BAB I

PENDAHULUAN

1.1.      Latar Belakang

Ketika melakukan penelitian, sering mendapatkan data yang belum tersusun

dengan baik, oleh sebab itu dibutuhkan proses lanjut salah satunya mengubah data
kedalam bentuk yang diinginkan dengan menggunakan tekhnik analisis
korelasional, sehingga dapt memberikan informasi yang tepat, ringkas dan jelas.
Karena seorang peneliti harus harus mengetahui arti dan bagaimana cara
mengolah data yang telah didapat agar menjadi data yang bisa memberikan
informasi yang jelas. Dalam makalah ini akan membahas secara singkat mengenai
korelasional Tekhnik Analisis Korelasional Bivarat

1.2.      Rumusan Masalah

Adapun yang menjadi rumusan masalah dalam pembuatan kami ini adalah
sebagai berikut :

1. ingin mengetahui apa itu Tekhnik Korelasi Bivariate ?

2. ingin mengetahui bagaimana cara mencari/menghitung angka indeks

ketiga korelasi Bivariate ?
 BAB II

PEMBAHASAN

2.1.      Pengertian Teknik Analisis Korelasional

Teknik analisis korelasional  adalah tekhnik analisis statistik mengenai hubungan

antar dua variabel atau lebih. Teknik analisis korelasional dapat dibedakan
menjadi dua golongan, yaitu Tekhnik Analisis Korelasional Bivarat dan Teknik
Analisis Korelasional Multivariat.

Teknik Analisa Korelasional Bivariat ialah teknik analisa korelasi yang

mendasarkan diri pada Dua variabel yang bertipe ordinal dan skala.  Dimana jika
nilai suatu variabel naik, sedangkan nilai variabel yang lain turun, maka dikatakan
terdapat hubungan negatif serta sebaliknya. Dalam SPSS ada tiga metode korelasi
sederhana (bivariate correlation) diantaranya Pearson Correlation, Kendall’s
tau-b, dan Spearman Correlation. Pearson Correlation digunakan untuk data
berskala interval atau rasio dengan data berdistribusi normal (parametrik),
sedangkan Kendall, dan Spearman Correlation lebih cocok untuk data berskala
ordinal dan tidak memandang distribusi variabel (nonparametrik), contoh
pengamatan terhadap hubungan kinerja dengan kepribadian karyawan suatu
perusahaan . Nilai variabel kinerja dan kepribadian berdasarkan rating ordinal 1
sampai 5 (baik sekali =1, baik=2, biasa=3, buruk=4, buruk sekali=)

2.2. Analisa statistik bivariat

Metode Pearson atau sering disebut Product Moment Pearson. Nilai korelasi (r)

berkisar antara 1 sampai -1, nilai semakin mendekati 1 atau -1 berarti hubungan
antara dua variabel semakin kuat, sebaliknya nilai mendekati 0 berarti hubungan
antara dua variabel semakin lemah. Nilai positif menunjukkan hubungan searah
(X naik maka Y naik) dan nilai negatif menunjukkan hubungan terbalik (X naik
maka Y turun).
CONTOH

Judul: Hubungan antara intensitas belajar dengan prestasi mata kuliah statistik
Variabel X : Intensitas belajar (diukur dari lamanya belajar dalam satu minggu)
Variabel Y : Prestasi matakuliah statistik (diukur dari nilai ujian akhir semester)

Hipotesa:
H0: Tidak ada hubungan antara Intenitas belajar dengan prestasi mata kuliah
statistik
Ha: Ada hubungan antara Intenitas belajar dengan prestasi mata kuliah statistik

INPUT DATA KE SPSS

Ada dua view dalam SPSS

a. Data View : digunakan untuk memasukkan data yang akan dianalisis

b. Variabel View : digunakan untuk memberi nama variabel dan pemberian
koding.
UJI NORMALITAS

Uji Normalitas SPSS

Normalitas Plot SPSS

INTERPRESTASI NORMALITAS

TAHAP ANALISIS
INTERPRESTASI

Keterangan : pada tabel metrik Correlations, nilai koefisien antar intensitas belajar
dan prestasi tinggi.(0,815)

r √n−2
thit =
√ 1−r 2
0,815 √32−2
thit = =13,3
√ 1−0,8152
Untuk pengambilan keputusan statistik, dapat digunakan 2 cara:
1. Koefisien Korelasi dibandingkan dengan nilai r tabel (korelasi tabel)
    Apabila Koefisien Korelasi > r tabel, Maka ada korelasi yang signifikan (Ha
Diterima)
    Apabila Koefisien Korelasi < r tabel, Maka tidak ada korelasi yang signifikan
(H0 Diterima)

2. Melihat Sig.
    Apabila nilai Sig. < 0,05 Maka ada korelasi yang signifikan (Ha Diterima)
    Apabila nilai Sig. > 0,05 Maka tidak ada korelasi yang signifikan (H0 Diterima)

Arah hubungan:
Dilihat dari tanda koefisien korelasi
   Tanda (-) berarti apabila variabel X tinggi maka variabel Y rendah
   Tanda (+) berarti apabila variabel X tinggi maka variabel Y juga tinggi

ttabel = 1,70

thit = 13,3 ¿ ttabel = 1,70 sehingga Ho ditolak, jadi ada hubungan antara kedua variabel

Sig. 2 tailed (0,000) < α (0,01) sehingga Ho ditolak, jadi ada hubungan antara kedua
variabel.