hipotesis alternatif (Ha) yang menyatakan “ ada korelasi positif yang
signifikan, antara nilai pretest (variabel X) dan nilai posttest (variabel Y)”, dapat
diterima. Kesimpulan bahwa tinggi rendahnya nilai posttest sangat dipengaruhi
oleh nilai pretest.

C. KORELASI PRODUCT MOMENT UNTUK MENGHITUNG VALIDITAS BUTIR

SOAL.
Contoh: Ujian ststistik yang diikuti oleh 10 mahasiswa dengan 10 butir soal. Soal
berbentuk tes pilihan berganda. Data skor ujian Statistik dapat dilihat pada Tabel. 11.4.
Hitunglah validitas butir soal no. 4 dengan menggunakan product moment rumus 1 dan 2.

Tabel. 11.4.
Daftar Skor Ujian Statistik
Skor Setiap Butir Soal
Peserta
1 2 3 4 5 6 7 8 9 10
A 1 1 1 1 1 1 1 1 1 1
B 1 1 1 0 0 1 1 1 1 1
C 1 1 1 0 1 1 1 1 1 1
D 1 1 1 1 1 1 1 1 1 1
E 1 1 1 1 1 1 1 1 1 1
F 1 1 1 0 0 1 1 1 1 1
G 1 1 1 0 0 1 1 1 1 1
H 1 1 1 0 0 1 1 1 1 1
I 1 1 1 0 0 1 1 1 1 1
J 1 1 1 0 1 0 1 1 0 1
1. RUMUS 1. KORELASI PRODUCT MOMENT 1 DENGAN ANGKA KASAR.
Langkah-langkah
Langkah 1: menjumlahkan subjek penelitian, diperoleh N = 10
Langkah 2: menjumlahkan ke bawah skor yang dijawab benar setiap butir soal,
Langkah 3: menjumlahkan ke kanan skor setiap subjek, diperoleh total skor (Yt),
setelah menjumlahkan ke bawah diperoleh ∑Yt = 86
Langkah 4: mengkuadratkan total skor (Yt), diperoleh 𝐘𝐭𝟐 , setelah itu menjumlahkan
ke bawah, diperoleh ∑𝐘𝐭𝟐 = 750
Tabel. 11.5.
Daftar Skor Ujian Statistik Xt dan 𝐗 𝟐𝐭
Skor Setiap Butir Soal (X)
serta Yt 𝐘𝐭𝟐
1 2 3 4 5 6 7 8 9 10
A 1 1 1 1 1 1 1 1 1 1 10 100
B 1 1 1 0 0 1 1 1 1 1 8 64
C 1 1 1 0 1 1 1 1 1 1 9 81
D 1 1 1 1 1 1 1 1 1 1 10 100
E 1 1 1 1 1 1 1 1 1 1 10 100
F 1 1 1 0 0 1 1 1 1 1 8 64
G 1 1 1 0 0 1 1 1 1 1 8 64
H 1 1 1 0 0 1 1 1 1 1 8 64
I 1 1 1 0 0 1 1 1 1 1 8 64
J 1 1 1 0 1 0 1 1 0 1 7 49
𝟐
N=10 10 10 10 3 5 9 10 10 9 10 ∑Xt= 86 ∑𝐗 𝐭 =750

Langkah 5: membuat tabel penolong

Tabel. 11.6.
Tabel Penolong Variabel X dan Y
X X2 Y Y2 XY
A 1 1 10 100 10
B 0 0 8 64 0
C 0 0 9 81 0
D 1 1 10 100 10
E 1 1 10 100 10
F 0 0 8 64 0
G 0 0 8 64 0
H 0 0 8 64 0
I 0 0 8 64 0
J 0 0 7 49 0
3 3 86 750 30
 Langkah 6: menjumlahkan ke bawah skor yang dijawab benar butir soal no. 4 (Var X)
Langkah 7: mengkuadratkan skor variabel X, diperoleh X2, setelah itu menjumlahkan
ke bawah, diperoleh ∑X2 = 3
Langkah 8: mengkuadratkan skor variabel Y, diperoleh Y2 , setelah itu menjumlahkan
ke bawah diperoleh ∑Y2 = 750
Langkah 9: mengkalikan variabel X dan Variable Y, diperoleh XY, setelah itu
menjumlahkan ke bawah diperoleh ∑XY = 30
Langkah 10: mencari rxy dengan rumus 1 product moment

n. ∑XY − ∑X. ∑Y
rix =
√[(N. (∑X2 ) − (∑X)2 ][(N. (∑Y 2 ) − (∑Y)2 ]
10 x 30 − 3 x 86
rix =
√[(10 x(3) − (3)2 ][(10 x (750) − (86)2 ]
300 − 258
rix =
√[(30 − 9)][(7500 − 7396)]
42
rix =
√[(21)][(104)]
42
rix =
√2184
42
rix = = 0.898
46.7332

