KORELASI

Referensi :
 Hubungan timbal balik atau
Korelasi  hubungan antara dua hal
atau lebih.

Correlation
ANALISIS KORELASI: The correlation is one of the most
Merupakan suatu analisis common and most useful statistics.
untuk mengetahui TINGKAT A correlation is a single number that
KEERATAN HUBUNGAN antara describes the degree of relationship
dua variabel. between two variables.
Tingkat hubungan tersebut (Korelasi adalah salah satu statistik
dapat dibagi menjadi tiga yang paling umum dan paling
kriteria, yaitu mempunyai berguna. Korelasi adalah bilangan
hubungan positif, tunggal yang menggambarkan
tingkat hubungan antara dua
hubungan negatif, dan
variabel).
tidak mempunyai hubungan
PESAN SPONSOR........
Meskipun korelasi ini cukup jelas, data Kita mungkin berisi
korelasi yang tidak terduga.
Kita mungkin juga menduga ada korelasi, tapi tidak tahu
mana yang terkuat.
Contoh:
Sewaktu mhs menyusun Tesis tentang ”Pengaruh Budaya
Kerja, Kepemimpinan Transformasional, Komunikasi antar
personil, dan Kepuasan terhadap Partisipasi kerja
karyawan di PT ABC”
Awalnya, kita hanya menduga-duga kesemua faktor itu
memberi kontribusi peran yang sama atau berbeda-beda
pada Partisipasi kerja karyawan

Analisis korelasi yang cerdas dapat menghasilkan

pemahaman yang lebih besar terhadap data yang kita
miliki.
Skala penilaian adalah suatu kasus yang kontroversial. Angka dalam skala
penilaian memiliki arti, tapi artinya tidak tepat.
Mereka tidak seperti angka atau jumlah sebenarnya, namun sebagai bobot.
KITA dapat yakin bahwa responden kita menganggap jawaban SETUJU,
adalah peringkat 2, yang berada antara SANGAT SETUJU (peringkat 1) dan
KURANG SETUJU (peringkat 3), namun kita tidak yakin mereka
menganggapnya tepat di tengah. Hal ini terutama berlaku jika kita memberi
label pada pertengahan poin skala kita.

Kebanyakan ahli statistik mengatakan bahwa “Anda tidak dapat

menggunakan korelasi dengan skala penilaian”.
Meski begitu, banyak peneliti survei memang menggunakan korelasi
dengan skala penilaian, karena hasilnya biasanya mencerminkan dunia
nyata, namun analisis Korelasinya hanya berupa korelasi data peringkat,
yang ditemukan oleh Rank Spearman.
Oleh Karenanya, kita mengenal beberap konsep dan rumusan
Ukuran Korelasi antar Variabel, Yakni:

Teknik atau metode dalam korelasi yang paling

popular digunakan adalah:

1.korelasi Spearman-Rank
Skala Data Variabel : Ordinal (Skala Penilaian)

2.korelasi Product Moment dari Pearson

Skala Data Variabel : Interval-Rasio

3.Korelasi Kendall-Tau
Skala Data Variabel : Ordinal & Nominal
Merupakan Uji Statistik Non-Parametrik
KOEFISIEN KORELASI
Hasil utama korelasi disebut koefisien korelasi
 Simbolnya : “ ” atau "r".
 Nilai r, berkisar antara -1,0 sampai +1,0.
r yang lebih mendekati +1 atau -1, menyatakan semakin dekat
kedua variabel terkait.
 Jika r mendekati 0, berarti tidak ada hubungan antar variabel.

Jika r positif, itu berarti bahwa sebagai satu variabel semakin

besar, semakin besar lainnya.
Jika r negatif, itu berarti bahwa saat suatu variabel semakin
besar, lainnya semakin kecil (sering disebut korelasi "terbalik").
Koefisien korelasi biasanya dilaporkan dengan bentuk
mengkuadratkan sehingga memudahkan pemahaman.
Kuadrat koefisien (atau r square) sama dengan persen variasi
dalam satu variabel yang terkait dengan variasi di sisi lainnya.
DALAM STATISTIK DIKENAL DENGAN ISTILAH DETERMINASI
Contoh: r = 0.5 berarti 25% variasi terkait .
PESAN SPONSOR ....

