ANALISIS KORELASI PARSIAL

Disusun Guna Memenuhi Tugas

Mata Kuliah : Statistik Terapan

Dosen Pengampu : Dr. H. Nur Cholid, M.Ag.,M.Pd.

Disusun oleh:

Syaifi Rohmatilah (19200011011)

Suariyati (19200011015)

JURUSAN TARBIYAH

FAKULTAS PENDIDIKAN AGAMA ISLAM KONSENTRASI FIQIH

UNIVERSITAS WAHID HASYIM SEMARANG

TAHUN AJARAN 2019/2020

1
 KATA PENGANTAR

Puji syukur kehadirat Allah SWT atas segala nikmat-Nya yang telah diberikan
kepada seluruh makhluk alam jagat raya ini. Solawat salam kita haturkan kepada
Rosulullah SAW dengan harapan semoga kita mendapatkan syfaatnya di yaumil akhir
nanti. Kita bias belajar dari sejarah beliau yang memberikan pengetahuan yang luar
biasa unruk setiap insan yang punya mimpi utnuk berkarya.

Penulis dalam kesempatan ini menyajikan sebuah makalah yang cukup

ringkas sebagai tugas mata kuliah Statistik Terapan. Dengan mengharap semoga
penulisan ini bias memberikan sedikit wawasn tentang statistic dengan tema
pembahasan Analisis Korelasi Parsial beserta hal-hal yang berkaitan dengan tema
tersebut, aamiin.

Penulis

2
 BAB I

PENDAHULUAN

A. Latar Belakang

Statistik ialah sebuah konsep dalam bereksperimen, menganalisa data yang

bertujuan untuk mengefensiesikan waktu, tenaga dan biaya dengan memperoleh
hasil yang optimal. Berdasarkan definisinya Statistika merupakan ilmu yang
mempelajari cara-cara pengumpulan data, pengolahan atau menganalisis,
menginterpretasi dan penarikan kesimpulan berdasarkan kumpulan datadan
penganalisis yang dilakuakn1.Statistika mencangkup kegiatan-kegiatan, gagasan-
gagasan, serta hasil yang sangat beraneka ragam. Statistika terbagi atas dua
golongan besar, yaitu Statistika deskriptif dan Statistika inferensial / induktif.
Statistik deskriptif hanya berkaitan dengan mempelajari cara-cara pengumpulan
dan penyusunan data, pengolahan, analisis dan penyajian data. Sedangkan
menyangkut penarikan kesimpulan serta pengambilan keputusan tergantung
statistika inferensial (Irianto, 2003). Dalam statistika terdapat beberapa pengujian
dan prosedur yang banyak digunakan dalam penelitian, salah satunya adalah
korelasi. Korelasi adalah studi yang membahas tentang derajat hubungan antara
dua variabel atau lebih. Besarnya tingkat keeratan hubungan antara dua variabel
atau lebih dapat diketahui dengan mencari besarnya angka korelasi yang biasa
disebut dengan koefisien korelasi.
Untuk mempelajari hubungan antara satu variabel bebas dengan satu variabel terikat
tanpa memperdulikan kemungkinan adanya pengaruh ataupun kaitan dengan
variabel-variabel lain, Statistika menyediakan teknik korelasi lugas atau korelasi
sederhana. Tetapi dalam hal memperhatikan atau memperhitungkan variabel lain,
Statistika menyediakan suatu alat yang disebut teknik korelasi parsial. Korelasi
parsial adalah suatu teknik statistika yang digunakan untuk mempelajari hubungan
3
1
Sudjana, Metode Statistik,Transito Bandung hal 3
murni antara sebuah variabel bebas (X1) dengan variabel terikat (X2) dengan
mengendalikan atau mengontrol variabel-variabel bebas yang lain(Y) yang diduga
mempengaruhi hubungan antara variabel X1 dengan Y (Sulistiyono, 2012). Korelasi
parsial bukan hanya dapat menggunakan satu variabel kontrol saja tapi bisa lebih
dari satu variabel.
B. Rumusan Masalah
1. Apakah yang dimaksud dengan analisis korelasi parsial?
2. Apakah Kegunaanya Analisis Korelasi Parsial?
3. Bagaimana cara perhitungan menggunakan analisis korelasi parsial?
C. Tujuan Penulisan
1. Untuk mengetahui analisis korelasi parsial.
2. Untuk mengetahui kegunaan Analisis Korelasi Parsial.
3. Untuk mengetahui cara perhitungan menggunakan Analisis korelasi
parsial.

