Tugas Ini Di Buat Untuk Memenuhi Tugas Rutin Mata Kuliah Statistik Pendidikan Pancasila
Dan Kewarganegaraan Fakultas Ilmu Sosial
Universitas Negeri Medan
Dosen Pengampu : Tiur Malasari,S.Pd.,M.SI
Oleh:
Kelompok 7
Kata korelasi kerapkali dipergunakan untuk menunjukkan suatu bentuk asosiasi. Namun,
dalam istilah statistik penggunaan istilah korelasi untuk menunjukkan hubungan antara dua
variabel dalam penelitian kuantitatif yang setidaknya terdiri dari berbagai bentuk. Yakni
korelasi pearson, korelasi rank kendall, korelasi spearman, dan korelasi point biserial.
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.
Teknik analisis korelasi adalah teknik analisa statistik mengenai hubungan antara dua
variabel atau lebih. Korelasi adalah istilah statistik yang menyatakan derajat hubungan linear
(searah buakan timbal balik) antara variabelnya. Teknik analisis korelasi memiliki tiga
macam tujuan yaitu :
a. Ingin mencari bukti, apakah antara variabel yang satu dengan yang lain terdapat
hubungan atau korelasi.
b. Ingin menjawab pertanyaan, apakah hubungan antara variabel itu kuat, cakupan atau
lemah.
c. Ingin memperoleh kejelasan dan kepastian, apakah hubungan antara variabel itu
merupakan hubungan yang berarti atau signifikan ataukah hubungan
B. Jenis Korelasi
Korelasi merupakan teknik analisis yang termasuk dalam salah satu teknik pengukuran
asosiasi atau 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 variabel. Diantara sekian banyak teknik-teknik
pengukuran asosiasi, terdapat dua teknik korelasi yang sangat populer sampai sekarang, yaitu
Korelasi Pearson Product Moment dan Korelasi Rank Spearman. Selain kedua teknik
tersebut, terdapat pula teknik-teknik korelasi lain, seperti Kendal, Chi-Square, Phi
Coefficient, Goodman-Kruskal, Somer, dan Wilson. Pengukuran asosiasi mengenakan nilai
numerik untuk mengetahui tingkatan asosiasi atau kekuatan hubungan antara variabel. Dua
variabel dikatakan berasosiasi jika perilaku variabel yang satu mempengaruhi variabel yang
lain. Jika tidak terjadi pengaruh, maka kedua variabel tersebut disebut independen.
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; Chi Square
menggunakan data nominal. Kuat lemah hubungan diukur diantara jarak (range) 0 sampai
dengan 1. Korelasi mempunyai kemungkinan pengujian hipotesis dua arah (two tailed).
Korelasi searah jika nilai koefesien korelasi diketemukan positif; sebaliknya jika nilai
koefesien korelasi negatif, korelasi disebut tidak searah. Yang dimaksud dengan koefesien
korelasi ialah suatu pengukuran statistik kovariasi atau asosiasi antara dua variabel. Jika
koefesien korelasi diketemukan tidak sama dengan nol (0), maka terdapat ketergantungan
antara dua variabel tersebut. Jika koefesien korelasi diketemukan +1. maka hubungan
tersebut disebut sebagai korelasi sempurna atau hubungan linear sempurna dengan
kemiringan (slope) positif.
Jika koefesien korelasi diketemukan -1. maka hubungan tersebut disebut sebagai korelasi
sempurna atau hubungan linear sempurna dengan kemiringan (slope) negatif. Dalam korelasi
sempurna tidak diperlukan lagi pengujian hipotesis, karena kedua variabel mempunyai
hubungan linear yang sempurna. Artinya variabel X mempengaruhi variabel Y secara
sempurna. Jika korelasi sama dengan nol (0), maka tidak terdapat hubungan antara kedua
variabel tersebut. Dalam korelasi sebenarnya tidak dikenal istilah variabel bebas dan variabel
tergantung. Biasanya dalam penghitungan digunakan simbol X untuk variabel pertama dan Y
untuk variabel kedua. Dalam contoh hubungan antara variabel remunerasi dengan kepuasan
kerja, maka variabel remunerasi merupakan variabel X dan kepuasan kerja merupakan
variabel Y.
