MAKALAH

TEKNIK KORELASI PRODUCT MOMENT

Dosen Pengampu : Prima Widya Asteria S.Pd., M.Pd. & Prof. Dr.
Bambang Yulianto M.Pd.

DISUSUN OLEH :

Kelompok 4/PB 2018

1. Musliyana (18020074011)
2. Risa Anike Sasti (18020074035)
3. Ismi Fauziatus Solihah (18020074059)
4. Septi Dwi Fahmi A.A (18020074107)
5. Dyah Nuria Kusumawati (18020074131)
6. Jessica Arlene Felicia (18020074083)

UNIVERSITAS NEGERI SURABAYA

FAKULTAS BAHASA DAN SENI

PENDIDIKAN BAHASA DAN SASTRA INDONESIA

2019
 BAB I
PENDAHULUAN
1.1 Latar Belakang

Dalam penelitian ilmu-ilmu sosial, variabel-variabel yang diteliti

sifatnya lebih abstrak sehingga sukar untuk dilihat dan
divisualisasikan, atau dijamah secara realita, tidak seperti ilmu-ilmu
eksakta. Karena itu variabel-variabel dalam ilmu sosial, yang berasal
dari konsep, perlu diperjelas dan diubah bentuknya sehingga dapat
diukur dan dipergunakan secara operasional. Selain itu, bentuknya
yang abstrak mengakibatkan proses pengukuran sangat cenderung
kepada keliru. Untuk itulah uji reliabilitas dan validitas diperlukan
sebagai upaya memaksimalkan kualitas alat ukur, agar kecenderungan
keliru tadi dapat diminimalkan. Dengan demikian dapat kita katakan
bahwa reliabilitas dan validitas adalah tempat kedudukan untuk
menilai kualitas semua alat dan prosedur pengukuran.
Suatu instrumen pengukuran dikatakan reliabel jika
pengukurannya konsisten dan cermat akurat. Jadi uji reliabilitas
instrumen dilakukan dengan tujuan untuk mengetahui konsistensi
dari instrumen sebagai alat ukur, sehingga hasil suatu pengukuran
dapat dipercaya. Hasil pengukuran dapat dipercaya hanya apabila
dalam beberapa kali pelaksanaan pengukuran terhadap kelompok
subjek yang sama (homogen) diperoleh hasil yang relatif sama, selama
aspek yang diukur dalam diri subjek memang belum berubah. Dalam
hal ini, relatif sama berarti tetap adanya toleransi terhadap perbedaan-
perbedaan kecil diantara hasil beberapa kali pengukuran.
Teknik korelasi product moment bekerja untuk menguji validitas
suatu instrumen pengukuran. Suatu instrumen tersebut dikatakan
valid apabila ia dapat mengukur sesuatu dengan tepat apa yang
hendak diukur. Pada makalah ini akan dijelaskan lebih rinci mengenai
dasar-dasar teknik tersebut.

1.2 Rumusan Masalah

a. Bagaimana teknik korelasi product moment dapat digunakan?

b. Bagaimana cara mencari angka indeks korelasi product moment?
c. Bagaimana cara memberikan interpretasi terhadap angka indeks
korelasi product moment?
1.3 Tujuan Penulisan

a. Untuk mengetahui penggunaan teknik korelasi product moment.

b. Untuk mengetahui cara mencari angka indeks korelasi product
moment.
c. Untuk mengetahui cara memberikan interpretasi terhadap angka
indeks korelasi product moment.

1.4 Manfaat Penulisan

a. Dapat memahami penggunaan teknik korelasi product moment.

b. Dapat memahami cara mencari angka indeks korelasi product
moment.
c. Dapat memahami cara memberikan interpretasi terhadap angka
indeks korelasi product moment.

BAB II
PEMBAHASAN
2.1 Pengertian Product Moment Correlation
Adalah salah satu teknik untuk mencari korelasi antar dua variabel yang
kerap kali digunakan.
Pertama kali dikembangkan oleh Karl Pearson, yang karenanya sering
dikenal dengan istilah Teknik Korelasi Pearson.
Disebut Product Moment Correlation karena koefisien korelasinya
diperoleh dengan cara mencari hasil perkalian dari momen-momen
variabel yang dikorelasikan (product of the moment).

2.2 Penggunaan Teknik Korelasi Product Moment

 Variabel yang kita korelasikan berbentuk gejala atau data yang
bersifat kontinu.
 Sampel yang diteliti mempunyai sifat homogen, atau setidak-
tidaknya mendekati homogen.
 Regresinya merupakan regresi linear.
2.3 Lambang Product Moment Correlation
 Kuat-lemah atau tinggi-rendahnya korelasi antar dua variabel
dapat diketahui dengan melihat besar-kecilnya angka indeks
korelasi, yang pada Teknik Korelasi Product Moment diberi lambang
“r” (dibaca: “r” Product Moment ).
 Angka indeks korelasi Product Moment ini diberi indeks dengan
huruf kecil dari huruf-huruf yang dipergunakan untuk dua buah
variabel yang sedang dicari korelasinya. Jadi apabila variabel
pertama diberi lambang x dan variabel kedua diberi lambang y,
maka angka indeks korelasinya dinyatakan dengan lambang .