4
 BAB II

PEMBAHASAN

1. Pengertian Analisis Korelasi Parsial

Kata Korelasi sendiri telah di jabarkan pada bab sebelumnya, bahwa
korelasi yaitu salah satu teknik statistic yang digunakan untuk mencari
hubungan antara dua variabel atau lebih yang sifatnya kuantitatif2.
Dalam bidang matematika juga dikenal dengan turuna parsial yang
berartiperubahan nilai suatu fungsi yang terdiri dari dua atau lebuh variabel
dengan cara menurunkannya satu persatu, misalnya sebuah fungsi yang terdiri
dari dua variabel X maka variabel Y di anggap sebagai konstanta, sebaliknya
untuk membuat turunan parsial dari funsi tersebut terhadap y maka variabel x
dianggap sebagai konstanta. Sedangkan pengertian parsial dalam penelitian
adalah pengujian untuk meneliti pengaruh dari tiapa-tiap variabel independen
terhadap variabel dependen yang pada umumnya menggunakan UjiT-statistik
atau UjiZ-statistik.
Koefisien korelasi ialah pengukuran statistic kovarianatau asosiasi antara
dua variabel. Besarnya koefisien korelasi berkisar antar +1 sampai dengan -1.
Koefisien korelasi menunjukkan kekuatan (strength) hubungan liniear dan
arah hubungan dua variabel acak. Jika koefisien korelasi positif , maka kedua
variabel mempunyai hubungan searah. Artinya jika nilai variabel X tinggi ,
maka nilai variabel Y akan tinggi pula. Sebaliknya, jikakoefisien korelasi
negative, maka kedua variabel mempunyai hubungan terbalik. Artinya jika
nilaivariabel Yakan menjadi rendah dan berlaku sebaliknya.
Pada korelasi tunggal untuk mencari kuatnya hubungan antara variabel X
dengan Y dapat juga di sebut sebagai korelasi jenjang nihil. Sebutan jenjang
nihil memberikan pengertian bahwa dalam korelasi itu tidak ada variabel lain
yang di control. Sebaliknya, jika dalam hubugan antara variabel
5 X dengan Y
2
Djarwanto, Statistik Induktif,BPFE, Yogyakarta: 1998, hal:321.
 tersebut ada variabel yang di control, maka korelasi ini telah menempati
jenjang yang lebih tinggi.
Korelasi sederhana r hanya di definisikan untuk dua peubah.
Bila kita berhadapan dengan lebih dari dua peubah yang saling berkaitan
maka gambaranyang diperoleh dari r mungkin menyesatkan. Korelasi antara
panjang ibu jari dengan kecepatan membaca pada suatu kelompok data
mungkin tingggi padahal panjang ibu jari seseorang tidaklah berpengaruh
(sepanjang yang data kita bayangkan) atas kecepatan membaca orang tersebut.
Korelasi seperti ini disebut korelasi semu karena tidak menggambarkan
hubungan yang sesungguhnya atau hubungan langsung antara kedua peubah.
Jika peubah usia kita perhitungkan (kontrol) maka korelasi tersebut akan
dekat ke nol. Korelasi antara dua peubah dengan mengontrol peubah lainnya
disebut korelasi parsial3.
Parsial bukanlah istilah yang umum kita gunakan sehari-hari. Istilah
ini lebih banyak digunakan dalam bidang-bidang tertentu seperti matematika
dan penelitian ilmiah. Secara bahasa pengertian parsial adalah sebagian dari
suatu keseluruhan. Lawan kata parsial adalah total atau menyeluruh
(simultan).
Untuk memudahkan melakukan interprestasi mengenai kekuatan
hubungan antara dua variabel penulis memberi kriteria sebagai berikut
(Sarwono:2006) :
 0 : Tidak ada korelasi antar dua variabel
 ˃0-0,25 : Korelasi sangat lemah
 ˃0,25-0,5 : Korelasi cukup
 ˃0,5-0,75 : Korelasi kuat
 ˃0,75-0,99 : Korelasi sangat kuat
 1 : Korelasi Sempurna
6
3
R.K Sembiring, Analisis Regresi, ITB, Bandung: 2003, hal:85-86.
 Sedangkan menurut Sugiyono (2007) pedoman untuk memberikan
interpretasi koefisien korelasi sebagai berikut:
0,00    -   0,199     = sangat rendah
0,20    -   0,399    = rendah
0,40    -   0,599     = sedang
0,60    -   0,799     = kuat
0,80    -   1,000     = sangat kuat
Korelasi parsial adalah suatu metode pengukuran yang erat hubungan
(korelasi) ini antara variabel bebas dan variabel tak bebas menggunakan
pengontrol salah satu variabel bebas guna melihat korelasi natural di antara
variabel yang tidak terkontrol tersebut. Satu buah variabel yang menjadi bukti
akan berpengaruhnya ini dikendalikan maupun dibuat tetap atau menjadi
variabel control4. Dapat diartikan bahwa Korelasi parsial adalah pengukuran
hubungan antara dua variabel, dengan mengontrol atau menyesuaikan efek
dari satu atau lebih variabel lain. Singkatnya r1234 adalah korelasi antara 1
dan 2, dengan mengendalikan variabel 3 dan 4 dengan asumsi variabel 1 dan 2
berhubungan linier terhadap variabel 3 dan 45.
2. Kegunaan Analisis Korelasi Parsial
Analisis korelasi parsial (Partial Correlation) digunakan untuk
mengetahui hubungan antara dua variabel dimana variabel lainnya yang
dianggap berpengaruh dikendalikan atau dibuat tetap (sebagai variabel
kontrol). Nilai korelasi (r) berkisar antara 1 sampai -1, nilai semakin
mendekati 1 atau -1 berarti hubungan antara dua variabel semakin kuat,
sebaliknya nilai mendekati 0 berarti hubungan antara dua variabel semakin
lemah. Nilai positif menunjukkan hubungan searah (X naik maka Y naik) dan

