ANALISIS KORELASI
S2 PENDIDIKAN IPA
PROGRAM PASCA SARJANA
UNIVERSITAS PENDIDIKAN GANESHA
TAHUN 2021
KATA PENGANTAR
Om Swastiastu,
Puji syukur kami panjatkan kehadirat Tuhan Yang Maha Esa, karena berkat karunia yang
telah diberikan, makalah yang berjudul “KORELASI” dapat terselesaikan tepat pada waktunya.
Penulis mengucapkan terima kasih kepada pihak-pihak yang telah mendukung, baik berupa
bimbingan, doa maupun materiil yang diberikan guna membantu penyelesaian makalah ini. Terima
kasih kepada rekan-rekan yang telah memberikan banyak dukungan kepada penulis. Tidak lupa
pula, ucapan terima kasih kepada orang tua yang telah memberikan doa dan restu serta dukungan
materiil kepada penulis. Terima kasih pula kepada para penulis yang tulisannya dikutip sebagai
bahan rujukan dalam makalah ini.
Penulis menyadari bahwa makalah ini masih jauh dari sempurna. Oleh karena itu, penulis
menerima dengan terbuka saran dan kritik konstruktif untuk menjadikan makalah ini lebih baik di
kemudian hari. Semoga makalah ini bermanfaat untuk pembaca.
Om Santih, Santih, Santih, Om
Penulis
ii
DAFTAR ISI
COVER ……………………………………………………………………………………… i
KATA PENGANTAR……………………………………………………………………….. ii
DAFTAR ISI……………………………………….………………………………………… iii
BAB I. PENDAHULUAN
1.1.Latar belakang……………………………………………………………………….. 1
1.2.Rumusan masalah……………………………………………………………………. 2
1.3.Tujuan………………………………………………………………………………… 2
1.4.Manfaat..……………………………………………………………………………… 2
BAB II. PEMBAHASAN
2.1.Pengertian korelasi.…………………………………………………………………... 3
2.2.Koefisien korelasi…………………………………………………………………….. 5
2.3.Statistik parametrik…………………………………………………………………… 6
2.3.1. Uji Korelasi Pearson (Product Moment)……………………………………... 7
2.3.2. Uji Korelasi Ganda…………………………………………………………… 8
2.3.3. Uji Korelas Parsial…………………………………………………………… 10
2.4.Statistik non parametrik……………………………………………………………… 11
2.4.1. Uji Korelasi Kontingansi…………………………………………………….. 11
2.4.2. Uji Korelasi Spearman Rank………………………………………………… 12
2.4.3. Uji Korelasi Kendal Tau…………………………………………………….. 13
2.5.Latihan Soal dan Pembahasan………………………………………………………. 14
BAB III. PENUTUP
3.1. Simpulan…………………………………………………………………………… 41
3.2. Saran……………………………………………………………………………….. 41
DFTAR PUSTAKA………………………………………………………………………… 42
iii
BAB I
PENDAHULUAN
1.1. Latar Belakang
Sepanjang sejarah umat manusia tidak ada manusia yang bisa hidup sendiri, pasti tergantung
atau berhubungan dengan yang lain. Baik itu berhubungan dengan sesama manusia, maupun
dengan alam sekitar. Konsep pemikiran tentang hubungan adalah untuk menjawab pertanyaan
tentang apakah kemunculan suatu gejala akan diikuti oleh gejala-gejala lainnya, atau lebih spesifik
apakah perubahan suatu variabel akan diikuti oleh perubahan variabel lainnya. Perubahan suatu
variabel diikuti oleh perubahan variabel lain menandakan adanya hubungan (korelasi) antar
variabel. Variabel-variabel yang akan dihubungkan terdiri atas berbagai tingkatan data. Tingkatan
data meliputi data nominal, ordinal, interval dan rasio. Tingkatan data tersebut menentukan analisis
korelasi mana yang tepat digunakan.
Hubungan antara dua variabel di dalam teknik korelasi bukanlah dalam arti hubungan sebab
akibat (timbal balik), melainkan hanya merupakan hubungan searah saja. Hubungan sebab akibat
misalnya, kemiskinan dengan kejahatan, kebersihan dengan kesehatan, kemiskinan dengan
kebodohan. Untuk lebih jelasnya, hubungan sebab akibat dapat disebabkan sebagai berikut: orang
yang bodoh dapat menyebabkan dirinya miskin, demikian seterusnya. Jadi tidak jelas mana yang
menjadi penyebab dan mana yang menjadi akibat. Keadaan ini berbeda dengan hubungan searah
b (linier) di dalam analisis korelasi, misalnya: (1) tinggi badan menyebabkan berat badannya
bertambah, tetapi berat badannya bertambah belum tentu menyebabkan tinggi badannya
bertambah pula: (2) meningkatkan pemakaian mobil pribadi menyebabkan macetnya lalu lintas,
tetapi macetnya lalu lintas belum tentu meningkatkan pemakaian mobil pribadi; demikian
seterusnya. Akibatnya, dalam korelasi dikenal sebab akibat atau yang dipengaruhi disebut variabel
terikat.
Korelasi adalah istilah statistik yang menytakan derajat hubungan linier antara dua variabel
atau lebih, yang ditemukan oleh Karl Pearson pada awal 1900. Korelasi adalah salah satu teknik
analisis statistic yang paling banyak digunakan oleh para peneliti. Karena peneliti umunya tertarik
terhadap peristiwa-peristiwa yang terjadi dan mencoba untuk menghubungkannya. Misalnya ingin
menentukan tinggi badan dengan berat badan, antara umur dengan tekanan darahnya, antara
motivasi dengan prestasi belajar atau bekerja, dan seterusnya.
1
1.2. Rumusan Masalah
Berdasarkan latar belakang masalah diatas, maka dapat dirumuskan rumusan yang akan dibahas
dalam makalah ini
1.2.1. Apakah yang dimaksud dengan Korelasi?
1.2.2. Apakah yang dimaksud dengan Koefisien Korelasi?
1.2.3. Apakah yang dimaksud dengan Statistik Parametrik?
1.2.4. Apakah yang dimaksud dengan Statistik Non Parametrik?
1.3. Tujuan Penulisan
1.3.1. Untuk dapat memahami tentang korelasi.
1.3.2. Untuk dapat memahami mengenai Koefisien Korelasi.
1.3.3. Untuk dapat memahami mengenai Statistik Parametrik
1.3.4. Untuk dapat memahami mengenai Statistik Non Parametrik.
1.4. Manfaat Penulisan
Melalui pembuatan makalah ini diharapkan penulis maupun pembaca dapat melakukan atau
mengambil keputusan yang tepat dengan didasari oleh pengetahuan mengenai hubungan antara
dua variable atau lebih dengan tepat.
2
BAB II
PEMBAHASAN
2.1.Pengertian Korelasi
Sepanjang sejarah umat manusia, orang melakukan penelitian mengenai ada dan tidaknya
hubungan antara dua hal, fenomena, kejadian, atau lainnya. Usaha-usaha untuk mengukur
hubungan ini dikenal sebagai mengukur asosiasi antara dua fenomena atau kejadian yang
menimbulkan rasa ingin tahu para peneliti. Salah satu teknik pengukuran asosiasi/hubungan
(measurement of association) adalah analisis korelasi. Pengukuran asosiasi merupakan istilah
umum yang mengacu pada sekeompok teknik dalam statistic bivariat yang digunakan untuk
mengukur kekuatan hubungan antara dua variable. Diantara sekian banyak teknik-teknik
pengukuran asosiasi, terdapat dua teknik korelasi yang popular, yaitu Korelasi Pearson Product
Moment dan Korelasi Rank Spearmen. Selain kedua teknik tersebut, terdapat pula teknik-teknik
korelasi lainnya, seperti Kendal, Chi-Square, Phi Coefficient, Goodman-Kruskal, Somer, dan
Wilson.