HAL PENTING YANG HARUS DIINGAT

SAAT BEKERJA DENGAN KORELASI.

• NILAI KORELASI tidak pernah meng-asumsikan

korelasi berarti bahwa perubahan dalam satu variabel
menyebabkan perubahan pada faktor lain.
SEPERTI :
• Penjualan komputer pribadi dan sepatu atletik
keduanya meningkat dengan kuat dalam beberapa
tahun terakhir dan ada korelasi yang tinggi antara
keduanya, namun Anda tidak dapat mengasumsikan
bahwa membeli komputer menyebabkan orang
membeli sepatu atletik (atau sebaliknya).
 KORELASI DATA ORDINAL
SPEARMAN-RANK
Digunakan untuk menentukan besarnya
koefesien korelasi jika data yang digunakan
berskala Ordinal
Seperti data angket (skala likert)
Sehingga, para peneliti sering memakai ini untuk
menentukan UJI VALIDITAS KUSIONER
RUMUS YANG DIGUNAKAN :
 = koefisien korelasi Spearman
6 d 2
(baca rho)
  1 i d = selisih ranking X danY
n(n  1)
2 R(X) - R(Y)
n = jumlah sampel
I. Gusti Ngurah Agung (1999), menyatakan : “Variabel
dengan skala ordinal, menunjukkan urutan atau
tingkatan (ranking) disamping hanya sebagai
pengelompokkan (seperti variabel nominal).
Misalnya variabel pendidikan dengan katagori :
1=dibawah SLTP, 2=SLTA, 3=Dipl., 4=S1/S2.
Contoh lain Variabel respon yang berkaitan dengan
menyetujui suatu perkara.
Misalnya : Pimpinan anda mempengaruhi kerja anda:
1).Sangat setuju, 2).Setuju,
3).Kurang Setuju, 4).Tidak setuju, dan
5).Sangat tidak setuju,
yang dikenal dengan ukuran data likert, adalah
merupakan variabel ordinal.
I. Gusti Ngurah Agung (1999), Analisis Data Kategorikal, UI-Jakarta
 Langkah-langkah 6 d 2

Uji Rank Spearman

  1 i

n(n  1)
2

1. Berikan peringkat pada nilai-nilai variabel x dan

variabel y dari 1 sampai n.
2. Jika terdapat angka-angka sama, peringkat yang
diberikan adalah peringkat rata-rata dari angka-angka
yang sama.

3. Hitung perbedaan = di untuk tiap-tiap sampel

(di=peringkat xi dikurangi peringkat yi)
atau: di= R(xi)- R( yi )
4. Kuadratkan masing-masing di dan jumlahkan semua di2
5. Hitung Koefisien Korelasi Rank Spearman (ρ) atau ( r )
 No. Skor Data Variabel Ranking Data Selidih Kuadrat
Unit Pelayanan - Kepuasan Variabel Rank X – Y
(Resp.) Xi Yi R(Xi) R(Yi) di2
1 6 5 4 3 1
2 5 5 2 3 1
3 7 7 6,5 6 0,25
4 9 9 9 8,5 0,25
5 6 6 4 5 1
6 4 3 1 1 0
7 6 5 4 3 1
8 8 8 8 7 1
9 10 10 10 10 0
10=n 7 9 6,5 8,5 4
Jumlah di2  9,5
Untuk data diatas, dapat kita hitung besaran koefisien korelasinya (Rank-Spearman):
6 (9,5)
rs = 1 -  0,94
10(10  1)
2