Adapun penjelasan terkait dengan bentuk analisis korelasi beserta dengan contohnya
dalam penelitian. Antara lain;
1. Korelasi Pearson
Korelasi Pearson r 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 r untuk mengukur derajat hubungan antara keduanya.
Korelasi Point-Biserial dilakukan dengan rumus korelasi Pearson kecuali salah satu
variabelnya dikotomis.
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?
3. Apakah ada hubungan antara kepuasan kerja, yang diukur dengan JSS, dan pendapatan,
yang diukur dalam dolar?
Berikut rumus yang digunakan untuk menghitung nilai korelasi rank kendall:
3. Korelasi Spearman
Korelasi spearman adalah tes non-parametrik yang digunakan untuk mengukur tingkat
hubungan antara dua variabel. Uji korelasi peringkat Spearman tidak membawa asumsi apa
pun tentang distribusi data dan merupakan analisis korelasi yang sesuai ketika variabel
diukur pada skala yang setidaknya ordinal.
1. Apakah ada hubungan yang signifikan secara statistik antara tingkat pendidikan peserta
(sekolah menengah, sarjana, atau sarjana) dan gaji awal mereka?
2. Apakah ada hubungan yang signifikan secara statistik antara posisi finis kuda dan usia
kuda?
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.
Teknik Analisis Korelasional dapat dibedakan menjadi dua golongan, yaitu: Tenik
Analisis Korelasional Bivariat dan Teknik Analisis Korelasional Multivariat.
Teknik analisis korelasi bivariat ialah teknik analisis korelasi yang mendasarkan diri
pada dua buah variabel. Terdapat beberapa macam teknik perhitungan korelasi yang
termasuk dalam teknik Analisa Korelasional Bivariat, yaitu:
Product moment correlation adalah salah satu teknik untuk mencari korelasi antara dua
variabel yang kerap kali digunakan. Teknik korelasi ini digunakan untuk mencari tingkat
keeratan hubungan antara dua variabel dengan cara memperkalikan moment-moment (hal-hal
penting) kedua variabel tersebut. Teknik korelasi ini dikembangkan oleh karl person, yang
biasa dikenal dengan korelasi pearson. Teknik korelasi product moment digunakan apabila :
a. Variabel yang dikorelasikan berbentuk gejala atau data yang bersifat kontinu.
Kuat – lemah atau tinggi – rendahnya korelasi antara dua variabel yang sedang diteliti,
dapat diketahui dengan melihat besar-kecilnya angka indeks korelasi, yang pada teknik
korelasi product moment diberi lambing “r”. Angka indeks korelasi produk momen ini diberi
indeks dengan huruf kecil dari huruf-huruf yang dipergunakan untuk dua buah variabel yang
sedang dicari korelasinya. Jadi, apabila variabel pertama diberi lambing X dan variabel kedua
diberi lambing Y maka angka indeks korelasinya dinyatakan dengan lambing : rxy. Cara
menghitung angka indeks korelasi “r” product moment dengan menggunakan rumus sebagai
berikut :
N ∑ XY −( ∑ X )( ∑ Y )
r xy =
2 2 2 2
√ [ N ∑ X −( ∑ X ) ] [ N ∑ Y − ( ∑ Y ) ]
rxy = Angka indeks korelasi product moment
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 kimia, telah ditetapkan sejumlah 20 orang siswa SMA sebagai sampel berhasil
dihimpun data sebagai berikut :
Sub X Y XY X2 Y2
jek
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= ∑X ∑Y ∑X ∑X ∑Y
2 2
20 = 120 = 140 Y =848 = 738 = 998
Diketahui :
N = 20, ∑X = 120, ∑Y= 140, ∑XY =848, ∑X2 = 738 dan ∑Y2 = 998
Penyelesaian :
N ∑ XY −( ∑ X )( ∑ Y )
r xy =
2 2 2 2
√ [ N ∑ X −( ∑ X ) ] [ N ∑ Y − ( ∑ Y ) ]
20 x 848−( 120 )( 140 )
¿
[ 20 x 738−1202 ] [20 x 998−1402 ]
16960−16800
¿
√( 14760−14400 ) (19960−19600)
160
¿
√360 x 360
160
¿ =0,444
360
Teknik korelasi tata jenjang dalam dunia statistik dikenal sebagai teknik analisa
korelasional yang paling sederhana jika dibandingkan dengan teknik analisa korelasional
lainnya. Pada teknik korelasi tata jenjang ini, besar-kecil atau kuat-lemahnya korelasi antara
variabel yang sedang diselidiki korelasinya, diukur berdasarkan perbedaan urutan kedudukan
skornya, jadi bukan didasarkan pada skor hasil pengukuran yang sebenarnya. Dengan kata
lain, datanya adalah data ordinal atau data berjenjang atau data urutan.