Pengukuran asosiasi mengenakan nilai numerik untuk mengetahui tingkatan asosiasi atau
kekuatan hubunagn antara variable. Untuk mencari hubungan antara dua variable atau lebih
dilakukan dengan menghitung korelasi antar variable yang akan dicari hubungannya. Korelasi
merupakan angka yang menunjukkan arah dan kuatnya hubungan antar dua variable atau lebih.
Arah dinyatakan dalam bentuk hubungan positif atau negative, sedangkan kuatnya hubungan
dinyatakan dalam besarnya koefisien korelasi.
Hubungan dua variable atau lebih dikatakan hubungan positif, jika nilai suatu variable
ditingkatkan, maka akan meningkatkan variable yang lain. Sebagai contoh, semakin tekun siswa
belajar IPA, maka tingkat pemahamannya terhadap materi IPA semakin tinggi. Begitu sebaliknya,
semakin malas siswa belajar IPA, maka semakin rendah tingkat pemahamannya. Hubungan dua
variable atau lebih dikatakan hubungan negative, bila nilai satu variable dinaikkan, maka akan
menurunkan nilai variable yang lain. Sebagai contoh, semakin banyak siswa yang rajin belajar
IPA, maka semakin sedikit yang mengikuti remidial. Begitu sebaliknya, semakin sedikit jumlah
siswa yang rajin belajar, maka semakin banyak siswa dalam kelas yang mengikuti remidial..
Korelasi positif dan negative ditunjukkan pada gambar 2.1a dan gambar 2.1b.
3
Gambar 2.1a Gambar 2.1b
(Sumber: Sugiono, 2011)
Korelasi bermanfaat untuk mengukur kekuatan hubungan antara dua variable (kadang lebih dari
dua variable) dengan skala-skala tertentu, misalnya Pearson, data harus berskala interval atau
rasio; Spearman dan Kendal menggunakan skala ordinal; Chi Square menggunakan data nominal.
Kuatnya hubungan antar variable dinyatakan dalam koefisien. Koefisien korelasi positif terbesar
sama dengan 1 dan koefisien korelasi negative terbesar sama dengan -1, sedangkan yang terkecil
adalah nol (0). Bila hubungan antara dua variable atau lebih itu mempunyai koefisien korelasi
sama dengan 1 atau -1, maka hubungan tersebut sempurna. Dalam arti kejadian-kejadian pada
variable yang satu akan dapat dijelaskan atau diprediksikan oleh variable yang lain tanpa terjadi
kesalahan (error). Semakin kecil koefisien korelasi, maka akan semakin besar error untuk
membuat prediksi. Sebagai contoh, bila hubungan antara kehadiran mahasiswa dengan nilai suatu
mata kuliah memiliki koefisien korelasi sebesar 1, maka dapat diramalkan setiap mahasiswa yang
rajin mengikuti kuliah, dipastikan akan lulus pada mata kuliah tersebut, Namun jika koefisien
korelasi kurang dari 1, setiap mahasiswa yang rajin mengikuti kuliah, belum tentu lulus pada mata
kuliah tersebut, apalagi jika koefisien korelasinya mendekati nol.
Besarnya koefisien korelasi dapat diketahui berdasarkan penyebaran titik-titik pertemuan antara
dua variable misalnya X dan Y. Bilai titik-titik itu terdapat dalam satu garis, maka koefisien
korelasinya sama dengan 1 atau -1. Bila titik-titik itu membentuk lingkaran, maka koefisien
korelasinya sama dengan 0. Hubungan X dan Y untuk berbagai koefisien bila digambarkan dalam
diagram pencar (scatter plot) dapat dilihat pada gambar 2.a, 2.b, dan 2.c.
4
Gambar 2.2a Gambar 2.2b Gambar 2.2c
r=0 r=0,5 r=1
Gambar 2.2 Besarnya koefisien korelasi dalam diagram pencar
(Sumber: Sugiono, 2011)
2.2.Koefisien Korelasi
Korelasi merupakan istilah yang digunakan untuk mengukur kekuatan hubungan antarvariabel.
Analsisis korelasi adalah cara untuk mengetahui ada atau tidak adanya hubungan antarvariabel.
Kekuatan hubungan antar variable dapat dilihat dari hasil nilai koefisien korelasi. Koefisien
korelasi (KK) merupakan indeks atua bilangan yang digunakan untuk mengukur keeratan (kuat,
lemah, atau tidak ada) hubungan antarvariabel.
Koefisien korealsi ialah pengukuran statistic kovarian atau asosiasi antara dua variable. Besarnya
koefisien korelasi berkisar antara +1 s/d -1. Koefisien korelasi menunjukkan kekuatan (strength)
hubungan linear dan arah hubungan dua variable acak. Jika koefisien korelasi positif, maka kedua
variable mempunyai hubungan searah. Artinya, jika nilai variable X tinggi, maka nilai variable Y
akan tinggi pula. Sebaliknya, jika koefisien korelasi negative, maka kedua variable mempunyai
hubungan terbalik. Artinya, jika nilai variable X tinggi, maka nilai variable Y akan menjadi rendah,
begitupun sebaliknya. Batas-baas koefisien korelasi menurut Umar (2002) nilai koefisien berkisar
antara -1 sampai +1, yang kriteria pemanfaatannya dijelaskan sebagai berikut:
1) Jika nilai r>0, artinya telah terjadi hubungan linear positif, yaitu makin besar nilai variable
X, makin besar pula nilai variable Y, begitupun sebaliknya.
2) Jika nilai r<0, artinya telah terjadi hubungan linear negative, yaitu makin besar nilai
variable X, makin kecil nilai variabel Y, begitupun sebaliknya.
3) Jika nilai r=0, artinya tidak ada hubungan sama sekali antara variable X dan variable Y.
5
4) Jika nilai r=1 atau r=-1, maka dapat dikatakan telah terjadi hubungan linear sempurna,
berupa garis lurus, sedangkan untuk r yang makin mengarah ke angka 0 (nol) maka garis
makin tidak lurus.
Untuk dapat memberikan penafsiran terhadap koefisien korelasi yang ditemukan tersebut besar
atau kecil, maka dapat berpedoman pada ketentuan sebagai berikut (Sarwono, 2006):
1. KK = 0, tidak ada korelasi
2. 0<KK≤0,20, korelasi sangat rendah atau lemah sekali
3. 0,21<KK≤0,40, korelasi rendah atau lemah tapi pasti
4. 0,41<KK≤0,6, korelasi yang cukup berarti
5. 0,61<KK≤0,80, korelasi yang tinggi, kuat
6. 0,81<KK<1,00, korelasi sangat tinggi, kuat sekali, dapat diandalkan
7. KK = 1, korelasi sempurna
Terdapat bermacam-macam teknik statistic korelasi yang dapat digunakan untuk menguji hipotesis
asosiasi. Koefisien mana yang akan dipakai tergantung pada jenis data yang dianalisis. Berikut ini
dikemukakan berbagai teknik statistic korelasi yang diguanakn untuk menguji hipotesis asosiasi
(Sugiyono, 2011).
