Analisis Korelasi

1 Pendahuluan
Sering kali seorang peneliti tertarik untuk mengetahui hubungan antara
variabel yang satu dengan variabel yang lain. Misalnya saja seorang peneliti
pendidikan anak usia dini tertarik untuk mengtahui hubungan antara banyaknya
kosakata dengan usia anak. Seorang ahli ekonom tertarik untuk mengetahui
hubungan antara banyaknya pengangguran dengan pendapatan di suatu wilayah.
Analisis korelasi merupakan analisis statistik yang dapat diterapkan ketika
kita hanya ingin menentukan ada tidaknya hubungan antara dua buah variabel.
Analisis korelasi merupakan analisis yang digunakan untuk mengukur kekuatan
hubungan (hubungan linier) antara dua buah variabel. Oleh karena itu analisis
korelasi hanya khusus untuk mengukur kekuatan hubungan sehingga analisis
korelasi tidak berdampak pada hubungan sebab akibat tetapi analisis korelasi dapat
meilhat arah hubungan dua buah variabel yaitu apakah mempunyai hubungan yang
positif atau hubungan yang negatif.

2 Koefisien Korelasi
Koefisien korelasi adalah penilaian numerik dari kekuatan hubungan antara
dua buah variabel misalnya variabel x dan y. Koefisien korelasi yang paling umum
digunakan adalah koefisien korelasi Pearson. Koefisien korelasi Pearson mengukur
kekuatan hubungan linier antara dua variabel numerik. Rumus untuk menghitung
nilai koefisien korelasi Pearson yaitu sebagai berikut:

s xy
ˆ  rXY 
sxs y
dengan

s xy 
 (x i  x)(yi  y)
n 1
 Meskipun ada beberapa koefisien korelasi yang berbeda tetapi sejauh ini yang
paling umum digunakan adalah koefisien korelasi pearson dan sering kali nama
“Pearson’s” dihilangkan dan hanya disebut sebagai koefisien korelasi.

3 Scatterplot data
Beberapa tampilan scatterplots yang menunjukkan hubungan yang berbeda antara
dua buah variabel x dan y.

(1) (2)

(3) (4)
 (5)

 Gambar (1) menunjukkan korelasi positif yang kuat antara x dan y yaitu setiap
nilai x meningkat maka nilai y juga semakin meningkat.
 Gambar (2) menunjukkan kecenderungan nilai y meningkat jika nilai x
meningkat, tetapi ada sedikit pengecualian. Misalnya poin yang yang berwarna
berbeda mempunyai nilai x yang meningkat tetapi nilai y menurun. Meskipun
demikian gambar (2) mengindikasikan korelasi positif yang kuat.
 Gambar (3) menunjukkan bahwa x dan y mempunyai hubungan negative , yaitu
jika x meningkat maka y cenderung menurun meskipun hubungna negative
dalam plot Gambar (3) tidak sekuat hubungan positif seperti pada plot Gambar
(1) tetapi plot mengindikasikan pola linier.
 Gambar (4) mengindikasikan tidak ada hubungan antara x dan y, tidak ada
kecenderungan y meningkat atau menurun jika x meningkat.
 Gambar (5) mengindikasikan bahwa scatterplot cenderung membentuk
hubungan yang tidak linier.

4 Sifat-sifat Korelasi
Korelasi mempunyai beberapa sifat yaitu sebagai berikut:
1. Nilai korelasi tidak tergantung pada unit pengukuran dari kedua variabel
 2. Nilai korelasi tidak bergantung pada variabel mana yang dianggap sebagai
variabel x.
3. Rentang nilai korelasi antara -1 dan +1. Nilai korelasi yang mendekati +1
mengindikasikan hubungan positif yang kuat, sebaliknya nilai korelasi yang
mendekati -1 mengindikasikan hubungan negative yang kuat.

4. Nilai koefisien korelasi r =1 terjadi hanya jika semua titik pada sebaran data
terletak tepat pada garis lurus yang miring ke atas. Demikian juga nilai koefisien
korelasi r = -1 terjadi hanya jika semua titik pada sebaran data terletak pada garis
lurus yang miring ke bawah.
5. Nilai korelasi adalah ukuran sejauh mana x dan y berhubungan linier, yaitu
sejauh mana titik-titik dalam sebaran jatuh mendekati garis lurus. Nilai korelasi
yang mendekati 0, menutup kemungkinan adanya hubungan linier yang terjadi
antara x dan y, tetapi mungkin ada hubungan kuat yang bukan hubungan linier.

