Analisis Korelasi

Parametrik dan Non Parametrik

Kelompok 2:
Eko Okta Jumari 218060001
Siti Nurhayati 218060004
Tiara A. F. Hamzah 218060008
 Pengertian Korelasi
• Korelasi adalah suatu hubungan, yakni bagian dari teknik analisis
dalam statistika yang dipakai guna mencari hubungan di antara
dua variabel yang sifatnya kuantitatif.

• Di dalam matematika, korelasi adalah ukuran seberapa dekatnya

diantara dua variabel yang berubah dalam hubungan satu dengan
yang lainnya.
 Tujuan Korelasi
Tujuan dari analisis korelasi adalah untuk mengetahui apakah diantara dua variabel
terdapat hubungan atau tidak, dan jika ada hubungan bagaimanakah arah hubungan dan
seberapa besar hubungan tersebut.

Tujuan lainnya yaitu :

• Untuk mencari bukti terdapat tidaknya hubungan (korelasi) antar variable
• Bila sudah ada hubungan, untuk melihat besar kecilnya hubungan antar variable
• Untuk memperoleh kejelasan dan kepastian, apakah hubungan tersebut berarti
(meyakinkan/signifikan) atau tidak berarti (tidak meyakinkan)
 Arah Korelasi Macam-macam Teknik Korelasi

Arah korelasi antar dua variabel Untuk data nominal dan ordinal digunakan statistik
atau lebih dinyatakan dalam bentuk Non-parametris dan untuk data interval dan ratio
hubungan positif atau negatif. digunakan statistik Parametris

Korelasi Positif Korelasi Negatif

 Koefisien Korelasi
• Koefisien korelasi menyatakan kuatnya hubungan antara variabel.
• Koefisien korelasi positif terbesar = 1 dan koefisien korelasi negatif
terbesar adalah -1, sedangkan yang terkecil adalah 0.
• Bila besarnya antara dua variabel atau lebih itu mempunyai koefisien
korelasi = 1 atau -1, maka hubungan tersebut sempurna.
• Makin kecil koefisien korelasi, maka akan semakin besar error untuk
membuat prediksi.
Analisis Korelasi Statistik
Parametrik
1. Korelasi Product Moment
2. Korelasi Ganda
3. Korelasi Parsial
 Korelasi Product Moment
• Teknik korelasi ini digunakan untuk mencari hubungan dan membuktikan
hipotesis hubungan dua variabel bila data kedua variabel berbentuk
interval atau ratio, dan sumber data dari dua variabel atau lebih adalah
sama.
• Syarat penggunakan teknik korelasi Product Moment adalah sebagai
berikut
- Sampel diambil secara acak (random)
- Data setiap variabel berdistribusi normal
- Bentuk regresi linear
 Rumus

Rumus Simpangan Rumus Angka Kasar

σ 𝑥𝑦
𝑟𝑥𝑦 = 𝑁. σ 𝑋𝑌 − σ 𝑋 σ 𝑌
σ 𝑥2 σ 𝑦2 𝑟𝑥𝑦 =
𝑁. σ 𝑋 2 − σ 𝑋 2 . σ 𝑌2 − σ 𝑌 2

Dimana: Dimana:
𝑟𝑥𝑦 = Korelasi antara variabel 𝑁 = Banyaknya pasang data (unit sampel)
𝑥 dan 𝑦 𝑋 = variabel bebas
𝑥 = 𝑥𝑖 − 𝑋ത 𝑌 = variabel terikat
𝑦 = 𝑦𝑖 − 𝑌ത
 Interpretasi Koefisien
Interpretasi mengenai besarnya koefisien korelasi positif adalah sebagai berikut:
0,800 < 𝑟𝑥𝑦 ≤ 1,00 : sangat tinggi
0,600 < 𝑟𝑥𝑦 ≤ 0,800 : tinggi
0,400 < 𝑟𝑥𝑦 ≤ 0,600 : cukup
0,200 < 𝑟𝑥𝑦 ≤ 0,400 : rendah
0,00 < 𝑟𝑥𝑦 ≤ 0,200 : sangat rendah

Interpretasi mengenai besarnya koefisien korelasi negatif adalah sebagai berikut:

