MAKALAH

ANALISIS KORELASI
Disusun guna memenuhi tugas mata kuliah Statistika Pendidikan
Dosen Pengampu Nurul Husnah Mustika Sari, M.Pd.

Disusun Oleh :
1. Eltri Trimurjani (2620027)
2. Halimatus Sofiyah (2620035)
3. Dianita Apriliasari (2620089)
4. Nunung Nurhayati (2620090)

Kelas C

TADRIS MATEMATIKA
FAKULTAS TARBIYAH DAN ILMU KEGURUAN
INSTITUT AGAMA ISLAM NEGERI PEKALONGAN
2021
 KATA PENGANTAR

Puji syukur kepada Allah SWT yang telah memberikan rahmat dan hidayah-NYA
sehingga dapat menyelesaikan makalah yang berjudul “Analisis Korelasi” dalam rangka
memenuhi tugas mata kuliah Statistika Pendidikan.
Makalah ini membahas tentang apa itu analisis korelasi? Dan apa saja jenis dari analisa
korelasi itu?
Dalam penyelesaiaan makalah ini penulis banyak mendapat bantuan, bimbingan, dan
nasehat dari berbagai pihak. Untuk itu penulis mengucapkan terimakasih kepada:
1. Dosen mata kuliah statistika pendidikan, Nurul Husna Mustika Sari, M.Pd. yang
senantiasa membimbing penulis dalam pembuutan makalah ini,
2. Bapak dan Ibu yang telah mendo’akan penulis sehingga dapat menyelesaikan makalah
tepat waktu,
3. Sahabat-sahabat yang membantu dalam menyelesaikan makalah ini.
Semoga Allah SWT selalu melimpahkan rahmat dan hidayahnya sebagai balasan atas
amal baik dari seluruh pihak yamg telah disebutkan diatas. Penulis mengharap saran serta
kritikan yang membangun untuk kesempurnaan makalah ini. Semoga dapat bermanfaat bagi
semua pihak yang membacanya.

Pekalongan, 15 Oktober 2021

Penulis

Analisis Korelasi - Statistika Pendidikan | 1

 DAFTAR ISI

JUDUL ...................................................................................................................................... 0

KATA PENGANTAR .............................................................................................................. 1

DAFTAR ISI............................................................................................................................. 2

BAB I PENDAHULUAN ......................................................................................................... 3

A. Latar Belakang .............................................................................................................. 3

B. Rumusan Masalah ........................................................................................................ 3

C. Tujuan Penulisan .......................................................................................................... 3

BAB II PEMBAHASAN .......................................................................................................... 4

A. Pengertian Analisa Korelasi......................................................................................... 4

B. Korelasi Product Moment (Product Moment Correlation) ........................................ 6

C. Korelasi rank ............................................................................................................... 12

BAB III PENUTUP ................................................................................................................ 17

A. Kesimpulan .................................................................................................................. 17

B. Saran ............................................................................................................................ 17

DAFTAR PUSTAKA ............................................................................................................. 18

Analisis Korelasi - Statistika Pendidikan | 2

 BAB I
PENDAHULUAN
A. Latar Belakang
Korelasi adalah istilah statistik yang menyatakan derajat hubungan linier antara
dua variabel atau lebih. Analisis korelasi pertama kali dikembangkan oleh Karl Pearson
pada tahun 1900. Di dalam teknik analisis korelasi, hubungan antara dua variabel hanya
mengenal hubungan searah (linier) saja, misalnya: tinggi badan menyebabkan berat
badannya bertambah, tetapi berat badannya bertambah belum tentu menyebabkan
tinggi badannya bertambah pula. Sehingga dari contoh tersebut dapat diketahui bahwa
dalam analisis korelasi dikenal penyebab dan akibatnya.

Data penyebab atau yang mempengaruhi disebut variabel bebas (independent)

yang biasanya ditandai dengan huruf X. Sedangkan data akibat atau yang dipengaruh
disebut variabel terikat (dependent) yang biasanya dilambangkan dengan huruf Y. Cara
menentukan variabel bebas dan variabel terikat tergantung pada landasan teori yang
digunakan.

B. Rumusan Masalah
1. Apa yang dimaksud dengan analisa korelasi?
2. Bagaimana teknik dan pengaplikasian penghitungan korelasi?