Tabel 2.1. Pedoman untuk memilih teknik korelasi dalam pengujian hipotesis
Macam / Tingkatan Data Teknik Korelasi yang Digunakan
Nominal 1. Koefisien kontingensi
1. Spearmen rank
Ordinal
2. Kendal Tau
1. Pearson product moment
Interval dan Ratio 2. Korelasi ganda
3. Korelasi parsial
2.3.Statistik Parametris
Seperti ditunjukkan pada table 2.1 bahwa statistic korelasi yang digunakan untuk menguji
hipotesis asosiai (hubungan antar variable), yaitu pearson product moment, korelasi ganda, dan
korelasi parsial.
6
2.3.1. Uji Korelasi Pearson (Product Moment)
Korelasi Pearson menghasilkan koefisien korelasi yang berfungsi untuk mengukur
kekuatan hubungan linear antara dua variable. Jika hubungan dua variable tidak linear, maka
koefisien korelasi Pearson tersebut tidak mencerminkan kekuatan hubungan dua variable yang
sedang diteliti, meski kedua variable mempunyai hubungan kuat. Data yang berskala interval
atau rasio dapat menggunakan korelasi Pearson. Selain itu signifikansinya tidak hanya harus
memenuhi persyaratan pengukuran tersebut, teteapi harus pula menganggap data berdistribusi
normal. Koefisien korelasi untuk populasi diberi symbol (𝜌) dan untuk sampel diberi symbol r,
sedang untuk korelasi ganda diberi symbol R. Ada beberapa tahapan dalam menggunakan
korelasi Pearson Product Moment (r):
1. Menentukan hipotesis pengujian
H0: r=0 (tidak terdapat korelasi atau hubungan yang signifikan antara sikap social dengan
prestasi belajar siswa)
H1: r≠0 (terdapat korelasi atau hubungan yang signifikan antara sikap social dengan
prestasi belajar siswa)
2. Menentukan tingkat signifikan (𝛼)
Tingkat signifikan (𝛼) dalam menguji korelasi ini sebesar 5% atau 0,05.
3. Uji statistic
Uji statistic yang digunakan adalah korelasi Pearson (r), selanjutnya menghitung nilai r.
Rumus untuk menghitung koefisien korelasi ditunjukkan pada rumus 2.1 dan 2.2.
Persamaan 2.2 digunakan bila sekaligus akan menghitung persamaan regresi.
∑ 𝑥𝑦
𝑟𝑥𝑦 = 2.1
√∑ 𝑥 2 𝑦 2
Dimana:
𝑟𝑥𝑦 : korelasi antara variable x dan y
𝑥: (𝑥𝑖 − 𝑥̅ )
𝑦: (𝑦𝑖 − 𝑦̅)
𝑛 ∑ 𝑥𝑖 𝑦𝑖 − (∑ 𝑥𝑖 )(∑ 𝑦𝑖 )
𝑟𝑥𝑦 = 2.2
√(𝑛 ∑ 𝑥𝑖2 − (𝑥𝑖 )2 )(𝑛 ∑ 𝑦𝑖2 − (𝑦𝑖 )2 )
7
Untuk uji signifikansi, dapat dilakukan dengan membandingkan nilai koefisien korelasi
pearson (r) dengan r table. Juga dapat dilakukan dengan uji t dengan rumus berikut.
𝑟𝑥𝑦 √𝑛 − 2 2.3
𝑡=
√1 − 𝑟2
Harga t hitung tersebut selanjutnya dibandingkan dengan harga t table, dengan dk = n-2.
X1 = Kemampuan awal
X2 = Minat belajar
Y = Hasil belajar siswa
R = Korelasi ganda
Gambar 2.3a. Korelasi ganda dua variabel independen dan satu dependen
X1 = Kemampuan awal
X2 = Minat belajar
X3 = Keaktivan
Y = Hasil belajar siswa
Gambar 2.3b. Korelasi ganda tiga variable independendan satu dependen
8
Dari contoh di atas terlihat bahwa korelasi ganda R, bukan merupakan penjumlahan dari
korelasi sederhana yang ada pada setiap variable (r 1 + r2 + r3). Jadi, R ≠ (r1 + r2 + r3). Korelasi
ganda merupakan hubungan secara bersama antara X1, X2, dan X3 dengan Y. Pada gambar 2.3
korelasi ganda merupakan hubungan secara Bersama-sama antara variable kinerja dan gaji guru
dengan hasil belajar siswa.
Pada bagian ini dikemukakan korelasi ganda (R) untuk dua variable independent dan satu
dependen. Untuk variable independent lebih dari dua, dapat dilihat pada materi analisis regresi
ganda. Pada bagian itu persamaan-persamaan yang ada pada regresi ganda dapat dimanfaatkan
untuk menghitung korelasi ganda lebih dari dua variable secara Bersama-sama. Rumus korelasi
ganda dua variable ditunjukkan pada rumus 2.4 berikut.
Dimana:
𝑅𝑦.𝑥1 𝑥2 = Korelasi antara variable X1 dengan X2 secara Bersama-sama dengan variable Y
𝑟𝑦𝑥1 = Korelasi product moment antara X1 dengan Y
𝑟𝑦𝑥2 = Korelasi product moment antara X2 dengan Y
𝑟𝑥1 𝑥2 = Korelasi product moment antara X1 dengan X2
Jadi, untuk dapat menghitung korelasi ganda, maka harus dihitung terlebih dahulu korelasi
sederhananya melalui korelasi product moment dari pearson.
Pengujian signifikansi (generalisasi populasi) terhadap koefisien korelasi ganda dapat
menggunakan rumus berikut, yaitu dengan uji F.
𝑅2 /𝑘 2.5
𝐹ℎ =
(1 − 𝑅2 )/(𝑛 − 𝑘 − 1)
Dimana:
R = Koefisien korelasi ganda
k = jumlah variable independent
n = jumlah anggota sampel
Harga 𝐹ℎ selanjutnya dibandingkan dengan harga F table dengan dk pembilan = k dan dk
penyebut =(n-k-1). Jika 𝐹ℎ > 𝐹𝑡 , maka H0 ditolak dan Ha diterima. Namun jika 𝐹ℎ ≤ 𝐹𝑡 , maka
H0 diterima dan Ha ditolak.
9
2.3.3. Uji Korelasi Parsial
Korelasi parsial digunakan untuk menganalisis bila peneliti bermaksud mengetahui
pengaruh atau mengetahui hubungan antara variabel independen dan dependen, dimana salah
satu variabel independennya dibuat tetap atau dikendalikan. Jadi korelasi parsial merupakan
angka yang menunjukkan arah dan kuatnya hubungan antara dua variabel atau lebih, setelah
satu variabel yang diduga dapat mempengaruhi hubungan variabel tersebut tetap atau
dikendalikan (Sugiyono, 2011).
Rumus untuk korelasi parsial ditunjukkan pada rumus 2.6 dan 2.7. Rumus 2.6 digunakan
untuk menentukan korelasi antara X2 dan Y bila X1 tetap. Rumus 2.5 digunakan untuk
menentukan korelasi X1 dan Y bila X2 tetap.