2. RUMUS 2. KORELASI PRODUCT MOMENT 2 DENGAN ANGKA KASAR.

Langkah 1 s.d 6 sama seperti rumus 1.
Tabel Penolong sama seperti pada rumus 1
Tabel. 11.7.
Tabel Penolong Variabel X dan Y
X 𝐗𝟐 Y 𝐘𝟐 XY

A 1 1 10 100 10
B 0 0 8 64 0
C 0 0 9 81 0
D 1 1 10 100 10
E 1 1 10 100 10
F 0 0 8 64 0
G 0 0 8 64 0
 H 0 0 8 64 0
I 0 0 8 64 0
J 0 0 7 49 0
3 3 86 750 30

Langkah berikutnya mencari rxy dengan rumus 2 product moment

(∑X)(∑Y)
∑XY −
rxy = N
(∑X) 2 (∑Y)2
√[∑X 2 − ] [∑Y2 − ]
N N
(3)(86)
30 −
rxy = 10
(3)2 (86)2
√[𝟑 − ] [𝟕𝟓𝟎 − ]
10 10
258
30 −
rxy = 10
√[𝟑 − 9 ] [𝟕𝟓𝟎 − 7396 ]
10 10
30 − 25.8
rxy =
√[𝟑 − 0.9][𝟕𝟓𝟎 − 739.6]
4.2
rxy =
√[2.1][10.4]
4.2
rxy =
√21.84
4.2
rxy =
4.6733
rxy = 0.898

Langkah selanjutnya adalah mencari rtabel dengan rumus: df = N-nr = 10 - 2 = 8

Dengan df sebesar 8 diperoleh harga rtabel pada taraf signifikansi 5% sebesar 0.632
sedangkan pada taraf signifikansi 1% sebesar 0.765. karena r xy = 0.898 > sig. 5% =
0,632 dan sig. 1% = 0.765 maka dapat disimpulkan bahwa butir soal no 4 adalah valid.
D. KORELASI TATA JENJANG
Korelasi tata jenjang disebut juga rank order correlation atau rank difference correlation
adalah teknik korelasi yang dikembangkan oleh Charles Spearman, dimaksudkan untuk
menghitung atau menentukan tingkat hubungan (korelasi) antara 2 variabel yang kedua-
duanya merupakan data ordinal atau tata jenjang. Data ordinal selalu menunjukkan adanya
suatu urutan, tingkatan, rangking, atau gradasi yang menunjukkan perbeaan besar antara
nilai variable yang satu dengan yang lain.
Seringkali kita mendapatkan laporan dalam bentuk tata jenjang (rangking), misalkan
laporan tentang cabang olahraga, bentuk laporannya adalah juara pertama, kedua, dan
ketiga, dll. Dalam bidang akademik, misalkan rangking pertama, kedua, dan ketiga.
Anas (2014) pada teknik korelasi tata jenjang ini, besar kecil atau kuat lemahnya korelasi
antar variabel, berdasarkan perbedaan urutan kedudukan skornya (rank of difference); jadi
bukan didasarkan pada skor hasil pengukuran hasil yang sebenarnya. Teknik analisis ini
akan efektif digunakan apabila subjek yang dijadikan sampel dalam penelitian ini lebih
dari 9 tetapi kurang dari tigapuluh, dengan kata lain N antara 10 – 29. Apabila N sama
dengan atau lebih dari 30 disarankan tidak menggunakan korelasi tata jenjang.
Apabila peneliti memiliki data yang jenis interval atau rasio maka data tersebut harus
diubah dulu kedalam urutan rangking-rangking, caranya adalah dengan mengurutkan
angka yang tertinggi sampai angka yang terendah. Angka tertinggi menempati rangking 1,
sedangkan angka terendah menduduki rangking terakhir. Ketepatan dalam merangking
adalah sangat penting karena apabila kita salah merangking maka korelasinya menjadi
tidak tepat. Perhatian Tabel. 9.
Contoh 1. Nilai tidak ada yang sama (beda)
Misalkan: ujian mata kuliah statistik diikuti oleh 8 (delapan) mahasiswa. Dosen akan
merangking nilai ujian mata kuliah statistik tersebut. Tabel. 11.8A dan 11.8B adalah daftar
nilai ujian statistik. Perlu diperhatikan bahwa nilai-nilai statistik ke 8 mahasiswa semuanya
berbeda atau tidak ada yang sama.
 Tabel. 11.8A Tabel. 11.8B
Rangking Nilai Ujian Statistik (acak) Rangking Nilai Ujian Statistik (urutan)
Nilai Rangking Nilai Rangking
62 7 90 1
90 1 88 2
78 5 85 3
83 4 83 4
85 3 78 5
50 8 65 6
88 2 62 7
65 6 50 8

