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.
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
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
Apakah terdapat korelasi positif yang sampel 12 orang siswa. Data yang
• 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).
No 𝑿𝟏 𝑿𝟐 Y 𝑿𝟏 𝟐 𝑿𝟐 𝟐 𝒀𝟐 𝑿𝟏 𝒀 𝑿𝟐 𝒀 𝑿𝟏 𝑿𝟐
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 • Menguji signifikansi dengan rumus 𝑭𝒉𝒊𝒕𝒖𝒏𝒈 :
keberartian korelasi ganda (R) Kaidah uji signifikansi : jika 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 > 𝐹𝑡𝑎𝑏𝑒𝑙 , maka
dihitung uji F sebagai berikut: 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
1 − 𝑟𝑦𝑥2 2 1 − 𝑟𝑥1𝑥2 2
jika apabila 𝑋2 konstan
k
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
❖ 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:
• 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)
(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
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)
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