ANALISIS

KORELASI
 Pendahuluan

• Korelasi adalah suatu alat analisis yang digunakan untuk

mencari hubungan antara dua atau lebih variabel
1. Hubungan antara 2 variabel  bivariate correlation
contoh: hubungan antara motivasi kerja dengan kinerja
2. Hubungan antara > 2 variabel  multivariate correlation
contoh: hubungan antara motivasi kerja dengan disiplin
kerja dan kinerja
• Dalam analisis korelasi disamping mengukur kesesuaian garis
regresi terhadap data sampel disebut koefisien determinasi
atau koefisien penentu, juga mengukur keeratan hubungan
antara variabel disebut koefisien korelasi
• Koefisien korelasi dilambangkan dengan r dan koefisien
determinasi dilambangkan dengan r2
 Tujuan Analisis Korelasi

Tujuan dilakukan analisis korelasi:

1. Untuk mencari bukti terdapat tidaknya hubungan (korelasi)
antar variabel
2. Untuk melihat besar kecilnya hubungan antar variabel jika
sudah ada hubungan
3. Untuk memperoleh kejelasan dan kepastian apakah hubungan
tersebut signifikan atau tidak
 Korelasi Sederhana

Koefisien Korelasi:
• Angka indeks korelasi (coefficient of correlation) adalah suatu
angka yang menunjukkan tinggi rendahnya derajat hubungan
antara dua variabel atau lebih
• Koefisien korelasi (r) besarnya nilai paling sedikit -1 dan paling
besar +1 (-1  r  1)
• Note:
r < 0 : derajat hubungan antara dua variabel berlawanan (korelasi
negatif), garis regresi miring ke atas kanan
r > 0 : derajat hubungan antara dua variabel sejajar (korelasi positif),
garis regresi miring ke bawah kanan
r = 0 : tidak ada hubungan antara dua variabel, tidak ada korelasi linear
 Harga r bergerak antara –1 dan +1 dengan tanda negatif
menyatakan adanya korelasi tak langsung atau korelasi negatif
dan tanda positif menyatakan adanya korelasi langsung atau
korelasi positif. Harga r = 0 menyatakan tidak ada
hubungan linier antara variabel X dan Y

Korelasi negatif Korelasi negatif Tidak ada Korelasi positif korelasi positif
sempurna sedang korelasi sedang sempurna

negatif kuat negatif lemah positif lemah positif kuat

-1,0 -0,5 0,0 0,5 1,0

Korelasi Negatif Korelasi Positif

 Koefisien Korelasi Linear (Pearson)

• Koefisien korelasi linear mengukur kekuatan hubungan

linear antara variabel X dan Y
• Korelasi linear disebut juga Korelasi Pearson (Product
Moment)
• Rumus Korelasi Pearson:

n  X i Yi  ( X i )( Yi )
r
{n  X i2  ( X i ) 2 }{n  Yi2  ( Yi ) 2 }
Contoh:

Diketahui data jumlah SKS dan IPK mahasiswa

sebagai berikut:
Jumlah SKS (X) IPK (Y)
10 3,00
10 2,50
15 2,00
10 1,50
5 1,00
Tentukan nilai koefisien korelasi dengan metode
product moment dan jelaskan artinya?
Penyelesaian:
Buat tabel penolong untuk menghitung r
No Xi Yi Xi Yi Xi2 Yi2
1 10 3,00 30 100 9,00
2 10 2,50 25 100 6,25
3 15 2,00 30 225 4,00
4 10 1,50 15 100 2,25
5 5 1,00 5 25 1,00
n=5 Xi = 50 Yi = 10 XiYi= 105 Xi2 = 550 Yi2 = 22,5
5 (105)  (50) (10) 25
r = 5 (550)  (50) 5 (22,5)  (10) 
2 2
= (250) (12,5) = 0,447
Dari hasil ini ternyata didapat korelasi positif antara jumlah sks (X) dan
IPK yang didapat (Y)
 Koefisien Determinasi

