Dokumen Isma Dwi Kurniawan. Jurusan Biologi UIN Sunan Gunung Djati Bandung.

Email:
ismadwikurniawan@uinsgd.ac.id

UJI KORELASI

Berbagai macam pertanyaan penelitian dapat kita simpulkan melalui uji hipotesis dengan
statistika inferensial. Seperti yang telah kita ketahui, terdapat 3 macam hipotesis berdasarkan
tujuan masalah yang akan dijawab yaitu hipotesis deskriptif, hipotesis komparatif, dan hipotesis
asosiatif. Pada modul ini, kita akan mempelajari salah satu uji yang umum digunakan untuk
menyelesaikan permasalahan asosiatif atau hubungan satu variabel dengan variabel lainnya.

Pada banyak jenis penelitian, peneliti seringkali menetapkan beberapa variabel bebas yang
nantinya akan dianalisis keterkaitannya dengan suatu variabel terikat. Sebagai contoh dalam
penelitian ekologi terestrial, parameter lingkungan baik yang bersifat fisik seperti intensitas
cahaya, kecepatan angin, kelembapan, suhu, dan kecepatan angin maupun yang bersifat kimia
seperti pH tanah, kandungan fosfat, nitrat, dan karbon seringkali diukur dan nantinya akan
dianalisis keterkaitannya dengan keberadaan komunitas biota yang diteliti semisal komunitas
arthropoda tanah.

Ada tidaknya keterkaitan antar variabel tersebut dapat diuji dengan menggunakan Uji Korelasi.
Dengan uji ini, kita dapat menyimpulkan ada tidaknya hubungan dari dua variabel dengan
melihat ada tidaknya kesamaan tren dari kedua variabel tersebut. Maksudnya, dengan uji ini kita
akan memeriksa apakah pada saat nilai suatu variabel meningkat akan diikuti oleh meningkatnya
atau justru menurunnya nilai variabel yang lain. Sebagai contoh, kita ingin memeriksa apakah
ada keterkaitan antara komunitas arthropoda tanah dengan suhu tanah dan bagiamana pola
keterkaitan dua variabel tersebut. Hipotesis ini dapat kita simpulkan melalui uji Korelasi.

Salah satu catatan penting yang harus dipahami dari penggunaan uji ini adalah bahwa dua
variabel yang saling berkorelasi belum tentu menunjukkan adanya hubungan sebab akibat.
Sebagai contoh, semisal dalam sebuah uji korelasi menghasilkan kesimpulan adanya hubungan
bertolak belakang antara komunitas arthropoda tanah dengan kecepatan angin. Meskipun hasil
uji kedua variabel ini berkorelasi, akan tetapi kita tidak dapat serta merta menyimpulkan bahwa
menurunnya keanekaragaman arthropoda tanah disebabkan oleh meningkatnya kecepatan angin.
Pengujian statistika harus selalu diikuti dengan penguasaan pengetahuan mengenai suatu bidang
kajian tertentu sehingga kita dapat menyimpulkan dengan tepat apakah suatu hasil perhitungan
statistika sesuai dengan logika dan teori pada bidang tersebut.

Pada Uji Korelasi, kita akan memperoleh nilai koefisien korelasi atau biasanya dinotasikan
sebagai r. Nilai r inilah yang mencerminkan hubungan antara variabel yang diuji. Koefisien
korelasi (r) ada yang bernilai negatif, ada yang bernilai positif, dan ada yang bernilai 0. Negatif
disini maksudnya jika kenaikan nilai suatu variabel diiringi oleh menurunnya nilai variabel yang
lain, sedangkan positif di sini berarti adanya kenaikan nilai pada dua variabel tersebut secara
simultan. Nilai 0 menunjukkan tidak adanya hubungan di antara kedua variabel yang diuji.
Dokumen Isma Dwi Kurniawan. Jurusan Biologi UIN Sunan Gunung Djati Bandung. Email:
ismadwikurniawan@uinsgd.ac.id

Dengan melakukan uji korelasi dan mendapatkan koefisien korelasi, maka kita akan menjawab
tiga pertanyaan berikut:

1. Apakah ada hubungan antara dua variabel?

2. Jika ada, maka apakah hubungan tersebut bernilai negatif atau positif?
3. Dan yang terakhir adalah, seberapa kuat hubungan antara dua variabel tersebut?

