ANALISIS KORELASI

CAPAIAN PEMBELAJARAN (Learning Out Come)

1. Capaian Pembelajaran Umum. Dengan membaca bab ini dan menyelesaikan latihan dan
tugas dari bab VI ini, diharapkan mahasiswa dapat memahami bagaimana Pengertian
Korelasi, Koefisien Korelasi.
2. Capaian Pembelajaran Khusus. Setelah mempelajari isi bab 1 ini dengan baik, mahasiswa
diharapkan: mampu menjelaskan apa yang dimaksud korelasi, mampu menganalisis
korelasi, mampu menjelaskan apa yang dimaksud dengan koefisien korelasi, mampu
menganalisis koefisien Korelasi.

A. PENDAHULUAN/DESKRIPSI SINGKAT
Analisis Korelasi sering kita dengar dalam kehidupan sehari-hari di masyarakat maupun
dalam berita-berita di media massa elektronik maupun cetak. Orang cenderung berfikir bahwa
Analisis Korelasi selalu berkaitan dengan data dan berhitung (angka), memang tidak salah. Akan
tetapi Analisis Korelasi juga berhubungan dengan sumber daya, bagaimana peranan Analisis
Korelasi dalam membantu kegiatan individu dan masyarakat dalam memenuhi kebutuhannya.
Dalam Bab VI ini akan diuraikan beberapa hal yang bersifat mendasar mengenai Analisis
Korelasi k. Hal ini untuk memahami konsep dan aturan yang ada di dalam Analisis Korelasi.
Uraian tersebut mencakup:
1. Analisis Korelasi
2. Koefisien korelasi

B. POKOK-POKOK ISI
6.1 Pengertian Korelasi
Irianto (2004), korelasi merupakan suatu hubungan antara satu variabel dengan variabel
lainnya. Hubungan antara suatu variabel tersebut bisa secara korelasional dan bisa juga secara
kausal.
Korelasi adalah istilah yang menyatakan derajat hubungan linier antara dua Variable atau
lebih, yang ditemukan oleh Karl Pearson pada awal 1990. Oleh sebab itu terkenal dengan
sebutan Korelasi Pearson Product Moment (PPM). Korelasi adalah salah satu teknik analisis
statistic yang paling banyak digunakan oleh para peneliti. Karena peneliti umumnya tertarik
terhadap peristiwa-peristiwa yang terjadi dan mencoba untuk menghubungkannya. Misalnya kita
ingin menghubungkan antara tingi badan dengan berat badan, antara umur dengan tekanan
darahnya, antara motivasi dengan prestasi belajar atau bekerja, dan seterusnya.
Hubungan antara dua variabel di dalam teknik korelasi bukanlah dalam arti hubungan
sebab akibat (timbal balik), melainkan hanya merupakan hubungan searah saja. Hubungan sebab
akibat, misalnya; kemiskinan dengan kejahatan; kebersihan dengan kesehatan; kemiskinan
dengan kebodohan. Untuk jelasnya, hubungan sebab akibat dapat diuraikan sebagai beriku:
orang yang bodoh dapat menyebabkan dirinya miskin, sebaliknya orang yang miskin dapat
menyebabkan dirinya bodoh; demikian seterusnya. Jadi jelas mana yang menjadi hubungan
searah dan mana yang menjadi akibat. Dalam korelasi hanya dikenal hubungan searah saja
(timbal balik), misalnya : (1) tinggi badan menyebabkan berat badannya bertambah, tetapi berat
badanya bertambah belum tentu menyebabkan tinggi badannya bertambah pula, (2)
meningkatnya pemakaian mobil pribadi menyebabkan kemacetan lalu lintas, tetapi macetnya lalu
lintas belum tentu meningkatkan pemakaian mobil pribadi, demikian seterusnya. Akibatnya,
dalam korelasi dikenal penyebab da akibat. Data penyebab atau yang mempengaruhi diseut
variabel terikat. Istilah bebas disebut juga dengan independent yang biasanya dilambangkan
dengan huruf X dan X1, X2, X3, … X11 (tergantung banyaknya variabel bebas). Sedangkan istilah
terikat disebut juga dependen, yang biasanya dilambangkan dengan huruf Y. Bagaimana
menentuka bahwa variabel itu bebas atau terikat ? Jawabnya ialah tergantung dari landasan teori
yang kita pakai.
 Tabel 6.1
Macam-Macam Teknik Korelasi