C. Tujuan Penulisan
1. Menjelaskan apa yang dimaksud dengan analisa korelasi
2. Menjabarkan teknik analisa korelasi
3. Supaya dapat mengetahui cara melakukan uji asumsi korelasi dan mempraktekannya
dengan benar.

Analisis Korelasi - Statistika Pendidikan | 3

 BAB II
PEMBAHASAN
A. Pengertian Analisa Korelasi
Penelitian ilmiah adalah aktivitas yang bertujuan untuk mengetahui hubungan
antara satu fenomena dengan fenomena yang lain. Hasil pengukuran terhadap
fenomena yang diteliti dalam penelitian ilmiah disebut variabel penelitian. Karena itu
hubungan antara satu fenomena dengan fenomena yang lain disebut juga dengan
hubungan antara satu variabel dengan variabel lain. Hubungan antara satu variabel
dengan variabel lain disebut korelasi. Dengan kata lain korelasi merupakan istilah yang
digunakan untuk mengukur kekuatan hubungan antar variabel.

Jika penelitian bertujuan untuk mengetahui hubungan antara satu atau lebih
variable dengan variabel lain, teknik analisa yang digunakan adalah analisa korelasi.
Analisis korelasi adalah suatu analisis statistik yang mengukur tingkat asosiasi atau
hubungan antara dua variabel yaitu variabel bebas (independent variable) dengan
variabel terikat (dependent variable).

Supardi (2013) menjelaskan analisa korelasi merupakan suatu bentuk analisis

inferensial yang digunakan untuk mengetahui derajat atau kekuatan hubungan, bentuk
atau hubungan kausal dan hubungan timbal balik diantara variable-variabel penelitian.
Selama itu analisis ini dapat juga digunakan untuk mengetahui besarnya pengaaruh
suatu variable bebas atau beberapa variable bebas secara bersama terhadap variable
terikat melalui analisa koefisien determinas.

Sedangkan menurut Jonathan Sarwono dalam bukunya ia berpendapat bahwa

Korelasi adalah teknik analisis yang termasuk dalam salah satu teknik pengukuran
asosiasi / hubungan (measures of association). Pengukuran asosiasi merupakan
istilah umum yang mengacu pada sekelompok teknik dalam statistik bivariat yang
digunakan untuk mengukur kekuatan hubungan antara dua variable.1

Ada dua jenis statistik untuk menghitung korelasi:

 Koefisien korelasi bivariate: Yaitu statistik yang dapat digunakan oleh peneliti
untuk menerangkan keeratan hubungan antara dua variabel.

1
Usman Husaini. Pengantar Statistika, (Jakarta: PT Bumi Aksar, 2006), hlm. 197.

Analisis Korelasi - Statistika Pendidikan | 4

  Koefisien korelasi multi-variat: Yaitu statistik yang digunakan peneliti untuk
menggambarkan dan menentukan hubungan antara tiga variabel atau lebih.

Statistik mempersiapkan bermacam-macam teknik analisa korelasi yang dapat

digunakan untuk mengetahui apakah terdapat hubungan antara dua variabel. Sekalipun
hasil menunjukkan adanya hubungan antara dua variabel atau lebih, peneliti tidak bisa
secara langsung menarik kesimpulan bahwa antar variabel tersebut bersifat sebab-
akibat (kausal). Menurut Walter R. Bog dan Meredith D, Gall, penelitian korelasi tidak
dapat digunakan untuk meneliti hubungan sebab akibat antara satu variabel dengan
variabel yang lain.

Sebagai ilustrasi, hasil penelitian tentang hubungan rasa percaya diri dengan
prestasi belajar siswa SMA menunjukkan adanya korelasi positif yang signifikan (r =
0,5 dan p < 0,01). Hasil analisa korelasi ini tidak dapat dijadikan dasar untuk menarik
kesimpulan bahwa rasa percaya diri mempengaruhi prestasi belajar. Ada
kemungkinan, jiks siswa dapat mencapai prestasi belajar yang tinggi rasa percaya
dirinya meningkat. Dengan demikian tidak dapat ditentukan variabel mana yang
mempengaruhi dan variabel mana yang tidak mempengaruhi. Selain itu, adanya
hubungan yang positif antara dua variabel tersebut, mungkin disebabkan oleh variabel
yang lain, misalnya kecerdasan. Ada kemungkinan kecerdasanlah yang menyebabkan
tinggi rendahnya rasa percaya diri dan prestasi belajar siswa.