Terdapat 3 macam Uji Korelasi yang umum digunakan yaitu Pearson’s correlation coefficient,
Spearman’s rank correlation, dan Kendall’s rank correlation. Meskipun sama-sama digunakan
untuk menguji ada tidaknya korelasi, ketiganya memiliki perbedaan prinsip mendasar dalam
komputasinya sehingga digunakan dalam kasus data yang berbeda. Ketiga koefisien tersebut
dapat dibagi ke dalam dua metode yaitu korelasi parametrik dan non parametrik. Ada satu faktor
utama yang menentukan metode uji yang kita pakai, yaitu distribusi dari data yang akan di uji.
Jika distribusi data tersebut normal, maka kita dapat menggunakan uji korelasi parametrik, yang
termasuk di dalamnya adalah Pearson’s correlation coefficient. Apabila distribusi suatu data
tidak normal, maka kita dapat menggunakan Spearman’s rank correlation atau Kendall’s rank
correlation yang merupakan uji korelasi non parametrik. Pada modul ini, akan dijelaskan
bagaimana melakukan Uji Pearson’s correlation coefficient dan Spearman’s rank correlation.
Uji Kendall’s rank correlation tidak dijelaskan karena uji ini hanya dapat digunakan untuk
menganalisis data berskala ordinal (ranking) sehingga kurang aplikatif dalam ilmu biologi yang
mayoritas data penelitiannya berskala interval dan rasio.

1. Uji Korelasi Pearson

Uji Korelasi Pearson (Pearson’s correlation coefficient) merupakan bagian dari Uji Parametrik.
Uji ini digunakan untuk mengolah data berskala interval atau rasio. Sebelum melakukan uji
korelasi ini, kita harus melakukan uji normalitas terlebih dahulu. Apabila semua data
berdistribusi normal, maka kita dapat melakukan uji ini.

Rumus manual untuk uji ini adalah sebagai berikut:

rxy merupakan nilai koefisien korelasi, sedangkan x merupakan variabel X dan y merupakan
varibel Y yang akan diuji keterkaitannya.

Hpotesis dari uji ini adalah sebagai berikut:

Ho : tidak terdapat korelasi antara X dan Y

Dokumen Isma Dwi Kurniawan. Jurusan Biologi UIN Sunan Gunung Djati Bandung. Email:
ismadwikurniawan@uinsgd.ac.id

H1 : terdapat hubungan korelasi antara X dan Y

Setelah kita memperoleh nilai r, kita komparasikan nilai r hitung tersebut dengan nilai yang ada
pada r tabel (r tabel terlampir) dengan df=N-2 dan taraf signifikansi uji dua arah (two tailed)
α=0.05. Kriteria penyimpulan dari uji ini adalah sebagai berikut:

Apabila nilai r hitung > dari r tabel, maka Ho ditolak yang artinya terdapat korelasi

Apabila nilai r hitung ≤ dai r tabel, maka Ho diterima yang artinya tidak terdapat korelasi

Setelah kita tau adanyakorelasi, maka kita bisa mengklasifikasikan tingkat keeratan korelasi
berpedoman pada tabel berikut;

Nilai Koefisien Korelasi Tingkat Keeratan Hubungan

0−0,20 Sangat lemah
0,20 - 0,40 Lemah
0,40 - 0,70 Cukup Kuat
0,70 - 0,90 Kuat
0,90– 1,00 Sangat Kuat

Sebagai contoh pengerjaan, diberikan contoh kasus sebagai berikut:

Seorang peneliti ingin mengetahui keterkaitan antara kelimpahan individu arthropoda dengan pH
tanah yang telah diperoleh dalam suatu penelitian. Data kedua variabel terukur tersebut adalah
sebagai berikut:

Ulangan Jumlah Individu pH Tanah

1 1 4
2 5 6
3 4 5
4 2 5
5 8 7
Anggaplah berdasarkan uji normalitas, data tersebut memenuhi asumsi distribusi normal.
Simpulkanlah bagaimana keterkaitan antara kedua variabel tersebut!