Teknik analisa korelasional tata jenjang ini dapat efektif digunakan apabila subjek yang
dijadikan sampel dalam penelitian lebih dari Sembilan tetapi kurang dari tiga puluh. Karena
itu, apabila N sama dengan atau lebih dari 30 sebaiknya jangan digunakan teknik korelasi ini.
Pada teknik analisis korelasional tata jenjang ini, angka indeks korelasionalnya
dilambangkan dengan huruf ρ (baca ; rho). Seperti halnya angka indeks korelasi ρ ini
besarnya berkisar antara 0,00 sampai dengan ±1,00.
6 ∑ D2
ρ=1−
N (N 2−1)
Dimana :
Untuk memberikan interpretasi terhadap angka indeks korelasi tata jenjang, terlebih
dahulu dirumuskan hipotesis alternative dan hipotesis nol-nya :
H0 = tidak ada korelasi positif yang signifikan antara variabel I dan variabel II
Setelah diperoleh angka indeks korelasi tata jenjangnya, lalu diinterpertasikan dengan
mempergunakan Tabel nilai ρ dengan df = N dengan taraf signifikansi 5% maupun 1%. Jika
ρ yang diperoleh dalam perhitungan sama dengan atau lebih besar dari ρ tabel, maka
hipotesis nol ditolak. Sebaliknya jika ρ hitung lebih kecil dari pada ρ tabel maka hipotesis
nol disetujui; sebaliknya hipotesis alternatif ditolak.
Contoh perhitungan :
Sejumlah 10 orang mahasiswa yang dikenal sebagai tokoh penting organisasi ekstra
kampus ditetapkan sebagi sampel dalam penelitian yang bertujuan untuk mengetahui, apakah
secara signifikan terdapat korelasi positif antara : keaktifan mereka dalam berorganisasi
ekstra kampus (variabel I) dan prestasi studi mereka di fakultas ( variabel II).
Tabel Skor tentang keaktifan dalam organisasi ekstra kampus dan skor tentang prestasi
studi dari sejumlah 10 orang Mahasiswa.
Skor
1 A 37 63
2 B 41 45
3 C 38 60
4 D 44 50
5 E 35 65
6 F 43 52
7 G 40 55
8 H 42 47
9 I 36 64
10 J 39 59
Penyelesaian :
N N Skor Rank D= D2
om a R1-R2
I I
or m
(I) (II = I =
uru a
) R1 R2
t
1 A 3 6 3 8 -5 25
7 3
2 B 4 4 7 1 6 36
1 5
3 C 3 6 4 7 -3 9
8 0
4 D 4 5 1 3 7 49
4 0 0
5 E 3 6 1 1 -9 81
5 5 0
6 F 4 5 9 4 5 25
3 2
7 G 4 5 6 5 1 1
0 5
8 H 4 4 8 2 6 36
2 7
9 I 3 6 2 9 -7 49
6 4
1 J 3 5 5 6 -1 1
0 9 9
T N ∑ ∑D2 =
otal = D=0 312
10
Dari perhitungan diatas ternyata rho : - 0,891. Dengan melihat tanda yang terdapat
didepan angka angka indeks korelasi ( tanda - ) maka hal ini berarti, antara keaktifan
berorganisasi ekstra kampus dan prestasi studi di fakultas terdapat korelasi yang berlawanan
arah ( korelasi negatif), berarti : makin aktif seorang mahasiswa dalam kegiatan organisasi,
maka makin menurun prestasi belajar di fakultas.
