KOEFISIEN KORELASI LINEAR DAN UJI SIGNIFIKASI KOEFISIEN

KORELASI LINEAR

A. Mengenal Korelasi

Apa sebenarnya korelasi itu? Korelasi merupakan teknik analisis yang

termasuk dalam salah satu teknik pengukuran asosiasi / 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. 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.
Kuat lemah hubungan diukur menggunakan 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 hubungan antara dua variabel tersebut. Jika koefesien korelasi diketemukan
+1. maka hubungan tersebut disebut sebagai korelasi sempurna atau hubungan linear
sempurna dengan kemiringan (slope) positif. Sebaliknya. 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 mengenai signifikansi antar
variabel yang dikorelasikan, karena kedua variabel mempunyai hubungan linear yang
sempurna. Artinya variabel X mempunyai hubungan sangat kuat dengan variabel Y.
Jika korelasi sama dengan nol (0), maka tidak terdapat hubungan antara kedua
variabel tersebut.
 Sekaitan dengan adanya garis regresi, maka jika korelasinya pisitif, maka
garis regresinya akan condong ke kanan (mempunyai gradient yang positif) dan jika
korelasinya negatif, maka garis regresinya akan condong ke kiri (mempunyai gradient
negatif).perhatikan gambar berikut

1. Korelasi Positif 2. Korelasi Negatif

Y Y

X X

Dari gambar tampak bahwa korelasinya positif, maka semakin tinggi X pada
umumnya akan diikuti oleh semakin tinggi Y dan sebaliknya semakin rendah X pada
umumnya akan diikuti semakin rendah Y. Di sisi lain, korelasi negative menunjukan
semakin tinggi X pada umumnya diikuti oleh semakin rendah Ydan sebalik
nya,semakin rendah X pada umumnya diikuti oleh semakin tingginya Y.

Jika r = 1, maka setiap kenaikan X akan diikuti oleh kenaikan Y disetiap

penurunan X akan diikuti oleh penurunan Y. Jika r = -1, maka setiap kenaikan X
akan diikuti oleh penurunan Y dan setiap penurunan X akan diikuti oleh kenaikan Y.

Ada beberapa hal yang perlu dicatat dalam penafsiran nilai r. Ada yang
berpendapat bahwa kalau nilai r negatif , maka diartikan tidak ada hubungan
(korelasi). Pendapat itu salah. Jika r negatif, misalnya, r = -0,9, maka tetap saja
terdapat hubungan, namun negative. Nilai r sebesar -0.9. tersebut tetap saja
merupakan hubungan yang tinggi (kuat), namun mempunyai arah negative. Korelasi
negative, pada kasus kasus tertentu, tetap bermanfaat untuk menjelaskan kaitan antara
dua variabel.

Hal kedua yang perlu dicatat ialah bahwa ada atau tidaknya korelasi tidak
boleh ditafsirkan sebagai ada atau tidaknya pengaruh (efek). Jadi, adanya korelasi
tidak boleh diartikan adanya hubungan sebab akibat (hubungan kasual). Bahkan ada
orang yang menafsirkan adanya korelasi positif sebagai pengaruh positif dan adanya
korelasi negative sebagai adanya pengaruh negative. Hal demikian tentu saja tidak
benar. Misalnya, orang menafsirkan karena ada korelasi antara motivasi dan prestasi
belajar, maka dikatakan bahwa motivasi berpengaruh kepada prestasi belajar. Hal itu
tidak benar. Adanya korelasi antara motivasi dan prestasi belajar semata-mata hanya
menunjukan bahwa dari data yang ada diperoleh kesimpulan bahwa semakin tinggi
nilai motivasi akan semakin tinggi nialai prestasi belajar, dan sebaliknya semakin
rendah nilai motivasi akan semakin rendah nilai prestasi belajar. Yang dapat
dilakukan ialah bahwa dari kesimpulan itu, apabila ada siswa yang motivasinya
tinggi, maka diramalkan bahwa siswa tersebut akan berprestasi tinggi.