4
https://www.ruangguru.co.id/pengertian-korelasi-macam-macam-dan-contohnya-terlengkap/, 7
November 2019, pukul 22.31 7
5
http://statistik4life.blogspot.com/2009/11/korelasi-parsial-adalah-pengukuran.html, 7November
2019,pukul 23.01
 nilai negatif menunjukkan hubungan terbalik (X naik maka Y turun). Data
yang digunakan biasanya berskala interval atau rasio6.
3. Cara menghitung korelasi parsial
a) Rumus Korelasi Parsial
Koefisien korerasi parsial adalah indeks atau angka yang digunakan
untuk mengukur keeratan hubungan antara dua variabel, jika variabel
lainnya konstanta, pada hubungan yang melibatkan lebih dari dua variabel.
Koefisien korelasi parsial untuk tiga variabel dirumuskan sebagai berikut7:
 Koefisien korelasi parsial antara Y dan X1 apabila X2 konstanta
r Y 1 −r Y 2 . r 12
r y 1.2= 2 2
√(1−r Y2 ¿)(1−r 12) ¿
 Koefisien korelasi parsial antara Y dan X2 apabila X1 konstanta
r Y 2 −r Y 1 . r 12
r y 2.1= 2
√(1−r Y1 ¿)(1−r 212) ¿

