KORELASI PARAMETRIK

Untuk memenuhi tugas matakuliah

Einführung in die quantitative Forschung

Yang diampu oleh Bapak Deddy Kurniawan, S.Pd., M.A.

Disusun Oleh :
1. Dinie Dwi Putri (180241609029)
2. Ilham Abdul Jabar (180241609033)
3. Novira Aulianda (180241609060)

UNIVERSITAS NEGERI MALANG

FAKULTAS SASTRA

JURUSAN SASTRA JERMAN FEBRUARI

2021
A. Macam Analisis Korelasi Parametrik

Korelasi Parametrik adalah ilmu statistik yang mempertimbangkan jenis sebaran

atau distribusi data, apakah data menyebar secara normal atau tidak. Dengan kata
lain, data yang akan dianalisis menggunakan statistik parametrik harus memenuhi
asumsi normalitas.
Syarat penerapan statistik parametrik: 
• Distribusi sampel diambil dari dari distribusi populasi yang terdistribusi
secara normal 
• Sampel diperoleh secara random (mewakili populasi) 
• Skala pengukuran harus kontinyu (rasio/interval) atau skala nominal yang
diubah menjadi proporsi
Beberapa tingkatan korelasi parametrik yang paling banyak digunakan adalah
korelasi Pearson (Product Moment), korelasi Parsial, dan korelasi Ganda. Berikut
ini adalah penjelasan dari masing-masing korelasi dan bagaimana cara
menghitung hubungan dari masing-masing korelasi tersebut. 
1. Korelasi Pearson (Product Moment)

Korelasi Pearson (Product Moment) merupakan suatu teknik statistik yang

dipergunakan untuk mengukur kekuatan hubungan antara 2 variabel dan juga
untuk dapat mengetahui bentuk hubungan keduanya dengan hasil yang bersifat
kuantitatif. Kekuatan hubungan antara 2 variabel yang dimaksud adalah apakah
hubungan tersebut erat, lemah,  ataupun tidak erat. Sedangkan bentuk
hubungannya adalah apakah bentuk korelasinya linear positifataupun linear
negatif. 

Korelasi Pearson Product Moment adalah korelasi yang digunakan untuk data
kontinu dan data diskrit. Korelasi pearson cocok digunakan untuk statistik
parametrik. Ketika data berjumlah besar dan memiliki ukuran parameter seperti
mean dan standar deviasi populasi.

Korelasi Pearson menghitung korelasi dengan menggunakan variasi data.

Keragaman data tersebut dapat menunjukkan korelasinya. Korelasi ini
menghitung data apa adanya, tidak membuat ranking atas data yang digunakan
seperti pada korelasi Rank Spearman. Ketika kita memiliki data numerik seperti
nilai tukar rupiah, data rasio keuangan, tingkat pertumbuhan ekonomi, data berat
badan dan contoh data numerik lainnya, maka Korelasi Pearson Product Moment
cocok digunakan. 

2. Korelasi Parsial

Korelasi ini digunakan untuk menganalisis bila peneliti bermaksud mengetahui

pengaruh atau hubungan antara variabel independen dengan variabel dependen, di
mana salah satu variabel independen yang lain dibuat tetap/dikendalikan. Jadi,
korelasi parsial merupakan angka yang menunjukkan arah dan kuatnya hubungan
antara dua variabel atau lebih setalah satu variabel yang diduga dapat
mempengaruhi hubungan tersebut dikendalikan untuk dibuat tetap keberadaannya.

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

Data yang digunakan dalam korelasi parsial biasanya memiliki skala interval atau
rasio. Berikut adalah pedoman untuk memberikan interpretasi serta analisis bagi
koefisien korelasi menurut Sugiyono:

0.00 - 0,199 = sangat rendah

0,20 - 0,3999 = rendah

0,40 - 0,5999 = sedang

0,60 - 0,799 = kuat

0,80 - 1,000 = sangat kuat

3. Korelasi Ganda

Korelasi ganda adalah bentuk korelasi yang digunakan untuk melihat hubungan
antara tiga atau lebih variabel (dua atau lebih variabel independen dan satu
variabel dependent. Korelasi ganda berkaitan dengan interkorelasi variabel-
variabel independen sebagaimana korelasi mereka dengan variabel dependen. 

