Materi M8.

Bivariat dan Korelasi

Khusus (Pearson)
 Materi perkuliahan
SAP STATISTIKA PSIKOLOGI ( T-051347)
1. No Konsep Materi statistika, pengertian metode statiitika, peranan statistika Uraian dalam riset dan evaluasi, metode
statistik deskriptif dan statistika inferensial, Konsep populasi dan sampel dan konsep parameter dan
a. Pengertian metode statistika, b. Peranan Statistika dalam riset dan evaluasi, c. Metode
1
statistik
Konsep Statistika
Statistika Deskriptif dan metode Statistika Inferensial, d. Konsep Populasi dan sampel/contoh, e. Konsep
Parameter dan Statistik
2. Jenis data dan level pengukuran (pengukuran dan data Numerik, pengukuran dan data Kategorik
Jenis data dan level pengukuran : a. Pengukuran dan data Numerik, b. Pengukuran dan data Kategorik
2 secara umum,
Pemahaman pengukuran
secara dan
umum,data Nominal,
c. Pengukuran pengukuran
dan data dan datadanOrdinal,
Nominal, d. Pengukuran pengukuran dan data
data Ordinal
tentang data
Interval, dan data Rasioe. Pengukuran dan data Interval, f. Pengukuran dan data Rasio
3. Tabel Distribusi Frekuensi
Distribusi (tabel
Konsep distribusi
Distribusi Frekuensifrekuensi (pengertian
: a. Tabel Distribusi Frekuensi interval,
(pengertian frekuensi, selang/range,
interval, frekuensi, titik
selang/range, titik
3 tengah kelas, batas atas, dan batas bawah kelas, aturan struges), b. Distribusi Frekuensi Relatif (cara
tengah kelas,
Frekuensi (1) batas atas dan batas
pembuatan bawah
distribusi, kelas,
frekuensi relatif),aturan sturges), Distribusi frekuensi Relatif (cara
pembuatan distribusi frekuensi relatif), Kumulatif
c. Distribusi Frekuensi Distribusi Frekuensidistribusi
(cara pembuatan, Kumulatig
frekuensi(cara pembuatan
kumulatif), d. Grafik distribusi
4 Distribusi Frekuensi (2)
frekuensi kumulatif), Grafik penyajian
penyajian Distribusi
Distribusi (histogram,
Frekuensi (histrogram, ogive).
ogive)

4. 5 Mean, median dan modeMean, Median, Mode

Central Tendency

5. 6 Variance / SD, Range/Quartile,

Variability
Skewnwss
Range / Quartile, Skewness, Kurtosis

6. 7 Distribusi normal, binomial

Theoritical distribution &
Probability
dan normal,
Distribusi probability
Binormal, Probability

7. Significance
Estimation &
of difference of means, Population Estimation
8 Significance of difference of means, Population estimaton, Test
8. Pearson,
Hypothesispoint biserial/bilarial

9. 9 Phi-coefficient,
Korelasi bivariatesSpearman formula, Partial corr
Pearson, Point biserial/bilarial
& korelasi khusus (1)
10. Fungsi dan kegunaan T-test dengan 2 kelimpok sampel Independent, Dependent
Korelasi bivariates
11. 10 UTS& korelasi khusus (2)
Phi-coefficient, Spearman formula, Partial corr

12.Persamaan
11 T-test regresi, garis regresi
T-test dengan 2 kelompok sampel: Independent, Dependent
13,14.
12 MultipleCorelaian
Regresi sederhana Persamaan regresi, Garis regresi

15. 13 Review
Multipleseluruh
Regressionmateri ajar
Multiple Correlation

16. 14 UASReview Review seluruh materi ajar

KORELASI
 Bivariat
BIVARIAT
▪ Adalah data yang memiliki 2 variabel
▪ Misalnya : Variabel Tinggi dan Berat Badan

Tujuan Bivariat
▪ Untuk menyelidiki apakah kedua
variabel berkaitan
▪ Untuk menentukan relasi yang
ditimbulkan oleh data
▪ Untuk menprediksi nilai
suatu variabel dengan
menggunakan variabel
yang lain
 Bivariat