 Koefisien korelasi parsial antara X1 dan X2 apabila Y konstanta

r 12−r Y 1 . r Y 2
r 12. Y = 2 2
√(1−r Y1 ¿)(1−r Y 2) ¿

Keterangan :

r y 1.2 = koefisien korelasi antara Y dan X 1 , dimana X 2 konstan

r y 2.1 = koefisien korelasi antara Y dan X 2 , dimana X 1 konstan

r 12.Y = koefisien korelasi antara X 1 dan X 2 , dimana Y konstan

6
http://duwiconsultant.blogspot.com/2011/11/analisis-korelasi-parsial.html, 7November 2019 pukul
22.36
7
M.Iqbal Hasan, Pokok Pokok Materi Statistik 1, PT Bumi Aksara, Jakarta: 2003, hal:268.
8
 r Y 1 = koefisien korelasi antara Y dan X 1

r Y 2 = koefisien korelasi antara Y dan X 2

r 12 = koefisien korelasi antara X 1 dan X 2

b) Contoh soal
Untuk menegetahui lebih detailnya mari kita simak contoh berikut:
Seorang penelitii ngin menetahui apakah ada hubungan posistif antara
pengeluaran, pendapatan dan banyaknya anggota keluaraga. Untuk
keperluan tersebut di ambil sampel sebanyak 7 rumah tangga. Datanya
adalah sebagai berikut.
TABEL 1.1 HUBUNGAN ANTARA PENDAPATAN,
PENGELUARAN, DAN BANYAKNYA ANGGOTA KELUARGA8

Rumah Tangga
I II III IV V V1 V11
X1 5 8 9 10 7 7 11
X2 4 3 2 3 2 4 5
Y 3 5 6 7 4 6 9
Keterangan :

X 1 = Pendapatan per bulan (ratusan ribu rupiah)

X 2 = Pengeluaran per bulan (ratusan ribu rupiah)
Y = Jumlah anggota keluarga (orang)
c) Langkah Pertama Menghitung Koefisien Product Moment
Sebelum kita mencari korelasi parsial kita akan mengunakan rumus
kolerasi product momet terlebih dahulu, keduanya saling berhubungan
karena rumus korelasi parsial dapat di gunakan apabila perhitungan
korelasi product moment sudah membuahkan hasil.
Penyelesaian :
9
8
M.Iqbal Hasan, Op.cit, hal:264.
 X1 X₂ X 1. X₂. X 1 .X
RT X1 X₂ Y Y²
² ² Y Y ₂
I 5 4 3 25 16 9 15 12 20
II 8 3 5 64 9 25 40 15 24
III 9 2 6 81 4 36 54 12 18
IV 10 3 7 100 9 49 70 21 30
V 7 2 4 49 4 16 28 8 14
VI 7 4 6 49 16 36 42 24 28
VII 11 5 9 121 25 81 99 45 55
∑ 57 23 40 489 83 252 348 137 189

Rumus korelasi product momet oleh pemateri sebelumnya sudah di

bahas. Berikut penulis ulas kembali rumusnya :
n ∑ xy−( ∑ x ) ( ∑ y )
r xy = 2 2
2 2
√(n ∑ x −( ∑ x ) )(¿ n ∑ y − ( ∑ y ) ) ¿
Keterangan:
r xy= Koefisien korelasi antara variabel X dan Y
n = Jumlah sampel
∑ xy = Jumlah perkalian antara variabel X dan Y
∑ x = Jumlah X
∑ y = Jumlah Y
∑ x 2 = Jumlah dari kuadrat variabel X
( ∑ x )2 = Jumlah NIlai X kemuadian dikuadratkan
∑ y 2 =Jumlah dari kuadrat variabel Y
( ∑ Y )2 = Jumlah nilai Y yang kemudian dikuadratkan
Dengan rumus tersebut kita akan dapatkan kode rumus baru seperti
berikut:
 Untuk variabel Y dengan X 1 maka kode rumus akan berubah seperti
berikut ini :
10
 n ∑ X 1 Y −( ∑ X 1 ) ( ∑Y )
r y 1= 2 2
2
√(n ∑ X 1 −( ∑ X 1 ) )(n ∑Y 2−( ∑ Y ) )

7 ( 348 ) −(40)( 57)

= 2
√7 ( 489 )−( 57 ) ¿ ¿ ¿
156
= 168,93
= 0,92

 Untuk variabel Y dengan X 2 maka kode rumus akan berubah seperti

berikut ini :
n ∑ X 2 Y −( ∑ X 2 ) ( ∑ Y )
r y 2= 2 2
¿
√ (n ∑ X 22−( ∑ X 2 ) )(n ∑ Y 2−( ∑Y ) )¿

