ANALISIS KORELASI

A. Dasar Teori
Dalam ilmu statistik, terdapat berbagai macam cara untuk
menganalisis data. Salah satunya adalah analisis untuk mengetahui
hubungan linier antara dua variabel atau yang kita kenal sebagai analisis
korelasi linier. Besarnya hubungan antara dua variabel dapat diketahui
dengan menggunakan koefisien korelasi momen-hasil kali Pearson atau
korelasi Pearson. Koefisien ini mengukur keeratan hubungan linier di
antara hasil-hasil pengamatan dari populasi yang mempunyai dua
varian. Korelasi Pearson banyak digunakan untuk mengukur korelasi
data interval atau rasio. Rumus koefisien korelasi Pearson adalah
sebagai berikut. 𝑖=1 𝑖=1

𝑟= 𝑛
𝑛 𝑖=1 𝑥𝑖𝑦𝑖−(∑𝑛 𝑥𝑖)(∑
𝑛
𝑦𝑖)
2 (1)
𝑛
√(𝑛 ∑ 𝑥2−((∑𝑛 ∑ 𝑛
𝑦 −((∑𝑛
2
2

𝑖=1 𝑖 𝑖=1 𝑥𝑖) )) 𝑖=1 𝑖 𝑖=1 𝑦𝑖) ))

(𝑛

Untuk memudahkan melakukan interpretasi mengenai kekuatan

hubungan antara dua variabel, maka kita dapat melihat pada Tabel 1.1.

Tabel 1. Hubungan Antara Dua Variabel

𝑟 =0 Tidak ada korelasi
0 < |𝑟| < 0,49 Korelasi lemah
0,50 < |𝑟| < 0,79 Korelasi kuat
0,80 < |𝑟| < 1 Korelasi sangat kuat
𝑟=1 Korelasi sempurna

Koefisien korelasi 𝑟 dipandang sebagai suatu nilai estimasi bagi

koefisien korelasi linier yang sesungguhnya yang berlaku bagi seluruh
anggota populasi. Misalkan kita lambangkan koefisien korelasi populasi
1
StatiStika FaRMASi-Meiliyani
Siringoringo
dengan 𝜌. Bila r dekat dengan nol maka cenderung disimpulkan bahwa 𝜌
= 0. Akan tetapi,

2
StatiStika FaRMASi-Meiliyani
Siringoringo
suatu nilai sampel 𝑟 yang mendekati +1 atau −1 disarankan untuk
menyimpulkan 𝜌 ≠ 0. Masalahnya sekarang adalah bagaimana
mendapatkan suatu uji yang akan mengatakan bahwa r berada cukup
jauh dari suatu nilai tertentu 𝜌0, agar mempunyai cukup alasan untuk

menolak hipotesis nol 𝐻0

bahwa 𝜌 = 𝜌0 dan menerima alternatifnya. Hipotesis alternatif 𝜌 ≠ 𝜌0 , 𝜌 >

𝜌0, 𝜌 < 𝜌0. Namun untuk menguji ada tidaknya korelasi antara dua
variabel hipotesis yang digunakan adalah 𝐻0: 𝜌 = 0 dan 𝐻1: 𝜌 ≠ 0 .
Statitik uji yang digunakan adalah sebagai berikut.

𝑡=
𝑟√𝑛−2 (2)
√1−𝑟2

Bandingkan nilai 𝑡 merupakan variabel acak yang mengikuti distribusi t

dengan derajat bebas 𝑛 − 2. Hipotesis nol ditolak pada taraf signifikansi
𝛼 jika
𝑡ℎ𝑖𝑡𝑢𝑛𝑔 > 𝑡𝛼⁄ [𝑛 − 2] atau 𝑝 − 𝑣𝑎𝑙𝑢𝑒 < 𝛼. Asumsi yang harus dipenuhi
2

untuk melakukan pengujian hipotesis korelasi adalah sampel berasal dari

populasi yang distribusi normal.

B. LATIHAN 1
Sebuah perusahaan yang bergerak di bidang kesehatan ingin
melihat hubungan dari besarnya biaya pengeluaran untuk iklan dengan nilai
penjualan yang dapat dicapai. Mereka mengambil sampel dari data biaya
iklan dan nilai penjualan dari data base setahun terakhir dan diambil
secara acak sebagai berikut.