Terhadap Rho sebesar 0,891 diinterpretasikan dengan tabel nilai Rho, df = N = 10, pada
taraf signifikansi 5% sebesar 0,648. Dengan demikian Rho yang diperoleh dari perhitungan
( 0,891) > Rhotabel karena itu Ho ditolak. Kesimpulan : Secara signifikan keaktifan dalam
organisasi ekstra kampus berkorelasi negatif dengan prestasui studi para mahasiswa tersebut
di fakultas.
Teknik korelasi phi adalah salah satu teknik analisis korelasional yang dipergunakan
apabila data yang dikorelasikan adalah data yang benar-benar dikotomi (terpisah atau
dipisahkan secara tajam) ; dengan istilah lain : variabel yang dikorelasikan itu adalah variabel
distrik murni ; misalnya Laki-laki – perempuan, Hidup-Mati, Lulus-tidak lulus dan
seterusnya.
Rumus yang dipergunakan dalam menghitung atau mencari Ø kita mendasarkan diri pada
masing-masing sel yang terdapat dalam tabel kerja. Adpun rumus yang digunakan adalah :
( ad −bc )
∅=
√ ( a+b )( a+c )( b +d ) ( c+ d )
Pada dasarnya, phi merupakanm Product Moment Correlation. Rumus untuk menghitung
phi merupakan variasi dari rumus dasar pearson. Berhubungan dengan itu, maka phi
coefficient itu dapat diinterpretasikan dengan cara yang sama dengan “r” product moment
dari pearson.
Contoh Perhitungan :
Suatu kegiatan penelitian yang bertujuan untuk mengetahui apakah secara signifikan
terdapat korelasi antara kegiatan mengikuti Bimbingan Tes yang dilakukan oleh para siswa
lulusan SMK dan prestasi mereka dalam mengikuti tes SNMPTN, didalam penelitian telah
ditetapkan sampel sejumlah 100 orang lulusan SMK, berhasil diperoleh data sebagai berikut :
Tabel data mengenai hasil tes SNMPTN lulusan SMK yang mengikuti bimbingan tes dan
yang tidak mengikuti bimbingan tes.
Lulus 20 20 40
SNMPTN
Tidak lulus 25 35 60
SNMPTN
Jumlah 45 55 N= 100
Rumusan Hipotesisnya :
Ha : ada korelasi yang signifikan antara keikutsertaaan para lulusan SMK dalam
bimbingan tes dan keberhasilan mereka dalam tes SNMPTN.
Ho : Tidak ada korelasi yang signifikan antara keikutsertaaan para lulusan SMK dalam
bimbingan tes dan keberhasilan mereka dalam tes SNMPTN.
Karena phi, akan dihitung berlandaskan pada frekuensi selnya, maka masing-masing sel
yang terdapat pada Tabel diatas, terlebih dahulu dipersiapkan menjadi tabel perhitungan.
Dimana frekuensi sel a = 20, b = 20, c = 25 dan d = 35.
Lulus 20 20 40
SNMPTN
a b
Tidak lulus 25 35 60
SNMPTN
c d
Jumlah 45 55 N= 100
( 20 x 35−20 x 25 ) 700−500
∅= = =¿ 0,082
√ ( 20+20 ) ( 20+25 ) ( 20+35 ) ( 25+35 ) √5940000
Interpretasi data :
X2
C=
√ X 2+ N
2 (f o . f t )2
X =∑
ft
Pemberian interpretasi terhadap angka indeks korelasi kontingensi C atau KK itu adalah
dengan jalan terlebih dahulu mengubah harga C menjadi phi, dengan mempergunakan rumus
sebagai berikut :
C
∅=
√ 1−C 2
Setelah harga ∅ diperoleh, selanjutnya dikonsultasikan dengan tabel nilai “r” dengan df =
N- nr. Jika angka indeks korelasi yang diperoleh dalam perhitungan ≥ rtabel, maka Ho ditolak
dan apabila < rtabel maka Ho diterima.