Langkah Pengerjaan

Berdasarkan rumus uji, terdapat elemen-elemen yang kita perlukan untuk menghitung nilai r
yaitu:
Dokumen Isma Dwi Kurniawan. Jurusan Biologi UIN Sunan Gunung Djati Bandung. Email:
ismadwikurniawan@uinsgd.ac.id

Oleh karena itu, untuk mempermudah perhitungan maka buatlah tabel dengan isi sebagai berikut:

Ulangan x y xy x2 y2
1 1 4 4 1 16
2 5 6 30 25 36
3 4 5 20 16 25
4 2 5 10 4 25
5 8 7 56 64 49
Jumlah 20 27 120 110 151
Pada kasus ini, kita misalkan x adalah jumlah individu dan y adalah pH tanah

( )( ) ( )( )
√( )( ) ( ) √( )( ) ( )

√ √

( )( )

Nilai koefisien korelasi (r) yang diperoleh adalah 0.960. Lalu kita bandingkan dengan nilai r
tabel yang dalam hal ini N=5 yang berarti df=3 dan uji dua arah α=0.05. Maka dalam tabel r kita
cari nilai r tabelnya dengan cara sebagai berikut:
Dokumen Isma Dwi Kurniawan. Jurusan Biologi UIN Sunan Gunung Djati Bandung. Email:
ismadwikurniawan@uinsgd.ac.id

Nilai r tabel adalah 0.8783, sedangkan r hitung 0.960, r hitung > r tabel sehingga H0 ditolak yang
artinya terdapat korelasi antara jumlah individu arthropoda dengan pH tanah. Nilai r sebesar
0.960 berarti kedua variabel tersebut memiliki korelasi positif yang tergolong sangat kuat. Hal
ini menggambarkan bahwa kenaikan pH tanah akan diiringi dengan kenaikan jumlah individu
arthropoda tanah. Nah setelah tau hasil ini, kita tidak bisa langsung justifikasi bahwa kenaikan
jumlah individu arthropoda disebabkan oleh adanya kenaikan pH tanah karena uji korelasi bukan
untuk menilai sebab dan akibat. Kita harus bawa hasil ini dalam kajian ranah biologinya. Kita
harus cari tau apakah secara teoritikal hasil ini logis dan beralasan atau hanya suatu hasil yang
kebetulan saja.

2. Uji Korelasi Spearman

Berbeda dengan Uji Korelasi Pearson, Uji Korelasi Spearman (Spearman’s rank correlation)
tergolong uji non parametrik yang artinya tidak mensyaratkan data berdistribusi normal. Uji ini
dapat kita gunakan untuk menganalisis data dengan skala ordinal, interval maupun rasio. Oleh
karena itu, apabila pada suatu kasusu penelitian data yang kita miliki tidak memenuhi asumsi uji
parametrik maka kita dapat menggunakan laternatif uji ini.

Rumus manual untuk uji ini adalah sebagai berikut:

Dokumen Isma Dwi Kurniawan. Jurusan Biologi UIN Sunan Gunung Djati Bandung. Email:
ismadwikurniawan@uinsgd.ac.id

Dengan keterangan:

rs : koefisien korelasi Spearman

d : selisih antara dua peringkat variabel

n : jumlah sampel yang diuji

Sebagai contoh pengerjaan, diberikan contoh kasus sebagai berikut:

Seorang peneliti mengamati dua populasi spesies arthropoda di suatu gua yaitu Spesies X dan
Spesies Y. Peneliti tersebut ingin mengetahui apakah kedua populasi arthropoda tersebut
memiliki hubungan atau tidak di dalam ekosistem gua.