−1 < 𝑟𝑥𝑦 ≤ −0,800 : sangat tinggi
−0,800 < 𝑟𝑥𝑦 ≤ −0,600 : tinggi
−0,600 < 𝑟𝑥𝑦 ≤ −0,400 : cukup
−0,400 < 𝑟𝑥𝑦 ≤ −0,200 : rendah
−0,200 < 𝑟𝑥𝑦 ≤ 0 : sangat rendah
 • Pengujian Hipotesis
Contoh Kasus Misalkan untuk keperluan

• Rumusan Masalah penelitian, peneliti mengambil

Apakah terdapat korelasi positif yang sampel 12 orang siswa. Data yang

signifikan antara hasil belajar Matematika diberikan seperti pada tabel

(variabel X) dan hasil belajar IPA (variabel Y)? berikut:

• Hipotesis
𝐻0 = Tidak terdapat korelasi positif yang
signifikan antara hasil belajar Matematika
(variabel X) dan hasil belajar IPA (variabel Y).
𝐻1 = Terdapat korelasi positif yang
signifikan antara hasil belajar Matematika
(variabel X) dan hasil belajar IPA (variabel Y).
Langkah Pengujian Hipotesis
b. Mencari nilai koefisien korelasi
a. Membuat tabel persiapan untuk
dengan memasukkan nilai-nilai yang ada pada tabel
rumus angka kasar.
diatas ke dalam rumus angka kasar

𝑁. σ 𝑋𝑌 − (σ 𝑋)(σ 𝑌)
𝑟𝑥𝑦 =
{𝑁. σ 𝑋 2 − σ 𝑋 2 } {𝑁. σ 𝑌 2 − σ 𝑌 2 }

12 . 50840 − (840)(684)
=
{12 . 61250 − 840 2 {12 . 43876 − 684 2

610080 − 574560
=
(735000 − 705600)(526512 − 467856)

35520 35520
= =
(29400)(58656) 10 17244864

35520
= = 0,856
41526,935
c. Mencari nilai 𝒓𝒕𝒂𝒃𝒆𝒍
Derajat kebebasan: 𝑑𝑏 = 𝑁 − 𝑎
𝑎 = banyaknya variabel yang dikorelasikan,
d. Pengujian Hipotesis
𝑑𝑏 = 12 − 2 = 10 maka pada taraf
Kriteria pengujian: Jika 𝑟ℎ𝑖𝑡𝑢𝑛𝑔 ≥ 𝑟𝑡𝑎𝑏𝑒𝑙
signifikansi ∝ = 1%
maka 𝐻0 ditolak
𝑟𝑡𝑎𝑏𝑒𝑙 = 𝑟(∝)(10) = 𝑟(0,01)(10) = 0,765
Kesimpulan:
pada taraf signifikansi ∝ = 5%
Karena 𝑟ℎ𝑖𝑡𝑢𝑛𝑔 ≥ 𝑟𝑡𝑎𝑏𝑒𝑙 maka 𝐻0 ditolak,
𝑟𝑡𝑎𝑏𝑒𝑙 = 𝑟(∝)(10) = 𝑟(0,05)(10) = 0,632
artinya terdapat korelasi positif yang
signifikan antara hasil belajar
Matematika (variabel X) dan hasil
belajar IPA (variabel Y).
 Korelasi Ganda
• Korelasi ganda adalah korelasi antara dua atau
lebih variabel bebas (independent) secara
bersama-sama dengan satu variabel terikat Korelasi Ganda Dua Variabel Independen
dan Satu Dependen
(dependent).

• Angka yang menunjukkan arah dan besar

kuatnya hubungan antara dua atau lebih
variabel bebas dengan satu variabel terikat
disebut koefisien korelasi ganda, dan biasa
disimbolkan R.
Korelasi Ganda Tiga Variabel Independen
dan Satu Dependen
 Rumus