Contoh perhitungan:
Diteliti, apakah terdapat korelasi positif yang signifikan antara semangat berolah raga dan
gairah belajar. Sejumlah 200 orang subjek ditetapkan sebagai sampel penelitian. Hasil
pengumpulan data menunjukkan angka sebagai berikut :
Semangat
berolahraga
Bes se Ke Ju
ar dang cil mlah
kegairahan belajar
Besar 18 12 10 40
Sedang 34 43 33 11
0
Kurang 10 10 30 50
Jumlah 62 65 73 N
= 200
Karena angka indeks korelasi kontingensi C atau KK itu harus dihitung dengan rumus
kai kuadrat, maka langkah selanjutnya adalah menghitung besarnya kai kuadrat :
Tabel kerja untuk menghitung Harga kai kuadrat, dalam rangka mencari angka indeks
korelasi kontingensi C
1 18 62 x 40 +5 31,36 2,529
=12,4
200 ,6 0
2 12 65 x 40 - 1,00 0,077
=13,0
200 1,0 0
3 10 73 x 40 - 21,16 1,449
=14,6
200 4,6 0
8 10 65 x 50 - 39,06 2,403
=16,25
200 6,25 25 8
9 30 73 x 50 +1 138,0 7,565
=18,25
200 1,75 625 1
Jum N = N = 0 - 18,71
lah 200 200 94
Interpretasi :
Ha : Ada korelasi positif yang signifikan antara semangat berolah raga dan
kegairahan belajar.
Ho : Tidak Ada korelasi positif yang signifikan antara semangat berolah raga
dan kegairahan belajar.
Untuk memberikan interpretasi terhadap C atau KK itu, harga C terlebih dahulu kita ubah
menjadi phi (Ø), dengan rumus :
C
∅=
√ 1−C 2
0,293 0,293 0,293 0,293
∅= = = = =0,306
√ 1−(0,293) 2
√ 1−0,086 √ 0,914 0,956
Selanjutnya harga Ø yang telah kita peroleh itu kita konsultasikan dengan Tabel nilai “r”
product moment, dengan terlebih dahulu mencari df-nya : df = N-nr = 200-2 = 198. Dengan
df sebesar 200, diperoleh harga rtabel pada taraf signifikansi 5% = 0,138. Dengan demikian Ø
(0,306) > rtabel (0,138). Dengan ini maka Ho ditolak; berarti ada korelasi positif yang
signifikan antara semangat berolah raga dan kegairahan belajar: makin besar semangat
beroleh raga tumbuh dalam diri anak, diikuti dengan semakin besarnya kegairahan belajar
mereka.
Teknik korelasi point biserial adalah salah satu teknik analisa korelasional bivariat yang
biasa dipergunakan untuk mencari korelasi antara variabel : Variabel I berbentuk variabel
kontinum ( misalnya : sekor hasil tes), sedangkan variabel II berbentuk variabel distrik murni
(misalnya : betul atau salahnya calon dalam menjawab butir-butir soal tes).
Teknik analisa korelasional point biserial ini juga dapat dipergunakan untuk menguji
validitas item yang telah diajukan dalam tes, dimana sekor hasil tes untuk tiap butir soal
dikorelasikan dengan skor hasil tes secara totalitas.
Angka indeks korelasi yang menunjukkan keeratan hubungan antara variabel yang satu
dengan variabel yang lain, pada teknik korelasi ini dilambangkan dengan : r pbi. Rumus untuk
mencari angka indeks korelasi Point biserial (rpbi) adalah :
M p −M t p
r pbi =
SD t √ q
Dimana :
Mp = Mean skor yang dicapai oleh peserta tes yang menjawab betul, yang sedang
dicari korelasinya dengan tes secara keseluruhan.
Mt = Mean skor total, yang berhasil dicapai oleh seluruh peserta tes.
p = proporsi peserta tes yang menjawab betul terhadap butir soal yang sedang dicari
korelasinya dengan tes secara keseluruhan.
Untuk memberikan interpretasi terhadap rpbi, kita pergunakan tabel nilai “r” product
moment dengan terlebih dahulu mencari df-nya (df = N-nr). Jika r pbi yang kita peroleh dalam
perhitungan ≥ rtabel, maka kita dapat mengambil kesimpulan bahwa kedua variabel yang
sedang kita cari korelasinya, ternyata secara signifikan memang berkorelasi. Jika rpbi < rtabel,
berarti tidak ada korelasi yang signifikan.
Contoh perhitungan :
Suatu penelitian bertujuan untuk menguji validitas soal yang telah dikeluarkan didalam
tes. Sejumlah 10 orang calon dihadapkan kepada 10 butir soal; skor yang berhasil dicapai
oleh testee dapat dilihat pada tabel.
