==================================================================================
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.
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.
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.
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
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
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
(∑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
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.
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 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.
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
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?