𝑅𝑦𝑥1 2 + 𝑅𝑦𝑥2 2 − 2𝑟𝑦𝑥1 𝑟𝑦𝑥2 𝑟𝑥1 𝑥2

𝑅𝑦.𝑥1 𝑥2 =
1 − 𝑟𝑥1𝑥2 2

Dimana: 𝑅𝑦.𝑥1 𝑥2 = Korelasi antara variabel 𝑋1 dengan 𝑋2 secara bersama-sama

dengan variabel 𝑌
𝑅𝑦𝑥1 = Korelasi Product Moment antara 𝑋1 dengan 𝑌
𝑅𝑦𝑥2 = Korelasi Product Moment antara 𝑋2 dengan 𝑌
𝑟𝑥1𝑥2 = Korelasi Product Moment antara 𝑋1 dengan 𝑋2
 Uji Hipotesis Korelasi Ganda
• Pengujian hipotesis korelasi ganda menggunakan uji F (tabel distribusi F) dengan
derajat kebebasan (dk) terdiri atas:
𝑑𝑘1 = 𝑑𝑘 𝑝𝑒𝑚𝑏𝑖𝑙𝑎𝑛𝑔 = 𝑘 dan 𝑑𝑘2 = 𝑑𝑘 𝑝𝑒𝑛𝑦𝑒𝑏𝑢𝑡 = 𝑛 − 𝑘 − 1
Dengan :
𝑘 = banyaknya variabel bebas
𝑛 = banyaknya pasangan data/sampel
• Konversi nilai korelasi R kedalam nilai 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 𝑅 2 Τ𝑘
𝐹ℎ =
1 − 𝑅2 𝑛 − 𝑘 − 1
menggunakan rumus:
• Kriteria pengujian hipotesis yaitu:
Terima 𝐻0 jika 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 < 𝐹𝑡𝑎𝑏𝑒𝑙 , dan tolak 𝐻0 jika 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 > 𝐹𝑡𝑎𝑏𝑒𝑙
 Contoh Kasus
• Rumusan Masalah
Apakah terdapat hubungan yang signifikan antara tinkgat percaya diri
dan motivasi belajar dengan prestasi belajar Matematika?
• Hipotesis
𝐻0 = Tidak terdapat hubungan yang signifikan antara tingkat percaya
diri dan motivasi belajar dengan prestasi belajar Matematika.
𝐻1 = Terdapat hubungan yang signifikan antara tingkat percaya diri dan
motivasi belajar dengan prestasi belajar Matematika.
• Membuat tabel persiapan

No 𝑿𝟏 𝑿𝟐 Y 𝑿𝟏 𝟐 𝑿𝟐 𝟐 𝒀𝟐 𝑿𝟏 𝒀 𝑿𝟐 𝒀 𝑿𝟏 𝑿𝟐

1 48 97 61 2304 9409 3721 2928 5917 4656

2 47 77 40 2209 5929 1600 1880 3080 3619
3 47 99 48 2209 9801 2304 2256 4752 4653
4 41 77 54 1681 5929 2916 2214 4158 3157
5 41 77 34 1681 5929 1156 1394 2618 3157
…
…
…
…
64

Jumlah
3320 5076 3879 179456 414606 241353 204862 312057 268932
Total
Jadi, terdapat hubungan (korelasi) antara tingkat percaya diri (𝑋1 ) dan motivasi belajar
siswa (𝑋2 ) terhadap prestasi belajar matematika (Y) pada siswa SMK kelas XI

Korelasi antara tingkat percaya diri (𝑋1 ) dan motivasi belajar siswa (𝑋2 ) terhadap
prestasi belajar matematika (Y) pada siswa SMK kelas XI tergolong kuat karena hasil
perhitungan di atas besar R adalah sebesar 0,55 ≈ 1. Sedangkan untuk menyatakan
besar kecilnya kontribusi variabel 𝑋1 dan 𝑋2 terhadap variabel Y atau koefisien
determinan :
𝑅2 × 100% 𝑎𝑡𝑎𝑢 (0,552 × 100% = 30,25
Selanjutnya untuk mengetahui
keberartian korelasi ganda (R)
dihitung uji F sebagai berikut:
• Menguji signifikansi dengan rumus 𝑭𝒉𝒊𝒕𝒖𝒏𝒈 :
Kaidah uji signifikansi : jika 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 > 𝐹𝑡𝑎𝑏𝑒𝑙 , maka
signifikan. Nilai 𝐹𝑡𝑎𝑏𝑒𝑙 𝑑𝑒𝑛𝑔𝑎𝑛 𝛼 = 0,05 untuk diuji 2
pihak.
𝐹𝑡𝑎𝑏𝑒𝑙 = 𝐹 1 − 𝛼 𝑑𝑏 = 𝑘 𝑑𝑏 = 𝑛 − 𝑘 − 1
=𝐹 1−𝛼 𝑑𝑏 = 2 𝑑𝑏 = 64 − 2 − 1
= 𝐹 1 − 0,05 2 61
= 𝐹(0,95) (2) (61)
𝐹𝑡𝑎𝑏𝑒𝑙 : 3,15 (paling mendekati)