Kalau orang ingin menilai apakah motivasi berpengaruh kepada prestasi

belajar, maka desain penelitiannya tidak menggunakan desain korelasional, tetapi
menggunakan desain eksperimental. Desain eksperimental tersebut misalnya sebagai
berikut. Disediakan dua kelompok siswa yang setara. Kelompok I beri perlakuan
tertentu sehingga timbul motivasi tinggi dari mereka untuk belajar. Kelompok II beri
perlakuan tertentu sehingga mereka tidak mempunyai motivasi sama sekali untuk
belalajar. Setelah satu periode, berikan kepada mereka tes yang sama. Kalau ternyata
rataan mereka berbeda (diuji dengan uji beda rataan), maka dapat disimpulkan bahwa
motivasi berpengaruh terhadap prestasi belajar.

B. Kegunaan Korelasi

Pengukuran asosiasi berguna untuk mengukur kekuatan (strength) dan arah

hubungan hubungan antar dua variabel atau lebih. Contoh: mengukur hubungan
antara variabel: 1) Motivasi kerja dengan produktivitas; 2)Kualitas layanan dengan
kepuasan pelangga; 3)Tingkat inflasi dengan IHSG

Pengukuran ini hubungan antara dua variabel untuk masing-masing kasus

akan menghasilkan keputusan, diantaranya: a) Hubungan kedua variabel tidak ada; b)
Hubungan kedua variabel lemah; c) Hubungan kedua variabel cukup kuat; d)
Hubungan kedua variabel kuat; dan e) Hubungan kedua variabel sangat
kuat.Penentuan tersebut didasarkan pada kriteria yang menyebutkan jika hubungan
mendekati 1, maka hubungan semakin kuat; sebaliknya jika hubungan mendekati 0,
maka hubungan semakin lemah
 C. Asumsi – Asumsi Dalam Korelasi

Asumsi – asumsi dasar korelasi diantaranya ialah: Kedua variabel bersifat

independen satu dengan lainnya, artinya masing-masing variabel berdiri sendiri dan
tidak tergantung satu dengan lainnya. Tidak ada istilah variabel bebas dan variabel
tergantung. Data untuk kedua variabel berdistribusi normal. Data yang mempunyai
distribusi normal artinya data yang distribusinya simetris sempurna. Jika digunakan
bahasa umum disebut berbentuk kurva bel.

D. Pengertian Koefesien Korelasi

Koefesien korelasi ialah pengukuran statistik kovarian atau asosiasi antara dua
variabel. Besarnya koefesien korelasi berkisar antara +1 s/d -1. Koefesien korelasi
menunjukkan kekuatan (strength) hubungan linear dan arah hubungan dua variabel
acak. Jika koefesien korelasi positif, maka kedua variabel mempunyai hubungan
searah. Artinya jika nilai variabel X tinggi, maka nilai variabel Y akan tinggi pula.
Sebaliknya, jika koefesien korelasi negatif, maka kedua variabel mempunyai
hubungan terbalik. Artinya jika nilai variabel X tinggi, maka nilai variabel Y akan
menjadi rendah dan berlaku sebaliknya.

Menurut Sugiyono (2007) pedoman untuk memberikan interpretasi koefisien

korelasi sebagai berikut:
0 - 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

Koefisien korelasi linear antara X dan Y, disajikan dengan rxy, didefenisikan

sebagai berikut :

∑ xy
rxy =
√(∑ x 2)(∑ y 2)
Dengan x = X – X dan y = Y - Y

Biasanya formula itu sulit untuk digunakan apabila x́ dan/atau ý tidak bulat.
Dari formula itu, dapat diturunkan formula berikut yang lebih mudah dipakai.

n∑XY – (∑X)( ∑Y)

rxy =
√(n∑X2 – (∑X)2 (n∑Y2 – (∑Y)2)

Formula-formula itu disebut formula koefisien korelasi momen produk

(product moment) Karl Pearson.

Dapat dibuktikan bahwa kuadrat dari koefisien korelasi (r) merupakan

koefisien detirminasi (r2).