7 ( 137 ) −(40)( 23)

= 2
√7 ( 83 )−( 23 ) ¿¿¿
39
= 92,35
= 0,42
 Untuk variabel X 1 dengan X 2 maka kode rumus akan berubah seperti
berikut ini :
n ∑ X 1 X 2 − ( ∑ X 1 ) ( ∑ X 2)
r 12= ¿
√ (n ∑ X 12− ( ∑ X 1 )2 )(n ∑ X 22−( ∑ X 2 )2)¿
7 (189 )−(57)(23)
= 2
√7 ( 489 )−( 57 ) ¿ ¿ ¿
12
= 95,12
= 0,13 11
 Dari perhitngan di atas didapatkan r y 1= 0,92 , r y 2= 0,42 dan r 12= 0,13
d) Langkah kedua menghitung Korelasi Parsial jenjang pertama
Kemudian penulis lanjutkan ke rumus korelasi parsial berikut:
 Koefisien korelasi parsial antara Y dan X1 apabila X2 konstanta
r Y 1−r Y 2 . r 12
r y 1.2= 2
√(1−r Y2 )(1−r 212)
0,92−(0,42) .(0,13)
=
√(1−(0,42)2 )(1−(0,13)2)
= 0.96
 Koefisien korelasi parsial antara Y dan X2 apabila X1 konstanta
r Y 2−r Y 1 . r 12
r y 2.1= 2 2
√(1−r Y1 )(1−r 12)
0,42−(0,92).( 0,13)
= 2 2
√(1−( 0,92 ) )(1−( 0,13 ) )
= 0.77
 Koefisien korelasi parsial antara X1 dan X2 apabila Y konstanta
r 12−r Y 1 . r Y 2
r 12. y = 2
√(1−r Y1 )(1−r 2Y 2 )
0,13−(0,92).(0,42)
=
√(1−(0,92)2 )(1−(0,42)2 )
= ─0,72
Dari perhitngan di atas didapatkan r y 1.2= 0,96 , r y 1.2= 0.77dan r y 1.2=
─0,72.
Dapat penulis simpulkan bahwa hasil peneltian tersebut berada di
posisi ˃0,75-0,99 : Korelasi sangat kuat (Sarwono:2006) dan posisi
0,60 - 0,799 = kuat, menurut Sugiyono (2007). Jika melihat dari uraian
pemakalah sebelumnya hasil penelitian tersebut berada di kelompok
12+1( r y 1.2= 0,96 ,
Korelasi positif kuat( karena hasil perhitungan mendekati
 r y 1.2= 0.77)) dan Korelasi negatif kuat ( karen perhitungan mendekati -1 (
r y 1.2= ─0,72)).
e) Rumus Korelasi parsial jenjang kedua
Ketiga rumus di atas memberikan koefisien korelasi jenjang pertama.
Karena hanya satu variabel saja yang di kontrol.Sekarang bagaimana
kalau dua variabel yang di kontrol? Untuk menjawab ini di berikan
rumusnya sebagai berikut9: dengan X1, X2, Y,Z
r 12. y −r 1 z . y . r 2 y . z
r 12. yz =
2
√( 1−r 1 z.y )(1−r 22 z . y )
Dimana :
r 1 z −r 1 y . r yz
r1 z . y= 2 2
√(1−r 1y )(1−r yz )
r 2 z −r 2 y .r yz
r2 z . y= 2
√(1−r 2y )(1−r 2yz )

Asumsi kelayakan nilai r, dan interpretasi nilai r pada korelasi parsial ini
pada dasarnya sama saja seperti yang terdapat pada korelasi biasa
terdahulu. Dana disebabkan perhitungan koefisien korelasi parsial ini
merupakan lanjutan setelah korelasi biasa dilakuakn, maka asumsi-
asumsinya tidak perlu lagi disebutkan disini.

f) Langkah-langkah untuk menghitung interpretasi koefisien korelasi

parsial10
1) Cocokkan notasi 1 untuk variabel apa, 2 untuk variabel apa, dan
seterusnya
2) Tentukan nilai r y 1, r y 2dan r 12.