Keputusan: Karena 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 > 𝐹𝑡𝑎𝑏𝑒𝑙 𝑎𝑡𝑎𝑢 13,01 > 3,15 𝑠𝑒ℎ𝑖𝑛𝑔𝑔𝑎 𝐻𝑜 ditolak.
Kesimpulan: Dengan demikian disimpulkan bahwa terdapat hubungan yang
signifikan antara tingkat percaya diri dan motivasi belajar siswa terhadap
prestasi belajar matematika pada siswa SMK kelas XI.
 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/dikendalikan.
• Korelasi parsial merupakan angka yang menunjukkan arah dan kuatnya
hubungan antara dua variabel setelah satu variabel yang diduga dapat
mempengaruhi hubungan variabel tersebut dikendalikan untuk dibuat tetap
keberadaannya.
 Rumus

Koefisien korelasi parsial antara 𝑌 dan 𝑋1 𝑟𝑦𝑥1𝑥2 =

𝑟𝑦𝑥1 − 𝑟𝑦𝑥2 𝑟𝑥1𝑥2

1 − 𝑟𝑦𝑥2 2 1 − 𝑟𝑥1𝑥2 2
jika apabila 𝑋2 konstan
k

Koefisien korelasi parsial antara 𝑌 dan 𝑟𝑦𝑥1𝑥2 =

𝑟𝑦𝑥1 − 𝑟𝑦𝑥2 𝑟𝑥1𝑥2

1 − 𝑟𝑦𝑥2 2 1 − 𝑟𝑥1𝑥2 2
𝑋2 jika apabila 𝑋2 konstan
k
𝑟𝑥1𝑥2 − 𝑟𝑦𝑥1 𝑟𝑦𝑥2
Koefisien korelasi parsial antara 𝑋1 dan 𝑟𝑥1𝑥2𝑦 =
1 − 𝑟𝑦𝑥1 2 1 − 𝑟𝑦𝑥2 2
𝑋2 jika 𝑌 konstan
KETERANGAN RUMUS KORELASI PARSIAL

𝑟𝑦𝑥1𝑥2 𝑟𝑦𝑥1𝑥2 𝑟𝑥1𝑥2𝑦

𝑟𝑦𝑥1 − 𝑟𝑦𝑥2 𝑟𝑥1𝑥2 𝑟𝑦𝑥1 − 𝑟𝑦𝑥2 𝑟𝑥1𝑥2 𝑟𝑥1𝑥2 − 𝑟𝑦𝑥1 𝑟𝑦𝑥2
= = =
1 − 𝑟𝑦𝑥2 2 1 − 𝑟𝑥1𝑥2 2 1 − 𝑟𝑦𝑥2 2 1 − 𝑟𝑥1𝑥2 2 1 − 𝑟𝑦𝑥1 2 1 − 𝑟𝑦𝑥2 2