Artinya : hubungan antara variabel X atas variabel Y sangat erat, yaitu sebesar 0,94
atau 88,36% dengan sifatnya searah. Sehingga jika X meningkat akan
diikuti dengan peningkatan skor variabel Y
 ATURAN MENGAMBILAN KEPUTUSAN
Hipotesis Uji: Ho : Tidak terdapat korelasi x dan y
H1 : Terdapat korelasi x dan y
No Parameter Nilai Interpretasi
1. Bandingkan ρ-hitung dan ρ-tabel ρ-hitung ≥ ρ-tabel Ho DITOLAK
ρ-tabel dapat dilihat pada Tabel J
(Tabel Uji Rank Spearman) yang ρhitung < ρtabel Ho DITERIMA
memuat ρ-tabel, pada berbagai n
dan tingkat Signifikansi: α
2. Kekuatan korelasi ρ-hitung ρ: 0.000-0.199 Sangat Lemah
ρ: 0.200-0.399 Lemah
ρ: 0.400-0.599 Sedang (Moderat)
ρ: 0.600-0.799 Kuat
ρ: 0.800-1.000 Sangat kuat
3. Arah Korelasi ρhitung + (positif) Searah, semakin besar nilai
xi semakin besar pula nilai yi
- (negatif) Berlawanan arah, semakin
besar nilai xi semakin kecil
nilai yi, dan sebaliknya
 Hasil Uji Hipotesis: (Taraf Signifikansi Uji =  = 5%)
Karena nilai ρ-hitung (0,94) ≥ ρ-tabel (0,632)
Ho ditolak { Ada korelasi yang sangat kuat dan positif
antara Pelayanan (X) dengan Kepuasan (Y) }

Artinya : hubungan antara variabel Pelayanan atas variabel

Kepuasan sangat erat, yaitu sebesar 0,94 atau
88,36% dengan sifatnya searah. Sehingga jika
pelayanan ditingkatkan akan diikuti dengan
peningkatan nilai kepuasan konsumen
 Aplikasi Program SPSS

• Masukkan data dalam lembar kerja SPSS (Data View)

• Berikan definisinya pada lembar : Variable View
• Klik menu Analyze –pilih : Correlate-Bivariate
• Masukkan semua variabel yang akan dikorelasikan, pada
kotak dialog proses
• Pilih Correlation Coefficients dengan mencentang
Spearman
• Klik Ok
Tugas-1
Perhatikan data rekap hasil penelitian menggunakan angket
terhadap 10 konsumen sepeda motor merk “Scoopy” di Showroom
CV.Nabila, dengan menanyakan penampilan produk merk
tersebut dan kepuasan mereka terhadap produk tsb, tercatat
sebagaimana tercantum dalam tabel berikut ini

Jawaban Konsumen Ttg Kepuasan Jawaban Konsumen Ttg Penampilan

Konsumen
Item-1 Item-2 Item-3 Item-4 Item-1 Item-2 Item-3 Item-4
1 4 3 4 4 4 4 3 3
2 3 3 3 3 3 3 4 3
3 3 2 3 2 3 3 2 3
4 4 4 4 4 4 4 3 4
5 3 3 3 3 3 3 4 3
6 3 3 4 3 3 3 2 3
7 3 3 3 3 3 1 2 2
8 4 4 3 3 3 3 3 3
9 4 3 3 3 3 3 3 3
10 1 2 3 3 2 3 2 2
1. Kurang Puas 1. Kurang menarik
2. Biasa-biasa 2. Sedang
Cat :
3. Cukup Puas 3. Cukup
4. Sangat Puas 4. Menarik
Tugas-2
Terdapat dua asesor menilai Kelayakan item (A sampai L),
dalam memberikan ranking dari yang terbaik. Lakukan
pengecekan Apakah ada hubungan yang signifikan antara
ranking yang dibuat oleh Asesor-X dan Y berikut ini dengan
uji Koefisien Spearman-Rank

Item A B C D E F G H I J K L

X 3 4 2 1 8 11 10 6 7 12 5 9

Y 3 6 5 1 10 9 8 3 4 12 7 11
Kita Rehat dulu …..

Lanjut dengan UKURAN

KORELASI DATA NUMERIK
 KORELASI
Pearson (Product Moment)
KORELASI DATA NUMERIK
(Skala Interval & Rasio)
 Data variabel Numerik adalah data suatu variabel yang
diukur dalam bentuk angka. Data ini memiliki skala
Interval dan atau Rasio.

Salah satu teknik statistik yang kerap kali digunakan

untuk mencari hubungan antara variabel untuk data
numerik adalah teknik korelasi dengan Pearson atau
dikenal dengan Correlation Product Moment.
Dikembangkan oleh Karl Pearson.