INTERVAL ORDINAL NOMINAL

1 >1 1 >1 1 >1
Analisis Tansformasikan variabel
0
I Faktor ordinal ke nominal dan L
N Korelasi gunakan C-1, atau Anava A
1 Korelasi Anava
T Ganda transformasikan variabel (atau t test) J
E interval ke ordinal dan U
R gunakan B-2, atau Analisis, Analisis, R
Korelasi Korelasi
V >1 transformasikan kedua Diskriminan, Diskriminan,
Ganda Kanonika
A variabel ke nominal dan Ganda Ganda 1
L gunakan C-3.
Koefisien
Transformasikan variabel
0 Konkordas
O ordinal ke nominal dan L
(W)
R gunakan C-1, atau A
Sign test,
D transformasikan variabel J
median test,
I interval ke ordinal dan Korelasi Anava dua U
U test
N 1 gunakan B-2, atau Spearman jalan R
Kruskal
A transformasikan variabel Kendali stau (Friedman)
Wallis anava
L interval ke nominal dan 2
satu jalan
gunakan C-2.
>

0
N L
Sign test,
O Analisis A
median test, Koef Phi (Æ)
M Anava Diskriminan J
1 U test Fisher Exact
I (lihat C-1) Ganda U
Kruskal Test, X2
N (lihat C1) R
Wallis C2
A
Anava dua
L Anava Anava 3
>1 jalan
(lihat C-1) (lihat C-1)
(Friedman)

KOLOM A KOLOM B KOLOM C

 Tabel 6.2
Teknik Korelasi Dua Variabel Bivariant Untuk
Berbagai Variabel

Teknik Simbol Variabel 1 Variabel 2 Keterangan

Korelasi
Product r Kontinum Kontinum Teknik yang paling banyak dipakai, khususnya untuk
(interval) (interval) mendapatkan standar kesalahan terkecil.
Rank  Rank Rank Sering dipakai sebagai pengganti produk momen
(ordinal) (ordinal) terutama jika sample kurang dari 30.
Tan  Rank Rank Untuk pengganti, jika sample kurang dari 10.
Kendali (ordinal) (ordinal)
Biserial rbis Kontinum Kontinum Kadang-kadang lebih dari 1 = standar kesalahan lebih
besar dari r rumusnya dipakai untuk analisis item.
Biserial rwbs Kontinum Kontinum Khususnya dipakai untuk perseorangan yang ekstrem
Widespre dalam dikotomi variabel.
ad
Point- rpbis Kontinum Kontinum Hasilnya lebih rendah dari pada rbis.
Biserial
Tentrach Ss Dikotomi Dikotomi Digunakan jika dua variabel dapat dipecahkan pada titik
oris Arifisial Arifisial kritis.

Phi  Buatan Buatan Digunakan pada perhitungan antara analisis item.

Dikotomi Dikotomi
Continge  Sebenarnya Sebenarnya Ialah kondisi khusus dapat dibandingkan dnegan r,
nsi 2 kategori 2 kategori berhubungan erat dengan chikuadrat.
atau lebih atau lebih
Rasio Kontinum Kontinum

Otomatis Digunakan untuk mengetahui hubungan nonlinier.