Berdasarkan ilustrasi di atas, dapat dipahami bahwa untuk menentukan

hubungan yang bersifat kausal perlu analisa yang lebih mendalam didukung oleh teori
atau penelitian lain. Sekalipun pada hakekatnya hasil analisa korelasi tidak
menunjukkan hubungan sebab akibat, akan tetapi adanya korelasi yang signifikan
antara dua atau lebih variable, dapat dijadikan salah satu indikasi kemungkinan adanya
hubungan sebab akibat.2

Korelasi bermanfaat untuk mengukur kekuatan hubungan antara dua variabel

(kadang lebih dari dua variabel) dengan skala-skala tertentu, misalnya Pearson data
harus berskala interval atau rasio; Spearman dan Kendal menggunakan skala ordinal.

2
Rusyadi Ananda, M.Pd, Muhammad Fadhli, M.Pd, Statistik Pendidikan (Medan: CV. Widya Puspita, 2018),
hlm. 198-201

Analisis Korelasi - Statistika Pendidikan | 5

 Macam-Macam Koefisien Analisis Korelasi diantaranya:
- Product Moment Pearson: Kedua variabelnya berskala interval
- Rank Spearman: Kedua variabelnya berskala ordinal
- Point Serial: Satu berskala nominal sebenarnya dan satu berskala interval
- Biserial: Satu berskala nominal buatan dan satu berskala interval
- Koefisien kontingensi: Kedua varibelnya berskala nominal

B. Korelasi Product Moment (Product Moment Correlation)

Product Moment Correlation adalah salah satu teknik korelasi yang digunakan
untuk mengetahui hubungan antara dua variabel. Teknik korelasi ini dikembangkan
oleh Karl Pearson. Disebut Product Moment Correlation, karena angka korelasinya
merupakan hasil perkalian atau product dari moment-moment variabel yang
dikorelasikan (Product of the Moment).3 Korelasi ini digunakan untuk menganalisis
korelasi dua variabel (variabel bebas, X; dan variabel terikat, Y) yang datanya sama-
sama berjenis interval atau rasio. Analisa dapat dilakukan dengan menggunakan skor
mentah (angka kasar) atau menggunakan deviasi (skor penyimpangan, skor selisih dari
Mean). Sehingga rumus yang digunakan dapat berbentuk rumus dengan angka kasar,
dan rumus dengan deviasi. Oleh karena itu pada bab ini akan dideskripsikan tentang
penggunaan kedua rumus tersebut dan diikuti dengan cara menarik kesimpulan.4
Teknik korelasi ini digunakan bila berhadapan dengan kenyataan bahwa:
1. Sampel diambil secara acak (random)
2. Dua variabel yang akan dicari korelasinya, terdiri dari dua gejala interval atau ratio.
3. Regresinya merupakan regresi linier/garis lurus.
Terdapat tiga kemungkinan hipotesis yang diuji yaitu:
a. Hipotesis uji dua pihak. Ho : ρ = 0 H1 : ρ ≠ 0

b. Hipotesis satu pihak, uji pihak kanan. Ho : ρ ≤ 0 H1 : ρ > 0

3
Ananda Rusydi, Statistik Pendidikan (Medan: CV.Widya Puspita, 2018), hlm. 202
4
Mundir, Statistik Pendidikan (Jember: STAIN Jember Press, 2012), hlm. 115

Analisis Korelasi - Statistika Pendidikan | 6

 c. Hipotesis satu pihak, uji pihak kiri. Ho : ρ ≥ 0 H1 : ρ < 0

Angka (koefisien) korelasi Product Moment dapat diperoleh dengan berbagai

macam cara sebagai berikut:

 xy
1. rxy =
𝑁.𝑆𝑑𝑥.𝑆𝑑𝑦

 rxy = Angka korelasi antara variabel X dan Y

  xy = Jumlah dari hasil perkalian antara deviasi skor-skor pada variabel
X (x) dengan deviasi skor-skor pada variabel Y (y)
 SDx = Standard deviasi dari variabel X
 SDy = Sandard deviasi dari variabel Y
 N = Number of cases5

