UJI KORELASI

Uji korelasi atau uji hubungan antar dua variabel atau lebih bermanfaat untuk menganalisa
apakah suatu variabel berhubungan satu sama lain. Uji hubungan untuk banyak kelompok
disebut sebagai korelasi antarvariabel (intercorrelation). Jika dalam korelasi antarvaribel
itu terdapat variabel yang dikontrol, maka hal ini akan menjadi korelasi parsial (partial
correlation). Sedangkan, jika satu variabel dikorelasikan dengan beberapa variabel, maka
disebut uji korelasi ganda (multipel correlation).

Uji korelasi bisa dilakukan terhadap berbagai variabel yang berskala data nominal, ordinal,
interval maupun rasio. Sebagai contoh: uji korelasi antar sesama data interval digunakan
korelasi (r) Pearson (Pearson product-moment correlation). Variabel yang mempunyai
skala pengukuran nominal dapat diuji korelasinya dengan variabel yang berskala data
interval dengan menggunakan uji korelasi point-biserial (point-biserial correlation) Kalau
data berskala ordinal maka digunakan dengan uji korelasi tata-jenjang (rank-order
correlation).

Arah korelasi bersifat positif apabila kenaikan /penurunan suatu variabel diikuti pula oleh
kenaikan/penurunan variabel lainnya secara searah. Dikatakan suatu hubungan negatif
apabila perubahan variabel yang satu diikuti secara berlawanan oleh variabel yang lain.
Contoh hubungan yang persifat positif adalah Berat Badan dengan Tinggi Badan.
Koefisien korelasi (r) bersarnya berkisar antara 0,000 sampai dengan + 1,000. Berikut ini
adalah interpretasi koefisien korelasi:
besar r interpretasi
0,800 – 1,000 Sangat kuat
0,600 – 0,7999 Kuat
0,400- 0,5999 Agak rendah
0,200- 0,3999 rendah
0,000- 0,1999 Sangat rendah
Sumber: Sutrisno Hadi, Metodologi Research 3, 1986
Pada kesempatan ini akan disampaikan uji korelasi product moment dari Pearson dan uji
korelasi point-biserial.

A. KORELASI PEARSON PRODUCT-MOMENT

Koralasi Pearson ---- Oleh Farid Agushybana ______________________________________ 1

Uji korelasi Pearson product moment digunakan untuk menganalisa hubungan dua variabel
yang mempunyai skala pengukuran interval. Apabila terjadi peningkatan/penurunan pada
satu variabel apakah diikuti oleh peningkatan/penurunan variabel lainnya.

Sebagai contoh:
 suatu penelitian dilakukan untuk menganalisa apakah kadar BOD dalam air
berkorelasi dengan kadar COD.
 Apakah prestasi belajar mahasiswa berhubungan dengan lama waktu belajar.
 Apakah skor pengetahuan tentang kesehatan berhubungan dengan skor prilaku
hidup sehat.

Adapun rumus korelasi product-moment adalah sebagai berikut.

N  X i Yi    X i   Yi 
n

r i 1

 n 2  n 2
 n 2

 N  X    X   N  Y 2    Y  
n

 i 1 i  i 1 i   i 1 i  i 1 i  
  

Penghitungan juga bisa dilakukan dengan penghitungan skor-skor deviasi:

r
 xy
  x   y 
2 2

Dimana;
 n  n 
n


 X i   Yi 
 i 1  ;
 xy  
i 1
X i Yi  i 1

N
2
 n 
 Xi 
n dan
 x2   X i2   i 1 
i 1 N
2
 n 
n
  Yi 
y 
2
Yi   i 1 
2

i 1 N

Uji Kemaknaan

Koralasi Pearson ---- Oleh Farid Agushybana ______________________________________ 2

Apabila r hitung lebih besar daripada r tabel maka H 0 ditolak atau signifikan. Artinya
terdapat hubungan yang bermakana anatara variabel X dan variabel Y pada taraf
signifikansi tertentu.
Koefisien korelasi r tabel dilihat pada derajat kebebasan (df) n -2 dengan derajat
kemaknaan  sebesar 5% atau 1%.
Contoh :
Suatu penelitian dilakukan untuk mengetahui apakah ada hubungan antara skor
pengatahuan dengan skor perilaku hidup sehat di suatu Kelurahan Sendang Mulyo, Kota
Semarang. Skor pengetahuan dan skor perilaku penduduk diperoleh dengan cara
wawancara pada 16 orang responden yang diambil secara acak dari populasinya.