A 1 0 1 0 1 0 1 0 1 1 6
B 1 0 0 1 0 1 0 1 0 0 4
C 1 1 1 1 1 0 1 1 1 1 9
D 0 1 1 1 0 0 1 1 1 1 7
E 1 0 0 1 1 1 1 1 1 1 8
F 0 0 1 1 0 1 1 1 0 0 5
G 1 1 0 0 1 1 1 1 1 1 8
H 1 1 0 1 0 0 1 0 1 1 6
I 0 1 1 1 1 0 0 0 0 0 4
J 1 0 1 1 0 0 0 0 0 0 3
N 7 5 6 8 5 4 7 6 6 6 ∑
= 10 Xt =
60
Bertitik tolak pada data yang tercantum diatas, Kita ingin menguji validitas soal nomor 1.
Untuk keperluan tersebut Tabel diatas dikutip kembali untuk mempersiapkan guna
mengetahui besarnya Mp, Mt, p, q dan SDt :
Mt=
∑ X t = 60 =6
N 10
SDt=
√ ∑ X t 2 − (∑ X 2 )
N N
2
369 ( 60 )
¿
√
10
−
10
¿ √ 39,6−36
¿ √ 3.6=1,897
Diketahui :
Mt =6
SDt = 1,897
p = 0,7
q = 0,3
Penyelesaian:
M p −M t p
r pbi =
SD t √ q
6,286−6 0,7
¿
1,897 0,3 √
¿ 0,151 x 1,527
¿ 0,231
Interpretasi :
df = N – nr = 10 – 2 = 8
dengan df sebesar 8 diperoleh harga rtabel pada taraf signifikansi 5% sebesar 0,623. Karena
rpbi (0,231) < rtabel( 0,623) maka dapat disimpulkan bahwa soal nomor 1 tidak valid.
Teknik analisis Korelasi Multivariat adalah teknik analisis korelasi yang mendasarkan
diri pada lebih dari dua buah variabel. Terdapat beberapa macam teknik perhitungan korelasi
yang termasuk dalam teknik Analisa Korelasional Multivariat, yaitu Analisis Korelasi Ganda
dan Analisis Korelasi parsial yaitu:
Korelasi ganda (multiple correlation) merupakan angka yang menunjukkan arah dan
kuatnya hubungan antara dua variabel independen secara bersama-sama atau lebih dengan
satu variabel dependen. Pemahaman tentang korelasi ganda dapat dilihat melalui gambar
berikut, dimana simbol korelasi ganda adalah R.
r1
X1
R
r3
Y
X2
r2
X1 = Kepemimpinan
Y = Kepuasan kerja
R = Korelasi ganda
r1
X1
r5
r3 R
X2 Y
r2
r6
X3
r4
X1 = Kesejahteraan pegawai
X3 = Pengawasan
Y = Efektivitas kerja
Gambar b. Korelasi Ganda tiga variabel independen dengan satu variabel dependen.
Dari contoh diatas terlihat bahwa korelasi ganda R, bukan merupakan penjumlahan dari
korelasi sederhana yang ada pada setiap variabel (r1 + r2 + r3), jadi R ≠ (r1 + r2 + r3). Korelasi
ganda merupakan hubungan secara bersama-sama antara X1, X2 dan X3 dengan Y. Pada
Gambar a korelasi ganda merupakan hubungan secara bersama-sama antara variabel
kepemimpinan dan tata ruang kantor dengan kepuasan kerja pegawai.
Pada bagian ini dikemukakan korelasi ganda R untuk dua variabel independen dan satu
variabel dependen. Untuk variabel lebih dari dua dapat dilihat pada analisis regresi ganda.