5. Contoh Kasus
Diketahui data jumlah penduduk, Luas, Kelahiran dan Kematian di Kabupaten/Kota
Provinsi Jawa Tengah yang disajikan pada Tabel berikut ini:
Tabel 2.1 Jumlah Penduduk Kota/Kabupaten Provinsi Jawa Tengah
Jumlah
Kabupaten/Kota Luas Kelahiran Kematian
Penduduk
01. Kab. Cilacap 1629908 2138.51 126976 33
02. Kab. Banyumas 1510102 1327.59 44778 111
03. Kab. Purbalingga 834164 777.65 53780 37
04. Kab. Banjarnegara 875167 1059.74 123956 21
05. Kab. Kebumen 1222542 1282.74 57024 46
06. Kab. Purworejo 724973 1034.82 33750 52
07. Kab. Wonosobo 760819 984.68 85361 32
08. Kab. Magelang 1180217 1085.73 69402 54
09. Kab. Boyolali 943978 1015.07 33567 10
 10. Kab. Klaten 1136829 655.52 37115 54
11. Kab. Sukoharjo 833575 466.66 27083 74
12. Kab. Wonogiri 985024 1822.37 19292 28
13. Kab. Karanganyar 819186 772.2 22606 11
14. Kab. Sragen 862910 946.49 33387 20
15. Kab. Grobogan 1345879 1915.85 28473 21
16. Kab. Blora 838159 179.4 69376 35
17. Kab. Rembang 578232 1014.4 15010 53
18. Kab. Pati 1175232 1491.2 41220 151
19. Kab. Kudus 797617 425.17 33028 1336
20. Kab. Jepara 1107973 1004.16 42815 19
21. Kab. Demak 1042932 897.43 83596 3
22. Kab. Semarang 921865 946.86 35775 39
23. Kab. Temanggung 714411 870.23 66586 76
24. Kab. Kendal 965808 1002.27 56074 6
25. Kab. Batang 686016 788.95 18453 16
26. Kab. Pekalongan 858967 836.13 73539 14
27. Kab. Pemalang 1391284 1011.9 51321 34
28. Kab. Tegal 1420532 879.7 108920 26
29. Kab. Brebes 1800958 1657.73 62180 23
30. Kota Magelang 137855 18.12 3900 60
31. Kota Surakarta 528202 44.03 14367 449
32. Kota Salatiga 182226 52.96 4365 64
33. Kota Semarang 1533686 373.67 18961 770
34. Kota Pekalongan 277062 44.96 9070 67
35. Kota Tegal 241070 34.49 8175 65

6. Analisis dengan Menggunakan Software SPSS

Langkah-langkah dalam melakukan analisis korelasi dengan menggunakan
software SPSS sebagai berikut:
1. Buka Aplikasi software SPSS
2. Input nama variabel dilembar kerja Variable View
Note: Nama variabel pada kolom Name tidak boleh menggunakan spasi. Spasi
dapat diganti dengan menggunakan tanda (_)

3. Maka pada lembar kerja Data View akan muncul nama-nama variabel yang
sudah di input pada lembar kerja Variable View

4. Input data ke dalam lembar kerja Data View.

5. Setelah di input lakukan analisis dengan cara klik analyze → Correlate →
Bivariate

6. Maka akan muncul kotak dialog Bivariate Correlations seperti berikut

7. Setelah itu masukkan variabel yang ada di kolom kiri masukkan ke kolom
varibles yang ada di kanan dan pilih Pearson pada pilihan Correlations
Coefficients dan two-tailed pada pilihan Test of Significance kemudian klik
OK
8. Maka akan muncul output seperti pada gambar berikut ini.
Nilai
Correlations
Korelasi
Jumlah Penduduk Luas Kelahiran Kematian

Jumlah Penduduk Pearson Correlation 1 .711** .508** .011

Sig. (2-tailed) .000 .002 .948

N 35 35 35 35
** **
Luas Pearson Correlation .711 1 .450 -.289

Sig. (2-tailed) .000 .007 .092

N 35 35 35 35

Kelahiran Pearson Correlation .508** .450** 1 -.207

Sig. (2-tailed) .002 .007 .233

N 35 35 35 35

Kematian Pearson Correlation .011 -.289 -.207 1

Sig. (2-tailed) .948 .092 .233

N 35 35 35 35

**. Correlation is significant at the 0.01 level (2-tailed).

Tingkat
signifikansi

Interpretasi hasil output:

Misalnya analisis korelasi antara variabel jumlah penduduk dengan Luas.
 Nilai korelasi anatara variabel jumlah penduduk dengan Luas sebesar
0.711. Nilai tersebut menunjukkan adanya hubungan korelasi positif
yang terjadi antara variabel jumlah penduudk dengan Luas.
 Uji Signifikansi koefisien korelasi
o Uji Hipotesis:
H0: ̂ = 0 (tidak ada korelasi)

H1: ̂ ≠ 0 (ada korelasi)

o Taraf signifikansi α = 5%
o Keputusan:
nilai sig = 0 < α = 5% maka H0 ditolak
o Kesimpulan:
Ada korelasi antara variabel jumlah penduduk dengan Luas.
Langkah-langkah membuat scatterplot dengan meggunakan aplikasi software
SPSS yaitu sebagai berikut:
1. Buka Aplikasi software SPSS

2. Input nama variabel dilembar kerja Variable View

Note: Nama variabel pada kolom Name tidak boleh menggunakan spasi. Spasi
dapat diganti dengan menggunakan tanda (_)

3. Maka pada lembar kerja Data View akan muncul nama-nama variabel yang
sudah di input pada lembar kerja Variable View
4. Input data ke dalam lembar kerja Data View.

5. Klik Menu Graphs → Legacy Dialogs → Scatter/Dot

6. Muncul kotak dialog Scatter/Dot, kemudian pilih Simple Scatter kemudian klik
Define

7. Kemudian muncul kotak dialog Simple Scatterplot

8. Misalkan ingin melihat grafik sebaran data antara variabel jumlah penduduk
dengan luas wilayah maka masukkan variabel jumlah_penduduk di kolom
Y_Axis dan variabel Luas ke di kolom X-Axis Kemudian klik OK

9. Maka akan muncul hasil scatter plot antara variabel jumlah penduduk dengan
Luas
 Interpretasi Hasil scatterplot:
Scattterplot menunjukkan adanya korelasi positif antara variabel
jumlah penduduk dengan luas. Hal tersebut terlihat dari
kecenderungan sebaran titik yang mendekati garis lurus ke arah
kanan yang berarti bahwa jika Luas wilayah meningkat maka jumlah
penduduk juga akan meningkat.

Video Tutorial Analisis Korelasi dengan menggunakan software SPSS

https://drive.google.com/file/d/1EhKG9B4DbRR3bAGcoSojAEAmhXOE3cZ-
/view?usp=sharing