𝑟𝑦𝑥1𝑥2 = Koefisien korelasi parsial antara 𝑌 dan 𝑋1 jika apabila 𝑋2 konstan

𝑟𝑦𝑥2𝑥1 = Koefisien korelasi parsial antara 𝑌 dan 𝑋2 jika apabila 𝑋1 konstan
𝑟𝑥1𝑥2𝑦 = Koefisien korelasi parsial antara X_1 dan X_2 jika Y konstan
𝑟𝑦𝑥1 = Koefisien korelasi antara Y dan X1
ryx2 = Koefisien korelasi antara Y dan X2
rx1x2 = Koefisien korelasi antara X1 dan X 2
 Contoh Kasus
• Rumusan Masalah
❖ Apakah terdapat hubungan antara tingkat percaya diri 𝑋1 dengan prestasi belajar
matematika (Y) setelah motivasi belajar siswa 𝑋2 dikendalikan?
❖ Apakah terdapat hubungan antara motivasi belajar siswa 𝑋2 dengan prestasi belajar
matematika (Y) setelah tingkat percaya diri 𝑋1 dikendalikan?
• Hipotesis
❖ 𝐻0 = Tidak ada hubungan antara tingkat percaya diri 𝑋1 dengan prestasi belajar
matematika (Y) setelah motivasi belajar siswa 𝑋2 dikendalikan.
❖ 𝐻1 = Ada hubungan antara tingkat percaya diri 𝑋1 dengan prestasi belajar matematika (Y)
setelah motivasi belajar siswa 𝑋2 dikendalikan

❖ 𝐻0 = Tidak ada hubungan antara motivasi belajar siswa 𝑋2 dengan prestasi belajar
matematika (Y) setelah tingkat percaya diri 𝑋1 dikendalikan.
❖ 𝐻1 = Ada hubungan antara motivasi belajar siswa 𝑋2 dengan prestasi belajar matematika
(Y) setelah tingkat percaya diri 𝑋1 dikendalikan.
• Pengujian Hipotesis
1. Nilai koefisien korelasi parsial 𝑋1 dan Y, setelah mengendalikan 𝑋2 yaitu:

Keberartian koefisien korelasi parsial tersebut dapat diuji dengan uji-t

sebagai berikut:

Dari tabel distribusi t untuk ∝= 0,05 dan 𝑑𝑘 = 𝑛 − 3 =

61 pada uji dua pihak diperoleh nilai 𝑡𝑡𝑎𝑏𝑒𝑙 = 1,99.
Kesimpulan :
Karena 𝑡ℎ𝑖𝑡𝑢𝑛𝑔 < 𝑡𝑡𝑎𝑏𝑒𝑙 maka 𝐻0 diterima dan disimpulkan korelasi antara
tingkat percaya diri 𝑋1 dengan prestasi belajar matematika 𝑌 jika motivasi
belajar siswa 𝑋2 dikendalikan sebesar −0,22 tergolong lemah. Dengan tingkat
signifikansi korelasi tersebut memberikan kesimpulan bahwa dengan
mengendalikan motivasi belajar siswa 𝑋2 tidak ada hubungan yang signifikan
antara tingkat percaya diri 𝑋1 terhadap prestasi belajar matematika 𝑌.
• Pengujian Hipotesis
2. Nilai koefisien korelasi parsial 𝑋2 dan Y, setelah mengendalikan 𝑋1 yaitu:

Keberartian koefisien korelasi parsial tersebut dapat diuji dengan uji-t

sebagai berikut:

Dari tabel distribusi t untuk ∝= 0,05 dan 𝑑𝑘 = 𝑛 − 3 =

61 pada uji dua pihak diperoleh nilai 𝑡𝑡𝑎𝑏𝑒𝑙 = 1,99.
Kesimpulan :
Karena 𝑡ℎ𝑖𝑡𝑢𝑛𝑔 > 𝑡𝑡𝑎𝑏𝑒𝑙 maka 𝐻0 ditolak dan disimpulkan korelasi antara
motivasi belajar 𝑋2 dengan prestasi belajar matematika 𝑌 jika tingkat
percaya diri 𝑋1 dikendalikan sebesar 0,425 tergolong sedang atau cukup.
Dengan tingkat signifikansi korelasi tersebut memberikan kesimpulan
bahwa dengan mengendalikan tingkat percaya diri 𝑋1 terdapat hubungan
yang signifikan antara motivasi belajar siswa 𝑋2 dengan prestasi belajar
matematika 𝑌.
Analisis Korelasi Statistika
Non Parametrik
1. Koefisien Kontingensi
2. Koefisien Spearman Rank
3. Koefisien Kendall’s Tau
 metode yang digunakan untuk mengukur keeratan
Kontingensi hubungan (korelasi) antara 2 variabel yang keduanya
bertipe data nominal

sering disebut juga sebagai Spearman Rank Correlation

Spearman Rank Coefficient, digunakan untuk menghitung korelasi
berdasarkan data yang berbentuk peringkat (rangking).