• Koefisien determinasi merupakan ukuran untuk mengetahui

kesesuaian atau ketepatan antara nilai dugaan dengan data
sampel
• Koefisien determinasi menunjukkan kemampuan variabel x
yang merupakan variabel bebas (independen) mempengaruhi
variabel y yang merupakan variabel terikat (dependen)
• Semakin besar nilai koefisien determinasi menunjukkan
semakin baik kemampuan variabel x mempengaruhi variabel
y
• Nilai koefisien determinasi antara 0  𝑟 2  1
nilai koefisien determinasi = 1  hubungan sempurna
nilai koefisien determinasi = 0  tidak ada hubungan
Misal: 𝑟 2 = 0,81 artinya 81% perubahan dari variabel Y ditentukan
oleh variabel X
• Rumus Koefisien Determinasi:

n  X i Yi  ( X i )( Yi )
r
{n  X i2  ( X i ) 2 }{n  Yi2  ( Yi ) 2 }
𝑟 2 𝑥 100%
• Koefisien non determinasi adalah perbandingan total variasi
terikat Y yang dapat dijelaskan oleh variabel diluar model
Rumus: 1 − 𝑟 2
Contoh:

Diketahui data jumlah SKS dan IPK mahasiswa

sebagai berikut:
Jumlah SKS (X) IPK (Y)
10 3,00
10 2,50
15 2,00
10 1,50
5 1,00
Tentukan koefisien determinasi dan maknanya?
Penyelesaian:

Buat tabel penolong untuk menghitung r

No Xi Yi X i Yi Xi2 Yi2
1 10 3,00 30 100 9,00
2 10 2,50 25 100 6,25
3 15 2,00 30 225 4,00
4 10 1,50 15 100 2,25
5 5 1,00 5 25 1,00
n = 5 Xi = 50 Yi = 10 XiYi = 105 Xi2 = 550 Yi2 = 22,5
5 (105)  (50) (10) 25
r = = = 0,447
 5 (550)  (50)  5 (22,5)  (10) 
2 2
(250) (12,5)
• Koefisien Determinasi:
𝑟 2 𝑥 100% = (0,447)2 𝑥 100% = 19,98%
Artinya jumlah SKS yang ditempuh oleh mahasiswa
mampu menjelaskan SKS mahasiswa sebesar 19,98%
• Koefisien non determinasi
1 − 𝑟 2 = 1 − 19,98% = 80,02%
 Koefisien Korelasi Rank Spearman

• Koefisen korelasi ini mengukur kedekatan hubungan antara dua

variabel ordinal. Koefisien korelasi ini dinamakan koefisien
korelasi pangkat atau koefisien korelasi Spearman
dilambangkan dengan 
• Rumus Korelasi Rank Spearman:

6  Di2
  1
n (n 2  1)
𝜌 = Koefisien korelasi rank spearman
n = Banyaknya ukuran sampel
𝐷𝑖 2 = Jumlah kuadrat dari selisih rank variabel x rank variabel y
 Langkah-langkah Uji Rank Spearman

1. Berikan peringkat pada nilai-nilai variabel x. Jika

terdapat angka-angka sama, peringkat yang diberikan
adalah peringkat rata-rata dari angka-angka yang
sama
2. Berikan peringkat pada nilai-nilai variabel y. Jika
terdapat angka-angka sama, peringkat yang diberikan
adalah peringkat rata-rata dari angka-angka yang
sama
3. Hitung 𝑑𝑖 untuk tiap-tiap sampel
4. Kuadratkan masing-masing 𝑑𝑖 dan jumlah semua nilai
𝐷𝑖 2
5. Hitung koefisien Korelasi Rank Spearman ()
 Pengujian Koefisien Korelasi

Nilai koefisien korelasi antara -1 dan +1

• Jika nilai r dekat +1 atau -1, maka ada hubungan
linear yang kuat
• Jika nilai r dekat 0, maka hubungan linear lemah
• Jika r sama dengan 0, maka tidak ada hubungan
linear antara dua peubah
• Uji statistik untuk menguji koefisien korelasi r adalah
dengan uji t (t student)
𝑛−2
𝑡=𝑟
1 − 𝑟2