9
Husaini Usman, R.Purnomo Stiady Akbar, Pengantar Statistika, PT Bumi Aksara, Jakarta: 2003,
hal:254
13
10
Husaini Usman, R.Purnomo Stiady Akbar, Op.cit, hal:254
3) Tulis Ha dan H0 dalam bentuk kalimat
Ha :
 Terdapat hubungan yang signifikan antara variabel X1
dengan variabel Y dimana X2 konstan
 Terdapat hubungan yang signifikan antara variabel X2
dengan variabel Y dimana X1 konstan
 Terdapat hubungan yang signifikan antara variabel X1
dengan variabel X2 dimana Y konstan
H0 :
 Tidak terdapat hubungan yang signifikan antara variabel
X1 dengan variabel Y dimana X2 konstan
 Tidak terdapat hubungan yang signifikan antara variabel
X2 dengan variabel Y dimana X1 konstan
 Tidak terdapat hubungan yang signifikan antara variabel
X1 dengan variabel X2 dimana Y konstan
4) Tulis Ha dan H0 dalam bentuk statistik:
Ha : r y 1.2 ≠ 0
r y 2.1 ≠ 0
r 12. y ≠ 0

H0 : r y 1.2 = 0

r y 2.1 = 0
r 12. y = 0
5) Cari rhitung, dengan menggunakan rumus yang sesuai dengan
variabel mana yang di kontrol atau variabel yang dibuat konstan.
Tentu saja dicocokkan dengan bunyi langkah 1.
6) Tetapkan taraf signifikansinya (∝).
14
7) Tentukan kriteria pengujian signifikansi r yaitu:
 Ha : Tidak Signifikan
H0 : Signifikan
JIka −r tabel ≤ r hitung ≤r tabel , maka H0 ditolak.
8) Hitung dk dengan rumus dk= n – 2 dan dengan ∝ seperti langkah 4
dari tabel r kritis pearson di dapat nilai r tabel .
9) Bandingkan r hitung dengan r tabel dan konsultasikan dengan kriteria
pada langkah 7.
10) Buatlah kesimpulannya.

Contoh soal di ambil dari tabel 1.1 maka akan kita jawab dengan langkah-
langkah seperti di atas :

1. Notasi X 1 untuk pendapatan per bulan (ratusan ribu rupiah)

Notasi X 2 untuk pengeluaran per bulan (ratusan ribu rupiah)
Notasi Y untuk jumlah anggota keluarga (orang)
2. Berdasarkan perhitungan sebelumnya dan di buktikan denga kalkulator di
dapat nilai-nilai:
r y 1= +0,92
r y 2= +0,42
r 12= +0,13
3. Tulis Ha dan H0 dalam bentuk kalimat
Ha : Terdapat hubungan yang signifikan antara variabel X1 dengan variabel Y
dimana X2 konstan.
H0 : Tidak terdapat hubungan yang signifikan antara variabel X 1 dengan
variabel Y dimana X2 konstan.
4. Hipotesis statistiknya:
Ha : r y 1.2 ≠ 0
H0 : r y 1.2 = 0
15
5. rhitung, dengan menggunakan rumus yang sesuai dengan variabel mana yang di
kontrol atau variabel yang dibuat konstan. Tentu saja dicocokkan dengan
bunyi langkah 1
r Y 1−r Y 2 . r 12
r y 1.2= 2 2
√(1−r Y2 )(1−r 12)
0,92−(0,42) .(0,13)
=
√(1−(0,42)2 )(1−(0,13)2)
= 0.96
6. Taraf signifikansinya ∝ = 0,05 atau 5%
7. Tenntukan kriteria pengujian signifikansi r yaitu:
Ha : Tidak Signifikan
H0 : Signifikan
JIka −r tabel ≤ r hitung ≤r tabel , maka H0 ditolak.
8. dk= n – 2 = 7 – 2 dan dengan ∝ = 0,05 atau 5% dari tabel r kritis Pearson di
dapat nilai r tabel = 0,754
9. Ternyata –0,754 < 0.96 ˃ 0,754 atau −r tabel <r hitung ˃ r tabel, maka H0 diterima
atau Signifikan
10. Kesimpulannya :
Hipotesis nol yang berbunyi, “Tidak terdapat hubungan yang signifikan antara
variabel X1 dengan variabel Y dimana Variabel X2 konstan“, ditolak.
Sebaliknya hipotesis alternatif yang bersembunyai, “ terdapat hubungan yang
Signifikan antara varaiabel X1 dengan variabel Y dimana Variabel X2
konstan”, diterima.