Pada bagian itu persamaan-persamaan yang ada pada regresi ganda dapat dimanfaatkan
untuk menghitung korelasi ganda dari dua buah variabel secara bersama-sama. Rumus
korelasi ganda dua variabel ditunjukkan pada rumus berikut :
r yx 2 +r yx 2 −2r yx r yx r x
R yx x = 1 2
√ 1 2
1−r x 1 x2
2
1 2 1 x2
Dimana :
r yx 1
= Korelasi Product Moment antara X1 dengan Y
r yx 2
= Korelasi Product Moment antara X2 dengan Y
Jadi untuk dapat menghitung korelasi ganda, maka harus dihitung terlebih dahulu korelasi
sederhananya dulu melalui Product Moment dari pearson
Contoh Perhitungan :
Dari suatu penelitian yang berjudul “gaya kepemimpinan kepala sekolah dan sistuasi
kepemimpinan dalam kaitannya dengan iklim organisasi SMA 3 makassar”. Berdasarkan
data yang terkumpul untuk setiap variabel, dan setelah dihitung korelasi sederhananya
ditemukan sebagai berikut :
Ho = Tidak terdapat hubungan yang positif dan signifaikan antara gaya kepemimpinan
kepala sekolah dan situasi kepemimpinan secara bersama-sama dengan iklim organisasi
SMA 3 makassar.
H1 = Terdapat hubungan yang positif dan signifikan antara gaya kepemimpinan kepala
sekolah dan situasi kepemimpinan secara bersama-sama dengan iklim organisasi SMA 3
makassar.
Untuk menguji hipotesis tersebut digunakan rumus korelasi ganda R y . x x sebagai berikut :
1 2
( 0,39 )2+ ( 0,38 )2−2 ( 0,39 )( 0,38 )( 0,30 )
Ry . x x =
1 2
√ 1−( 0,30 )
2
=0,566
Jadi, terdapat korelasi positif antara gaya kepemimpinan dan situasi kepemimpinan
secara bersama-sama dengan iklim kerja sebesar 0,566. Hubungan ini secara kualitatif dapat
dinyatakan sedang dan besarnya lebih dari korelasi individual antara X1 dengan Y maupun X2
dengan Y. Korelasi sebesar 0,566 itu baru berlaku untuk sampel yang diteliti. Apakah
koefisisen korelasi itu dapat digeneralisasikan atau tidak maka harus di uji signifikansinya
dengan rumus :
R2 /k
F h=
( 1−R2 ) / ( n−k −1 )
Dimana :
0,566 2 /2
F h= =9,61
( 1−0,566 2) / ( 44−2−1 )
Jadi, Fh = 9,61 harga ini selanjutnya dikonsultasikan dengan F tabel (F t) dengan dk
pembilang = k dan dk penyebut = (n-1-k) dan taraf signifikansi 5% maka F t = 3,225. Dalam
hal ini berlaku ketentuan bila Fh lebih besar dari Ft, maka koefisien korelasi ganda yang diuji
adalah signifikan yaitu dapat diberlakukan untuk seluruh populasi. Dari perhitungan diatas
ternyata Fh > Ft (9,61 > 3,225) maka dapat dinyatakan bahwa korelasi ganda tersebut
signifikan dan dapat diberlakukan dimana sampel diambil.
Contoh :
1. Korelasi antara ukuran telapak tangan dengan kemampuan bicara r 1.2 = 0,50. Makin
besara telapak tangan makin mampu berbicara (bayi telapak tangannya kecil sehingga
belum mampu bicara). Padahal ukuran telapak tangan akan semakin besar bila umur
bertambah.
Ketiga variabel 1 ukuran telapak tangan, variabel 2 umur dan variabel 3 kemampuan
berbicara, selanjutnya dapat disusun kedalam paradigma berikut :
r1.3 = 0,7
X1
r1.2 = 0,5 Y
X2
r2.3 bila
Dari data-data tersebut = 0,7 umur dikendalikan, maksudnya adalah untuk orang yang
umurnya sama, maka korelasi antara besar telapak tangan dengan kemampuan bicara hanya
0,0196.