• Uji t ini dilakukan apabila penelitian dilakukan

dengan ukuran sampel dengan tujuan agar dapat
menarik kesimpulan untuk populasi (generalisasi dari
sebagian untuk seluruh)
• Apabila penelitian dilakukan dengan ukuran populasi,
maka cukup sampai perhitungan r sudah dapat
menarik kesimpulan
Pengujian hipotesis untuk signifikansi hubungan linear antara dua
variabel:
1. Hipotesis
H0 :  = 0 (Tidak ada korelasi antara variabel x dan y)
H1 :  ≠ 0 (Ada korelasi signifikan antara variabel x dan y)
2. Taraf nyata:  dengan derajat bebas (dk) = (n -2)
3. Statistik Uji:
𝑛−2
𝑡=𝑟
1 − 𝑟2

4. Kriteria keputusan:
H0 diterima, jika −𝑡 1−
𝛼
;𝑑𝑘
< 𝑡 < 𝑡(1 − 𝛼 ;𝑑𝑘)
2 2

H0 ditolak, jika 𝑡 < −𝑡 1−

𝛼
;𝑑𝑘
atau 𝑡 > 𝑡 1−
𝛼
;𝑑𝑘
2 2
Contoh: No Skor Motivasi Nilai Statistika
1 64 42
Sebuah penelitian dilakukan
2 56 46
untuk mengetahui korelasi 3 50 40
antara motivasi belajar dengan 4 68 55
prestasi belajar statistika. Hasil 5 76 65
pengumpulan data dapat dilihat 6 84 88
pada Tabel. Tentukan koefisien 7 90 86
korelasi rank spearman? 8 66 56
Bagaimana kesimpulan yang 9 85 62

dapat diambil dari data 10 90 92

11 75 55
tersebut? Gunakan  = 0,05
12 92 81
Penyelesaian:
No Skor Nilai Ranking Ranking di 𝒅𝒊𝟐
Motivasi Statistika x y
(x) (y)
1 64 42 3 2 1 1
2 56 46 2 3 -1 1
3 50 40 1 1 0 0
4 68 55 5 4,5 0,5 0,25
5 76 65 7 8 -1 1
6 84 88 8 11 -3 9
7 90 86 10,5 10 0,5 0,25
8 66 56 4 6 -2 4
9 85 62 9 7 2 4
10 90 92 10,5 12 -1,5 2,25
11 75 55 6 4,5 1,5 2,25
12 92 81 12 9 3 9
Jumlah 22 34
Perhitungan:

6D 2
6 (34) 204
  1 i
 1  1  0,881
n (n  1)
2
12 (12  1)
2
1716
Langkah-langkah pengujian hipotesis:
1. Hipotesis
H0 :  = 0
H1 :  ≠ 0
2. Taraf nyata:  = 0,05
3. Statistik Uji:
𝑛−2 12−2
𝑡=𝑟 = 0,881 = 5,886
1−𝑟 2 1−(0,881)2

𝛼 0,05
𝛼 =1− =1− = 0,975 ; dk = n - 2 = 12 - 2 = 10
2 2

𝑡𝑡𝑎𝑏𝑒𝑙 0,975 ; 10 = 2,23

4. Kesimpulan:
H0 ditolak, jika 𝑡ℎ𝑖𝑡𝑢𝑛𝑔 5,886 ≥ 𝑡𝑡𝑎𝑏𝑒𝑙 2,23 berarti ada
hubungan antara motivasi belajar dengan prestasi belajar statistika
 Koefisien Korelasi Kendall’s

• Koefisien korelasi Kendall’s menyatakan hubungan dua variabel X

dan Y yang kedua-duanya mempunyai tingkat pengukuran
ordinal
• Rumus koefisien korelasi Kendall’s digunakan untuk jenis data
peringkat (ordinal) = korelasi Spearman
• Koefisien kendall’s memperhitung posisi wajar peringkat yang
satu terhadap yang lainnya dari peringkat-peringkat di kelompok
keduanya
• Rumus Korelasi Kendall’s:
2s