2.4 Cara Mencari Angka Indeks Product Moment Correlation

Untuk data tunggal dengan Number of cases < 30, caranya sebagai berikut:
1. Menghitung Deviasi Standar terlebih dahulu
2. Tanpa menghitung Deviasi Standar
3. Memperhitungkan skor-skor asli
4. Memperhitungkan Mean (mencari rata-rata hitung dari variabel-
variabel yang dicari korelasinya)
5. Memperhitungkan selisih deviasi dan variabel-variabel yang
dikorelasikan terhadap Mean
6. Memperhitungkan selisih masing-masing skor asli atau angka
kasar.
Untuk data tunggal dengan Number of cases > 30 dan data kelompok,
angka indeks korelasi dapat diperoleh dengan bantuan sebuah Peta
Korelasi atau Scatter Diagram.
2.5 Cara Memberikan Interpretasi Terhadap Angka Indeks “r” Product
Moment Correlation
2.5.1 Memberikan Interpretasi Terhadap Angka Indeks “r” Product
Moment Correlation Secara Kasar (Sederhana)

Besarnya “r”
Interpretasi
Product Moment ( )

Antara Variabel X dan Variabel Y memang

terdapat korelasi, akan tetapi korelasi itu
0,00 – 0,20 sangat lemah atau sangat rendah sehingga
korelasi itu diabaikan (dianggap tidak ada
korelasi).

Antara Variabel X dan Variabel Y

0,20 – 0,40
terdapat korelasi yang lemah atau rendah.

Antara Variabel X dan Variabel Y terdapat

0,40 – 0,70 korelasi yang sedang atau cukupan.

Antara Variabel X dan Variabel Y

0,70 – 0,90
terdapat korelasi yang kuat atau tinggi.

Antara Variabel X dan Variabel Y terdapat

0,90 – 1,00 korelasi yang sangat kuat atau sangat tinggi.

2.5.2 Memberikan Interpretasi Terhadap Angka Indeks “r” Product

Moment Correlation dengan berkorealitasi pada Tabel Nilai “r”
Product Moment
1) Merumuskan Hipotesis Alternatif (Ha) dan Hipotesis Nihil atau
Hipotesis Nol (Ho).

Ha = Ada korelasi antara variabel X dan variabel Y

Ho = Tidak ada korelasi antara variabel X dan variabel Y

2) Menguji kebenaran atau kepalsuan dari Hipotesis Alternatif (Ha) dan
Hipotesis Nihil atau Hipotesis Nol (Ho).

dengan jalan memperbandingkan besarnya “r” yang telah diperoleh

dalam proses perhitungan atau “r” observasi (ro) dengan besarnya “r”
yang tercantum dalam Tabel nilai “r” Product Moment ( ), dengan
terlebih dahulu mencari derajat besarnya (db) atau degrees of freedom-
nya (df) yang rumusannya adalah sebagai berikut:
df = N – nr
df = degrees of freedom
N = Number of cases
nr = banyaknya variable yang kita korelasikan (karena teknik analisis
korelasi yang kita bicarakan di sini adalah teknik analisis korelasional
bivariat, maka nr akan selalu = 2, sebab variable yang kita korelasikan
hanya dua buah).
Dengan diperolehnya db atau df maka dapat dicari besarnya “r” yang
tercantum dalam Tabel Nilai “r” Product Moment, baik pada taraf
signifikansi 5% maupun pada taraf signifikansi 1%.
Jika ro = atau ro > maka Ha disetujui dan Ho ditolak.

Nukilan Tabel Nilai Koefisien Korelasi “r” Product

Moment dari Pearson untuk berbagai df.
df (degrees of Banyak variabel yang dikorelasikan
freedom) atau db 2
(derajat bebas) Harga "r" pada taraf signifikansi
5% 1%
1 0,997 1,000
2 0,950 0,990
3 0,878 0,959
4 0,811 0,917
5 0,754 0,874
6 0,707 0,834
7 0,666 0,798
8 0,632 0,765
9 0,602 0,735
10 0,576 0,708
 11 0,553 0,684
12 0,532 0,661
13 0,514 0,641
14 0,497 0,623
15 0,482 0,606
16 0,468 0,590
17 0,456 0,575
18 0,444 0,561
19 0,433 0,549
20 0,423 0,537
21 0,413 0,526
22 0,404 0,515
23 0,396 0,505
24 0,388 0,496
25 0,381 0,487
26 0,374 0,478
27 0,367 0,470
28 0,361 0,463
29 0,355 0,456
30 0,349 0,449
35 0,325 0,418
40 0,304 0,393
45 0,288 0,372
50 0,273 0,354
60 0,250 0,325
70 0,232 0,302
80 0,217 0,283
90 0,205 0,267
100 0,195 0,254
125 0,174 0,228
150 0,159 0,208
200 0,38 0,181
300 0,113 0,148
400 0,098 0,128
500 0,088 0,115
1000 0,062 0,081
2.6 Contoh Cara Mencari (Menghitung) dan Memberikan Interpretasi
Terhadap Angka Indeks “r” Product Moment Correlation
2.6.1 Untuk Data Tunggal (N<30) dengan Deviasi Standar.
A) Rumus yang digunakan yaitu;
∑

= Angka Indeks Korelasi antara Variabel X dan Variabel Y Jumlah

∑xy = dari hasil perkalian antara deviasi skor-skor
Variabel X dari deviasi dari skor-skor Variabel Y
N = Number of Cases
= Deviasi Standar dari Variabel X
= Deviasi Standar dari Variabel Y

B) Langkah yang ditempuh;

1. Menyiapkan Tabel Kerja atau Tabel Perhitungan, yang terdiri dari
delapan kolom. Pada kolom 1 dimuat Subjek Penelitian; Kolom 2:
memuat skor variabel X; Kolom 3 memuat skor variabel Y; Kolom
4 memuat deviasi skor variabel X terhadap Mean Groupnya (Mx);
Kolom 5 memuat deviasi skor variabel Y terhadap Mean-
Groupnya (My); Kolom 6 memuat hasil perkalian antara deviasi x
dan deviasi y (Kolom 4 dikalikan dengan Kolom 5); Kolom 7
memuat hasil pengkuadratan deviasi x (yaitu x2) dan Kolom 8
memuat hasil pengkuadratan deviasi y (yaitu y2).
2. Menghitung Mean dari variabel X (yaitu Mx) dengan
menggunakan rumus:
∑