Ketentuan Data Bivariat Kategorik

▪ Data kategorik/data kualitatif, data yang
biasanya bukan dalam bentuk angka.
▪ Data bivariat kategorik: data kualitatif yang
memiliki 2 variabel.
▪ Setelah melakukan pencatatan pada data
kategorik, kemudian dilakukan adalah
merangkum data tersebut.
▪ Rangkuman data kategorik biasanya
disebut data tertabulasi/data terklasifikasi
silang. Dalam statistik disebut juga tabel
kontingensi.
 Bivariat

Aktivitas Media Sosial

Gender Jumlah
Tweeting No Tweeting
Laki-laki 120 75 195
Perempuan 155 90 245
275 165 440
 Bivariat

Cara Mengetahui Adanya Hubungan

Antar Variabel
Teknik untuk mengetahui ada atau tidaknya korelasi antara 2
variabel dapat dilakukan melalui beberapa cara,yaitu membuat
diagram pencar dan menghitung koefisien korelasi.
Diagram Pencar (Scatter plot)
Untuk menunjukkan ada tidaknya hubungan (korelasi)
antara 2 variabel (X dan Y) kita dapat menggunakan
diagram pencar. Diagram pencar adalah sebaran nilai-nilai
dari variabel – variabel pada sumbu x dan y.
Tujuan dari diagram pencar ini yaitu untuk mengetahui apakah
titik-titik koordinat pada sumbu x dan y, adan apa pola yang
terbentuk dari sebaran tersebut.
 Bivariat
Diagram Scatter untuk data bivariate
kualitatif
▪ Data kuatitatif, data dalam bentuk
numerik/angka
▪ Data bivariate kuantitatif, data
kuantitatif yang memiliki 2
variabel.
▪ Misalnya : 2 variabel x dan y yang
dipasangkan menjadi (x,Y), Jika
data tercatat sebanyak n kali,
maka kita memiliki n pasangan
(x,y)
(x1, y1), (x2,y2), . . . . (xn, yn)
 Bivariat
▪ Sebanyak n pasangan (x,y)
digambarkan sebagai titik di
dalam diagram yang disebut
diagram scatter atau plot
scatter
▪ Diagram Scatter dapat
menunjukkan relasi antara
kedua variabel secara visual,
sehingga dapat diobservasi
apakah titik-titik dalam plot
berkumpul membentuk garis
atau kurva atau tidak berpola.
 Bivariat
Scatter Plot Examples
Weak
Strong relationships
relationships

y y

x x

y y

x x
 Bivariat
Scatter Plot Examples
No
relationship

x
 Korelasi

ANALISIS KORELASI

▪ Analisis korelasi adalah cara atau metode untuk

menentukan derajad keeratan hubungan ada atau
tidaknya hubungan linear antar variabel yang
dinyatakan dengan koefisien korelasi
▪ Derajad hubungan biasanya dinyatakan dengan
hutuf “r” atau disebut Koefisien Korelasi sampel
yang merupakan penduga bagi koefisien Korelasi
▪ Sedangkan r2 atau r square adalah koefisien
Determinasi (koefisien penentu)
 Korelasi

▪ Kekuatan korelasi linear antara variabel yang dihubungkan

dapat disajikan dengan rxy dengan rumus sbb:

Keterangan : r = Koefisien korelasi product moment,

Ʃx = Jumlah masing-masing butir, Ʃy = Jumlah skor total,
Ʃxy = Jumlah antara skor x dan y, n = Jumlah subyek/sampel
▪ Formula diatas disebut dengan formula koefisien Korelasi
Momen Produk (Produk Momen Karl Pearson), yang digunakan
untuk menguji hubungan dua variabel dengan data ratio atau
interval tapi bisa juga untuk kuisioner skala likert, sedangkan
untuk data ordinal menggunakan Uji Korelasi Rank Spearmen.
 Korelasi