N(N  1)
s = jumlah skor yang terjadi
Contoh:
No Skor Nilai Ranking Ranking
Motivasi Statistika x y
(x) (y)
1 64 42 3 2
2 56 46 2 3
3 50 40 1 1
4 68 55 5 4,5
5 76 65 7 8
6 84 88 8 11
7 90 86 10,5 10
8 66 56 4 6
9 85 62 9 7
10 90 92 10,5 12
11 75 55 6 4,5
12 92 81 12 9
Penyelesaian:
Ranking Ranking S
x y
1 1 0
2 3 -1
3 2 1
Koefisien korelasi Kendall’s:
4 6 -2
5 4,5 0,5
2(-1)
6 4,5 1,5   0,0152
7 8 -1 12(12  1)
8 11 -3
9 7 2
10,5 10 -0,5
10,5 12 -1,5
12 9 3
Jumlah -1
 Korelasi Parsial

• Korelasi parsial adalah suatu nilai yang memberikan kuatnya

hubungan dua atau lebih variabel X dengan variabel Y yang
salah satu bagian variabel bebas dianggap konstan atau tetap
• Koefisien korelasi parsial dirumuskan:
1. Hubungan antara variabel 𝑋1 dengan variabel tak bebas 𝑌,
jika variabel bebas 𝑋2 tetap
𝑟𝑥1𝑦 − 𝑟𝑥2𝑦 . 𝑟𝑥1𝑥2
𝑟𝑥2(𝑥1𝑦) =
1 − 𝑟 2 𝑥2𝑦 1 − 𝑟 2 𝑥1𝑥2
2. Hubungan antara variabel 𝑋2 dengan variabel tak bebas 𝑌,
jika variabel bebas 𝑋1 tetap
𝑟𝑥2𝑦 − 𝑟𝑥1𝑦 . 𝑟𝑥1𝑥2
𝑟𝑥1(𝑥2𝑦) =
1 − 𝑟 2 𝑥1𝑦 1 − 𝑟 2 𝑥1𝑥2

3. Hubungan antara variabel 𝑋1 dengan variabel tak bebas 𝑋2 ,

jika variabel bebas 𝑌 tetap
𝑟𝑥1𝑥2 − 𝑟𝑥1𝑦 . 𝑟𝑥2𝑦
𝑟𝑦(𝑥1𝑥2) =
1 − 𝑟 2 𝑥1𝑦 1 − 𝑟 2 𝑥2𝑦

Untuk mengetahui apakah hubungan antar variabel signifikan atau

tidak, maka dilakukan pengujian koefisien korelasi parsial

𝑛−3
𝑡=𝑟
1 − 𝑟2
Kriteria: H0 ditolak, jika nilai 𝑡ℎ𝑖𝑡𝑢𝑛𝑔 > 𝑡𝑡𝑎𝑏𝑒𝑙 dengan db = n - 1
 Korelasi Ganda

• Korelasi ganda adalah suatu nilai yang memberikan kuatnya

hubungan dua atau lebih variabel bebas X secara bersama-
sama dengan variabel tak bebas Y
• Koefisien korelasi ganda dirumuskan:

𝑟 2 𝑥1𝑦 + 𝑟 2 𝑥2𝑦 − 2 . 𝑟𝑥1𝑦 . 𝑟𝑥2𝑦 . 𝑟𝑥1𝑥2

𝑅𝑥1𝑥2𝑦 =
1 − 𝑟 2 𝑥1𝑥2
Dimana,
𝑅𝑥1𝑥2𝑦 = Koefisien korelasi ganda antara variabel 𝑋1 dan 𝑋2
secara bersama-sama dengan variabel Y
𝑟𝑥1𝑦 = Koefisien korelasi 𝑋1 dengan Y
𝑟𝑥2𝑦 = Koefisien korelasi 𝑋2 dengan Y
𝑟𝑥1𝑥2 = Koefisien korelasi 𝑋1 dengan 𝑋2
Untuk mengetahui apakah hubungan antar variabel signifikan atau
tidak, maka dilakukan pengujian koefisien korelasi ganda
𝑅𝑥1𝑥2𝑦
𝐹= 𝑘
1 − 𝑅 2 𝑥1𝑥2𝑦
𝑛−𝑘−1
Dimana,
R = Koefisien korelasi ganda
F = Nilai uji 𝐹ℎ𝑖𝑡𝑢𝑛𝑔
k = Banyaknya variabel bebas X
n = ukuran sampel
Kriteria:
H0 ditolak, jika nilai 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 > 𝐹𝑡𝑎𝑏𝑒𝑙 dengan 𝑑𝑘1 = 𝑘 dan
𝑑𝑘2 = 𝑛 − 𝑘 − 1
Contoh:

Seorang peneliti ingin mengetahui hubungan antara pendapatan

dalam ribuan rupiah (X1) dan jumlah keluarga dalam satuan jiwa
(X2) dengan pengeluaran untuk membeli barang A dalam ratusan
rupiah (Y). Pengamatan dilakukan terhadap 10 keluarga sebagai
responden untuk tujuan penelitian diatas dan diperoleh
rekapitulasi skor hasil pengumpulan data:
X1 10 2 4 6 8 7 4 6 7 6
X2 7 3 2 4 6 5 3 3 4 3
Y 23 7 15 17 23 22 10 14 20 19
Diminta:
a. Koefisien korelasi parsial
b. Koefisien korelasi ganda
c. Uji keberartian masing-masing koefisien korelasi ( = 0,05)
Penyelesaian:
No X1 X2 Y X1Y X2Y X1X2 X12 X22 Y2
1 10 7 23 230 161 70 100 49 529
2 2 3 7 14 21 6 4 9 49
3 4 2 15 60 30 8 16 4 225
4 6 4 17 102 68 24 36 16 289
5 8 6 23 184 138 48 64 36 529
6 7 5 22 152 110 35 49 25 484
7 4 3 10 40 30 12 16 9 100
8 6 3 14 84 42 18 36 9 196
9 7 4 20 140 80 28 49 16 400
10 6 3 19 114 57 18 36 9 361
Jumlah 60 40 170 1121 737 267 406 182 3162

Dari tabel diperoleh:

n = 10, X1 = 60, X2 = 40, Y = 170, X1Y = 1122, X2Y = 737, X1 X2 = 267,
X12 = 406, X22 = 182, Y2 = 3162
 n  X1Y   X1  Y 
rx1y 
n X   X  n Y   Y  
2
1 1
2 2 2

10(1122)  (60)(170)
rx1y 
10(406)  (60) 10(3162)  (170) 
2 2

1020 1020
rx1y  
460 x 2720 1118,57
rx1y  0,912
 n  X 2 Y   X 2  Y 
rx 2 y 
n X   X  n Y   Y  
2
2 2
2 2 2

10(737)  (40)(170)
rx 2 y 
10(182)  (40) 10(3162)  (170) 
2 2

570 570
rx 2 y  
220 x 2720 773,56
rx 2 y  0,74
 n  X1X 2   X1  X 2 
rx1x 2 
n X   X  n X   X  
2
1 1
2 2
2 2
2

10(267)  (60)(40)
rx1x 2 
10(406)  (60) 10(182)  (40) 
2 2

270 270
rx1y  
460 x 220 318,12
rx1x 2  0,85
a. Koefisien Korelasi Parsial
• Hubungan antara X1 dengan Y:

rx1y  rx 2 y .rx1x 2 (0,912)  (0,74)(0,85)

rx 2 (x1y)  
1  r 1  r 
2
x2y
2
x1x 2 (1  (0,74) 2 )(1  (0,85) 2 )
rx 2 (x1y)  0,799
Pengujian keberartian koefisien korelasi parsial:
𝑛−3 10−3
𝑡=𝑟 = 0,799 = 3,515
1−𝑟 2 1−(0,799)2