Sekaitan dengan JKT, JKR, dan JKG pada model regresi linear, dapat
dibuktikan bahwa:

(∑Y )2
JKT = ∑Y2 –
n

JKR = (r2)JKT

JKG = (I – r2)JKT

Contoh 14.8

Tabel 14.1

Nilai Matematika dan Fisika

Nama Matematik Fisika XY X2 Y2

siswa a (Y)
(X)
Yeni 60 80 4800 3600 6400
Andriani 45 69 3105 2025 4761
Wayan 50 71 3550 2500 5041
Eka 60 85 5100 3600 7225
Susanti 50 80 4000 2500 6400
Gita 65 82 5330 4225 6724
Gilang 60 89 5340 3600 7921
Gayatri 65 93 6045 4225 8649
Khairul 50 76 3800 2500 5776
 Rabiatul 65 86 5590 4225 7396
Anisah 45 71 3195 2025 5041
Bagus 50 69 3450 2500 4761
N=12 ∑X=665 ∑Y=951 ∑XY=53305 ∑X2=37525 ∑Y2=76095

Solusi :

Dengan memperhatikan table 14.2 maka:

n∑XY – (∑X)( ∑Y)

rxy =
√(n∑X2 – (∑X)2 (n∑Y2 – (∑Y)2)

(12)(53305) - (665)(951)

√( ((12)(37525) - 6652)(12)(76059) - 9512)

= 0.862

E. Signifikansi / Probabilitas / Alpha

Apa sebenarnya signifikansi itu? Dalam bahasa Inggris umum, kata,

"significant" mempunyai makna penting; sedang dalam pengertian statistik kata
tersebut mempunyai makna “benar” tidak didasarkan secara kebetulan. Hasil riset
dapat benar tapi tidak penting. Signifikansi / probabilitas / α memberikan gambaran
mengenai bagaimana hasil riset itu mempunyai kesempatan untuk benar. Jika kita
memilih signifikansi sebesar 0,01, maka artinya kita menentukan hasil riset nanti
mempunyai kesempatan untuk benar sebesar 99% dan untuk salah sebesar 1%. 99%
itu disebut tingkat kepentingan (confidence interval); sedang 1% disebut toleransi
kesalahan.

Secara umum kita menggunakan angka signifikansi sebesar 0,01; 0,05 dan
0,1. Pertimbangan penggunaan angka tersebut didasarkan pada tingkat kepercayaan
(confidence interval) yang diinginkan oleh peneliti. Angka signifikansi sebesar 0,01
mempunyai pengertian bahwa tingkat kepercayaan atau bahasa umumnya keinginan
kita untuk memperoleh kebenaran dalam riset kita adalah sebesar 99%. Jika angka
signifikansi sebesar 0,05, maka tingkat kepercayaan adalah sebesar 95%. Jika angka
signifikansi sebesar 0,1, maka tingkat kepercayaan adalah sebesar 90%.
 Pertimbangan lain ialah menyangkut jumlah data (sample) yang akan
digunakan dalam riset. Semakin kecil angka signifikansi, maka ukuran sample akan
semakin besar. Sebaliknya semakin besar angka signifikansi, maka ukuran sample
akan semakin kecil. Unutuk memperoleh angka signifikansi yang baik, biasanya
diperlukan ukuran sample yang besar. Untuk pengujian dalam IBM SPSS digunakan
kriteria sebagai berikut:

 Jika angka signifikansi hasil riset < 0,05, maka hubungan kedua variabel
signifikan.
 Jika angka signifikansi hasil riset > 0,05, maka hubungan kedua variabel
tidak signifikan

F. Uji Signifikasi Koefisien Korelasi Linear

Pada dasarnya, prosedur uji signifikasi korelasi tidak berbeda dengan uji
hipotesis, ada lambing untuk parameter dan ada lamabang untuk statistic. Koefesien
korelasi pada populasi disajikan dengan ρ (dibaca “rho”), sedangkan koefesien
korelasi pada sampel disajikan dengan r, atau rxy.

Untuk menguji signifikasi korelasi linear sederhana, dapat digunakan statistic

uji

rxy √n – 2
t=
√I – r2xy

Suatu variabel random berdistribusi t dengan derajat kebebasan n-2.

Alternative lain untuk menguji signifikansi korelasi linear adalah dengan

menggunakan statistic uji:

rxy √n – 2
F=
√I – r2xy

Suatu variabel random yang berdistribusi F dengan derajat kebebasan I dan n-2
 Tampak bahwa hubungan antara F dan t tersebut di atas ialah F= t2 oleh karena
itu, jika digunakan uji F pada uji ini, maka selalu merupakan uji satu ekor kanan.