𝑟𝑦𝑥2 − 𝑟𝑦𝑥1 ∙ 𝑟𝑥1 𝑥2
𝑅𝑦𝑥2 ∙𝑥1 = 2.6
√(1 − 𝑟𝑥1 𝑦 2 )(1 − 𝑟𝑥2 𝑦 2 )
𝑟𝑦𝑥1 − 𝑟𝑦𝑥1 ∙ 𝑟𝑥1 𝑥2
𝑅𝑦𝑥1 ∙𝑥2 = 2.7
√(1 − 𝑟𝑥2 𝑦 2 )(1 − 𝑟𝑥2 𝑥1 2 )
Dimana:
𝑟𝑦𝑥1 = koefisien korelasi parsial antara Y dan X1
𝑟𝑦𝑥2 = koefisien korelasi parsial antara Y dan X2
𝑟𝑥1 𝑥2 = koefisien korelasi parsial antara X1 dan X2
Untuk memudahkan membuat rumus baru, bila variable kontrolnya diubah-ubah, maka dapat
dipandu dengan gambar 2.4a dan 2.4b berikut.
10
Gambar 2.4b. Korelasi antara X2 dengan Y bila X1 tetap
Uji koefisien korelasi parsial dihitung dapat dihitung dengan rumus 2.8 berikut.
𝑟𝑝 √𝑛 − 3
𝑡= 2.8
√1 − 𝑟𝑝2
Nilai t table dicari dengan dk = n – 1.
Untuk memudahkan perhitungan, data-data hasil penelitian perlu disusun ke dalam table
seperti berikut.
11
Tabel 2.2 Tabel penolong untuk menghitung koefisien C
Var. A Jumlah
Var. B
A1 A2 … (AkBk)
B1 A1B1 A2B1 … (AkBk)
B2 A1B2 A2B2 … …
- - - … …
- - - … …
Br A1Br A2Br … (AkBk)
Jumlah
12
d. Nilai ρ (koefesien korelasi Spearman) dihitung dengan rumus 2.9 berikut:
6 ∑ 𝑏𝐼2
𝜌 = 1− 2.9
𝑛(𝑛2 − 1)
Dimana:
𝜌 = koefisien korelasi spearman
𝑏𝑖 = perbedaan setiap pasang rank
𝑛 = jumlah pasangan rank
Hitopesis Ho yang akan diuji menyatakan bahwa dua variable yang diteliti dengan nilai
jenjang itu independen artinya tidak ada hubungan antara variable yang satu dengan yang
lainnya.
Kriteria pengambilan keputusan adalah
H0 diterima apabila 𝜌 hitung ≤ 𝜌 table
H0 ditolak apabila 𝜌 hitung > 𝜌 table
Nilai 𝜌 table dapat dilihat pada table spearman. Untuk nilai n ≥ 30 maka pengujian
signifikansinya dapat menggunakan rumus 2.10 berikut:
𝑛−2 2.10
𝑡 = 𝜌√
1 − 𝜌2
13
∑𝐴 − ∑𝐵
𝜏= 2.11
𝑁(𝑁 − 1)
2
Dimana:
𝜏 = koefisien korelasi Kendal tau yang besarnya (-1< 𝜏 < 1)
𝐴 = jumlah ranking atas
𝐵 = jumlah ranking bawah
𝑁 = jumlah anggota sampel
Hipotesis yang diuji:
H0 : 𝜏 = 0 (tidak ada hubungan)
H1 : = 𝜏 ≠ 0 (ada hubungan)
Uji signifikansi koefisien korelasi menggunakan rumus z, karena distribusinya mendekati
distribusi normal. Rumusnya sebagai berikut.
𝜏
𝑧=
2(2𝑁 + 5) 2.12
√
9𝑁 (𝑁 − 1)
Harga z hitung selanjutnya dibandingkan dengan harga z table, dengan 𝑧 = 𝑧1 − 𝛼.
Tabel data persentase kehadiran siswa dan hasil belajar siswa kelas IX SMP N 4 Sawan
Sikap Hasil
Nama Ilmiah Belajar (X - (Y- 𝑋2 𝑌2 𝑋𝑌
Siswa (X) (Y) Xbar) Ybar)
A 75 90 8.533333 14.4 72.81778 207.36 122.88
B 70 85 3.533333 9.4 12.48444 88.36 33.21333
C 70 82 3.533333 6.4 12.48444 40.96 22.61333
D 70 79 3.533333 3.4 12.48444 11.56 12.01333
E 73 84 6.533333 8.4 42.68444 70.56 54.88
F 65 70 -1.46667 -5.6 2.151111 31.36 8.213333
G 58 68 -8.46667 -7.6 71.68444 57.76 64.34667
14
H 55 65 -11.4667 -10.6 131.4844 112.36 121.5467
I 75 80 8.533333 4.4 72.81778 19.36 37.54667
J 76 85 9.533333 9.4 90.88444 88.36 89.61333
K 68 79 1.533333 3.4 2.351111 11.56 5.213333
L 55 68 -11.4667 -7.6 131.4844 57.76 87.14667
M 54 58 -12.4667 -17.6 155.4178 309.76 219.4133
N 63 66 -3.46667 -9.6 12.01778 92.16 33.28
O 70 75 3.533333 -0.6 12.48444 0.36 -2.12
rata-rata 66.4667 75.6
8.53E-
JUMLAH -2.8E-14 14 835.7333 1199.6 909.8
Pertanyaan: Apakah terdapat hubungan antara sikap ilmiah siswa dengan hasil belajar IPA siswa
kelas IX di SMP N 4 Sawan?
Jawab
1. Menentukan hipotesis
H0 : Tidak ada hubungan antara sikap ilmiah dengan hasil belajar siswa
Ha: Ada hubungan antara sikap ilmiah dengan hasil belajar siswa
2. Menentukan taraf signifikansi
𝛼 = 5% = 0,05
r table = 0,514
t table = 2,160
3. Uji statistic
Menghitung koefisien korelasi pearson menggunakan rumus berikut.
r = 0,908644
Untuk uji signifikansi koefisien korelasi pearson, dapat dengan cara membandingkan r hitung
dengan r tabel. Atau dengan melakukan uji t dengan rumus berikut.
t= 7.8457
4. Kriteria uji
15
H0 ditolak jika, r hitung > r tabel atau t hitung > t table
H0 diterima jika, r hitung < r tabel atau t hitung < t tabel
5. Kesimpulan
r hitung (0,998785) > r tabel (0.514)
t hitung (73.07179) > t tabel (2.160)
Jadi, kesimpulannya H0 ditolak atau Ha diterima. Artinya, ada hubungan positif dan signifikan
antara sikap ilmiah siswa dengan hasil belajar IPA
Metode SPSS
Pada sig. (2-tailed) menunjukkan nilai 0,000, nilai ini lebih kecil dari 0,05. Sehingga dapat
dikatakan bahwa terdapat hubungan antara sikap ilmiah dan hasil belajar. Koefisien korelasi
pearson bernilai positif 0,909, artinya sikap ilmiah berhubungan positif dan sangat kuat
dengan hasil belajar.
16
Kasus 2. Korelasi Ganda
Seorang mahasiswa ingin melakukan penelitian Hubungan antara Kemampuan Awal dan Minat
Belajar Siswa terhadap Prestasi Belajar IPA Siswa Kelas VIII SMP N 4 Sawan
Tabel 2. Data Kemampuan Awal, Minat Belajar dan Prestasi Belajar IPA Siswa Kelas VIII SMP
N 4 Sawan.