Kendall’s Tau digunakan untuk mengukur tingkat kesesuaian yakni

apakah ada perbedaan tingkat kesesuain ranking
antara 2 variabel yang diamati
 Korelasi Kontingensi
Rumus: 𝑪 =
𝒙𝟐 Contoh Kasus Penelitian:
𝑵+𝒙𝟐
Kepala Sekolah dan Kurikulum disebuah SMK sedang
Dimana
melaksanakan penelitian di sekolahnya, kepala sekolah dan
2 (𝑂−𝐸)2
𝑥 =σ
𝐸 wakasek kurikulum tersebut ingin mengetahui terdapatnya
Keterangan: hubungan antara jenis kelamin dengan minat belajar terhadap
C = Kontigensi beberapa mata pelajaran. Dengan memperoleh data sebagai
X = variabel berikut:
O = Frekuensi yang diamati
Jenis Mata Pelajaran
E = Frekuensi yang diharapkan Total
Kelamin Matematika IPA Kejuruan PAI
N = Jumlah Sampel
Laki-Laki 27 35 33 25 120
Perempuan 13 15 27 25 80
Total 40 50 60 50 200
Judul Penelitian:
hubungan antara jenis kelamin dengan minat belajar terhadap beberapa mata
pelajaran

• Rumusan Masalah
Apakah terdapat hubungan antara jenis kelamin dengan minat belajar terhadap
beberapa mata pelajaran?
• Hipotesis
❖ 𝐻0 : 𝑥 = 0, Tidak terdapat hubungan yang signifikan antara jenis kelamin dengan
minat belajar terhadap beberapa mata pelajaran
❖ 𝐻1 : 𝑥 ≠ 0, Terdapat hubungan yang signifikan antara jenis kelamin dengan minat
belajar terhadap beberapa mata pelajaran.
Langkah selanjutnya, mencari nilai frekuensi Berikut isian nilai 𝐹𝑒 ke dalam tabel kontingensi
yang diharapkan (fe)

𝐹𝑒 𝑢𝑛𝑡𝑢𝑘 𝑠𝑒𝑡𝑖𝑎𝑝 𝑠𝑒𝑙

(𝑇𝑜𝑡𝑎𝑙 𝐵𝑎𝑟𝑖𝑠) (𝑇𝑜𝑡𝑎𝑙 𝐾𝑜𝑙𝑜𝑚)

=
𝑇𝑜𝑡𝑎𝑙 𝐾𝑒𝑠𝑒𝑙𝑢𝑟𝑢ℎ𝑎𝑛

(120) (40)
Misal: 𝐹𝑒 𝑠𝑒𝑙 𝑝𝑒𝑟𝑡𝑎𝑚𝑎 =
200

a. Menghitung nilai X²
σ(𝑓0 −𝑓𝑒 )2
𝑥2 =
𝑓𝑒
2 2 2 2 2 2 2 2
27 − 24 35 − 30 33 − 36 25 − 30 13 − 16 15 − 20 27 − 24 25 − 20
𝑥2 = + + + + + + +
24 30 36 30 16 20 24 20

= 0,375 + 0,833 + 0,250 + 0,563 + 1,250 + 0,375 + 1,250

= 5,279
 e. Menentukan 𝑿² tabel
b. Masukan ke rumus untuk mencari koefisien
kontingensi (C) Jika 𝜒2 hitung ≤ 𝜒2 tabel, maka 𝐻0 diterima.
𝑋2 Jika 𝜒2 hitung > 𝜒2 tabel, maka 𝐻0 ditolak.
𝐶=
𝑁 − 𝑋2
Taraf signifikansi 𝛼 = 0,05
5,279 𝐷𝑓 = 𝐵𝑎𝑟𝑖𝑠 – 1 𝐾𝑜𝑙𝑜𝑚 – 1
= 200+5,279
= 0,17
= (2 – 1) (4 – 1)