Contoh perhitungan:
Misalnya data yang akan dicari angka korelasinya adalah sebagai yang akan tertera
pada tabel berikut:

Tabel 1 Nilai MTK dan Statistik Pendidikan 10 Mahasiswa

No. Nilai Matematika Nilai Stat Pend
1 2 3
2 4,5 6
3 3 4
4 4 4
5 6 7
6 2,5 6
7 4,5 6

5
Ananda Rusydi, Statistik Pendidikan (Medan: CV.Widya Puspita, 2018), hlm. 203

Analisis Korelasi - Statistika Pendidikan | 7

 8 3 5
9 3,5 7
a. Rumus
10 2 2
korelasi
product-moment dengan angka kasar
Apabila data tersebut akan dianalisis dengan dengan menggunakan rumus angka
kasar, maka perlu disiapkan tabel kerjanya berikut:

Tabel 2 Persiapan Penghitungan Koefisien Korelasi Variabel X dan Y Dengan Rumus

Angka Kasar
No X Y X2 Y2 XY
1 2 3 4 9 6
2 4,5 6 20,3 36 27
3 3 4 9 16 12
4 4 4 16 16 16
5 6 7 36 49 42
6 2,5 6 6,25 36 15
7 4,5 6 20,3 36 27
8 3 5 9 25 15
9 3,5 7 12,3 49 24,5
10 2 2 4 4 4
N = 10 35 50 137 276 188,5

Data-data yang dibutuhkan pada tabel di atas kemudian dimasukkan ke dalam rumus
korelasi dengan angka kasar sebagai berikut:

(𝑁 XY) − ( X)( Y)

=
√[(𝑁 𝑋 2 ) − ( X)2 ][(𝑁𝑌 2 ) − ( Y)2 ]

(10 . 188,5) − (35)(50)

=
√[(10 . 137)352 ][(10 . 276) − 502 ]

1885 − 1750
=
√(1370 − 1225)(2760 − 2500)

135
=
√(145)(260)

Analisis Korelasi - Statistika Pendidikan | 8

 135
=
√37700

135
=
194,165

= 0,695 (re = r empirik)

b. Rumus korelasi product-moment dengan deviasi

Apabila data tersebut di atas akan dianalisis menggunakan rumus dengan deviasi,
maka perlu disiapkan tabel kerjanya sebagai berikut:

Tabel 3 Tabel Untuk Menghitung Koefisien Korelasi Variabel X Dan Y

Menggunakan Rumus Dengan Deviasi
N X Y X Y Xy x2 y2
1 2 3 -1,5 -2 3 2,25 4
2 4,5 6 1 1 1 1 1
3 3 4 0,5 -1 -0,5 0,25 1
4 4 4 -0,5 -1 0,5 0,25 1
5 6 7 2,5 2 5 6,25 4
6 2,5 6 -1 1 -1 1 1
7 4,5 6 1 1 1 1 1
8 3 5 -0,5 0 0 0,25 0
9 3,5 7 0 2 0 0 4
10 2 2 -1,5 -3 4,5 2,25 9
N = 10 35 50 0 0 13,5 14,5 26

Data-data yang dibutuhkan pada tabel di atas kemudian dimasukkan ke dalam rumus
korelasi dengan deviasi sebagai berikut:

 xy
𝑟𝑥𝑦 =
√( 𝑥 2 )( 𝑦 2 )

 xy
=
√14,5 . 26

13,5
=
√377

Analisis Korelasi - Statistika Pendidikan | 9

 13,5
=
19,416

= 0,695 (𝑟𝑒 = 𝑟 𝑒𝑚𝑝𝑖𝑟𝑖𝑘)