3. Menghitung Mean dari variabel Y (yaitu M y) dengan

menggunakan rumus:
∑

4. Menghitung Deviasi Standar variabel X (yaitu SDx) dengan

menggunakan rumus:
√∑

5. Menghitung Deviasi Standar variabel Y (yaitu SDy) dengan

menggunakan rumus:
∑
√

6. Menghitung Angka Indeks Korelasi antara variabel X dan variabel

Y (yaitu rxy) dengan menggunakan rumus yang telah disebutkan
sebelumnya.
C) Contoh Perhitungan;
Misalkan dalam suatu penelitian yang dimaksudkan untuk
mengetahui apakah secara signifikan terdapat korelasi positif antara
Nilai Hasil Belajar para Mahasiswa di Fakultas (Variabel X) dan Nilai
Hasil Belajar mereka pada waktu berada di Sekolah Lanjutan Tingkat
Atas (Variabel Y), dalam penelitian mana telah ditetapkan sebagai
sampel sejumlah 20 orang mahasiswa (N kurang dari 30), telah
berhasil dihimpun data berupa: Mean Nilai Hasil Belajar Para
Mahasiswa tersebut pada Ujian Semester dan Mean dari Nilai Hasil
Belajar mereka pada Ujian Akhir Sekolah Lanjutan Tingkat Atas
(sebagaimana tercantum dalam STTB), seperti terlihat pada Tabel 5.1.
TABEL 5.1. Mean Nilai Hasil Belajar dari sejumlah
20 orang Mahasiswa Pada Ujian semester di
Fakultas, dan Mean dari Nilai STTB Mereka di SLTA
No. Nama Mean Nilai Hasil Ujian Mean Nilai SLTB di
Urut Mhs. Semester di Fakultas (X) SLTA (Y)
1. A 6,5 7.5
2. B 5,8 5.6
3. C 7,2 6.6
4. D 6,9 6.4
5. E 7,6 6.9
6. F 6,7 6.2
7. G 6,2 5.9
8. H 5,6 5.8
9. I 6,8 6.1
10. J 6,0 7.1
11. K 6,4 7.4
12. L 6,2 7.2
13. M 7,2 6.3
14. N 6,5 6.7
 15. O 6,3 6.5
16. P 6,6 7.6
17. Q 5,8 5.9
18. R 6,3 7.3
19. S 7,4 7.8
20. T 6,0 7.2

Untuk dapat mengetahui besarnya Angka Indeks yang

menunjukkan kuat-lemahnya korelasi antara variabel X dan variabel
Y itu, terlebih dahulu kita siapkan Tabel Kerja atau Tabel
Perhitungannya, yang terdiri dari 8 kolom:
TABEL 5.2. Tabel Kerja (Tabel Perhitungan) untuk Mencari
Angka Indeks Korelasi Antara Variable X (Mean Nilai Ujian
Semester di Fakultas) dan Variable Y (Mean STTB SLTA)
dari Sejumlah 20 Orang Mahasiswa di Sebuah Fakultas.

Subjek X Y X Y xy X2 Y2
A 6,5 7.5 0,0 +0,8 0,00 0,00 0,64
B 5,8 5.6 -0,7 -1,1 +0,77 0,49 1,21
C 7,2 6.6 +0,7 -0,1 -0,07 0,49 0,01
D 6,9 6.4 +0,4 -0,3 -0.12 0,16 0,09
E 7,6 6.9 +1,1 +0,2 +0,22 1,21 0,04
F 6,7 6.2 +0,2 -0,5 -0,10 0,04 0,25
G 6,2 5.9 -0.3 -0,8 +0,24 0,09 0,64
H 5,6 5.8 -0,9 -0,9 +0,81 0,81 0,81
I 6,8 6.1 +0,3 -0,6 -0,18 0,09 0,36
J 6,0 7.1 -0,5 +0,4 -0,20 0,25 0,16
K 6,4 7.4 -0,1 +0,7 -0,07 0,01 0,49
L 6,2 7.2 -0,3 +0,5 -0,15 0,09 0,25
M 7,2 6.3 +0,7 -0,4 -0,28 0,49 0,16
N 6,5 6.7 0,0 0,0 0,00 0,00 0,00
O 6,3 6.5 -0,2 -0,2 +0,04 0,04 0,04
P 6,6 7.6 +0,1 +0,9 +0,09 0,01 0,81
Q 5,8 5.9 -0,7 -0,8 +0,59 0,49 0,64
R 6,3 7.3 -0,2 +0,6 -0,12 0,04 0,36
S 7,4 7.8 +0,9 +1,1 +0,99 0,81 1,21
T 6,0 7.2 -0,5 +0,5 -0,25 0,25 0,25
130,0 134,0 = 0=∑x 0=∑y +2,18 5,86 = 8,42 =
20 =N
= ∑X ∑Y =∑xy ∑x2 ∑y2
Dengan melakukan tahapan seperti langkah yang sudah dituliskan
sebelumya, maka dapat diperoleh;
1. Mean dari variabel X (yaitu Mx):
∑

