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
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)
(Disadur dari Brorg W Gall, 1983, hal. 587; Isaacc & Michael, 1983, hal. 166)
6.2 Koefisien korelasi
Tabel 6.3
Koefisien Korelasi
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:
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
n2
t hitung r
1 r2
**********************************************