Skor Skor
No
Pengetahuan Perilaku
1 80 75
2 81 90
3 75 80
4 84 75
5 60 70
6 65 75
7 90 92
8 75 70
9 70 75
10 80 76
11 60 71
12 68 70
13 78 82
14 82 80
15 70 79
16 73 81
Jumlah 1.191 1.241

Koralasi Pearson ---- Oleh Farid Agushybana ______________________________________ 3

PENYELESAIAN
H0 : tidak ada hubungan antara skor pengetahuan dengan skor perilaku sehat
H1 : ada hubungan antara skor pengetahuan dengan skor perilaku sehat
Hitungan dapat dilihat pada tabel berikut ini.
Skor Skor
no Pengetahuan Prilaku X2 Y2 X *Y
1 80 75 6400 5625 6000
2 81 90 6561 8100 7290
3 75 80 5625 6400 6000
4 84 75 7056 5625 6300
5 60 70 3600 4900 4200
6 65 75 4225 5625 4875
7 90 92 8100 8464 8280
8 75 70 5625 4900 5250
9 70 75 4900 5625 5250
10 80 76 6400 5776 6080
11 60 71 3600 5041 4260
12 68 70 4624 4900 4760
13 78 82 6084 6724 6396
14 82 80 6724 6400 6560
15 70 79 4900 6241 5530
16 73 81 5329 6561 5913
 X *Y=
Jumlah X = 1.191 Y = 1.241 X2 = 89.753 Y2 = 96.907 92.944

Kalau kita masukkan ke dalam rumus maka hasilnya adalah sebagai berikut:
16 92.944   1.1911.241
r
16 89.753  1191 16 96.907  1241 
2 2

9.073
r  0,670
13.536,66

maka koefisien korelasi Pearson adalah 0,670.

Untuk melihat apakah koefiesien ini bermakna maka dibandingkan dengan r tabel pada
derajat kebebasan n-2 = 16-2 = 14; dan pada derajat kemaknaan 5%, yakni 0,497. Karena
r hitung lebih besar daripada r tabel maka H0 ditolak atau signifikan. Berarti ada
hubungan yang bermakna antara skor pengetahuan dengan skor perilaku sehat pada derajat
kemaknaan 5%. Jadi bisa disimpulkan bahwa ada hubungan yang bermakna antara
pengetahuan dengan perilaku hidup sehat.
Correlations
Pengetahuan Perilaku
Pengetahuan Pearson Correlation 1,000 ,670**
Sig. (2-tailed) , ,004
N 16 16
Perilaku Pearson Correlation ,670** 1,000
Sig. (2-tailed) ,004 ,
N 16 16
** Correlation is significant at the 0.01 level (2-tailed).

Koralasi Pearson ---- Oleh Farid Agushybana ______________________________________ 4

B. KORELASI POINT BESERIAL
Metode korelasi point biserial ini digunakan untuk menganlisa hubungan dua buah
variabel dimana variabel yang satu adalah variabel dengan skala pengukuran interval dan
yang lain adalah variabel dengan skal pengukuran nominal yang dikotomis. Data nominal
yang dikotomis itu sebagai misal adalah laki-laki dan perempuan, sakit-tidak sakit dan
sebagainya.
Adapun rumus korelasi point biserial adalah sebagai berikut:

X p  Xq
rpq  pq
S

dimana :
rpq  Koefiesien korelasi biserial
X p  Rerata hitung data interval yg berkategori 1(p)
X q  Rerata hitung data interval yg berkategori 0 (q)
S  Simpangan baku data interval secara keseluruhan
p  proporsi pada kasus berkategori 1
q  proporsi pada kasus berkategori 0 atau p - 1

Uji Kemaknaan
Untuk menguji kemaknaan koefisien korelasi point biserial rpq maka dilakukan
perbandingan dengan tabel titik kritis t. Sehingga koefisien korelasi point biserial rpq harus
dikonfersikan dengan rumus t sebagai berikut:

N 2
t  rpq
1  rpq

Nilai tabel titik kritis t dilihat dengan derajat kebebasan (df) n – 2 pada derajat kemaknaan
 sebesar 5% atau 1%. H0 ditolak apabila t hitung lebih besar daripada t tabel.