2. Mean dari variabel Y (yaitu My):

∑

3. Deviasi Standar variabel X (yaitu SDx):

∑
√ √ √

4. Deviasi Standar variabel Y (yaitu SDy):

∑
√ √ √

5. Sehingga Angka Indeks Korelasi antara variabel X dan variabel Y

(yaitu rxy):
∑

D) Pemberian Interpretasi;
1. Secara Sederhana dapat dikatakan; Angka indeks korelasi yang
telah diperoleh tidak bertanda negatif. Sehingga, korelasi antara
Variabel X (Prestasi studi di fakultas) dan Variabel Y (Prestasi studi di
SLTA) terdapat hubungan yang searah. Terdapat korelasi positif diantara
dua variabel tersebut. Artinya: Para mahasiswa yang pada waktu
duduk di SLTA memiliki nilai hasil belajar yang baik, setelah berada
di fakultas juga dapat mencapai nilai hasil belajar yang baik dan
sebaliknya.
Apabila dilihat dari besarnya yang diperoleh yaitu 0,310 terletak
antara 0,20-0,40. Berdasarkan pedoman yang telah dikemukakan
diatas dapat dinyatakan bahwa korelasi antara Variabel X dan
Variabel Y itu adalah korelasi yang tergolong lemah atau rendah. Dapat
disimpulkan bahwa interpretasi terhadap tersebut yaitu bahwa
sekalipun terdapat korelasi positif antara Variabel X dan Variabel Y, namun
korelasi itu adalah korelasi yang lemah (rendah).
 2. Berdasarkan Tabel Nilai “r” dapat dikatakan; dengan df sebesar
18 (diperoleh dari sehingga ), diperoleh
“r” Product Moment pada taraf signifikan 5% = 0,444 dan pada taraf
signifikan 1% = 0,561. Kemudian membandingkan besarnya “ ” atau
“ ” dengan “ ”. Seperti diketahui, yang kita peroleh adalah 0,310,
sedangkan masing-masing sebesar 0,444 dan 0,561.
Dengan demikian ternyata bahwa , maka Hipotesis alternatif
ditolak, sedang Hipotesis nihil diterima atau disetujui. Kesimpulan
yang dapat ditarik: korelasi positif antara Prestasi Studi di Fakultas dan
Prestasi Studi di SLTA (secara matematik), disini bukanlah merupakan
korelasi positif yang meyakinkan.
2.6.2 Untuk Data Tunggal (N<30) tanpa Deviasi
Standar.
A) Rumus yang digunakan yaitu;
∑
√ ∑ ∑

= Angka Indeks Korelasi antara Variabel X dan Variabel Y

∑x2 = Jumlah deviasi skor-skor Variabel X yang terlebih dahulu
dikuadratkan
∑y2 = Jumlah deviasi skor-skor Variabel Y yang terlebih dahulu
dikuadratkan

B) Contoh Perhitungan;
Apabila data yang tercantum pada Tabel 5.1 dan telah dihitung
Angka Indeks Korelasinya melalui 5.2 itu dapat dipergunakan lagi,
maka pada Tabel 5.2 telah diperoleh:
∑xy = 2,18 (Lihat Kolom 6 lajur paling bawah);
∑x2 = 5,86 (Lihat Kolom 7 lajur paling bawah); dan
∑y2 = 8,42 (Lihat Kolom 8 lajur paling bawah).

Dengan mensubstitusikan ke dalam rumus kedua maka dapat

diperoleh:
∑

√ ∑ ∑ √ √
Hasil yang diperoleh persis sama dengan rumus pertama.
C) Pemberian Interpretasi;
Karena sebesar 0,310 itu telah diberikan interpretasi (baik secara
sederhana maupun dengan jalan berkonsultasi pada Tabel Nilai “r”
Product Moment), maka cara pemberian interpretasi sama dengan
pernyataan yang telah dikemukakan diatas.
2.6.3 Untuk Data Tunggal (N<30) dengan berdasar pada Skor Asli
(Angka Kasarnya).
A) Rumus yang digunakan yaitu;
∑ ∑ ∑
√[ ∑ ∑ ][ ∑ ∑ ]

= Angka Indeks Korelasi “r” Product Moment

N = Number of cases
∑XY = Jumlah hasil perkalian antara skor X dan skor Y
∑X = Jumlah seluruh skor X
∑Y = Jumlah seluruh skor Y

B) Contoh Perhitungan;
Dalam suatu penelitian, yang antara lain dimaksudkan untuk
mengetahui apakah secara signifikan terdapat korelasi positif antara
Nilai Hasil Tes Sumatif dan Nilai Tes Formatif dalam bidang studi
Bahasa Arab, telah ditetapkan sejumlah 20 orang siswa MAN sebagai
sampel, berhasil dihimpun data sebagaimana tertera pada Tabel 5.3.
Tabel 5.3. Nilai Hasil Tes Formatif dan Nilai
Hasil Tes Sumatif dalam Bidang Studi Bahasa
Arab, yang Berhasil Dicapai oleh 20 Orang
Siswa Madrasah „Aliyah.