Kaitannya dengan analisis variansi, kita dapat menggunakan pendekatan

analisi variansi pada uji signifikansi korelasi linear sederhana sebagai berikut:

(∑Y )2 dkT = n – 1 ;
JKT = ∑Y2 –
n
dkR = 1
JKR = (r2)JKT
dkG = n – 2;
JKG = (I – r2)JKT
JKR
JKR RKG =
RKR = n−2
I

RKR
Sebagai statistic ujinya adalah F = yang merupakan variabel random
RKG
distribusi F dengan derajat kebebasan I dan n-2; sehingga rangkuman analisis
variasinya tampak pada Tabel 14.8. Perhatikanlah bahwa uji signifikasi korelasi
linear ini menggunakan cara yang sama dengan uji keberartian pada regresi linear. Ini
berarti bahwa jika regresinya signifikan, koefesien relasinya juga signifikan.
Demikianlah pula sebaliknya, jika koefesien korelasinya signifikan, regresinya juga
signifikan.

Tabel 14.8
Rangkuman Analisis Variansi pada Korelasi Linear Sederhana
Sumber JK Dk RK FOBS Fα p
Regresi JKR 1 RKR RKR F * P<α
F=
(R) RKG atau p >
α
Galat JKG n- 2 RKG - - -
Total JKT n-1 - - - -

Contoh 14.9
Seseorang ingin meneliti apakah korelasi positif antara tinggi badan ayah dengan
tinggi anak laki-laki tertuanya yang telah berumur lebih dari 20 tahun. Sampel
random berukuran 12 diambil dan datanya (dalam satuan inchi) tampak pada tabel
berikut.
 Tabel 14.9
Tinggi Ayah dan Anak Laki-laki Tertua (dalam inchi)
Tinggi Ayah (X) 65 63 67 64 68 62 70 66 68 67 69 71
Tinggi Anak (Y) 68 66 68 65 69 66 68 65 71 67 68 70

Jika diambil tingkat signifikan 5%, bagaimana hasil penelitian tersebut, jika
diasumsikan bahwa semua persyaratan regresi linear dipenuhi?
Solusi :
1. H0 : p ≤ 0 ;
H1 : p > 0
2. α = 0. 05
3. statistik uji yang digunakan
t = r xy √ ¿ ¿ ¿
4. komputasi
setelah dihitung dari data pada Tabel 14.9, diperoleh :
∑ X = 800 ∑ Y = 811 ∑ XY = 54107
∑ X 2 = 53418∑ Y 2 = 54894
se h inggadiperole h :
rxy = n ∑ XY −¿ ¿ ¿ ¿

( 12 )( 54107 ) −( 800 ) (811)

=
√¿¿¿

= 0. 7027
( 0.7027 ) √ 10
t= =3.12
√1−0.7027❑2
5. daerah Kritik
t0.05;10 = 1.812;
DK = { t I t > 1.812 }; dan
t obs = 3.12 ∈ DK
6. Keputusan uji : Ho ditolak
7. Kesimpulan
Terdapat korelasi positif antara tinggi badan ayah dengan tinggi anak
tertuanya.
 Kalau contoh 14.9 diselesaikan dengan pendekatan analisis variansi, maka
dapat dilakukan sebagai berikut.
JKT = ∑ Y 2−¿ ¿ ¿
8112
= 54849 - =38.917
12

JKR = (r 2)JKT
= (1−0.70272)(38.917) = 19.217

JKG = (1−r 2)JKT

= (1−0.70272)(38.917) = 19.700

JKR
RKR = = 19.217
1

JKG 19.700
RKG = = =1.970
n−2 10

RKR 19.217
F obs = = = 9.75
RKG 1.970

DK = {F | F > 4.96}

Tabel 14.10
Rangkuman Analisis Variansi pada Kolerasi Linear Sederhana
Sumber JK dk RK F obs Fα ρ
Regresi (R) 19.217 1 19.217 9.75 4.96 < 0.05
Galat 19.700 10 1.970 - - -
Total 38.917 11 - - - -
Dapat dilihat bahwa dengan analisis variansi pun H 0 juga ditolak. Perhatikan
pula bahwa nilai F obs adalah kuadrat dari t obs.

G. Membuat Interpretasi Dalam Korelasi

 Ada tiga penafsiran hasil analisis korelasi, meliputi: pertama, melihat
kekuatan hubungan dua variabel; kedua, melihat signifikansi hubungan; dan ketiga,
melihat arah hubungan.