17
24 92 82 93
25 95 85 95
26 75 74 78
27 83 78 84
28 85 85 90
29 88 84 90
30 85 76 85
Jawab:
Tabel Penolong untuk menentukan koefisien korelasi product moment Kemampuan awal
dan minat belajar siswa
Kemampuan Minat
NO Awal Belajar (𝑋1 − ̅̅̅
𝑋1 ) (𝑋2 − ̅̅̅
𝑋2 ) 𝑥1 2 𝑥2 2 𝑥1 𝑥2
(X1) (X2) 𝑥1 𝑥2
1 70 72 -13.167 -7.133 173.361 50.884 93.922
2 93 85 9.833 5.867 96.694 34.418 57.689
3 90 84 6.833 4.867 46.694 23.684 33.256
4 80 79 -3.167 -0.133 10.028 0.018 0.422
5 82 76 -1.167 -3.133 1.361 9.818 3.656
6 97 87 13.833 7.867 191.361 61.884 108.822
7 85 82 1.833 2.867 3.361 8.218 5.256
8 85 77 1.833 -2.133 3.361 4.551 -3.911
9 71 72 -12.167 -7.133 148.028 50.884 86.789
10 81 77 -2.167 -2.133 4.694 4.551 4.622
11 83 80 -0.167 0.867 0.028 0.751 -0.144
12 87 85 3.833 5.867 14.694 34.418 22.489
13 93 82 9.833 2.867 96.694 8.218 28.189
14 74 67 -9.167 -12.133 84.028 147.218 111.222
15 75 74 -8.167 -5.133 66.694 26.351 41.922
16 75 74 -8.167 -5.133 66.694 26.351 41.922
17 70 75 -13.167 -4.133 173.361 17.084 54.422
18 85 80 1.833 0.867 3.361 0.751 1.589
19 80 80 -3.167 0.867 10.028 0.751 -2.744
20 83 78 -0.167 -1.133 0.028 1.284 0.189
21 80 78 -3.167 -1.133 10.028 1.284 3.589
18
22 85 82 1.833 2.867 3.361 8.218 5.256
23 88 84 4.833 4.867 23.361 23.684 23.522
24 92 82 8.833 2.867 78.028 8.218 25.322
25 95 85 11.833 5.867 140.028 34.418 69.422
26 75 74 -8.167 -5.133 66.694 26.351 41.922
27 83 78 -0.167 -1.133 0.028 1.284 0.189
28 85 85 1.833 5.867 3.361 34.418 10.756
29 88 84 4.833 4.867 23.361 23.684 23.522
30 85 76 1.833 -3.133 3.361 9.818 -5.744
Jumlah 2495 2374 0.000 0.000 1546.167 683.467 887.333
Rata-
rata 83.166667 79.13333
Kemampuan Prestasi
NO Awal Belajar (𝑋1 − ̅̅̅
𝑋1 ) (𝑌 − 𝑌̅) 𝑥1 2 𝑦2 𝑥1 𝑥2
(X1) (Y) x y
1 70 78 -13.1667 -7.5 173.3611 56.25 98.75
2 93 93 9.833333 7.5 96.69444 56.25 73.75
3 90 90 6.833333 4.5 46.69444 20.25 30.75
4 80 85 -3.16667 -0.5 10.02778 0.25 1.583333
5 82 84 -1.16667 -1.5 1.361111 2.25 1.75
6 97 95 13.83333 9.5 191.3611 90.25 131.4167
7 85 91 1.833333 5.5 3.361111 30.25 10.08333
8 85 85 1.833333 -0.5 3.361111 0.25 -0.91667
-
9 71 73
-12.1667 12.5 148.0278 156.25 152.0833
10 81 85 -2.16667 -0.5 4.694444 0.25 1.083333
11 83 85 -0.16667 -0.5 0.027778 0.25 0.083333
12 87 90 3.833333 4.5 14.69444 20.25 17.25
13 93 90 9.833333 4.5 96.69444 20.25 44.25
-
14 74 73
-9.16667 12.5 84.02778 156.25 114.5833
15 75 78 -8.16667 -7.5 66.69444 56.25 61.25
16 75 78 -8.16667 -7.5 66.69444 56.25 61.25
17 70 78 -13.1667 -7.5 173.3611 56.25 98.75
18 85 85 1.833333 -0.5 3.361111 0.25 -0.91667
19 80 87 -3.16667 1.5 10.02778 2.25 -4.75
19
20 83 84 -0.16667 -1.5 0.027778 2.25 0.25
21 80 83 -3.16667 -2.5 10.02778 6.25 7.916667
22 85 88 1.833333 2.5 3.361111 6.25 4.583333
23 88 92 4.833333 6.5 23.36111 42.25 31.41667
24 92 93 8.833333 7.5 78.02778 56.25 66.25
25 95 95 11.83333 9.5 140.0278 90.25 112.4167
26 75 78 -8.16667 -7.5 66.69444 56.25 61.25
27 83 84 -0.16667 -1.5 0.027778 2.25 0.25
28 85 90 1.833333 4.5 3.361111 20.25 8.25
29 88 90 4.833333 4.5 23.36111 20.25 21.75
30 85 85 1.833333 -0.5 3.361111 0.25 -0.91667
jumlah 2495 2565 -1.4E-13 0 1546.167 1083.5 1205.5
rata-
rata 83.16667 85.5
Tabel Penolong untuk menentukan koefisien korelasi minat belajar dan prestasi
belajar siswa
Kemampuan Prestasi ̅
𝑋 2 ) (𝑌 − 𝑌)
(𝑋2 − ̅̅̅̅ 𝑥1 2
NO Awal Belajar 𝑦2 𝑥1 𝑥2
(X2) (Y) x y
1 72 78 -7.13333 -7.5 50.88444 56.25 53.5
2 85 93 5.866667 7.5 34.41778 56.25 44
3 84 90 4.866667 4.5 23.68444 20.25 21.9
4 79 85 -0.13333 -0.5 0.017778 0.25 0.066667
5 76 84 -3.13333 -1.5 9.817778 2.25 4.7
6 87 95 7.866667 9.5 61.88444 90.25 74.73333
7 82 91 2.866667 5.5 8.217778 30.25 15.76667
8 77 85 -2.13333 -0.5 4.551111 0.25 1.066667
-
9 72 73
-7.13333 12.5 50.88444 156.25 89.16667
10 77 85 -2.13333 -0.5 4.551111 0.25 1.066667
11 80 85 0.866667 -0.5 0.751111 0.25 -0.43333
12 85 90 5.866667 4.5 34.41778 20.25 26.4
13 82 90 2.866667 4.5 8.217778 20.25 12.9
-
14 67 73
-12.1333 12.5 147.2178 156.25 151.6667
15 74 78 -5.13333 -7.5 26.35111 56.25 38.5
16 74 78 -5.13333 -7.5 26.35111 56.25 38.5
17 75 78 -4.13333 -7.5 17.08444 56.25 31
20
18 80 85 0.866667 -0.5 0.751111 0.25 -0.43333
19 80 87 0.866667 1.5 0.751111 2.25 1.3
20 78 84 -1.13333 -1.5 1.284444 2.25 1.7
21 78 83 -1.13333 -2.5 1.284444 6.25 2.833333
22 82 88 2.866667 2.5 8.217778 6.25 7.166667
23 84 92 4.866667 6.5 23.68444 42.25 31.63333
24 82 93 2.866667 7.5 8.217778 56.25 21.5
25 85 95 5.866667 9.5 34.41778 90.25 55.73333
26 74 78 -5.13333 -7.5 26.35111 56.25 38.5
27 78 84 -1.13333 -1.5 1.284444 2.25 1.7
28 85 90 5.866667 4.5 34.41778 20.25 26.4
29 84 90 4.866667 4.5 23.68444 20.25 21.9
30 76 85 -3.13333 -0.5 9.817778 0.25 1.566667
jumlah 2374 2565 -2E-13 0 683.4667 1083.5 816
rata-
rata 79.13333 85.5
Dari ketiga table penolong diatas, dengan menggunakan rumus koefisien korelasi pearson
berikut, maka diperoleh koefisien antara masing-masing variable
∑ 𝑥𝑦
𝑟𝑥𝑦 =
√∑ 𝑥 2 𝑦 2
𝑟𝑥1 𝑥2 = 0,86312
𝑟𝑥1 𝑦 = 0,931375
𝑟𝑥2 𝑦 = 0,948273
1. Menentukan Hipotesis
H0 : Tidak ada hubungan antara kemampuan awal dan minat belajar terhadap prestasi belajar
IPA siswa
Ha : Ada hubungan antara kemampuan awal dan minat belajar terhadap prestasi belajar IPA
siswa
2. Menentukan taraf signifikansi
𝛼 = 5% = 0,05
dk pembilang = k
dk penyebut = n-k-1
𝐹𝑡𝑎𝑏𝑒𝑙 = 3,35
3. Uji Statistik
21
Maka dari koefisien korelasi yang sudah diperoleh, maka selanjutnya menentukan koefisien
korelasi ganda X1 dan X2 terhadap Y menggunakan persamaan berikut:
𝑅𝑦.𝑥1 𝑥2 = 0,9446455
Pengujian signifikansi terhadap koefisien korelasi ganda dapat menggunakan rumus berikut.