Tabel 2. Data Nilai Penjualan dan Biaya Iklan Selama Satu Tahun
Penjualan (𝒀) Iklan (𝑿)
70 18
87 25
91 30
 85 31
75 22
77 24
60 16
95 33
65 17
83 23

Berapa besar koefisien korelasi Pearson antara sampel data nilai penjualan
dan biaya iklan pada perusahaan tersebut? Kemudian lakukan
pengujian hipotesis apakah terdapat korelasi antara nilai penjualan dan
biaya iklan pada perusahaan tersebut dengan taraf signifikansi 0,05.
Penyelesaian:
Perhitungan koefisien korelasi adalah sebagai berikut.

Tabel 3. Perhitungan Koefisien Korelasi

No. 𝑌 𝑋 𝑋𝑌 𝑋2 𝑌2
1 70 18 1.260 324 4.900
2 87 25 2.175 625 7.569
3 91 30 2.730 900 8.281
4 85 31 2.635 961 7.225
5 75 22 1.650 484 5.625
6 77 24 1.848 576 5.929
7 60 16 960 256 3.600
8 95 33 3.135 1.089 9.025
9 65 17 1.105 289 4.225
10 83 23 1.909 529 6.889
Σ 788 239 19.407 6.033 63.268

Berdasarkan Tabel 3 diperoleh harga-harga berikut.

 10 10 10

∑ 𝑥𝑖𝑦𝑖 = 19.407 ∑ 𝑥𝑖 = 239 ∑ 𝑦𝑖 = 788

𝑖=1 𝑖=1 𝑖=1
10 10
2
∑ 𝑥 = 6.033 ∑ 𝑦 2 = 63.268
𝑖 𝑖
𝑖=1 𝑖=1

Maka,
(10)(19.407) − (239)(788)
𝑟=
√[(10)(6.033) − 2392][(10)(63.268) − 7882]
5.738 = 0,935
=
6.136,842
Nilai koefisien korelasi yang diperoleh adalah 0,935. Nilai tersebut
berarti korelasi antara penjualan dan iklan memiliki korelasi yang
sangat kuat. Koefisien korelasi bernilai positif berarti berbanding lurus
yang mana jika penjualan bertambah maka iklan juga bertambah
dan jika penjualan berkurang maka iklan juga berkurang.
Selanjutnya dilakukan pengujian hipotesis untuk mengetahui
apakah koefisien korelasi yang diperoleh signifikan atau tidak.
 Hipotesis
𝐻0: Tidak terdapat korelasi antara variabel nilai penjualan dan biaya
iklan.
𝐻1: Terdapat korelasi antara variabel nilai penjualan dan biaya iklan.
 Taraf signifikansi
𝛼 = 0,05
 Statistik uji
𝑟√𝑛 − 2
𝑡=
√1 − 𝑟2
 Daerah kritis
Dengan 𝑑𝑘 = 𝑛 − 2 = 10 − 2 = 8, maka diperoleh 𝑡0,025[8] = 2,306
sehingga 𝐻0 ditolak jika 𝑡ℎ𝑖𝑡𝑢𝑛𝑔 > 2,306.
 Perhitungan
𝑟√𝑛 − 2 (0,935)√8
𝑡= = = 7,457
√1 − 𝑟2 √1 − 0,9352
 Keputusan
Karena 7,457 > 2,306 maka diputuskan menolak 𝐻0.
 Kesimpulan
Terdapat korelasi antara variabel nilai penjualan dan biaya iklan.

C. PENGOLAHAN DATA MENGGUNAKAN SPSS

Pengolahan data dengan SPSS untuk analisis korelasi dilakukan
dengan langkah-langkah berikut.
Langkah1. Menginput variabel pada lembar kerja “Variabel View” dan
data pada “Data View”

Gambar 1. Lembar kerja variabel view untuk menginput variabel korelasi

Nama variabel dapat disesuaikan dan sebaiknya yang singkat saja.