c. Masukan ke rumus untuk mencai nilai C max

= 3
𝑚−1
𝐶𝑚𝑎𝑥 = 𝑋² 𝑡𝑎𝑏𝑒𝑙 = 7,815
𝑚

2−1
=
2
= 0,70 f. Bandingkan 𝑿² hitung dengan 𝑿² tabel

d. Bandingkan nilai C dan Cmaks dengan rumus 𝑋² ℎ𝑖𝑡𝑢𝑛𝑔 (5,729) < 𝑋² 𝑡𝑎𝑏𝑒𝑙 (7,815)
𝐶
𝑄=𝐶
𝑚𝑎𝑘𝑠
× 100% 𝑯𝟎 diterima
0,17
𝑄 = 0,70
× 100% = 24,3 Kesimpulan :Tidak terdapat hubungan yang
signifikan antara jenis kelamin dengan minat
Artinya derajat keeratan hubungan antara variabel belajar terhadap beberapa mata pelajaran
independen (jenis kelamin) dan variabel dependen (Mata
Pelajaran) tidak kuat.
 Korelasi Spearman Rank
Rumus yang digunakan untuk Rumus yang digunakan jika terdapat ranking kembar
menghitung korelasi Spearman tanpa 𝛴𝑥 2 +𝛴𝑦 2 −𝛴𝑑𝑖2
yaitu 𝑟𝑠 =
2 𝛴𝑥 2 𝛴𝑦 2
6𝛴𝑑𝑖2
peringkat sama adalah 𝑟𝑠 = 1 −
(𝑛3 −𝑛) 𝑛3 −𝑛
Dengan: 𝛴𝑥 2 = − 𝛴𝑇𝑥
keterangan: 12

𝑛3 −𝑛
𝑑𝑖 = selisih rangking antara variabel 1 𝛴𝑦 2 = − 𝛴𝑇𝑦
12
dengan 2 𝛴 (𝑡𝑥3 −𝑡𝑥 )
𝛴𝑇𝑥 =
N = Jumlah Sampel 12

3 −𝑡 )
𝛴 (𝑡𝑦
𝛴𝑇𝑦 =
𝑦
12
 Contoh Kasus
Seorang Guru sedang melaksanakan ulangan harian
matematika disebuah kelas secara tertulis. Guru ingin
mengetahui apakah ada hubungan antara nilai ujian tertulis
dengan jumlah keatifan yang dilakukan peserta didik
tersebut saat proses belajar mengajar ketika sebelum
ulangan. Di bawah ini adalah data mengenai ranking nilai ujian
tertulis dan ranking keaktifan dikelas dari sampel 10 orang
peserta didik.

Judul Penelitian:
hubungan antara ranking nilai ulangan matematika peserta
didik dengan rangking keaktifan peserta didik di tingkat
populasi
❖ Pengujian Hipotesis
Hipotesis:
• 𝐻𝑜 : Tidak ada hubungan antara ranking nilai
ulangan matematika secara tertulis
peserta didik dengan rangking keaktifan
peserta didik di tingkat populasi.
• 𝐻1 : Ada hubungan antara ranking nilai
ulangan matematika secara tertulis
peserta didik dengan rangking keaktifan
peserta didik di tingkat populasi.

Tingkat Signifikansi: α = 5%
 6𝛴𝑑𝑖2
𝑟𝑠 = 1 −
𝑛3 −𝑛

𝟔 𝜮 𝒅𝟐𝒊 𝟔 (𝟗𝟖)
𝒓𝒔 = 𝟏 − =𝟏− = 0,41
(𝒏𝟑 −𝒏) (𝟏𝟎𝟑 −𝟏𝟎)

Kemudian, dari tabel korelasi Spearmant diperoleh nilai rs = (0,05;10) = 0,648.

Keputusan: Karena rs hit < rs tabel (0,41 < 0,648) maka diputuskan gagal tolak 𝐻𝑜 .