𝑅2 /𝑘
𝐹ℎ =
(1 − 𝑅2 )/(𝑛 − 𝑘 − 1)
𝐹ℎ = 111,91233
4. Kriteria Uji
Jika Fh > Ft, maka H0 ditolak atau Ha diterima
Jika Fh ≤ Ft, maka H0 diterima atau Ha ditolak
5. Kesimpulan
𝐹𝑡𝑎𝑏𝑒𝑙 = 3,35
𝐹ℎ = 111,91233
Jadi, Fhitung > Ftabel, maka H0 ditolak atau Ha diterima. Dan koefisien korelasi ganda yang
ditemukan adalah signifikan (dapat diberlakukan dimana sampel diambil)
Metode SPSS
Dengan menggunakan metode SPSS, memberikan hasil sebagai berikut.
22
Pada model summary, terlihat bahwa sig F. change bernilai 0,000, ini berarti bahwa hubungan
antara kemampuan awal dan minat belajar berkorelasi secara Bersama-sama terhadap prestasi
belajar. Selain itu pada kolom R, menunjukkan bahwa koefisien korelasi berganda bernilai 0,974,
ini berarti derajat hubungan antara kemampuan awal dan minat belajar terhadap prestasi belajar
berkorelasi kuat.
23
Kasus 3 Uji Korelasi Parsial
Seorang mahasiswa ingin melakukan penelitian Hubungan antara Kemampuan Awal dan Minat
Belajar Siswa terhadap Prestasi Belajar IPA Siswa Kelas VIII SMP N 4 Sawan. Dalam hal ini
prestasi belajar sebagai variabel control.
24
Jawab
Tabel Penolong untuk menentukan koefisien korelasi product moment Kemampuan awal
dan minat belajar siswa
25
Rata-
rata 83.16667 79.13333
Kemampuan Prestasi
NO Awal Belajar (𝑋1 − ̅̅̅
𝑋1 ) (𝑌 − 𝑌̅) 𝑥1 2 𝑦2 𝑥1 𝑥2
(X1) (Y) x y
1 70 78 -13.1667 -7.5 173.3611 56.25 98.75
2 93 93 9.833333 7.5 96.69444 56.25 73.75
3 90 90 6.833333 4.5 46.69444 20.25 30.75
4 80 85 -3.16667 -0.5 10.02778 0.25 1.583333
5 82 84 -1.16667 -1.5 1.361111 2.25 1.75
6 97 95 13.83333 9.5 191.3611 90.25 131.4167
7 85 91 1.833333 5.5 3.361111 30.25 10.08333
8 85 85 1.833333 -0.5 3.361111 0.25 -0.91667
-
9 71 73 -12.1667 12.5 148.0278 156.25 152.0833
10 81 85 -2.16667 -0.5 4.694444 0.25 1.083333
11 83 85 -0.16667 -0.5 0.027778 0.25 0.083333
12 87 90 3.833333 4.5 14.69444 20.25 17.25
13 93 90 9.833333 4.5 96.69444 20.25 44.25
-
14 74 73
-9.16667 12.5 84.02778 156.25 114.5833
15 75 78 -8.16667 -7.5 66.69444 56.25 61.25
16 75 78 -8.16667 -7.5 66.69444 56.25 61.25
17 70 78 -13.1667 -7.5 173.3611 56.25 98.75
18 85 85 1.833333 -0.5 3.361111 0.25 -0.91667
19 80 87 -3.16667 1.5 10.02778 2.25 -4.75
20 83 84 -0.16667 -1.5 0.027778 2.25 0.25
21 80 83 -3.16667 -2.5 10.02778 6.25 7.916667
22 85 88 1.833333 2.5 3.361111 6.25 4.583333
23 88 92 4.833333 6.5 23.36111 42.25 31.41667
24 92 93 8.833333 7.5 78.02778 56.25 66.25
25 95 95 11.83333 9.5 140.0278 90.25 112.4167
26 75 78 -8.16667 -7.5 66.69444 56.25 61.25
27 83 84 -0.16667 -1.5 0.027778 2.25 0.25
28 85 90 1.833333 4.5 3.361111 20.25 8.25
26
29 88 90 4.833333 4.5 23.36111 20.25 21.75
30 85 85 1.833333 -0.5 3.361111 0.25 -0.91667
jumlah 2495 2565 -1.4E-13 0 1546.167 1083.5 1205.5
rata-
rata 83.16667 85.5
Kemampuan Prestasi ̅
𝑋 2 ) (𝑌 − 𝑌)
(𝑋2 − ̅̅̅̅ 𝑥1 2
NO Awal Belajar 𝑦2 𝑥1 𝑥2
(X1) (Y) x y
1 72 78 -7.13333 -7.5 50.88444 56.25 53.5
2 85 93 5.866667 7.5 34.41778 56.25 44
3 84 90 4.866667 4.5 23.68444 20.25 21.9
4 79 85 -0.13333 -0.5 0.017778 0.25 0.066667
5 76 84 -3.13333 -1.5 9.817778 2.25 4.7
6 87 95 7.866667 9.5 61.88444 90.25 74.73333
7 82 91 2.866667 5.5 8.217778 30.25 15.76667
8 77 85 -2.13333 -0.5 4.551111 0.25 1.066667
-
9 72 73
-7.13333 12.5 50.88444 156.25 89.16667
10 77 85 -2.13333 -0.5 4.551111 0.25 1.066667
11 80 85 0.866667 -0.5 0.751111 0.25 -0.43333
12 85 90 5.866667 4.5 34.41778 20.25 26.4
13 82 90 2.866667 4.5 8.217778 20.25 12.9
-
14 67 73
-12.1333 12.5 147.2178 156.25 151.6667
15 74 78 -5.13333 -7.5 26.35111 56.25 38.5
16 74 78 -5.13333 -7.5 26.35111 56.25 38.5
17 75 78 -4.13333 -7.5 17.08444 56.25 31
18 80 85 0.866667 -0.5 0.751111 0.25 -0.43333
19 80 87 0.866667 1.5 0.751111 2.25 1.3
20 78 84 -1.13333 -1.5 1.284444 2.25 1.7
21 78 83 -1.13333 -2.5 1.284444 6.25 2.833333
22 82 88 2.866667 2.5 8.217778 6.25 7.166667
23 84 92 4.866667 6.5 23.68444 42.25 31.63333
24 82 93 2.866667 7.5 8.217778 56.25 21.5
27
25 85 95 5.866667 9.5 34.41778 90.25 55.73333
26 74 78 -5.13333 -7.5 26.35111 56.25 38.5
27 78 84 -1.13333 -1.5 1.284444 2.25 1.7
28 85 90 5.866667 4.5 34.41778 20.25 26.4
29 84 90 4.866667 4.5 23.68444 20.25 21.9
30 76 85 -3.13333 -0.5 9.817778 0.25 1.566667
jumlah 2374 2565 -2E-13 0 683.4667 1083.5 816
rata-
rata 79.13333 85.5
1. Menentukan hipotesis