 Gambar 2. Lembar kerja data view untuk menginput data korelasi

Catatan: Ada beberapa versi SPSS yang menggunakan koma dan ada
beberapa versi SPSS yang menggunakan titik untuk mendefinisikan
bilangan desimal. Perhatikan ketika melakukan penginputan data yang
berupa bilangan desimal.
Langkah 2. Memilih menu Analyze -> Descriptive -> Explore…
 Gambar 3. Menu yang dipilih untuk pengujian kenormalan data

Langkah 3. Kotak dialog akan muncul dan masukkan kedua variabel ke kolom
Dependent List. Kemudian pilih Plots…

Gambar 4. Menu yang dipilih untuk pengujian kenormalan data

Langkah 4. Mencentang Normality plots with tests kemudian meng-klik

Continue dan akhiri dengan meng-klik OK.
 Gambar 5. Kotak dialog untuk menampilkan hasil statistik uji kenormalan
data

Window output akan tampil dan berikut output yang akan digunakan
untuk pengujian hipotesis kenormalan data.

Gambar 6. Output pengujian hipotesis kenormalan data

Berdasarkan output pada Gambar 1.6, nilai Sig. merupakan nilai p-

value
dan untuk masing-masing bernilai 0,894 dan 0,519 yang jika dibandingkan
dengan 0,05, kedua nilai p-value lebih besar dari 0,05, maka memberikan
kesimpulan bahwa sampel kedua variabel tersebut diambil dari
populasi
berdistribusi normal. Langkah-langkah pengujian hipotesis kenormalan data
telah dijabarkan pada poin 1, pengolahan data dengan R.
Langkah 5. Memilih menu Analyze -> Correlate -> Bivariate…

Gambar 7. Menu yang dipilih untuk analisis korelasi

Langkah 6. Kotak dialog akan muncul. Masukkan variabel “jual” dan

“iklan” ke kolom Variables. Pastikan yang dipilih adalah korelasi
Pearson. Kemudian akhiri dengan meng-klik OK.
 Gambar 8. Kotak dialog analisis korelasi

Window output akan muncul dan output yang akan digunakan untuk
pengujian hipotesis korelasi antara nilai penjualan dan biaya iklan
perusahaan tersebut adalah sebagai berikut.

Gambar 9. Output analisis korelasi

Besar koefisien korelasi Pearson hasil pengolahan SPSS adalah 0,935.

Dan nilai Sig. (2-tailed) merupakan nilai p-value yang akan digunakan dalam
pengambilan keputusan pengujian hipotesis. Nilai p-value yang
diperoleh
adalah 0,000 yang lebih kecil dari 0,05 maka diputuskan untuk menolak
𝐻0 dan disimpulkan bahwa terdapat korelasi antara variabel nilai penjualan
dan biaya iklan penjualan dan iklan.

D. TUGAS 1
Seorang mahasiswa dari sebuah perguruan tinggi akan meneliti
hubungan antara nilai masuk ke perguruan tinggi dengan nilai IPK yang
didapat selama mengikuti perkulihaan, sampel yang diambil adalah 10
mahasiswa yangi ada di kelasnya. Berikut data yang diperoleh.

Tabel 4. Data Nilai Masuk dan IPK Mahasiswa

Nilai Masuk IPK
95 3,2
92 3,4
88 3,6
87 3,1
86 2,8
83 3
80 2,6
77 2,9
75 2,7
73 2,65

Hitunglah koefisien korelasi antara nilai masuk ke perguruan tinggi dan IPK
mahasiswa pada perguruan tinggi tersebut. Dan apakah terdapat korelasi
antara nilai masuk ke perguruan tinggi dan IPK mahasiswa dengan
taraf signifikansi 0,05.
E. DAFTAR PUSTAKA
Sudjana. (2005). Metode Statistika. Tarsito : Bandung.
Supranto, J. (2000). Statistika : Teori dan Aplikasi Jilid 1, Edisi ke 6. Erlangga:
Jakarta
Walpole, Ronald E. (2006). Pengantar Statistika, Edisi ke-3. PT. Gramedia
Pustaka Utama : Jakarta.
Walpole, Ronald E., Myers, Raymond H., Myers, Sharon L., dan Ye, Keying.
(2012). Probability & Statistics for Engineers & Scientists, Ninth Edition.
Prentice Hall: USA.