Kesimpulan:
Dengan tingkat signifikansi 5% belum cukup bukti untuk mengatakan terdapat
hubungan/keterkaitan rangking nilai ulangan matematika peserta didik dengan rangking jumlah
keaktifan peserta didik Ketika proses belajar mengajar.
 Korelasi Kendall’s Tau Atau secara ekivalen:
2 (𝐶 − 𝐷)
Rumus: 𝜏=
2𝑆 2 (𝐶 − 𝐷) (𝑛 − 1) − 𝑇𝑥 (𝑛 − 1) − 𝑇𝑦
𝜏= =
𝑛 (𝑛 − 1) 𝑛 (𝑛 − 1) Dimana:
Jika ada rangking yang sama, maka rumus di atas 𝑠
2
dilengkapi dengan faktor koreksi rank yang sama, 𝑇𝑥 = ෍(𝑡𝑖(𝑥) − 𝑡𝑖(𝑥) )
𝑖=1
yaitu: 𝑠
𝐶−𝐷 2
𝑇𝑦 = ෍(𝑡𝑖(𝑦) − 𝑡𝑖(𝑦) )
𝜏=
1 1 𝑖=1
(𝑛 − 1) − 𝑇𝑥 (𝑛 − 1) − 𝑇𝑦
2 2 Keterangan:
Dimana: S : statistik untuk jumlah konkordansi dan
𝑠 diskordansi
1 2
𝑇𝑥 = ෍(𝑡𝑖(𝑥) − 𝑡𝑖(𝑥) ) C : banyaknya pasangan konkordansi (wajar)
2
𝑖=1 D : banyaknya pasangan diskordansi (tidak wajar)
1
𝑠 N : jumlah pasangan X dan Y
2
𝑇𝑦 = ෍(𝑡𝑖(𝑦)
2
− 𝑡𝑖(𝑦) ) Tx : faktor koreksi ranking X yang sama
𝑖=1
Ty : faktor koreksi ranking Y yang sama
 Contoh Kasus • Rumusan Masalah
Apakah ada hubungan
Diketahui sebuah ranking nilai matematika rangking nilai matematika peserta
Semester dari dua semester kepada 12 orang didik di semester 1 dengan semester 2?
peserta didik. Data nilai ranking sebagai berikut: Gunakan tingkat signifikansi 1%.
Nilai Matematika di semester I dan II • Hipotesis
𝐻0 = Tidak ada kesesuaian rangking nilai
matematika semester 1 dan
semester 2.
𝐻1 = Ada kesesuaian rangking nilai
Judul Penelitian: matematika semester 1 dan
hubungan rangking nilai matematika peserta didik semester 2.
di semester 1 dengan semester 2 Tingkat signifikansi (∝= 0,05)
 Uji Hipotesis
Misalkan untuk keperluan penelitian, peneliti mengambil sampel 12 orang peserta didik.
Data yang diberikan seperti pada tabel berikut:
Nilai Matematika di semester I dan II

Nilai Matematika di semester I dan II berdasarkan urutan peserta didik

 Harga S untuk ranking yang saling berhubungan dengan
Rangking Berdasarkan urutan peringkat variabel Y
Semester I

Sesudah mengatur ranking-ranking itu,

dengan dasar ranking nilai matematika
dari semester 1, kita tetapkan harga S
untuk ranking yang saling berhubungan
dengan variabel Y.
 Rangking nilai statistik yang paling kiri adalah rangking 1, ini
memiliki 11 rangking yang lebih besar sebelah kanannya dan 0 Keputusan:
rangking yang lebih kecil disebelah kirinya, jadi skornya (11-0), Dengan melihat tabel nilai-nilai z,
begitu seterusnya sehingga didapatkan harga S = 44
kita mengetahui bahwa z > 3,03
𝑆 = 11 − 0 + 7 − 3 + 9 − 0 + 6 − 2 + 5 − 2 + mempunyai kemungkinan kemunculan,
6−0 + 5−0 + 2−2 + 1−2 + 2−0 +
dibawah 𝐻0 , sebesar p = 0,0012.
1 − 0 + 0 − 0 = 44
Dengan demikian, kita dapat
2𝑆 2 (44)
𝜏= = = 0,67 menolak 𝐻0 pada tingkat signifikansi
𝑛(𝑛 − 1) (12) (12 − 1)
alpha = 0,01.
Karena n > 10, maka kita dapat gunakan pendekatan sampel besar.
Kesimpulan:
Kita hitung statistic Z, yaitu:
𝜏 − 𝜇𝜏 𝜏
Dengan tingkat signifikansi 1%,
𝑍= =
𝜎𝜏 2 (2𝑛 + 5) terdapat cukup bukti untuk
9𝑛(𝑛 − 1)
mengatakan bahwa ada kesesuaian
0,67
= = 3,03 ranking nilai matematika semester 1
2 2. 12 + 5
9. 12 . 12 − 1
dan semester 2.
Thanks!