H0: Hubungan antara kemampuan awal dan minat belajar dengan prestasi belajar sebagai
variabel kontrol tidak signifikan
Ha: Hubungan antara kemampuan awal dan minat belajar dengan prestasi belajar sebagai
variabel kontrol signifikan
2. Menentukan taraf signifikansi
𝛼 = 5% = 0,05
dk= n-1=30-1 = 29
t table = 2,045
3. Uji statistic
Dari uji korelasi spearman (product moment), diperoleh koefisien korelasi masing-masing
variable, sebagai berikut
𝑟𝑥1 𝑥2 = 0,863177
𝑟𝑥1 𝑦 = 0,931375
𝑟𝑥2 𝑦 = 0,948237
Untuk X2 (minat belajar) konstan (variabel kontrol), maka koefisien korelasi antara X1
(kemampuan awal) dan Y (prestasi belajar) ditunjukkan dengan rumus berikut.
𝑟𝑦𝑥1 − 𝑟𝑦𝑥1 ∙ 𝑟𝑥1 𝑥2
𝑅𝑦𝑥1 ∙𝑥2 =
√(1 − 𝑟𝑥2 𝑦 2 )(1 − 𝑟𝑥2 𝑥1 2 )
28
𝑟𝑝 √𝑛 − 3
𝑡=
√1 − 𝑟𝑝2
𝑡 = 5,150833
4. Kriteria Uji
H0 ditolak jika, t hitung > t table
H0 diterima jika, t hitung < t tabel
5. Kesimpulan
𝑡 = 5,150833
𝑡𝑡𝑎𝑏𝑒𝑙 = 2,045
t hitung > t table
Jadi, H0 ditolak atau Ha diterima. Artinya, Hubungan antara kemampuan awal dan minat
belajar dengan prestasi belajar sebagai variabel kontrol signifikan, yang dapat
digeneralisasikan ke seluruh populasi dimana sampel diambil.
Metode SPSS
Pada table korelasi output SPSS, terlihat bahwa korelasi kemampuan awal dan prestasi belajar
bernilai 0,931. Ini berarti hubungan antara kemampuan awal dan prestasi belajar berkorelasi positif
29
sebelum dimasukkan variable control (minat belajar). Koefisien korelasi minat belajar dan prestasi
belajar menghasilkan nilai positif 0,948, artinya minat belajar dan prestasi belajar berkorelasi
positif. Begitu pun koefisien korelasi kemampuan awal dan minat belajar berkorelasi positif
sebesar 0,863 sebelum dimasukan variable control. Setelah minat belajar bertindak sebaagi
variable control, ada penurunan koefisien korelasi kemampuan awal dengan prestasi belajar,
namun masih bernilai positif yaitu 0,704. Sig (2-tailed) bernilai 0,000 yang lebih kecil dari taraf
signifikansi 0,05. Hasil ini menunjukkan bahwa terhadap hubungan positif antara kemampuan
awal dengan prestasi belajar dengan minat belajar sebagai variable control.
30
Kasus 4. Korelasi Kendall tau
Seorang mahasiswa ingin meneliti apakah ada hubungan antara Bakat siswa dengan hasil belajar
siswa. Dengan demikian mahasiswa tersebut mengambil 10 sampel secara acak dengan data
sebagai berikut.
Jawab:
Tabel Penolong untuk menghitung korelasi kendal tau
No Skor Bakat (X) Hasil Belajar Siswa (Y) R1 R2 Ra Rb
1 90 93 1 1 9 0
2 89 83 2 2 8 0
3 83 79 3 3 7 0
4 75 74 4 4 6 0
5 71 72 5 5 5 0
6 67 60 6 6 4 0
7 66 54 7 8 2 1
8 60 55 8 7 2 0
9 50 52 9 9 1 0
10 44 50 10 10 0 0
JUMLAH 44 1
Langkah penyelesaian
1. Menentukan hipotesis
H0: Tidak ada hubungan antara bakat siswa dengan hasil belajar siswa
Ha: Ada hubungan antara bakat siswa dengan hasil belajar siswa
31
2. Menentukan taraf signifikansi
𝛼 = 5% = 0,05
𝑧 = 𝑧1 − 𝛼
Z = 0,45
Z table = 1,645
3. Uji Statistik
Mencari koefisien korelasi kendal tau
𝜏 = 0,955556
Jadi, diperoleh bahwa nilai 𝜏 = 0,955, artinya terdapat hubungan yang positif antara bakat
dan hasil belajar siswa. Berikutnya lakukan uji signifikansi terhadap koefisien korelasi
tersebut, menggunakan rumus z berikut ini.
Z hitung = 3,846037
4. Kriteria Uji
Tolak H0 jika z hitung > z table
Terima H0 jika z hitung < z tabel
5. Kesimpulan
z hitung > z table
Sehingga, kesimpulannya adalah H0 ditolak atau Ha diterima. Hubungan antara bakat dan
hasil belajar adalah signifikan, sangat kuat, dan searah.
Metode SPSS
32
Pada hasil analisis korelasi, ditunjukkan bahwa sig (2-tailed) adalah 0,000, nilai ini lebih kecil
dari taraf signifikansi 0,05. Ini berarti hubungan bakat dan hasil belajar siswa berkorelasi
secara signifikan. Selain itu pada SPSS terlihat bahwa koefisien korelasinya sebesai 0,956,
sehingga hasil ini dapat dikatakan berhubungan dengan kuat. Nilai 0,956 ini bernilai positif,
artinya semakin meningkat bakat siswa, maka prestasi belajar juga semakin meningkat.
33
Kasus 5. Uji Rank Spearman
Kemampuan mengajar 15 orang mahasiswa S1 Pendidikan Fisika akan dinilai oleh 2 orang Dosen,
yaitu Koorprodi dan Sekretaris Prodi Pendidikan Fisika. Ranking 1 diberikan kepada mahasiswa
yang terbaik, ranking 2 diberikan kepada mahasiswa yang terbaik kedua, dan seterusnya hingga
ranking ke 15.