Tabel. 11.8A (data nilai acak) sedangkan 11.8B (data nilai yang sudah diurutkan dari yang
nilai terbesar ke nilai terkecil). Apabila diperhatikan nilai tertinggi 90 atau rangking 1 dan
nilai terendah 50 atau rangking 8.

Contoh 2. Nilai ada yang sama (kembar).

Misalkan: ujian mata kuliah statistik diikuti oleh 10 (sepuluh) mahasiswa. Dosen akan
merangking ke Data nilai ujian mata kuliah statistik. Perlu diperhatikan bahwa nilai-nilai
statistik ke 10 mahasiswa terdapat nilai-nilai yang sama. Untuk mempermudah
pemahaman, kita bisa mengurutkan dari nilai tertinggi sampai nilai terendah seperti pada
Tabel. 11.9.
Tabel. 11.9.
Nilai Ujian Statistik (urutan)
Nilai
90
85
85 Nilai Sama
85 85
75
65
60
60
60
50

Perhatikan Tabel. 11.9. terdapat nilai statistik yang sama yaitu nilai 85 sebanyak 3 kali dan
nilai 60 sebanyak 3 kali. Bagaimanakah cara merangking? Apakah kita membuat data
ordinal atau merangking tanpa memperdulikan nilai yang sama atau kembar? Seperti pada
Tabel. 11.10. ini tentunya tidak adil karena mahasiswa yang mempunyai nilai yang sama
(85) tetapi rangkingnya berbeda.
Tabel. 11.10.
Rangking Nilai Ujian Statistik (salah)
Nilai Rangking
90 1
85 2
85 3
85 4
75 5
65 6
60 7
60 8
60 9
50 10

Apakah kita membuat data ordinal atau merangking dengan memberikan rangking yang
sama terhadap nilai yang sama atau kembar? Seperti pada Tabel. 11.11. ternyata ini juga
kurang proposional menurut ahli statistik.
Tabel. 11.11.
Rangking Nilai Ujian Statistik (salah)
Nilai Rangking
90 1
85 2
85 2
85 2
75 3
65 4
60 5
60 5
60 5
50 6

Cara yang disarankan untuk membuat data ordinal atau merangking data yang mempunyai
nilai sama atau kembar adalah sebagi berikut: Perhatikan bahwa nilai 90 adalah rangking
1, sedangkan nilai 85 masing menduduki rangking ke 2, 3, dan 4 maka kita dapat membuat
rata-ratanya yaitu:
2+3+4 9
= =3
3 3
Dengan demikian nilai 85, semuanya menduduki rangking 3. Selanjutnya nilai 75 adalah
rangking ke 4, dan nilai 65 menempati rangking ke 5. Untuk rangking ke 6, 7, dan 8
nilainya adalah sama yaitu 60, maka kita dapat membuat rata-ratanya yaitu:
6 + 7 + 8 21
= =7
3 3
Dengan demikian nilai 60, semuanya menduduki rangking 7. Perhatikan Tabel. 11.12

Tabel. 11.12A Tabel. 11.12B

Rangking Nilai Ujian Statistik (benar) Rangking Nilai Ujian Statistik (benar)
Nilai Rangking Nilai Rangking
90 1 65 5
85 3 90 1
85 3 75 4
85 3 60 7
75 4 85 3
65 5 50 8
60 7 85 3
60 7 60 7
60 7 85 3
50 8 60 7

Tabel. 11.12A adalah data nilai yang sudah diurutkan, sedangkan Tabel. 11.12B adalah
data yang acak. Artinya walaupun data nilai acak tetapi kedudukan rangking 1 tetap pada
nilai 90, rangking 8 tetap pada nilai 50. Untuk data yang masih acak membutuhkan
kecermatan yang tinggi untuk merangkingnya.