(Disadur dari Brorg W Gall, 1983, hal. 587; Isaacc & Michael, 1983, hal. 166)
6.2 Koefisien korelasi
Tabel 6.3
Koefisien Korelasi

Koefisien Korelasi Variabel yang dikur

1. Produk Moemen Pearson  Kedua variabelnya berskala interval
2. Order Rank Sperman  Kedua variabelnya berskala ordinal
3. Point Serial  Satu berskala dikotomi sebernya dan satu berskala interval
4. Biserial  Satu berskala dikotomi buatan dan satu berskala interval
5. Koefisien Kontingensi  Kedua variabelnya berskala nominal
(Disadur dari Sutrisno Hadi, 1987, hal. 6-7 : Wrezia, 1986, hal. 332)

Korelasi Pearson Produk Momen (PPM)

Korelasi PPM sering disingkat korelasi saja merupakan salah satu teknik korelasi yang
paling banyak digunakan dalam penelitian sosial. Besarnya angka korelasi disebut koefisien
korelasi dinyatakan dalam lambing r.
1. Guna Korelasi PPM
a. Untuk menyatakan ada atau tidaknya hubungan yang signifikan antara variabel satu
dengan yang lainnya.
b. Untuk mneyatakan besarnya sumbangan variabel satu terhadap yang lainnnya yang
dinyatakan dalam persen. Dengan demikian, maka r2 disebut koefisien determinasi atau
koefisien penentu. Hal ini disebabkan r2 x 100 % terjadi dalam variabel terikat Y yang
mana ditentukan variabel X.
2. Asumsi
Asumsi ataupun persyaratan yang harus dipenuhi dalam menggunakan korelasi PPM adalah :
a. Variabel yang dihubungkan mempunyai data yang berdistribusi normal.
b. Variabel yang dihubungkan mempunyai data linier.
c. Variabel yang dihubungkan mempunyai data yang dipilih secara acak (random).
d. Variabel yang dihubungkan mempunyai pasangan sama dari subyek yang sama pula
(variasi skor variabel yang dihubungkan harus sama).
e. Variabel yang dihubungkan mempunyai data interval atau rasio.
3. Kelayakan Nilai r
a. Batas nilai r
Nilai r terbesar ialah +1, dan terkecil -1 sehingga dapat ditulis -1≤ r ≤ + 1. Untuk r = +1
disebut hubungannya positif sempurna dan hubungannya linier langsung sangat tinggi.
Sebaliknya jika r = -1 disebut hubungannya negative sempurna dan hubungannya tidak
langsung (indirect) sangat tinggi, yang disebut inverse.
b. Hanya untuk hubungan linier saja
c. Tidak berlaku untuk sample dengan varian = 0, karena z tidka dapat dihitung dan
akhirnya r tidak dapat dihitung juga.
d. r tidak mempunyai satuan (dimensi)
Jika r = + 1 diberi makna hubungan kedua variabel adalah linier, positif dan sangat
tinggi; dan jika r = - 1, diberi arti hubungan variabel adalah linier, negatif dan sangat
tinggi. Bagaimana jika nilai r terdapat diantara 1 denga + 1, misalnya +0,7, +0,01, -0,5, -
0,2. Untuk menjawab pertanyaan ini, maka makna dari r yang kita hitung dapat
dikonsultasikan dengan tabel di bawah ini:
Tabel 6.4
Interprestasi Dari Nilai R

R Interprestasi
0 Tidak berkorelasi
0,01 – 0,20 Sangat rendah
0,21 – 0,40 Rendah
0,41 – 0,60 Agak rendah
0,61 – 0,80 Cukup
0,81 – 0,99 Tinggi
1 Sangat tinggi