Untuk melakukan interpretasi kekuatan hubungan antara dua variabel

dilakukan dengan melihat angka koefesien korelasi hasil perhitungan dengan
menggunakan kriteria sbb: a) Jika angka koefesien korelasi menunjukkan 0, maka
kedua variabel tidak mempunyai hubungan; b) Jika angka koefesien korelasi
mendekati 1, maka kedua variabel mempunyai hubungan semakin kuat; c) Jika angka
koefesien korelasi mendekati 0, maka kedua variabel mempunyai hubungan semakin
lemah; d) Jika angka koefesien korelasi sama dengan 1, maka kedua variabel
mempunyai hubungan linier sempurna positif; e)Jika angka koefesien korelasi sama
dengan -1, maka kedua variabel mempunyai hubungan linier sempurna negatif.

Interpretasi berikutnya melihat signifikansi hubungan dua variabel dengan

didasarkan pada angka signifikansi yang dihasilkan dari penghitungan dengan
ketentuan sebagaimana sudah dibahas di atas. Interpretasi ini akan membuktikan
apakah hubungan kedua variabel tersebut signifikan atau tidak.

Interpretasi ketiga melihat arah korelasi. Dalam korelasi ada dua arah korelasi,
yaitu searah dan tidak searah. Pada IBM SPSS hal ini ditandai dengan pesan two
tailed. Arah korelasi dilihat dari angka koefesien korelasi. Jika koefesien korelasi
positif, maka hubungan kedua variabel searah. Searah artinya jika variabel X nilainya
tinggi, maka variabel Y juga tinggi. Jika koefesien korelasi negatif, maka hubungan
kedua variabel tidak searah. Tidak searah artinya jika variabel X nilainya tinggi,
maka variabel Y akan rendah.

Dalam kasus, misalnya hubungan antara kepuasan pelanggan dan loyalitas

sebesar 0,86 dengan angka signifikansi sebesar 0 akan mempunyai makna bahwa
hubungan antara variabel kepuasan pelanggan dan loyalitas sangat kuat, signifikan
dan searah. Sebaliknya dalam kasus hubungan antara variabel harga dengan minat
beli sebesar -0,86, dengan angka signifikansi sebesar 0; maka hubungan kedua
variabel sangat kuat, signifikan dan tidak searah.

H. Menguji Hipotesis Dalam Korelasi

 Pengujian hipotesis uintuk korelasi digunakan uji T. Rumusnya sebagai
berikut:

Pengambilan keputusan menggunakan angka pembanding t tabel dengan

kriteria sebagai berikut:

 Jika t hitung > t table H0 ditolak; H1 diterima

 Jika t hitung < t table H0 diterima; H1 ditolak

Kriteria ini hanya berlaku untuk nilai t hitung yang positif (+).

Contoh: Hubungan antara kepuasan kerja dengan loyalitas pegawai

Hipotesis berbunyi sbb:

H0: Tidak ada hubungan antara kepuasan kerja dengan loyalitas pegawai

H1: Ada hubungan antara kepuasan kerja dengan loyalitas pegawai

Sebagai contoh hasil t hitung sebesar 3,6 . T table dengan ketentuan α= 0,05
Degree of freedom: n-2, dan n = 30 diketemukan sebesar: 2,048. Didasarkan
ketentuan di atas, maka t hitung 3,6 > t table 2,048. Dengan demikian H0 ditolak dan
H1 diterima. Artinya ada hubungan antara kepuasan kerja dengan loyalitas pegawai

Cara pengujian berikutnya ialah menggunakan kurva. Penggunaan kurva

bermanfaat sekali jika nilai t hitung negatif (-). Jika nilai t hitung negatif (-) maka
pengujian dilakukan disisi kiri; sedang nilai t hitung positif (+),maka pengujian
dilakukan disisi kanan. Kurva pengujian akan seperti dibawah ini:
 Untuk melakukan pengujian hipotesis dilakukan disisi kiri kurva jika t hitung
diketemukan negative (-). Bilangan negatif t tidak bermakna minus (hitungan) tetapi
mempunyai makna bahwa pengujian hipotesis dilakukan di sisi kiri. Caranya ialah
sebagai contoh hasil t hitung sebesar -3,6 . T table dengan ketentuan α= 0,05 Degree
of freedom: n-2, dan n = 30 diketemukan sebesar: 2,048. Letakkan nilai-nilai tersebut
di kurva seperti di bawah ini:

Kurva di atas menunjukkan bahwa t hitung jatuh di area H0 ditolak; dengan

demikian H1 diterima. Oleh karena itu kesimpulannya ialah ada hubungan antara
kepuasan kerja dengan loyalitas pegawai.