Untuk mencari korelasi tata jenjang menggunakan rumus berikut:

Rumus Keterangan
6 ∑D2 rho = koefisien r tata jenjang
ro = 1 −
𝑁(𝑁 2 − 1) D = Difference atau beda antar rangking atau ordinal
N = Jumlah Subjek
1 dan 6 bilangan konstan

Contoh: Seorang dosen di unesa ingin mengetahui korelasi antara nilai pretest (X) dan nilai
posttest (Y) untuk mata kuliah statistik, dalam penelitian ini telah ditetapkan sample
mahasiswa angkatan 2019 B sebanyak 10 orang untuk diteliti (N = 10).
 Tabel. 11.13.
Nilai Pretest dan Posttest
Pre test Post test
(X) (Y)
45 50
60 65
55 60
75 75
80 75
65 70
70 75
90 85
60 75
80 90
680 720

Pada Tabel. 11.14. adalah tabel penolong dimana nilai pretes (X) dan posttest (Y) telah
diurutkan menurut rangking , mulai dari angka terbesar ke terkecil.
Tabel. 11.14.
Tabel Penolong Tata Jenjang (Besar ke Kecil)
Subjek Pre test Post test Ordinal Ordinal
d ∑𝐝𝟐
(X) (Y) (X) (Y)
1 45 50 10 10 0 0
2 60 65 7.5 8 -0.5 0.25
3 55 60 9 9 0 0
4 75 75 4 4.5 -0.5 0.25
5 80 75 2.5 4.5 -2 4
6 65 70 6 7 -1 1
7 70 75 5 4.5 0.5 0.25
8 90 85 1 2 -1 1
9 60 75 7.5 4.5 3 9
10 80 90 2.5 1 1.5 2.25
N = 10 680 720 0 18

Cara lain. Tabel. 11.15. disajikan data dimana tata jenjang diurutkan dari variabel X dan
Y, mulai dari angka terkecil ke terbesar.
Hipotesis
Dasar pengambilan keputusan korelasi tata jenjang adalah
a. Jika rhohitung > rhotabel maka H1 diterima dan Ho ditolak
artinya terdapat hubungan yang signifikan antara nilai pretest dan postest
b. Jika rhohitung < rhotabel maka H1 ditolak dan Ho diterima.
artinya tidak ada hubungan yang signifikan antara nilai pretest dan postest

Tabel. 11.15.
Tabel Penolong Tata Jenjang (Kecil ke Besar)
Subjek Pre test Post test Ordinal Ordinal
d ∑𝐝𝟐
(X) (Y) (X) (Y)
1 45 50 1 1 0 0
2 60 65 3.5 3 0.5 0.25
3 55 60 2 2 0 0
4 75 75 7 6.5 0.5 0.25
5 80 75 8.5 6.5 2 4
6 65 70 5 4 1 1
7 70 75 6 6.5 -0.5 0.25
8 90 85 10 9 1 1
9 60 75 3.5 6.5 -3 9
10 80 90 8.5 10 -1.5 2.25
N = 10 680 720 0 18

Maka hasil d2 adalah sama. kemudian masukkan data tersebut kedalam rumus tata
jenjang.
6 ∑D2
ro = 1 −
𝑁(𝑁 2 − 1)
6 x 18
ro = 1 −
10(102 − 1)
6 x 18
ro = 1 −
10(100 − 1)
108
ro = 1 −
990
ro = 1 − 0.1090
ro = 0.890
Tata jenjang yang diurutkan dari variabel X dan Y, mulai dari angka terbesar ke terkecil
atau angka terkecil ke terbesar menghasilkan nilai r o yang sama yaitu 0.890.
ro sebesar 0.890 (disebut ro hitung atau empirik) kemudian dikonsultasikan dengan
koefisien korelasi (r teoritik) yang terdapat pada tabel nilai-nilai ro. Berdasarkan koefisien
korelasi teoritik dengan taraf signifikansi 5% diperoleh 0.648 sedangkan pada taraf 1%
diperoleh 0.794. ro hitung = 0.890 > dari rt 1% = 794 dan rt 5% = 0.648.