No. Nilai Bidang Studi Bahasa Arab pada:

Subjek
Urut Tes Formatif (X) Tes Sumatif (Y)
1 A 5 6
2 B 6 8
3 C 7 7
4 D 6 8
5 E 5 6
6 F 6 8
7 G 6 7
 8 H 5 6
9 I 6 6
10 J 8 8
11 K 6 7
12 L 6 6
13 M 5 6
14 N 6 7
15 O 8 6
16 P 4 6
17 Q 6 8
18 R 6 7
19 S 7 9
20 T 6 8

Selanjutnya kita lakukan perhitungan untuk memperoleh , dengan

terlebih dahulu menyiapkan Tabel Kerja atau Tabel Perhitungannya,
sebagaimana dapat dilihat pada Tabel 5.4.
Tabel 5.4. Perhitungan untuk Memperoleh Angka
Indeks Korelasi Antara Variabel X (Nilai Hasil Tes
Formatif) dan Variabel Y (Nilai Hasil Tes Sumatif).
Subjek X Y XY
A 5 6 30 25 36
B 6 8 48 36 64
C 7 7 49 49 49
D 6 8 48 36 64
E 5 6 30 25 36
F 6 8 48 36 64
G 6 7 42 36 49
H 5 6 30 25 36
I 6 6 36 36 36
J 8 8 64 64 64
K 6 7 42 36 49
L 6 6 36 36 36
M 5 6 30 25 36
N 6 7 42 36 49
O 8 6 48 64 36
P 4 6 24 16 36
Q 6 8 48 36 64
 R 6 7 42 36 49
S 7 9 63 49 81
T 6 8 48 36 64
N=20 ∑X=120 ∑Y=140 ∑XY=848 ∑ =738 ∑ =998

Mencari dengan rumus seperti telah disebutkan di awal:

∑ ∑ ∑
√[ ∑ ∑ ][ ∑ ∑ ]

√[ ][ ]

√
C) Pemberian Interpretasi;
1. Interpretasi secara kasar/sederhana:
Dari perhitungan di atas ternyata angka korelasi antara variabel X
dan variabel Y tidak bertanda negatif, berarti diantara kedua variabel
tersebut terdapat korelasi positif (korelasi yang berjalan searah). Dengan
memperhatikan besarnya (yaitu = 0,444), yang besarnya korelasi
positif antara variabel X dan variabel Y itu adalah termasuk korelasi
positif yang sedang.
2. Interpretasi dengan menggunakan Tabel Nilai “r”: df = N – nr =
20 – 2 = 18.
Dengan memeriksa Tabel Nilai “r” Product Moment ternyata
bahwa dengan df sebesar 18, pada taraf signifikansi 5% diperoleh
=0,444; sedangkan pada taraf signifikansi 1% diperoleh
=0,561. Karena atau pada taraf signifikansi 5% sama
besarnya dengan atau , maka pada taraf signifikansi 5%
Hipotesis Nol Ditolak, sedangkan Hipotesis Alternatif disetujui/
diterima, berarti bahwa pada taraf signifikansi 5% itu memang
terdapat korelasi positif yang signifikan antara variabel X dan variabel
Y.
 Selanjutnya, karena pada taraf signifikansi 1% atau adalah
lebih kecil daripada (0,444 < 0,561), maka pada taraf signifikansi
1% itu Hipotesis Nihil disetujui/ diterima, sedangkan Hipotesis Alternatif
ditolak. Ini berarti bahwa untuk taraf signifikansi 1% itu tidak terdapat
korelasi positif yang sigfikan antara variabel X dan variabel Y.
Kesimpulan yang dapat kita tarik ialah, tinggi-rendahnya nilai Tes
Sumatif ada hubungannya/ dipengaruhi oleh tinggi-rendahnya nilai hasil Tes
Formatif, sekalipun korelasi positif itu hanya cakupan saja.
2.6.4 Untuk Data Tunggal (N<30) dengan berdasar pada Mean-nya.
A) Rumus yang digunakan yaitu;

∑
√[∑ ][∑ ]

∑ = Jumlah dari hasil perkalian antara skor variabel X dan variabel Y

N = Number of Cases
= Mean dari skor variabel X Mean
= dari skor variabel Y
∑ = Jumlah dari skor X setelah terlebih dahulu dikuadratkan Jumlah
= dari skor Y setelah terlebih dahulu dikuadratkan Kuadrat dari
∑ = Mean skor variabel X
= Kuadrat dari Mean skor variabel Y

B) Contoh Perhitungan;
Melalui Tabel 5.4. yang telah disebutkan sebelumnya, kita telah
memperoleh:

N=20, ∑X=120, ∑Y=140, ∑XY=848, ∑ =738, dan ∑ =998

Dari rumus yang akan kita pergunakan, yang belum diketahui adalah
karena itu kita cari terlebih dahulu:

∑
Dengan mensubstitusikannya ke dalam rumus, maka secara cepat
akan dapat kita peroleh :

∑
√[∑ ][∑ ]

√[ ][ ]

√[ ][ ]

√ √
Hasil yang diperoleh persis sama dengan rumus pertama.
Mengenai cara memberikan interpretasi terhadap “ ” sama dengan
yang dikemukakan sebelumnya.

2.6.5 Untuk Data Tunggal (N<30) dengan berdasar pada Selisih

Deviasinya.
A) Rumus yang digunakan yaitu;
∑ ∑ ∑
√ ∑ ∑

∑ = Jumlah seluruh deviasi skor variabel X, setelah

dikuadratkan lebih dahulu.
∑ = Jumlah seluruh deviasi skor variabel Y, setelah
dikuadratkan lebih dahulu.
d = Selisih antara deviasi skor variabel X dan deviasi skor
variabel Y;atau: d=x-y
∑ = Jumlah selisih antara deviasi skor variabel X dan deviasi
skor variabel Y,setelah dikuadratkan terlebih dahulu;
2 = Bilangan konstan (tidak boleh diubah-ubah)