BAB IV

PENUTUP

1. Kesimpulan
16
 Analisis Korelasi Parsial adalah pengukuran hubungan antara dua
variabel, dengan mengontrol atau menyesuaikan efek dari satu atau lebih
variabel lain. Analisis Korelasi Parsial memili jenjang yaitu pertama, kedua
dan seterusnya.
Rumus Koefisien korelasi parsial untuk tiga variabel jejang pertaman
sebagai berikut:
 Koefisien korelasi parsial antara Y dan X1 apabila X2 konstanta
r Y 1 −r Y 2 . r 12
r y 1.2= 2 2
√(1−r Y2 ¿)(1−r 12) ¿
 Koefisien korelasi parsial antara Y dan X2 apabila X1 konstanta
r Y 2 −r Y 1 . r 12
r y 2.1= 2
√(1−r Y1 ¿)(1−r 212) ¿

 Koefisien korelasi parsial antara X1 dan X2 apabila Y konstanta

r 12−r Y 1 . r Y 2
r 12. Y = 2 2
√(1−r Y1 ¿)(1−r Y 2) ¿

Rumus Koefisien korelasi parsial untuk tiga variabel jejang pertaman

sebagai berikut:
r 12. y −r 1 z . y . r 2 y . z
r 12. yz =
2
√( 1−r 1 z.y )(1−r 22 z . y )
Dimana :
r 1 z −r 1 y . r yz
r1 z . y= 2
√(1−r 1y )(1−r 2yz )
r 2 z −r 2 y .r yz
r2 z . y= 2 2
√(1−r 2y )(1−r yz )

17
2. Saran
 Makalah yang berjuduk Analisis Korelasi Parsial ini di buat unutk memenuhi
tugas kuliah pada mata kuliah statistic terapan. Dalam pembahasannya tentu
banyak sekali kekurangan dan kesalahannya. Oleh karena itu, kritik dan saran
membangun untuk perbaikan makalah selanjutnya sangat kami harapkan.

DAFTAR PUSTAKA

Ade Marlen Telussa1, Elvinus Richard Persulessy2, Zeth Arthur Leleury

18 ,
3

Penerapan Analisis Korelasi Parsial untuk Menentukan Hubungan

 Pelaksanaan Fungsi Manajemen Kepegawaian dengan Efektifitas Kerja
Pegawai.,Unpatti. 2013.

Anas Sudijino, Pengantar Statistik Pendidikan, Raja Grafindo Persada, Jakarta: 2014.

Djarwanto, Statistik induktif, BPFE, Yogyakarta:1998.

Hartono, Statistik Untuk Penelitian, Zanafa Publishing, Riau: 2010.

https://www.ruangguru.co.id/pengertian-korelasi-macam-macam-dan-contohnya-
terlengkap/

http://statistik4life.blogspot.com/2009/11/korelasi-parsial-adalah-pengukuran.html

http://duwiconsultant.blogspot.com/2011/11/analisis-korelasi-parsial.html

Husaini Usman, R.Purnomo Stiady Akbar, Pengantar Statistika, PT Bumi Aksara,

Jakarta: 2003.

J.Supranto, Statistik:Teori dan Aplikasi, Erlangga, Jakarta :2001.

M.Iqbal Hasan, Pokok Pokok Materi Statistik 1, PT Bumi Aksara, Jakarta: 2003.

R.K Sembiring, Analisis Regresi, ITB, Bandung: 2003.

Subana, Statistik Pendidikan , Pustaka Setia, Bandung: 2005.

Sudjana, Metoda Statistika, Tarsito, Bndung :2005.

19