c. Cara menguji hipotesis

Setelah koefisien korelasi (re = r empirik) ditemukan, maka langkah berikutnya
adalah menguji hipotesis nihil (Ho) yang telah dirumuskan. Adapun prosedur
menguji hipotesis nihil (Ho) adalah sebagai berikut:
a) Konsultasikan re = r empirik dengan rt = r tabel pada Tabel Product Moment.
b) Tentukan taraf signifikansi 5% (taraf kepercayaan 95%) atau taraf signifikansi
1% (taraf kepercayaan 99%).
c) Cari N (jumlah sampel, responden) pada tabel, dimana N = 10 (Tabel di sini
adalah tabel yang menggunakan kode N dan taraf signifikansi 5% atau 1% dan
seterusnya)
d) Bila re  rt, maka Ho ditolak (dan itu berarti Ha diterima).
e) Hasil Akhir.
(1) Ditemukan niliai rt pada N = 10 dan taraf signifikansi 5% = 0,632 dan pada
taraf signifikansi 1% = 0,765.
(2) Berarti pada taraf signifikansi 5% re  rt, Ho ditolak (Ha diterima), dan pada
taraf signifikansi 1% re < rt, Ho diterima (Ha ditolak).
(3) Dalam hal ini, peneliti boleh memilih taraf 5% atau 1% sesuai tujuan
penelitian. Namun dalam hal ini diasumsikan peneliti memilih 5%.
f) Kesimpulan Akhir.
Terdapat korelasi (positif) yang signifikan antara nilai Matematika di kelas XII
SMU dengan nilai Statistik Pendidikan di Perguruan Tinggi.
Kesimpulan akhir dari analisis korelasi ini adalah signifikan. Artinya,
bahwa data yang diambil dari sampel itu benar-benar mencerminkan kondisi populasi
sehingga hasil kesimpulan yang didapat dari sampel dengan sendirinya dapat
digeneralisasikan kepada populasi. Namun sebaliknya, apabila hasil analisis korelasi
tidak signifikan, itu berarti hasil kesimpulan tidak dapat digeneralisasikan kepada
populasi, meskipun sebenarnya ada korelasi juga.
Setelah proses pengujian hipotesis selesai dan signifikan, langkah
selanjutnya adalah mengartikan tingkat korelasi dengan cara mengkonsultasikan nilai

Analisis Korelasi - Statistika Pendidikan | 10

 re kepada nilai Tabel Interpretasi Nilai r. Setelah dikonsultasikan, re = 0,695 tersebut
ternyata berada pada interval 0,50 – 0,70 yang berarti korelasi positif yang cukup.
Selain menggunakan tabel, pengujian signifikansi koefisien korelasi dapat
pula dilakukan dengan menggunakan uji t dengan rumus sebagai berkut:
𝑟√𝑛 − 2
𝑡=
√1 − 𝑟 2
Berdasarkan hasil perhitungan koefisien korelasi product moment di atas (0,695) maka
dapat dilakukan uji signifikansi sebagai berikut.
𝑟√𝑛 − 2
𝑡=
√1 − 𝑟 2
0,696√10 − 2
=
√1 − 0,6962
0,696 . 2,828427
=
√1 − 0,483025
1,965757
=
0,71901

= 2,733978

= 2,734 (pembulatan)

Hasil t hitung (t observasi, to) tersebut kemudian dikonsultasikan atau

dibandingkan dengan harga t pada tabel nilai kritis t. Pada taraf signfikansi 5% dan
derajat kebebasan n-2 (10-2 = 8) ditemukan harga t tabel sebesar 2,306. Ternyata harga
t hitung (2,734) lebih besar daripada harga t tabel (2,306), sehingga Ho ditolak. Hal ini
berarti “Terdapat Korelasi Positif yang Signfikan antara Nilai Matematika di Kelas XII
SMU dengan Nilai Statistik Pendidikan di Perguruan Tinggi”. Koefisien korelasi yang
didapat adalah sebesar 0,695 (positif yang cukup).6
d. Langkah-langkah untuk Uji Hipotesis Korelasi Product Moment
menggunakan SPSS
1. Ketika data yang diinput pada data view, klik Analyze  Correlate 
Bivariate,
2. Destinasikan kedua variabel itu ke dalam kotak Variables. Kalau berkeinginan
untuk menampilkan rata-rata dan deviasi standar, klik Options,

6
Mundir, Statistik Pendidikan (Jember: STAIN Jember Press, 2012), hlm. 117-121

Analisis Korelasi - Statistika Pendidikan | 11

 3. Kemudian klik pada kotak yang ada di depan Means and …. Setelah itu klik
Continue. Abaikan yang lain dan klik Ok.
4. Selanjutnya maka akan ditampilkan Output proses analisis data.7
C. Korelasi rank
Teknik korelasi Rank/Spearman digunakan apabila data yang diteliti merupakan
data ordinal. Berbeda harlnya dengan korelasi Pearson (product moment) yang
didasarkan atas hubungan linier maka korelasi Rank/Spearman tidak memperhatikan
hubungan linier antara kedua variable yang dicari korelasinya. 8