34
10 4 3 1 1
11 15 15 0 0
12 10 9 1 1
13 14 13 1 1
14 7 1 6 36
15 13 11 2 4
JUMLAH 90
Langkah-langkah
1. Menentukan hipotesis
H0: Tidak ada korelasi antara penilaian oleh Koorprodi dan Sekretaris Prodi
Ha: Ada korelasi antara penilaian oleh Koorprodi dan Sekretaris Prodi
2. Menentukan taraf signifikansi
𝛼 = 5% = 0,05
Dengan n =15 dan 𝛼 = 5%, pada table tidak ada. Sehingga digunakan cara berikut untuk
menentukan rho table. Untuk n=14, nilai rho table 0,544, dan untuk n-=16, nilai rho table
0,506. Sehingga untuk n=15, rho table diperoleh sebagai berikut.
𝜌 = 0,839286
Untuk menguji signifikansi koefisien korelasi, jika n<30 , maka dapat dibandingkan dengan
rho tabel. tetapi jika, N≥30, maka uji signifikansi menggunakan rumus berikut.
35
t= 5,565827
Lalu bandingkan nilai t hitung dengan t tabel, dengan taraf signifikansi 5% dan dk = n-2
4. Menentukan Kriteria uji
H0 ditolak, jika rho hitung > rho tabel, atau t hitung > t table
H0 diterima, jika rho hitung < rho tabel, atau t hitung < t tabel
5. Kesimpulan
rho hitung (0,839) > rho tabel (0525)
t hitung (5,56) > t tabel (2,16)
Jadi, kesimpulannya H0 ditolak atau Ha diterima. Artinya, Ada korelasi secara signifikan
antara penilaian oleh Koorprodi dan Sekretaris Prodi
Metode SPSS
Pada table korelasi output spss, terlihat bahwa nilai sig (2-tailed) sebesar 0,000, hasil ini lebih
kecil dari 0,05. maka bisa dikatakan ada hubungan antara penilaian oleh koorprodi dan
sekretaris prodi. Selain itu pada table juga terlihat nilai koefisien korelasi sebesar positif 0,839.
Hasil ini menunjukkan bahwa hubungan nilai yang diberikan oleh koorprodi dan sekretaris
prodi searah.
36
Kasus 6. Uji Kontingensi C
Seorang dosen di Jurusan Pendidikan Fisika ingin mengetahui hubungan antara volume konsumsi
makanan bergizi degan tingkat intelegensi Mahasiswa Pendidikan Fisika. Sehingga Dosen tersebut
melakukan penelitian dan memperoleh data sebagai berikut.
Jawab:
1. Menentukan hipotesis
H0=tidak ada hubungan antara volume komsumsi makanan bergizi dengan tingkat intelegensi
mahasiswa Jurusan Pendidikan Fisika.
HA= ada hubungan antara volume komsumsi makanan bergizi dengan tingkat intelegensi
mahasiswa Jurusan Pendidikan Fisika.
2. Menentukan taraf signifikansi
𝛼 = 5% = 0,05
dk = (k-1)(r-1)= (3-1)(3-1)= 4
3. Uji statistic
• ketiga sampeL yang konsumsi volume gizinya memadai: 0,1485
• ketiga sampe yang konsumsi volume gizinya cukup: 0,5161
• ketiga sampe yang konsumsi volume gizinya kurang: 0,3352
• Yang volume gizinya memadai:
i. Tinggi: 25,702
ii. Rendah: 28,971
iii. Sedang: 23,325
• Menentuk Yang volume gizinya cukup:
37
i. Tinggi: 89,300
ii. Rendah: 100,65
iii. Sedang: 81,04
• Yang volume gizinya kurang:
i. Tinggi: 57,99
ii. Rendah: 65,37
iii. Sedang: 52,63
• Menentukan harga 𝜒 2
𝑟 𝑘 2
2
(𝑂𝑃𝑖𝑗 + 𝐸𝑖𝑗 )
𝜒 = ∑∑
𝐸𝑃𝑖𝑗
𝑖=1 𝑗=1
𝜒2
𝐶=√
𝑁 + 𝜒2
43,83921
𝐶=√
525 + 43,83921
𝐶 = 0,277611
38
Untuk menguji signifikansi koefisien C dapat dilakukan dengan menguji harga chi kuadrat
hitung dengan chi kuadrat table. Dengan dk = 4 dan 𝛼 = 5% = 0,05, maka diperoleh harga
chi kuadrat table sebesar 9,488
4. Menentukan kriteria uji
terima H0 jika, chi kuadrat hitung < chi kuadrat table
tolak H0 jika, chi kuadrat hitung > chi kuadrat tabel
5. Kesimpulan
𝜒 2 ℎ𝑖𝑡𝑢𝑛𝑔 > 𝜒 2 tabel
Jadi, H0 ditolak atau Ha diterima. Artinya, ada hubungan antara volume komsumsi makanan
bergizi dengan tingkat intelegensi mahasiswa Jurusan Pendidikan Fisika.
Metode SPSS
Pada symmetric measures, terlihat bahwa contingency coefficient sebesar 0,278. Hasil ini sesuai
dengan perolah secara manual menggunakan excel. Nilai Approx sig diperoleh 0,000 yang mana
lebih kecil dari taraf signifikan sebesar 0,05. Hal ini berarti bahwa, terdapat hubungan hubungan
39
antara volume komsumsi makanan bergizi dengan tingkat intelegensi mahasiswa Jurusan
Pendidikan Fisika
40
BAB III
PENUTUP
3.1. SIMPULAN
1. Korelasi merupakan teknik analisis yang termasuk dalam salah satu teknik pengukuran
asosiasi/hubungan (measures of association). Korelasi bermanfaat untuk mengukur kekuatan
hubungan antara dua variable (kadang lebih dari dua variable) dengan skala-skala tertentu.
2. Korelasi merupakan istilah yang digunakan untuk mengukur kekuatan hubungan
antarvariabel. Kekuatan hubungan antar variable dapat dilihat dari hasil nilai koefisien
korelasi. Koefisien korelasi (KK) merupakan indeks atua bilangan yang digunakan untuk
mengukur keeratan (kuat, lemah, atau tidak ada) hubungan antarvariabel.
3. Statistik parametrik adalah statistic korelasi yang digunakan untuk menguji hipotesis asosiai
(hubungan antar variable),yaitu pearson product moment, korelasi ganda, dan korelasi parsial.
4. Statistik non parametrik adalah statistic korelasi yang digunakan untuk menguji hipotesis
asosiasi, yaitu koefisien kontingensi, korelasi spearman rank, dan kendal tau
3.2. SARAN
Untuk pengembangan lebih lanjut maka penulis memberikan saran yaitu agar lebih
memahami kembali penggunaan uji hipotesis sebelum melakukan suatu penelitian karena uji
hipotesis merupakan dasar untuk hasil dari suatu penelitian.
41
DAFTAR PUSTAKA
Sarwono. (2006). Metode Penelitian Kuantitatif dan Kualitatif. Yogyakarta: Graha Ilmu
Siregar, S. (2015). Statistika Terapan untuk Perguruan Tinggi. Jakarta: Kencana
Sugiyono. (2011). Statistika Untuk Penelitian. Bandung: Alfabeta.
42