Koralasi Pearson ---- Oleh Farid Agushybana ______________________________________ 5

Contoh:
Suatu penelitian dilakukan untuk melihat apakah ada korelasi antara pengetahuan tentang
kesehatan reproduksi dengan jenis kelamin (pria dan wanita). Sampel diambil dari populasi
yang berdistribusi normal. Besar sampel tersebut sebanyak 12 responden. Data lengkap
hasil wawancara tersebut adalah sebagai berikut:

Skor
No Pengetahuan Sex Skor 1 Skor 0
1 95 1 95 72
2 72 0 92 66
3 92 1 86 80
4 66 0 90 64
5 86 1 88 70
6 90 1 75
7 80 0 90
8 64 0
9 88 1
10 75 1
11 70 0
12 90 1
rerata 80.67 88 70.4
S 10.89
Apabila pria diberi kode 1 dan wanita diberi kode 0. Maka proporsi pria adalah 7/12 = 0,58
sedangkan proporsi wanitanya adalah = 0,42.
Maka koefiseien korelasi point biserial dapat dihitung sebagai berikut:

88  70,4
rpq   0,58 0,42 
10,89
17,6
rpq  0,2436
10,89
rpq  0,7975

Untuk menguji kemaknaan maka koefisien tersebut dikonversi ke dalam t sebagai berikut:

12  2
t  0,7975
1  0,7975
t  0,7975 7,0273
t  5,604

Sedangkan t tabel pada df = 10, dan =5% adalah 2,228. Karena t hitung lebih besar
daripada t tabel maka kita menolak H0. Dengan demikian bisa disimpulkan bahwa terdapat
hubungan yang bermakna antara pengetahuan dengan jenis kelamin pada taraf kemaknaan
5%.

Koralasi Pearson ---- Oleh Farid Agushybana ______________________________________ 6

 Correlations

Skor
Pengetahuan Skor Perilaku

Spearman's rho Skor Pengetahuan Correlation Coefficient 1.000 .611*

Sig. (2-tailed) . .012

N 16 16

Skor Perilaku Correlation Coefficient .611* 1.000

Sig. (2-tailed) .012 .

N 16 16

*. Correlation is significant at the 0.05 level (2-tailed).

Koralasi Pearson ---- Oleh Farid Agushybana ______________________________________ 7

 Critical Values of the 
Pearson Product-Moment Correlation Coefficient

df = n -2        
Level of Significance (p)
for  Two-Tailed Test
.10 .05 .02 .01

df
1 .988 .997 .9995 .9999

2 .900 .950 .980 .990

3 .805 .878 .934 .959

4 .729 .811 .882 .917

5 .669 .754 .833 .874

6 .622  .707 .789 .834

7 .582 .666 .750 .798

8 .549 .632 .716 .765

9 .521 .602 .685 .735

10 .497 .576 .658 .708

11 .476 .553 .634 .684

12 .458 .532 .612 .661

13 .441 .514 .592 .641

14 .426 .497 .574 .623

15 .412 .482 .558 .606

16 .400 .468 .542 .590

17 .389 .456 .528 .575

18 .378 .444 .516 .561

19 .369 .433 .503 .549

20 .360 .423 .492 .537

21 .352 .413 .482 .526

22 .344 .404 .472 .515

23 .337 .396 .462 .505

24 .330 .388 .453 .496

Koralasi Pearson ---- Oleh Farid Agushybana ______________________________________ 8

 25 .323 .381 .445 .487

26 .317 .374 .437 .479

27 .311 .367 .430 .471

28 .306 .361 .423 .463

29 .301 .355 .416 .456

30 .296 .349 .409 .449

35 .275 .325 .381 .418

40 .257 .304 .358 .393

45 .243 .288 .338 .372

50 .231 .273 .322 .354

60 .211 .250 .295 .325

70 .195 .232 .274 .303

80 .183 .217 .256 .283

90 .173 .205 .242 .267

100 .164 .195 .230 .254

Del Siegle, Ph.D.

Neag School of Education - University of Connecticut
del.siegle@uconn.edu
www.delsiegle.com

Koralasi Pearson ---- Oleh Farid Agushybana ______________________________________ 9

Koralasi Pearson ---- Oleh Farid Agushybana ______________________________________ 10