Interpretasinya adalah berdasarkan kenyataan ini, adalah bahwa rhitung > rhotabel, dengan
demikian H1 diterima dan Ho ditolak, artinya terdapat hubungan yang signifikan antara
nilai pretest dan postest baik pada signifikansi 1% atau 5%.
 NILAI-NILAI r PRODUCT MOMENT

Taraf Sig. Taraf Sig. Taraf Sig.

df df df
5% 1% 5% 1% 5% 1%
1 0.997 0.999 25 0.381 0.487 50 0.273 0.354
2 0.950 0.990 26 0.374 0.478 60 0.250 0.325
3 0.878 0.959 27 0.367 0.470 70 0.232 0.302

4 0.811 0.917 28 0.361 0.463 80 0.217 0.283

5 0.754 0.874 29 0.355 0.456 90 0.205 0.267
6 0.707 0.834 30 0.349 0.449 100 0.195 0.254
7 0.666 0.798 31 0.344 0.442 125 0.174 0.228
8 0.632 0.765 32 0.339 0.436 150 0.159 0.208

9 0.602 0.735 33 0.334 0.430 200 0.138 0.181

10 0.576 0.708 34 0.329 0.424 300 0.113 0.148
11 0.553 0.684 35 0.325 0.418 400 0.098 0.128
12 0.532 0.661 36 0.320 0.413 500 0.088 0.115
13 0.514 0.641 37 0.316 0.408 1000 0.062 0.081

14 0.497 0.623 38 0.312 0.403

15 0.482 0.606 39 0.308 0.398
16 0.468 0.590 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 0.380

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

TABEL NILAI-NILAI RHO

Taraf Sig. Taraf Sig.
N N
5% 1% 5% 1%
5 1.000 16 0.506 0.665
6 0.886 1.000 18 0.475 0.626
7 0.786 0.929 20 0.450 0.591
8 0.738 0.881 22 0.428 0.562
9 0.683 0.833 24 0.409 0.537
10 0.648 0.794 26 0.392 0.515
12 0.591 0.777 28 0.377 0.496
14 0.544 0.715 30 0.364 0.478
TUGAS.
Latihan 1.
Seorang dosen di unesa ingin mengetahui apakah antara nilai pretes (X) dan nilai postest
(Y) untuk mata kuliah statistik terdapat kolerasi positif yang signifikan. Gunakan rumus:

N. ∑XY − ∑X. ∑Y
rxy =
√[(N. (∑X2 ) − (∑X)2 ][(N. (∑Y 2 ) − (∑Y)2 ]
Tabel. 1.
Nilai Hasil Pretes dan Posttes
Subjek Pre test (X) Post test (Y)
1 7 8
2 6 6
3 5 6
4 7 7
5 6 7
6 7 8
7 8 5
8 7 9
9 6 7
10 6 7
N = 10 65 70

Latihan. 2
Peneliti akan melakukan uji validitas butir soal pada materi matematika siswa SMA, pada
uji validitas ini jumlah soal yang diberikan yaitu 10 butir soal dengan jumlah peserta didik
sebanyak 10 orang. Hitunglah hasil uji validitas butir soal nomor 5 dengan menggunakan
rumus korelasi product moment.

N. ∑XY − ∑X. ∑Y
rxy =
√[(N. (∑X2 ) − (∑X)2 ][(N. (∑Y2 ) − (∑Y)2 ]
 Tabel. 2.
Data Skor Butir Soal
Skor Setiap Butir Soal
Peserta
1 2 3 4 5 6 7 8 9 10
A 1 1 1 1 1 1 1 0 0 1
B 1 1 1 1 1 1 1 0 1 0
C - - 1 1 1 0 1 0 - 0
D 0 0 1 0 0 1 0 1 - 1
E 1 1 1 1 1 1 1 0 - 0
F 1 1 1 1 1 - 1 0 0 1
G 1 1 1 - 1 1 1 - 1 1
H 1 0 0 1 1 1 0 0 - 1
I - 1 1 - 0 0 0 0 - 1
J 0 0 0 - 1 0 0 0 1 0

Latihan. 3
Kejuaraan sepak bola antar club dilaporkan dalam bentuk tata jenjang seperti peringkat 1,
2, sampai peringkat 10, tanpa memandang perbedaan score pada masing-masing club.
Adapun peringkat club sepak bola tahun 2015 dan tahun 2020 adalah sebagai berikut:
Tabel. 3.
Peringkat Club Sepak Bola tahun 2015 dan 2020
Club Peringkat Peringkat
Sepak Bola Tahun 2015 Tahun 2020
Real Madrid 1 1
AC Milan 2 2
Liverpool 3 5
Ajak 4 3
Bayern Munich 5 8
Aston Vila 6 4
Hamburg 7 7
Juventus 8 10
Barcelona 9 6
FC Porto 10 9
Total 55 55

Pertanyaan apakah terdapat hubungan yang signifikan antara peringkat tahun 2015 dengan
tahun 2020?