B) Contoh Perhitungan;
Kita ambil kembali data yang tertera pada Tabel 5.3. untuk dicari
angka indeks korelasinya dengan mendasarkan diri pada selisih
deviasinya.
 TABEL 5.5. Tabel Kerja /Tabel Perhitungan untuk Mencari Angka
Indeks Korelasi “r” Product Moment,dengan Memperhitungkan
Selisih Deviasinya.
d d2
Subjek X Y X Y x2 y2 (x-y) (x-y)2
A 5 6 -1 -1 1 1 0 0
B 6 8 0 +1 0 1 -1 1
C 7 7 +1 0 1 0 +1 1
D 6 8 0 +1 0 1 -1 1
EF 5 6 -1 -1 1 1 0 0
G 6 8 0 +1 0 1 -1 1
HI 6 7 0 0 0 0 0 0
JK 5 6 -1 -1 1 1 0 0
L 6 6 0 -1 0 1 +1 1
M 8 8 +2 +1 4 1 +1 1
N 6 7 0 0 0 0 0 0
O 6 6 0 -1 0 1 +1 1
P 5 6 -1 -1 1 1 0 0
Q 6 7 0 0 0 0 0 0
RS 8 6 +2 -1 4 1 +3 9
T 4 6 -2 -1 4 1 -1 1
6 8 0 +1 0 1 -1 1
6 7 0 0 0 0 0 0
7 9 +1 +2 1 4 -1 1
6 8 0 +1 0 1 -1 1

20=N 120 = 140 = 0= 0= 18 = 18 = 0= 20 =

X Y x y  x2  y2 d  d2

Mencari rxy dengan rumus;

∑ ∑ ∑
√ ∑ ∑

Hasil yang diperoleh persis sama dengan rumus pertama.

 Tentang Hipotesis alternatif, Hipotesis Nihil dan Cara Memberikan
Interpretasi terhadap sama dengan apa yang telah dikemukakan
diatas.
2.6.6 Untuk Data Tunggal (N<30) dengan berdasar pada Selisih Skor
(Ukuran Kasarnya).
A) Rumus yang digunakan yaitu;
[∑ ∑ ∑ ] ∑ ∑
√[ ∑ ∑ ][ ∑ ∑ ]
N = Number of cases
∑ = Jumlah dari seluruh skor variabel X, setelah terlebih
dahulu dikuadratkan
∑ = Jumlah dari seluruh skor variabel Y, setelah terlebih
dahulu dikuadratkan
= Selisih antara skor variabel X dengan skor variabel Y
= Kuadrat dari Selisih antara skor variabel X dengan skor
variabel Y
(∑ = Jumlah dari seluruh skor variabel X, setelah itu lalu
dikuadratkan
(∑ = Jumlah dari seluruh skor variabel Y, setelah itu lalu
dikuadratkan
2 = Bilangan konstan (tidak dapat diubah-ubah)

B) Contoh Perhitungan;
Pada dasarnya Tabel Kerja atau Tabel Perhitungan yang kita
perlukan sama dengan Tabel 5.4. hanya saja tabel 5.4. itu perlu kita
tambah lagi dengan dua kolom,yaitu: kolom untuk mencari selisih
skor X dan skor Y (yaitu: X – Y ) dan kolom untuk mencari kuadrat
dari ( X – Y ). Adapun kolom XY kita hilangkan.
Kita ambil kembali data yang tertera pada tabel 5.3. untuk kita cari
angka indeks korelasinya dengan menggunakan rumus terakhir
ini.Tabel kerja atau Tabel Perhitungan dapat lihat 5.6.
TABEL 5.6. Tabel Kerja/Tabel Perhitungan untuk mencari Angka
Indeks Korelasi “r” Product Moment,di mana N Kurang dari 30,
Dengan mendasarkan diri pada selisih skornya atau selisih ukuran
kasarnya.
 Subjek X Y X2 Y2 (X- (X-Y)2
Y)
A 5 6 25 36 -1 1
BC 6 8 36 64 -2 4
D E 7 7 49 49 0 0
F G 6 8 36 64 -2 4
HI 5 6 25 36 -1 1
JK 6 8 36 64 -2 4
LM 6 7 36 49 -1 1
NO 5 6 25 36 -1 1
PQ 6 6 36 36 0 0
RS 8 8 64 64 0 0
T 6 7 36 49 -1 1
6 6 36 36 0 0
5 6 25 36 -1 1
6 7 36 49 -1 1
8 6 64 36 +2 4
4 6 16 36 -2 4
6 8 36 64 -2 4
6 7 36 49 -1 1
7 9 49 81 -2 4
6 8 36 64 -2 4

200=N 120= 140=  Y 738 = 998= - 40=

X  X2 Y 2  ( X  Y )2

Dengan demikian dapat diperoleh secara mudah :

[∑ ∑ ∑ ] ∑ ∑
√[ ∑ ∑ ][ ∑ ∑ ]

√[ ][ ]

√
Hasil yang diperoleh persis sama dengan rumus pertama.
2.6.7 Untuk Data Tunggal (dimana N=30 atau N>30)
A) Rumus yang digunakan yaitu;
∑

∑x‟y‟ = Jumlah hasil perkalian silang (product of the moment) antara

frekuensi sel (f) dengan x‟ dan y‟
= Nilai Koreksi pada Variabel X
= Nilai Koreksi pada Variabel Y
= Deviasi standard skor X dalam arti tiap skor sebagai 1 unit
(di mana i-1)
= Deviasi standard skor Y dalam arti tiap skor sebagai 1 unit
(di mana i-1)
N = Number of cases

B) Langkah yang ditempuh;

1. Menyiapkan Peta Korelasi (Scatter Diagram)
2. Menghitung dengan menggunakan rumus:
∑

3. Menghitung dengan menggunakan rumus:

∑

4. Menghitung dengan menggunakan rumus:

∑ ∑
√ ( )

5. Menghitung dengan menggunakan rumus:

∑ ∑
√ ( )

6. Menghitung Angka Indeks Korelasi antara variabel X dan variabel

Y (yaitu rxy) dengan menggunakan rumus yang telah disebutkan
sebelumnya yaitu;