Ulangan Populasi Spesies X Populasi Spesies Y

1 3 5
2 8 8
3 8 8
4 10 8
5 6 5
6 9 3
7 4 8
8 3 7
9 5 8
10 8 3
11 9 6
12 5 4
13 6 3
14 6 4
15 5 5
16 8 6
17 4 4
18 6 5
19 6 6
20 6 4
Anggaplah setelah uji normalitas, data tidak memenuhi asumsi distribusi normal sehingga kita
menggunakan Uji Korelasi Spearman.

Hpotesis dari uji ini adalah sebagai berikut:

Ho : tidak terdapat korelasi antara populasi X dan Y

H1 : terdapat hubungan korelasi antara populasi X dan Y

Dokumen Isma Dwi Kurniawan. Jurusan Biologi UIN Sunan Gunung Djati Bandung. Email:
ismadwikurniawan@uinsgd.ac.id

Untuk mencari nilai r, kita gunakan rumus

Agar perhitungan lebih mudah, maka buatlah tabel dengan konten sebagai berikut:

Pop. X Pop Y Rank Pop X Rank Pop Y Rank Pop X-Rank Pop Y (d) d2
3 5 19,5 11,5 8 64
8 8 5,5 3 2,5 6,25
8 8 5,5 3 2,5 6,25
10 8 1 3 -2 4
6 5 10,5 11,5 -1 1
9 3 2,5 19 -16,5 272,25
4 8 17,5 3 14,5 210,25
3 7 19,5 6 13,5 182,25
5 8 15 3 12 144
8 3 5,5 19 -13,5 182,25
9 6 2,5 8 -5,5 30,25
5 4 15 15,5 -0,5 0,25
6 3 10,5 19 -8,5 72,25
6 4 10,5 15,5 -5 25
5 5 15 11,5 3,5 12,25
8 6 5,5 8 -2,5 6,25
4 4 17,5 15,5 2 4
6 5 10,5 11,5 -1 1
6 6 10,5 8 2,5 6,25
6 4 10,5 15,5 -5 25
Jumlah 1255

Satu pertanyaan yang muncul adalah bagaimana cara menentukan Rank dari masing-masing
variabel?. Rank tersebut merupakan Rank Average yang disusun secara descending dari nilai
Populasi X dan Populasi Y. Maknanya, apabila ada ranking yang sama pada suatu nilai maka
yang akan digunakan adalah rank reratanya. Untuk mempermudah, kita gunakan saja Ms.Excel
lalu fungsinya adalah Rank.AVG maka dengan data tersebut akan ketemu nilai-nilai rank yang
disajikan pada kolom Rank Pop X dan Rank Pop Y. Setelah itu, hitung nilai d dan d2 baru kita
masukkan ke rumus.
Dokumen Isma Dwi Kurniawan. Jurusan Biologi UIN Sunan Gunung Djati Bandung. Email:
ismadwikurniawan@uinsgd.ac.id

( )( )
( )

Nilai r hitung adalah sebesar 0.056, setelah itu kita cari terlebih dahulu nilai r tabelnya dengan
cara yang sama dengan yang dilakukan pada Uji Korelasi Pearson. N=20 maka df=18 dan
signifikansi 0.05 uji dua arah.
Dokumen Isma Dwi Kurniawan. Jurusan Biologi UIN Sunan Gunung Djati Bandung. Email:
ismadwikurniawan@uinsgd.ac.id

Nilai r tabel adalah 0.4438, sedangkan r hitung 0.056, r hitung ≤ r tabel maka H0 diterima.
Kesimpulannya adalah tidak terdapat korelasi antara populasi spesies X dan spesies Y di dalam
gua.