Korelasi Rank/Spearman digunakan untuk mencari tingkat hubungan atau

menguji signifikansi hipotesis asosiatif bila masing-masing variable yang dihubungkan
datanya berbentuk ordinal, dan sumber data antar variable tidak harus sama. Dalam hal
ini, korealsi Raank/Spearman disimbolkan dengan rs, atau terkadang juga ditulis
dengan rho.

Rumus :

6 Σ 𝐷2
rho = 1 - 𝑛 (𝑛2 −1)

ket:

rho = koefisien korelasi rank/spearman

D = difference (selisih antara X dan Y)

n = jumlah responden

Jika dilakukan secara manual, maka langkah-langkah dalam melakukan uji

korelasi Rank/Spearman adalah sebagai berikut:

1. Menentukan Nilai rho

2. Melakukan uji Z
Setelah nilai rho sudah didapatkan, maka langkah selanjutnya adalah dengan uji
Z, adapun rumus dari uji Z adalah :

7
Ali Anwar, Statistika Untuk Penelitian Pendidikan, (Kediri: IAIT Press, 2009), hlm. 104
8
Rusyadi Ananda, M.Pd, Muhammad Fadhli, M.Pd, Statistik Pendidikan (Medan: CV. Widya Puspita, 2018),
hlm. 198-201

Analisis Korelasi - Statistika Pendidikan | 12

 𝒓𝒉𝒐
𝒛 𝒉𝒊𝒕𝒖𝒏𝒈 =
𝟏
√𝒏 − 𝟏
Ket:
Z hitung = nilai dari uji Z
rho = koefisien korelasi rank/spearman
n = banyaknya data
>> Kriteria penolakan adalah z hitung ≥ z table maka Ho ditolak dan Ha diterima.
>>Kesimpulan
3. Selain dengan uji Z, penarikan kesimpulan juga bisa dilakukan dengan
perbandingan rho table.
>> kriteria pengujian Hipotesis
Ho ditolak bila harga rho hitung > dari rho table
Ho diterima bila harga rho hitung ≤ dari rho tabel

Contoh Soal

Jika diketahui data mengenai kedisiplinan sebagai variable x dan kinerja sebagai
variable y dengan table berikut:

No. Kedisiplinan (x) Kinerja (y)

1 75 80
2 45 45
3 44 34
4 70 80
5 75 70
6 64 65
7 80 79
8 77 76
9 92 89
10 66 72

Maka tentukanlah

a. Hasil uji korelasi Rank/Spearman

b. Hasil perbandingan rho tabel

Analisis Korelasi - Statistika Pendidikan | 13

 c. Hasil Uji hipotesis

Penyelesaian :

a. Untuk mengetahui uji korelasi rank/spearman, maka perlu table penolong sebagai
berikut:

No. Kedisiplinan (x) Kinerja (y) Rank (x) Rank (y) D d2

1 75 80 4,5 2,5 2 4
2 45 45 9 9 0 0
3 44 34 10 10 0 0
4 70 80 6 2,5 3,5 12,25
5 75 79 4,5 7 -2,5 6,25
6 64 65 8 8 0 0
7 80 79 2 4 -2 4
8 77 76 3 5 -2 4
9 92 89 1 1 0 0
10 66 72 7 6 1 1
Jumlah ∑d=0 31,5

Berdasarkan table diatas, maka dapat kita masukkan kedalam rumus

6 Σ 𝐷2
rho = 1 - 𝑛 (𝑛2 −1)

6 . 31,5
rho = 1 - 10 (102 −1)

189
rho = 1 - 990

rho = 1 – 0,1909

rho = 0,8091

b. Perbandingan rho table

Hipotesis

Ho : ρ = 0 (tidak ada hubungan/korelasi yang signifikan antara kedisiplinan dan kinerja)

Analisis Korelasi - Statistika Pendidikan | 14

Ha : ρ ≠ 0 (ada hubungan/korelasi yang signifikan antara kedisiplinan dan kinerja)

Perbandingan menggunakan table nilai rho

Sebagai interpretasi, angka koefisien korelasi rank/rho yang sudah diketahui tadi perlu
dibandingkan dengan table nilai-nilai rho.