Dalam kehidupan sehari-hari, hampir semua kejadian

terjadi saling berhubungan, misalnya :
1. Banjir terjadi karena curah hujan meningkat,
2. Keuntungan penjualan meningkat seiring
terjadinya penambahan jumlah barang ditoko, dan
kasus-kasus lainnya.
Mengapa mengetahui hubungan antar variabel
pentinga? Jika diketahui bahwa terjadi hubungan
antara dua variabel, maka akan mudah untuk
menentukan dan memprediksikan nilai variabel lain.
 Korelasi

PENGERTIAN ANALISIS KORELASI

▪ Korelasi adalah yang biasa digunakan untuk
menggambarkan ada tidaknya hubungan suatu hal
dengan hal lain.
▪ Analisis korelasi adalah suatu cara atau metode untuk
mengetahui ada atau tidaknya hubungan linear antar
variabel.
▪ Apabila terdapat hubungan maka perubahan-perubahan
yang terjadi pada salah satu variabel X akan
mengakibatkan terjadinya perubahan pada variabel
lainnya (Y). Istilah tersebut dikatakan istilah sebab
akibat, dan istilah tersebut menjadi ciri khas dari analisis
korelasi.
 Korelasi
Koefisien Korelasi
✓ Koefisien korelasi (dinotasikan dengan r) yaitu
ukuran kekuatan dari relasi linier antara variabel x
dan y.
✓ Sifat dari koefisien korelasi:
• Nilai r berada diantara -1 dan 1: – 1≤ r ≤ 1
• Nilai r dekat dengan 0, menunjukkan relasi yang
lemah. – Nilai r dekat dengan 1 atau -1,
menunjukkan relasi yang kuat.
• Besarnya r mengindikasikan kekuatan relasi
linier, tandanya menunjukkan arah. Secara
spesifik sebagai berikut:
 Korelasi

▪ r>0 jika pola nilai (x,y) terkumpul dari kiri bawah ke

kanan atas.
▪ r<0 jika pola nilai (x,y) terkumpul dari kiri atas ke
kanan bawah.
▪ r=1 jika semua nilai (x,y) terbentang membentuk garis
lurus dengan kemiringan positif (relasi positif linier
sempurna)
▪ r=-1 jika semua nilai (x,y) terbentang membentuk garis
lurus dengan kemiringan negatif (relasi negatif linier
sempurna)
 Korelasi

Koefisien korelasi bernilai 0 (nol),

Artinya tidak ada hubungan antara kedua variabel tsb.
Koefisien korelasi bernilai negatif, berarti hubungan antara
kedua variabel tersebut negatif atau saling berbanding
terbalik
Koefisien korelasi bernilai positif, berarti hubungan antara
kedua variabel tersebut positif atau saling berbanding lurus
Catatan
Jika variabel 1 dan 2 saling bebas maka r = 0, tetapi jika r = 0
belum tentu saling bebas, karena mungkin variabel tersebut
tidak saling bebas tetapi tidak berhubungan
 Korelasi

Hubungan antar variabel : Korelasi positif,

korelasi negatif, korelasi lemah, tidak
berkorelasi, dan korelasi sempurna
Suatu korelasi yang terjadi antara 2 variabel dimana
penambahan nilai variabel Y terjadi jika variabel X
bertambah, korelasi seperti ini yang disebut sebagai korelasi
positif.
Tapi juga bisa sebaliknya, dimana apabila salah satu nilai
variabel bertambah variabel lainnya justru berkurang,
hubungan seperti ini disebut sebagai korelasi negatif.
Tidak hanya korelasi positif dan negatif, namun juga
terkadang ditemukan kasus dimana hubungan antar variabel
sangat lemah bahkan tidak ditemukan korelasi.
 Korelasi