∑
C) Contoh Perhitungan;
Misalkan dalam suatu kegiatan penelitian yang antara lain
dimaksudkan untuk mengetahui apakah secara signifikan terdapat
korelasi positif antara Nilai Hasil Tes Seleksi Bahasa Arab pada saat
para mahasiswa menempuh Tes Seleksi Penerimaan Calon Mahasiswa
Baru (Variabel X) dan Nilai Hasil Belajar Bahasa Arab yang mereka
capai setelah berada di Fakultas dari sebuah Perguruan Tinggi Bahasa
Islam (Variabel Y); dalam penelitian mana telah ditetapkan sejumlah
50 orang mahasiswa, telah berhasil dihimpun data berupa berupa
nilai Hasil Tes Bahasa Arab pada saat Tes Seleksi Penerimaan Calon
Mahasiswa Baru (X) dan Nilai Ujian Semester dan Nilai Ujian
Semester Bahasa Arab setelah berada di Fakultas (Y), sebagai berikut
(nama para mahasiswa yang bersangkutan, sengaja tidak
dicantumkan disini):
Nilai hasil Tes Seleksi Bahasa Arab dari sejumlah 50 orang
Mahasiswa,pada saat menempuh Tes Seleksi Penerimaan Calon
Mahasiswa Baru (Variabel X):
35 40 38 36 39 42 37 41 36 42
35 38 37 40 42 36 35 39 41 40
42 39 41 35 40 42 38 37 39 35
38 41 39 41 38 39 42 40 36 40
35 40 35 40 37 41 36 37 41 39
Nilai Hasil Ujian Semester Bahasa Arab dari 50 orang Mahasiswa
tersebut diatas setelah berada di Fakultas (Variabel Y):
56 61 59 57 60 63 58 62 57 63
59 60 60 59 62 58 57 61 61 60
63 60 62 56 61 63 60 59 60 57
59 62 60 62 59 56 61 62 57 61
Untuk dapat mengetahui Angka Indeks Korelasi antara Variabel X
dan Variabel Y ( ) pertama-tama kita siapkan Peta Korelasinya
sebagai berikut:
Dengan melakukan tahapan seperti langkah yang sudah dituliskan
sebelumya, maka dapat diperoleh;
1. Menghitung dengan menggunakan rumus:
∑

2. Menghitung dengan menggunakan rumus:

∑

3. Menghitung dengan menggunakan rumus:

∑ ∑
√ ( ) √ ( ) √

√ √

4. Menghitung dengan menggunakan rumus:

∑ ∑
√ ( ) √ ( ) √

√ √
5. Menghitung Angka Indeks Korelasi antara variabel X dan variabel
Y (yaitu rxy) dengan menggunakan rumus yang telah disebutkan
sebelumnya yaitu;
( )
∑
( )

D) Pemberian Interpretasi;
Memberikan intepretasi terhadap , terlebih dahulu kita
rumuskan hipotesis alternatif dan hipotesis nolnya; Selanjutnya kita
uji kedua hipotesis tersebut dengan membandingkan besarnya
atau dengan besarnya yang tercantum dalam Tabel Nilai “r”
Product Moment dengan memperhitungkan df-nya terlebih dahulu.
df= N –nr =50-2=48 (konsultasi tabel nilai “r”). Ternyata df 48 tidak
terdapat dalam tabel; kita pakai df 50.
Dengan df sebesar 50 diperoleh pada taraf signifikansi 5%
sebesar 0,273; sedangkan pada taraf sigfikansi 1% diperoleh
sebesar 0,354. Ternyata atau (yang besarnya 0,826) adalah jauh
lebih besar daripada (yang besarnya 0,273 dan 0,354). Karena
lebih besar daripada , maka Hipotesis Nol Ditolak. Berarti terdapat
korelasi positif yang signifikan antara Variabel X dan Variabel Y.
Kesimpulannya, tinggi rendahnya Nilai Hasil Belajar Bahasa Arab pada
Mahasiswa di Fakultas erat sekali hubungannya dengan Nilai mereka pada
saat menempuh Tes Seleksi Penerimaan Calon Mahasiswa Baru dalam mata
pelajaran yang sama,dimana hubungan itu sifatnya searah.
2.6.7 Untuk Data Kelompokan
A) Rumus yang digunakan sama dengan rumus sebelumnya yaitu;

( )
∑
( )