Dari table itu terlihat bahwa untuk n = 10, dengan taraf signifikansi 5% diperoleh harga
0,648 dan untuk 1% = 0,794. Hasil rho hitung ternyata lebih besar dari rho table.

Taraf signifikansi 5%

0,809 > 0,648

Taraf signifikansi 1%

0,809 > 0,749

Hal ini berarti menolak Ho dan menerima Ha, artinya ada hubungan yang signifikan
antara variable kedisiplinan dan kinerja.

c. Uji Hipotesis
1. Menentukan uji hipotesis
Ho : ρ = 0 (tidak ada hubungan/korelasi yang signifikan antara kedisiplinan dan kinerja)
Ha : ρ ≠ 0 (ada hubungan/korelasi yang signifikan antara kedisiplinan dan kinerja)

Analisis Korelasi - Statistika Pendidikan | 15

2. Taraf signifikan
α = 0.01 atau 1%
3. Menentukan statistic uji

𝒓𝒉𝒐
𝒛 𝒉𝒊𝒕𝒖𝒏𝒈 =
𝟏
√𝒏 − 𝟏

4. Menentukan daerah penolakan/ kriteria uji

Ho ditolak jika :
Z hitung ≥ z table (0,5-(0,5 x 0,01)
5. Perhitungan
rho = 0,81
sehingga:

𝟎, 𝟖𝟏
𝒛 𝒉𝒊𝒕𝒖𝒏𝒈 =
𝟏
√𝟏𝟎 − 𝟏

= 2,5

6. Kesimpulan
Ho ditolak jika z hitung ≥ z table
Z table (0,5-(0,5 x 0,01) = Z 0,495
Maka didapat z table adalah 2,5
Karena z hitung ≥ z table maka Ho ditolak, Ha diterima. Artinya ada hubungan/korelasi
yang signifikan antara kedisiplinan dan kinerja.

Korelasi rank spearman juga bisa dilakukan melalui aplikasi SPSS. Langkah-langkah
dalam SPSS sebagai berikut :
1. Siapkan data yang akan dihitung melalui SPSS.
2. Kemudian klik analyze > correlate > bivariate
3. Pada bagian bivariate, pindahkan kedisiplinan dan kinerja yang akan dihitung ke
variables sebelah kanan, dan ceklist pada spearman, two tiled, lalu klik OK.
4. Maka akan muncul hasil output

Analisis Korelasi - Statistika Pendidikan | 16

 BAB III
PENUTUP
A. Kesimpulan
Korelasi ialah salah satu teknik analisis statistic yang dipakai untuk
menghubungkan dua variable atau lebih. Hubungan antar variable bukanlah dalam arti
sebab akibat. Dalm korelasi dikenal variable bebas (X) dan variable terikat (Y).
Variabel X dan Y ini terdiri atas berbagai data, sehingga macam korelasi yang dipakai
ditentukan oleh jenis-jenis data yang akan kita hubungkan. Sehingga akhirnya dikenal
sekurang-kurangnya ada 10 macam teknik korelasi.

B. Saran
Kami merasa bahwa pada makalah ini banyak sekali kekurangan, oleh karena
kurangnya pengetahuan pada saat pembuatan makalah, kami sebagai penulis
mengharapkan kritik dan saran yang membangun kepada pembaca agar kami dapat
membuat makalah yang lebih baik lagi.

Analisis Korelasi - Statistika Pendidikan | 17

 DAFTAR PUSTAKA

Ali Anwar. 2009. Statistika Untuk Penelitian Pendidikan. Kediri: IAIT Press.

Husaini, Usman. 2006. Pengantar Statistika. Jakarta: PT Bumi Aksara.

Mundir. 2012. Statistik Pendidikan. Jember: STAIN Jember Press.

Rusyadi Ananda, Muhammad Fadhli. 2018. Statistik Pendidikan (Teori Dan Praktik Dalam Pendidikan).
Medan: Widya Puspita.

Analisis Korelasi - Statistika Pendidikan | 18