Jika nilai t hitung positif (+),maka pengujian dilakukan disisi kanan. Kurva
pengujian akan seperti dibawah ini:

Sebagai contoh hasil t hitung sebesar 3,6 . T table dengan ketentuan α= 0,05
Degree of freedom: n-2, dan n = 30 diketemukan sebesar: 2,048. Letakkan nilai-nilai
tersebut di kurva seperti di bawah ini:
 Kurva di atas menunjukkan bahwa t hitung jatuh di area H0 ditolak; dengan
demikian H1 diterima. Oleh karena itu kesimpulannya ialah ada hubungan antara
kepuasan kerja dengan loyalitas pegawai.

Disamping menggunakan cara diatas, cara ketiga ialah menggunakan angka

signifikansi. Caranya sebagai berikut:

Hipotesis berbunyi sbb:

H0: Tidak ada hubungan signifikan antara kepuasan kerja dengan loyalitas pegawai

H1: Ada hubungan signifikan antara kepuasan kerja dengan loyalitas pegawai

Sebagai contoh angka signifikansi hasil perhitungan sebesar 0,03. Bandingkan

dengan angka signifikansi sebesar 0,05. Keputusan menggunakan kriteria sbb:

Jika angka signifikansi hasil riset < 0,05, maka H0 ditolak.

Jika angka signifikansi hasil riset > 0,05, maka H0 diterima

Didasarkan ketentuan diatas maka signifikansi hitung sebesar 0,03 < 0,05,
maka H0 ditolak dan H1 diterima. Artinya Ada hubungan signifikan antara kepuasan
kerja dengan loyalitas pegawai.

Dalam IBM SPSS pengujian dilakukan dengan menggunakan angka

signifikansi. Oleh karena itu dalam contoh analisis pada bab berikutnya akan hanya
menggunakan angka signifikansi.
 I. Kisaran Korelasi

Kisaran (range) korelasi mulai dari 0 sampai dengan 1. Korelasi dapat positif dan
dapat pula negatif.

Korelasi Sama Dengan Nol

Korelasi sama dengan 0 mempunyai arti tidak ada hubungan antara dua variabel. Jika
dilihat dari sebaran data, maka gambarnya akan seperti terlihat di bawah ini:

Gambar 4.1 Korelasi dimana r = 0

Korelasi Sama Dengan Satu

Korelasi sama dengan + 1 artinya kedua variabel mempunyai hubungan linier

sempurna (membentuk garis lurus) positif. Korelasi sempurna seperti ini mempunyai
makna jika nilai X naik, maka Y juga naik seperti pada gambar yang tertera di bawah
ini:

Gambar 4.2 Korelasi dimana r = + 1

Korelasi Sama Dengan Minus Satu

Korelasi sama dengan -1 artinya kedua variabel mempunyai hubungan linier

sempurna (membentuk garis lurus) negatif. Korelasi sempurna seperti ini mempunyai
makna jika nilai X naik, maka Y turun dan sebaliknya seperti pada gambar yang
tertera di bawah ini:

Gambar 4.3 Korelasi dimana r = - 1

J. Karakteristik Korelasi

Korelasi mempunyai karakteristik-karakteristik diantaranya:

1. Kisaran Korelasi: Kisaran (range) korelasi mulai dari 0 sampai dengan 1.

Korelasi dapat positif dan dapat pula negatif.
2. Korelasi Sama Dengan Nol: Korelasi sama dengan 0 mempunyai arti tidak
ada hubungan antara dua variabel.
3. Korelasi Sama Dengan Satu: Korelasi sama dengan + 1 artinya kedua variabel
mempunyai hubungan linier sempurna (membentuk garis lurus) positif.
Korelasi sempurna seperti ini mempunyai makna jika nilai X naik, maka Y
juga naik.
4. Korelasi sama dengan minus satu: artinya kedua variabel mempunyai
hubungan linier sempurna (membentuk garis lurus) negatif. Korelasi
sempurna seperti ini mempunyai makna jika nilai X naik, maka Y turun dan
berlaku sebaliknya.