Korelasi Positif
Korelasi positif atinya suatu hubungan antara variabel X dan
Y yang ditunjukan dengan hubungan sebab akibat dimana
apabila terjadi penambahan nilai pada variabel X maka akan
diikuti terjadinya penambahan nilai variabel Y
Contoh Korelasi Positif
▪ Dalam pertanian, jika dilakukan penambahan pupuk (X),
maka produksi padi akan meningkat (Y)
▪ Semakain tinggi badan (X) seorang anak maka, berat
badannya akab bertambah pula(Y)
▪ Semakin luas lahan yang ditanami coklat (X) maka
produksi coklat akan meningkat
 Korelasi

Ilustrasi Korelasi Positif

 Korelasi

Ilustrasi Korelasi Negatif

Korelasi negatif Jika nilai variabel X meningkat nilai tapi variabel Y
menurun. Ilustrasi Korelasi Negatif, mis : Bila harga barang (X)
meningkat kemungkinan permintaan terhadap barang mengalami
 Korelasi

Tidak ada Korelasi / Korelasi Sangat Lemah

Korelasi ini terjadi apabila kedua variabel (X dan Y) tidak
menunjukkan adanya hubungan linear, Contoh :
Panjang rambut (X) dengan tinggi badan (tidak bisa dihitung
hubungannya atau tidak ada hubungannya)
 Korelasi

Korelasi Sempurna

Korelasi sempurna biasanya terjadi apabila kenaikan

/ penurunan variabel X selalu sebanding dengan
kenaikan /penurunan variabel Y. Jika digambarkan
dengan diagram titik atau diagram pencar, titik-titik
berderet membentuk satu garis lurus, dengan hampir
tidak ada pencaran.
 Korelasi

CONTOH KASUS YANG MEMILIKI KORELASI

1. Hubungan antara kenaikan harga BBM (X) dengan

harga kebutuhan pokok (Y)
2. Hubungan tingkat pendidikan (X) dengan tingkat
pendapatan (Y)
3. Hubungan umur pernikahan pertama (X) dengan
jumlah anak yang dilahirkan (Y)
4. Hubungan tingkat pendidikan ibu (X) dengan
tingkat kesehatan/tingkat gizi bayi (Y), dsb
 Korelasi

Cara Pengambilan Keputusan Dalam Analisis

Korelasi Bivariat Pearson
1. Melihat nilai signifikansi Sig.(2-tailed)
2. Membandingkan nilai r hitung (Pearson Correlations) dengan
nilai r tabel product moment.
3. Melihat tanda bintang (*) yang terdapat pada output mis pada
aplikasi SPSS :
- Berdasarkan nilai signifikansi Sig.(2-tailed). Bila Sig.(2- tailed)<
0.05 terdpt korelasi antar variabel yg dihubungkan dan
sebaliknya
- Berdasarkan niai r hitung (Pearson Correlation). Bila r hit
> r tabel maka ada korelasi antar variabel dan sebaliknya/
- Berdasarkan tanda (*) atau (**) pada nilai Pearson
correlation maka antara variabel yang di analisis terjadi
korelasi dan sebaliknya.
 Korelasi

Kekuatan Korelasi
Selang Koefisien Kekuatan Hubungan
Korelasi
[r] = 0.0 Tidak ada hubungan
0.0 < [r] , 0.2 Sangat Lemah
0.2 ≤ [r] < 0.4 Lemah
0.4 ≤ |r| < 0.6 Moderate/Sedang
0.6 ≤ |r| < 0.8 Kuat
0.8 ≤ |r| < 1.0 Sangat Kuat
|r| = 1.0 Sempurna
 Contoh Soal Korelasi

Contoh Soal 1:
Berikut ini adalah data perusahaan mengenai harga
permintaan suatu komoditi (X) dan harga rata-rata
suatu komoditi (Y) disajikan dalam tabel berikut:

x 178 224 160 315 229 250 181 306 257 300
y 105 105 130 130 130 150 150 170 170 180

Hitung koefisien korelasi nya dan apa arti dari

koefisien korelasi yang didapatkan?
 Contoh Soal Korelasi

Jawaban Soal 1:
Berikut ini hasil perhitungan tabel untuk mendapatkan nilai total
untuk X, Y, X2, Y2, dan XY:

Data 1 2 3 4 5 6 7 8 9 10 Total

x 178 224 160 315 229 250 181 306 257 300 2400

y 105 105 130 130 130 150 150 170 170 180 1420

X2 31684 50176 25600 99225 52441 62500 32761 93636 66049 90000 604072
Y2 11025 11025 16900 16900 16900 22500 22500 28900 28900 32400 207950
xy 18690 23520 20800 40950 29770 37500 27150 52020 43690 54000 348090

Dengan memasukan nilai total dari semua variabel pada tabel dan
jumlah data ke dalam rumus korelasi Pearson Product Moment
maka didapat hasil sebagai berikut:
 Contoh Soal Korelasi

10 348090 − (2400)(1420)
𝑟𝑥𝑦 =
[ 10 604072 − 2400 2] [(10)(207950) − 14202]

3480900 − 3408000 72900

𝑟𝑥𝑦 = 𝑟𝑥𝑦 =
[6040720 − 5760000][2079500 − 2016400] [280720][63100]

72900
𝑟𝑥𝑦 = rxy = 0.5477
17713432000
Kesimpulan :
1. Koefisien Korelasi antara permintaan komoditi dengan harga rata-rata
komoditi adalah 0.5477
2. Antara permintaan komoditi dengan harga rata-rata memiliki tingkat
hubungan yang Menengah, dimana bila ditambahkan permintaan
komoditi maka akan mempengaruhi peningkatan harga rata-rata
komoditi.
 Contoh Soal Korelasi

3. Apabila diturunkan permintaan suatu komoditi maka akan

mempengaruhi penurunan harga rata-rata suatu komoditi.

4. Begitu juga sebaliknya, apabila ditambahkan harga rata-rata

suatu komoditi maka akan mempengaruhi peningkatan
permintaan suatu komoditi. Apabila diturunkan harga rata-
rata suatu komoditi maka akan mempengaruhi permintaan
suatu komoditi.
 Contoh Soal Korelasi

Contoh Soal 2:

Diketahui data rekap data hasil pendapatan perusahaan (Y)

berdasarkan jumlah sales (X1) dan harga yang dijual (X2)
dengan masing-masing koefisien korelasi antar variabel yang
didapat sebagai berikut:

rx1x2 = -0.545
rx1y = 0.986
rx2y = 0.436

Intepretasikan hasil koefisien korelasi berdasarkan informasi

yang didapat dari kasus tersebut!
 Contoh Soal Korelasi
Jawab Soal 2:
1. Untuk rx1x2 = -0.545, artinya koefisien korelasi jumlah sales dengan
harga jual sebesar -0.545 dengan arah hubungan yang negatif
serta tingkat hubungan yang moderate, sehingga bila jumlah
sales ditingkatkan maka akan menurunkan harga jual. Sebaliknya
bila jumlah Sales diturunkan akan meniningkatkan harga jual.
2. Untuk rx1y = 0.986, berarti kefisien korelasi jumlah sales dengan
pendapatan yaitu 0.986 dengan arah hubungan positif dan
tingkat hubungan yang sangat kuat, sehingga bila jumlah sales
ditingkatkan akan meningkatkan pendapatan. Sebaliknya bila
jumlah sales diturunkan akan menurunkan pendapatan.
3. Untuk rx2y = 0.436, artinya koefisien korelasi harga jual dengan
pendapatan sebesar 0.436 dengan arah hubungan yang positif
serta tingkat hubungan yang moderate, sehingga bila harga
jual ditingkatkan akan meningkatkan pendapatan. Sebaliknya bila
harga jual diturunkan maka akan menurunkan pendapatan.
 Korelasi

Perbedaan mendasar antara korelasi

dan regresi ?

KORELASI REGRESI
Hanya menunjukkan Menunjukkan hubungan
sekedar hubungan. pengaruh

➢Tidak
Korelasi
ada istilah variabel Ada istilah Variabel
tergantung dan variabel tergantung dan variabel
bebas. bebas