e. Macam Nilai r
Setelah kita menghitung nilai r dari sekian banyak penelitian, akhirnya dapat disimpulkan
bahwa nilai r itu dapat dibedakan atas lima macam yaitu : +1, +0, … 0, -0…, dan -1.
Atau dengan kata lain, harga maksimal r adalah +1 dan harga minimal r adalah -1, yang
kalau ditulis dalam bentuk matematis menjadi -1≤ r ≤ +1.
4. Menghitung Nilai r
Sebelum macam-macam nilai r diberikan, maka terlebih dahulu disajikan cara untuk
mendapatkan atau menghitung nilai r itu sendiri. Cara menghitung nilai r ada empat yaitu : tabel
biasa, tabel peta korelasi, tabel distribusi frekuensi, kalkulator, dan computer.
Berikut ini dibatasi pada perhitungan korelasi dengan menggunakan tabel biasa saja, sebab
tabel peta korelasi dan tabel distribusi frekuensi sudah banyak ditinggalkan orang karena terlalu
sulit. Sedangkan perhitungan r dengan kalkulator dan komputer sangatlah ditentukan oleh
spesifikasi masing-masing yang dibahas dalam buku tersendiri.
Penggunaan tabel biasa untuk menghitung korelasi merupakan dasar untuk menerapkan
rumus korelasi dan cara ini termasuk yang paling mudah dibandingkan denga kedua tabel di atas.
Langkah-langkah menghitung r dengan menggunakan bantuan tabel biasa adalah sebagai berikut:
1) Asumsikan bahwa persyaratan untuk menggunakan analisis korelasi PPM telah terpenuhi.
2) Tulis Ha dan Ho dalam bentuk kalimat.
a. Ha : Terdapat hubungan yang positif dan signifikan antara variabel X dan Y.
b. Ho : Tidak terdapat hubungan positif dan signifikan antara variabel X dan Y.
3) Tuliskan Ha dan Ho dalam bentk statisti.
a. Ha : r ≠ 0
b. Ho : r = 0
4) Buatlah tabel penolong untuk menghitung r dengan tabel beikut ini.
Tabel 6.5
Penolong Untuk Menghitng R

No. (Xi  Xi ) ( X i  Yi )
Xi Yi X2 Y2 xy
RESEP
x y
1
2
3
.
.
n

Xi Yi 0 0 x 2 Y 2 xy
5) Cari rhitung dengan menggunakan rumus :
a.
xy
rxy 
( x 2 ) ( y 2 )

atau

 ( X i  X i ) (Yi  Yi )
b. r
 ( X i  X i ) 2  (Yi  Yi ) 2

atau

n X i Y  (X i ) (Yi )
c. r
{n X 2 i  (X i ) 2 } {n Y 2 i  (Yi ) 2 }

atau

1  S2y . x
d. r
S2y

atau
e. Jika persamaan regresi y atas x sudah dihitung dapat digunakan rumus:

b nX i Yi  (X i ) (Yi )

r2 
nY 2 i  (Yi ) 2

atau

b . Sx
f. r
Sy

atau

r 2  b1 b2
g.

atau
 h. Jika kedua variabel yang akandicari korelasinya mempunyai nilai yang sangat
berbeda, maka r dihitung dengan cara mengubah data kedua variabel itu ke dalam
nilai Z.

ZxZ y
r
n

di mana :

X X
Zx 
Sd x

Y Y
Zy 
Sd y

6) Tetapkan taraf signifikasinya.

7) Tentukan kriteria pengujian signifikasi korelasi yaitu :
Ha : tidak signifikan
Ho : signifikan
Jika -rtabel ≤ rhitung ≤ rtabel, maka Ho ditolak atau korelasinya tidak signifikan.
8) Tentukan dk dengan rumus = n – 2 .
Dengan taraf signifikansi seperti langkah 4) dan Ntabel tersebut dengan menggunakan
tabel r kritis Pearson didapat nilai rtabel.
9) Bandingkan rhitung dengan rtabel dan konsultasikan dengan kriteria langkah 7) tadi.
10) Buatlah kesimpulannya.
11) Jika diminta, maka hitunglah besarnya sumbangan variabel x terhadap y.
Catatan :
Jika tidak ingin menggunakan rtabel, maka dapat diuji signifikansi r, dapat pula
menggunakan ttabel, sebagai pengganti langkah 5), 7), 8), 9) sebagai berikut:
5) Cara thitung dihitung dengan rumus :

n2
t hitung  r
1  r2

7) Tentukan kriteria pengujian signifikansi korelasi yaitu :

Jika -rtabel ≤ rhitung ≤ rtabel, maka Ho diterima atau korelasinya tidak signifikan.

8) Tentukan dk dengan rumus : dk = n – 2

Dengan taraf signifikansi seperti langkah 4) dan dengan menggunakan tabel t didapat nilai
ttabel.
9) Bandingkan thitung dengan ttabel dan konsultasikan dengan kriteria langkah 7) tadi, variabel x
terhadap variabel y.

**********************************************