RUMUS KOEFISIEN DAN CARA HITUNG

KORELASI PEARSON (PRODUCT MOMENT)
1. Korelasi product moment dengan rumus simpangan (deviasi).
KORELASI PEARSON (PRODUCT MOMENT)

2. Korelasi Product moment dengan rumus angka kasar.

Contoh:
No X Y X.Y
1 6,5 6,3 42,25 39,69 40,95
2 7,0 6,8 49,00 46,24 47,60
3 7,5 7,2 56,25 51,84 57,00
4 7,0 6,8 49,00 46,24 47,60
5 6,0 7,0 36,00 49,00 42,00
6 6,0 6,2 36,00 38,44 37,20
7 5,5 5,1 30,25 26,01 28,05
8 6,5 6,0 42,25 36,00 39,00
9 7,0 6,5 49,00 42,25 45,50
10 6,0 5,9 36,00 34,81 35,40
Jumlah 65,0 63,8 426,00 410,52 417,30
Signifikansi Atau P Value Uji Pearson Product Moment

Pengujian lanjutan untuk menentukan apakah koefisien

korelasi yang didapat bisa digunakan untuk generalisasi
atau mewakili populasi, maka digunakan uji signifikansi dari
uji t.
Maka nilai r pearson yang didapat digunakan untuk
menghitung nilai t hitung. Berikut rumusnya:

Bandingkan t-hitung tsb, dengan r-tabel

Jika t-hitung ≥ r-tabel (dgn taraf uji,  = 1%, 5%, 10%)
Maka : Koef. Korelasi = r, dinyatakan Signifikans
Tabel r untuk Uji Signifikansi Korelasi Pearson
 Pada Contoh diatas :

Dengan: n = 10
r = 0,745
 = 0,5 ( 5% )

Maka :
= = 3,1588

r-tabel = 0,632
Sehingga : t-hitung > r-tabel

Artinya; Korelasi antara variabel x dan y

dinyatakan signifikans
Perhitungan dengan Menggunakan MS-Excell :

1). Buka lembar kerja (sheet) Excel

2). Input data X dan Y dalam Kolom sel Excel
3). Gunakan fungsi:
=correl(array1,array2)
Masukkan array1  (C3:C12,
Masukkan array2  D3:D12)
4). Contoh sebelumnya :

5). Diperoleh; r = 0,745

Perhitungan dengan Menggunakan
program SPSS :

1). Buka lembar kerja SPSS (Data view)

2). Input data X dan Y dalam Kolom Data view
var001  Data X, var002  Data Y
3). Buka variable view, untuk memberi
nama variabel X dan Y
4). Gunakan menu:
Analyze – Correlate – bivariate

5). Maka hasilnya:

Tugas-1 Mata uang dari Negara yang mengalami inflasi tinggi cenderung
mengalami depresiasi, sebaliknya mata uang yang mempunyai
tingkat inflasi rendah cenderung mengalami apresiasi. Hal ini
merupakan alasan mengapa tingkat inflasi menjadi bagian yang
ikut diperhatikan oleh para pelaku perdagangan mata uang asing.
Awal reformasi hingga pasca reformasi di Indonesia nilai mata
uang Indonesia berfluktuasi signifikans. Data berikut
menunjukkan nilai Rp terhadap US$ per akhir tahun, dan tingkat
inflasinya sebagai berikut:
Tahun Kurs Rp / US$ Inflasi (%)
2000 9595 10,03
2005 9830 7,82
Hitung Correlation antar
2010 9181 6,96 variabel disamping, dan
2015 13726 3,35 lakukan Pengujian:
Ambil taraf uji,  = 5%,
2016 13600 3,02
2017 13560 3,61
2018* 15205 3,18
Tugas-2
Tentukan Korelasi dan pengujian: Antara Nilai yang dicapai Mata Kuliah
Bahasa Inggris dengan Score Toefl dari sampel 12 Mhs berikut:
Mhs Nilai BI Nilai TO
1 65 290
2 70 315
3 75 350
4 70 320
5 60 275 Untuk
Pengujian:
6 68 305 Ambil taraf uji,
7 55 280  = 1%,
8 85 370
9 77 345
10 82 375
11 80 380
12 74 335