Korelasi ganda adalah suatu nilai yang memberikan kuatnya pengaruh atau
hubungan dua variabel atau lebih secara bersama-sama dengan variabel lain.
Korelasi ganda merupakan korelasi yang terdiri dari dua atau lebih variabel bebas
(X1,X2,…..Xn) serta satu variabel terikat (Y). Apabila perumusan masalahnya
terdiri dari tiga masalah, maka hubungan antara masing-masing variabel
dilakukan dengan cara perhitungan korelasi sederhana. 

Korelasi ganda memiliki koefisien korelasi, yakni besar kecilnya hubungan antara
dua variabel yang dinyatakan dalam bilangan. Koefisien Korelasi disimbolkan
dengan huruf R. Besarnya Koefisien Korelasi adalah antara -1; 0; dan +1. 

Besarnya korelasi -1 adalah negatif sempurna yakni terdapat hubungan di antara

dua variabel atau lebih namun arahnya terbalik, +1 adalah korelasi yang positif
sempurna (sangat kuat) yakni adanya sebuah hubungan di antara dua variabel atau
lebih tersebut, sedangkan koefisien korelasi 0 dianggap tidak terdapat hubungan
antara dua variabel atau lebih yang diuji sehingga dapat dikatakan tidak ada
hubungan sama sekali.

B. Analisis Korelasi

Analisis korelasi adalah metode evaluasi statistik yang dipergunakan untuk

mempelajari kekuatan hubungan antara dua variabel kontinu yang diukur secara
numerik. Misalnya tinggi dan berat, oleh karena itulah jenis analisis khusus ini
berguna ketika seorang peneliti ingin menetapkan apakah ada kemungkinan
hubungan antar variabel penelitian.

1. Korelasi Pearson

Korelasi Pearson adalah statistik korelasi yang paling banyak digunakan untuk
mengukur tingkat hubungan antara variabel yang berhubungan secara linier.

Sebagai contoh, di pasar saham, jika kita ingin mengukur bagaimana dua saham
saling terkait, digunakan korelasi Pearson untuk mengukur derajat hubungan
antara keduanya. Contoh pertanyaan penelitian yang dapat diperiksa oleh Korelasi
Pearson, misalnya:

1. Apakah ada hubungan yang signifikan secara statistik antara usia, yang
diukur dalam tahun, dan tinggi, yang diukur dalam cm?
2. Apakah ada hubungan antara suhu, diukur dalam derajat Fahrenheit, dan
penjualan es krim, diukur dengan pendapatan?

Keterangan:
n adalah banyanya pasangan data x dan y
∑x adalah total dari jumlah variabel X
∑y adalah total dari jumlah variabel Y
∑x2 adalah kuadrat total jumlah variabel X
∑y2 adalah kuadrat total jumlah variabel Y
∑xy adalah hasil perkalian dari total variabel X dan total variabel Y
Langkah-langkah pada kegiatan SPSS
Ø  Masuk kegiatan SPSS
Ø  Klik variable view pada SPSS data editor
Ø  Pada kolom Name ketik x, kolom Name pada baris kedua ketik y.
Ø  Pada kolom Decimals ganti menjadi 0 untuk variabel x dan y
Ø  Pada kolom Label, untuk kolom pada baris pertama ketik Kecerdasan, untuk
kolom pada baris kedua ketik Prestasi Belajar.
Ø  Untuk kolom-kolom lainnya boleh dihiraukan (isian default)
Ø  Buka data view pada SPSS data editor, maka didapat kolom variabel x dan y.
Ø  Ketikkan data sesuai dengan variabelnya
Ø  Klik Analyze - Correlate - Bivariate
Ø  Klik variabel Kecerdasan dan masukkan ke kotak Variables, kemudian klik
variabel Prestasi Belajar dan masukkan ke kotak yang sama (Variables).
Ø  Klik OK, maka akan didapat hasil outputnya

2.Korelasi Ganda
Korelasi ganda merupakan angka yang menunjukkan arah adan kuatnya hubungan
antara dua variabel secara bersama-sama atau lebih dengan variabel lain.
Pemahaman tentang korelasi ganda dapat dilihat melalui gambar berikut:
Keterangan:

X1 = Kesejahteraan pegawai
X2 = Model kepemimpinan
X3 = Pengawasan
Y = Efektifitas Kerja
Dari gambar di atas, terlihat bahwa korelasi ganda ( R ) bukan merupakan
penjumlahan dari korelasi sederhana yang ada pada setiap variabel (bukan r1 + r2
+ r3). Namaun korelasi ganda ( R ) merupakan hubungan secara bersama-sama
antara X1, X2, X3 dengan Y.
Rumus korelasi ganda ntuk dua variabel adalah sebagai berikut:

Dimana:
r y.x1.x2 = Korelasi antara variabel X1 dan x2 secara bersama-sama dengan
variabel Y
ryx1 = Korelasi product moment antara X1 dengan Y
ryx2 = Korelasi product moment antara X2 dengan Y
rx2x1 = Korelasi product moment antara X1 dengan X2

3.Korelasi Parsial
Rumus di atas dapat dibaca: Korelasi antara Y dengan X1, bila variabel X2
dikendalikan atau korelasi antara Y dengan X1, bila X2 tetap.
Sedangkan bila X1 yang dikendalikan, maka rumusnya adalah:
Keterangan:

rx1.y = koefisien korelasi X1 dgn Y

rx2.y = koefisien korelasi X2 dgn Y

rx1.x2= koefisien korelasi X1 dgn X2

rx1.y-x2 = koefisien korelasi parsial X1 dgn Y, mengendalikan X2

rx2.y-x1 = koefisien korelasi parsial X2 dgn Y, mengendalikan X1

Ditinjau dari kemungkinan hasil studi, setidaknya ada tiga jenis korelasi yang
dihasilkan, yaitu:

1. Korelasi Positif

Korelasi positif adalah hubungan antara dua variabel di mana kedua variabel
bergerak searah. Oleh karena itu, ketika satu variabel meningkat seiring dengan
peningkatan variabel lainnya, atau satu variabel menurun sedangkan variabel
lainnya menurun. Contoh korelasi positif adalah tinggi dan berat badan. Orang
yang lebih tinggi cenderung lebih berat.

Korelasi positif berkisar dari 0 hingga +1; batas atas yaitu +1 adalah koefisien
korelasi positif sempurna. Korelasi positif sempurna menentukan bahwa, untuk
setiap peningkatan unit dalam satu variabel, ada peningkatan proporsional di
variabel lainnya.

2. Korelasi Negatif

Korelasi negatif adalah hubungan antara dua variabel di mana kenaikan satu
variabel dikaitkan dengan penurunan variabel lainnya. Contoh korelasi negatif
adalah ketinggian di atas permukaan laut dan suhu. Saat kita mendaki gunung
(bertambahnya ketinggian), semakin dingin (penurunan suhu).

Korelasi negatif berkisar dari 0 hingga – 1; batas bawah memberikan korelasi

negatif yang sempurna. Korelasi negatif sempurna menunjukkan bahwa untuk
setiap kenaikan satuan di satu variabel, ada penurunan satuan proporsional di
variabel lainnya.

3. Korelasi Nol

Korelasi nol ada jika tidak ada hubungan antara dua variabel. Misalnya tidak ada
hubungan antara jumlah minum teh dan tingkat kecerdasan. Contoh lainnya
misalnya tidak ada korelasi antara berat badan dan kecerdasan, ukuran sepatu dan
gaji bulanan. Korelasi nol adalah titik tengah rentang – 1 hingga +1.

Daftar Pustaka

Wibisono, Yusuf. 2017. Metode Statistik. Yogyakarta : Gajahmada University

Press.
http://staffnew.uny.ac.id/upload/132318574/pendidikan/statistik+inferensial.pdf
http://staffnew.uny.ac.id/upload/130795228/pendidikan/ANALISIS+KORELASI
+PARSIAL.pdf
https://www.slideshare.net/jenkelana/statistika-parametrikteknik-analisis-korelasi
http://staffnew.uny.ac.id/upload/132255130/pendidikan/STATISTICS+09.pdf