𝛼 0,05
Daerah kritis pada 𝛼 = 1 − = 1− = 0,975 ; dk = n - 1 = 10 - 1 = 9
2 2

𝑡𝑡𝑎𝑏𝑒𝑙 0,975 ; 9 = 2,26

Kesimpulan: H0 ditolak, karena 𝑡ℎ𝑖𝑡𝑢𝑛𝑔 3,515 ≥ 𝑡𝑡𝑎𝑏𝑒𝑙 2,26 berarti
terdapat hubungan signifikan antara X1 dengan Y
• Hubungan antara X2 dengan Y:

rx 2 y  rx1y .rx1x 2 (0,74)  (0,912)(0,85)

rx1 (x 2 y)  
1  r 1  r 
2
x1 y
2
x1x 2 (1  (0,912) 2 )(1  (0,85) 2 )
rx 2 (x1y)  0,1629
Pengujian keberartian koefisien korelasi parsial:
𝑛−3 10−3
𝑡=𝑟 = −0,1629 = −0,4368
1−𝑟 2 1− −0,1629 2

𝛼 0,05
Daerah kritis pada 𝛼 = 1 − = 1− = 0,975 ; dk = n - 1 = 10 - 1 = 9
2 2

𝑡𝑡𝑎𝑏𝑒𝑙 0,975 ; 9 = 2,26

Kesimpulan: H0 diterima, karena 𝑡ℎ𝑖𝑡𝑢𝑛𝑔 −0,4368  𝑡𝑡𝑎𝑏𝑒𝑙 2,26 berarti
tidak terdapat hubungan signifikan antara X2 dengan Y
• Hubungan antara X1 dengan X2:

rx1x 2  rx1y .rx 2 y (0,85)  (0,912)(0,74)

ry(x1x 2 )  
1  r 1  r 
2
x1 y
2
x2y (1  (0,912) 2 )(1  (0,74) 2 )
rx 2 (x1y)  0,6347
Pengujian keberartian koefisien korelasi parsial:
𝑛−3 10−3
𝑡=𝑟 = 0,6347 = 2,1732
1−𝑟 2 1− 0,6347 2

𝛼 0,05
Daerah kritis pada 𝛼 = 1 − = 1− = 0,975 ; dk = n - 1 = 10 - 1 = 9
2 2

𝑡𝑡𝑎𝑏𝑒𝑙 0,975 ; 9 = 2,26

Kesimpulan: H0 diterima, karena 𝑡ℎ𝑖𝑡𝑢𝑛𝑔 2,1732  𝑡𝑡𝑎𝑏𝑒𝑙 2,26 berarti
tidak terdapat hubungan signifikan antara X1 dengan X2
b. Koefisien Korelasi Ganda
• Hubungan antara X1 dan X2 dengan Y:

rx21y  rx22 y  2.rx1y .rx 2 y .rx1x 2

R x1x 2 y 
1  rx21x2

(0,912) 2  (0,74) 2  2(0,912)(0,74)(0,85)

R x1x 2 y   0,914
1  (0,85) 2

• Pengujian keberartian koefisien korelasi ganda:

𝑅𝑥1𝑥2𝑦 0,914
𝐹= 𝑘 = 3 = 11,105
1 − 𝑅2 𝑥1𝑥2𝑦 1 − (0,914)2
𝑛−𝑘−1 10 − 3 − 1
• Daerah kritis pada 𝛼 = 0,05
𝑑𝑘1 = k = 3 dan 𝑑𝑘1 = n − k − 1 = 10 − 3 − 1 = 6
𝐹𝑡𝑎𝑏𝑒𝑙 (3 ; 6) = 4,76
• Kesimpulan: H0 ditolak, karena 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 11,105 ≥ 𝐹𝑡𝑎𝑏𝑒𝑙 4,76
berarti terdapat hubungan signifikan antara X1 bersama-sama
dengan X2 dan Y atau terdapat hubungan yang signifikan
antara pendapatan dan jumlah keluarga dengan pengeluaran
untuk membeli barang A
TERIMA KASIH