r yx −r yx . r x x2
Ry . x x = 1
2
2 1
√1−r − √1−r 2 yx
1 2
x1 x2 2
Dapat dibaca : korelasi antara X1 dengan Y, bila variabel X2 dikendalikan atau korelasi
antara X1 dan Y bila X2 tetap. Untuk memudahkan membuat rumus baru, bila variabel
kontrolnya dirubah-ubah, maka dapat dipandu dengan gambar c dan d berikut :
X1
X2
X2
Y
X1
r yx −r yx . r x x2
Ry . x x = 2
2
1 1
√1−r − √1−r 2 yx
2 1
x1 x2 1
Untuk menguji signifikasi koefisien korelasi parsial dapat dihitung dengan menggunakan
rumus :
r p √n−3
t= 2
√1−r p
Contoh Perhitungan :
Untuk orang yang waktu belajarnya sama (diparsialkan) berapa korelasi antara IQ dengan
nilai kuliah. Dengan rumus dapat dihitung :
0,58−(−0,40 )( 0,10 )
R yx x = = 0,68
1 2
2 2
√1−(−0,40 ) −√ 1−( 0,10 )
Sebelum waktu belajar digunakan sebagai variabel kontrol, korelasi antara IQ dengan
nilai kuliah = 0,58. Setelah waktu belajarnya dibuat sama (dikontrol) untuk seluruh sampel,
maka korelasinya = 0,68. Jadi setiap subyek dalam sampel bila waktu belajarnya sama, maka
hubungan antara IQ dengan nilai kuliah lebih kuat. Hal ini berarti bila orang yang IQ-nya
tinggi dan waktu belajarnya sama dengan yang IQ nya rendah, maka nilai kuliah ya akan jauh
lebih tinggi.
Apakah koefisisen korelasi parsial yang ditemukan signifikan atau tidak, maka perlu diuji
dengan rumus :
r p √n−3
t= 2
√1−r p
0,68 √ 25−3
t= =4,35
√1−0,682
Nilai t hitung tersebut selanjutnya dibandingkan dengan t tabel dengan dk = n-1 = 25 -1 =
24. Bila taraf kesalahan 5% untuk uji dua pihak, maka harga t tabel = 2,064. Ternyata t
hitung lebih besar dari t tabel ( 4,53>2,064). Dengan demikian koefisien korelasi yang
ditemukan itu adalah signifikan yaitu dapat digeneralisasikan ke seluruh populasi dimana
sampel diambil.
Aplikasi korelasi Rank Spearman (tata jenjang), Pearson dan Rank Kendall menggunakan
software SPSS.17.0 adalah sebagai berikut:
Jika kita memiliki data produksi dan data ekspor suatu komoditi, kita ingin melihat
hubungan antara keduanya (apakah ada korelasi antara total produksi dan ekspor).
4. Kemudian Klik OK
Interpretasi Data
Dari output di atas, N menunjukkan jumlah observasi/sampel sebanyak 8, sedangkan
hubungan korelasi ditunjukkan oleh angka 0,839 yang artinya besar korelasi yang terjadi
antara variabel X dan Y adalah baik yaitu sebesar 0,839. Sedangkan angka sig.(2-tailed)
adalah 0,009 masih lebih kecil daripada batas kritis α = 0,05 (0,009 < 0,05), berarti terdapat
hubungan yang signifikan antara kedua variabel. Cara yang sama dengan menggunakan
SPSS dapat dilakukan juga terhadap korelasi Rank Kendall maupun Spearman.
a. Nilai Pearson Correlation antara variabel orang dewasa dan anak- anakadalah
0.088, nilai Sig (2-Tiled) nya 0.543 yang berarti bahwa tidak adakorelasi antara
variabel orang dewasa dan anak- anak.
b. Nilai Pearson Correlation antara variabel orang dewasa dan orang tuaadalah
0.098, nilai Sig (2-Tiled) nya 0.500 yang berarti bahwa tidak adakorelasi antara
variabel orang dewasa dan anak- anak.
c. Nilai Pearson Correlation antara variabel anak- anak dan orang tua adalah-0.042,
nilai Sig (2-Tiled) nya 0.773 yang berarti bahwa tidak ada korelasi antara variabel anak- anak
orang tua.
Berdasarkan tabel correlations dapat diketahui bahwa nilai korelasi antara
variabel tingkat pendidikan dan tingkat kemapanan adalah 0.981, nilai Sig (2-Tiled) nya
0.000, selain itu juga terdapat tanda bintang dua (**) yang berarti bahwa ada korelasi antara
variabel tingkat pendidikan dan tingkat kemapanan.Nilai korelasinya positif yang berarti
bahwa semakin tinggi tingkat pendidikan maka semakin tinggi pula tingkat kemapanan. Atau
sebaliknya, semakin rendah tingkat pendidikan maka semakin rendah pula tongkat
kemapanan.