B) Contoh Perhitungan;
Untuk mengetahui apakah memang secara signifikan terdapat
korelasi positif antara nilai hasil belajar matematika dan nilai hasil
belajar statistik, diterapkan sejumlah 50 orang mahasiswa sebagai
sampel penelitian. Dari 50 orang mahasiswa tersebut berhasil
dihimpun nilai hasil belajar mereka dalam mata pelajaran matematika
(variable X) dan nilai hasil belajar mereka dalam mata pelajaran
statistik (variable Y) seperti tertera di bawah ini (nama mereka tidak
dicantumkan disini.
Variable X :
61 49 37 58 33 60 46 56 51 35
37 53 40 48 42 60 53 43 57 52
52 45 36 62 39 34 59 47 40 41
39 41 35 61 44 61 38 59 54 60
47 33 36 38 55 38 49 42 52 58
Variable Y :
82 62 45 77 40 64 57 52 75 39
42 69 35 45 50 80 70 52 77 67
68 55 45 84 45 37 60 50 47 60
45 49 40 70 54 80 44 79 75 75
59 35 40 45 73 50 63 50 70 78
C) Langkah yang ditempuh;
Menyiapkan peta korelasi dengan urutan kerja sebagai berikut:
 Mencari nilai tertinggi (highest score) dan nilai terendah
(lowest score)
Untuk variabel X : H = 62 dan L = 33
Untuk Variabel Y : H = 84 dan L = 35
 Mencari total range (R) :
Untuk variabel X : R = H – L + 1 = 62 – 33 + 1 = 30
Untuk variabel Y : R = H – L + 1 = 84 – 35 + 1 = 50
 Menetapkan besar/luasnya pengeompokan data
Untuk variabel X :
R/i = 10 ------ 20 ; jadi, i data ditetapkan = 3. Dengan demikian
interval tertinggi untuk variabel X adalah 60-62 interval
terendahnya 33-35.
Untuk variabel Y∶
R/i = 10 ----- 20 ; jadi, i dapat ditentukan = 5. Dengan demikian
interval tertinggi untuk variabel Y adalah 80-84 dan interval
terendahnya 35-39.
Membuat peta korelasinya :
 Pada lajur paling atas ditempatkan interval nilai hasil belajar
matematika (variabel x) dengan catatan interval terendah
diletakkan pada bagian kiri, sedangkan interval tertinggi
diletakkan pada bagian kanan (jangan terbalik)
 Pada kolom 1 (paing kiri) berturut-turut ke bawah kita
tempatkan interval dari nilai hasil belajar statistik (variabel Y),
dengan catatan interval tertinggi ditempatkan pada tempat
paling bawah (jangan terbaik)
 Setelah dibuat sel-sel peta korelasi tersebut lalu diakukanlah
pengkorelasian antara nilai matematika (variabel X) dan nilai
statistik (variabel Y)
Dari peta korelasi diatas, telah berhasil kita peroleh :
Dengan melakukan tahapan seperti langkah yang sudah dituliskan
sebelumya, maka dapat diperoleh;
1. Menghitung dengan menggunakan rumus:
∑

2. Menghitung dengan menggunakan rumus:

∑

3. Menghitung dengan menggunakan rumus:

∑ ∑
√ ( ) √ ( ) √

√ √

4. Menghitung dengan menggunakan rumus:

∑ ∑
√ ( ) √ ( ) √

√ √
5. Menghitung Angka Indeks Korelasi antara variabel X dan variabel
Y (yaitu rxy) dengan menggunakan rumus yang telah disebutkan
sebelumnya yaitu;
( )
∑
( )

D) Pemberian Interpretasi
Memberikan interpretasi terhadap atau ; df = N – nr = 50 – 2 =
48 (konsultasi tabel nilai “r” Product Moment). Dalam tabel tidak
dijumpai df sebesar 48; karena itu dipergunakan df yang terdekat,
yaitu 50. Dengan df sebesar 50, diperoleh ( ) pada taraf
signifikansi 5% sebesar 0,273; sedangkan taraf signifikansi 1% sebesar
0,354 ternyata (yaitu = 0,931) adalah jauh lebih besar daripada
baik pada taraf signifikansi 5% maupun pada taraf signifikansi 1%.
Dengan demikian di tolak berarti ada korelasi positif yang sangat
signifikan antar variabel X dan varabel Y. Kesimpulan yang dapat kita
tarik ialah, tinggi rendahnya nilai hasil belajar statistik sangat kuat
hubungan (korelasi)-nya dengan tinggi rendahnya nilai hasil belajar
matematika mereka yang lemah dalam matematika, akan lemah pula dalam
pelajaran statistik, begitu pula sebaliknya.
 BAB III
PENUTUP
3.1 Kesimpulan

Korelasi Product Moment (KPM) merupakan alat uji statistik yang

digunakan untuk menguji hipotesis asosiatif (uji hubungan) dua variabel
bila datanya berskala interval atau rasio. KPM dikembangkan oleh Karl
Pearson (Hasan, 1999). Fungsi KPM sebagai salah satu statistik
inferensia adalah untuk menguji kemampuan generalisasi (signifikasi)
hasil penelitian. Adapun syarat untuk bisa menggunakan KPM selain
syarat menggunakan statistik parameteris, juga ada persyaratan lain, yaitu
variabel independen (X) dan variabel (Y) harus berada pada skala interval
atau rasio.
Nilai KPM disimbolkan dengan r (rho). Nilai KPM juga berada di
antara -1 < r < 1. Bila nilai r = 0, berarti tidak ada korelasi atau tidak ada
hubungan anatara variabel independen dan dependen. Nilai r = +1 berarti
terdapat hubungan yang positif antara variabel independen dan
dependen. Nilai r = -1 berarti terdapat hubungan yang negatif antara
variabel independen dan dependen. Dengan kata lain, tanda “+” dan “-“
menunjukkan arah hubungan di antara variabel yang sedang
diopersionalkan. Uji signifikansi KPM menggunakan uji t, sehingga nilai t
hitung dibandingkan dengan nilai t tabel. Kekuatan hubungan
antarvariabel ditunjukkan melalui nilai korelasi.
3.2 Saran
Kami membuat makalah ini untuk pembelajaran bersama. Kami
mengambil dari berbagai sumber, jadi apabila pembaca menemukan
kesalahan dan kekurangan, maka kami sarankan untuk mencari referensi
yang lebih baik. Apabila pembaca merasa ada kekurangan dapat
membaca buku yang menjadi referensi secara lengkap.
3.3 Daftar Pustaka
Sudijono, Anas. 2014. Pengantar Statistik Pendidikan. Jakarta: PT Raja
Grafindo Persada.
Somantri, Ating & Sambas Ali M. 2006. Aplikasi Statistika Dalam Penelitian.
Bandung: CV Pustaka Setia.