ANALISIS KORELASI

A. Pendahuluan
Korelasi adalah istilah statistik yang menyatakan derajat hubungan
linear antara dua variabel atau lebih, yang dikemukakan oleh Karl Pearson
pada awal tahun 1900. Oleh sebab itu terkenal dengan sebutan Korelasi
Pearson Product Moment (PPM). Korelasi adalah salah satu teknik analisis
statistik yang paling banyak digunakan oleh para peneliti. Karena peneliti
umumnya tertarik terhadap peristiwa-peristiwa yang terjadi dan mencoba
untuk menghubungkannya. Misalnya kita ingin menghubungkan antara tinggi
badan dengan berat badan, antara umur dengan tekanan darahnya, antara
motivasi dengan prestasi belajar atau bekerja, dan seterusnya.
Hubungan antara dua variabel didalam teknik korelasi bukanlah dalam
arti huungan sebab akibat (timbal balik), melainkan hanya merupakan
hubungan searah saja. Hubungan sebab akibat, misalnya: kemiskinan dengan
kejahatan; kebersihan dengan kesehatan; kemiskinan dengan kebodohan;
orang yang bodoh dapat menyebabkan miskin, sebaliknya orang yang miskin
dapat menyebabkan dirinya bodoh; demikian seterusnya. Jadi tidak jelas mana
yang menjadi penyebab dan mana yang menjadi akibat. Keadaan ini berbeda
dengan hubungan searah (linear) di dalam analisis korelasi. Dalam korelasi
hanya dikenal hubungan searah saja (bukan timbal balik), misalnya : (1) tinggi
badan menyebabkan berat badannya bertambah, tetapi berat badannya
bertambah belum tentu menyebabkan tinggi badannya bertambah pula; (2)
meningkatnya pemakaian mobil pribadi menyebabkan macetnya lalu lintas,
tetapi macetnya lalu lintas belum tentu meningkatkan pemakaian mobil
pribadi; demikian seterusnya.
Akibatnya, dalam korelasi dikenal penyebab dan akibatnya. Data
penyebab atau yang mempengaruhi disebut variabel bebas, sedangkan data
akibat atau yang dipengaruhi disebut variabel terikat. Istilah bebas disebut juga
dengan independen (independent) yang biasanya dilambangkan dengan huruf
X atau X1, X2, X3, … Xn (tergantung banyaknya variabel bebas). Sedangkan
 istilah terikat disebut juga dependen (dependent), yang biasanya dilambangkan
dengan huruf Y. Bagaimana menentukan bahwa variabel itu bebas atau
terikat? Jawabnya ialah tergantung dari landasan teori yang kita pakai.
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 paling
tepat digunakan. Oleh sebab itu, sebelum mempelajari analisis korelasi, maka
macam-macam tingkatan data tersebut harus sudah dipahami sepenuhnya.

B. Macam-Macam Teknik Korelasi

Macam-macam teknik korelasi seperti tabel X.1, atau tabel X.2 atau tabel X.3
Tabel X.1: Teknik-Teknik Analisis Tipe dan Jumlah Variabel Bebas
Interval Ordinal Nominal
1 >1 1 >1 1 >1
Analisis Transformasikan variabel
I 0
Faktor ordinal ke nominal dan L
N
Korelasi gunakan C-1, atau Anava A
T 1 Korelasi Anava
Ganda transformasikan variabel (atau t test) J
E
interval ke ordinal dan U
R
gunakan B-2, atau Analisis Analisis R
V Korelasi Korelasi
>1 transformasikan kedua Diskrimina Diskriminan
A Ganda Kanonika
variabel ke nominal dan n Ganda Ganda 1
L
gunakan C-3
Koefisien
0 Transformasikan variabel Konkordas
O ordinal nominal dan (W) L
R gunakan C-1, atau Sign test, A
D transformasikan variabel median test, J
Korelasi
I interval ke ordinal dan U test, Anava U
Spearman
N 1 gunakan b-2, atau Kruskal- dua jalan R
Kendall’sta
A transformasikan variabel Wallis (Friedman)
u
L internal ke nominal dan anava satu 2
gunakan C-2 jalan
>1
0
N Sign test, L
Analisis Koef Phi A
O median test,
Anava Diskrimina (Ø) Fisher J
M 1 U test,
(lihat C-1) n Ganda Exact Test, U
I Kruskal-
(lihat C1) X2 R
N Wallis C2
A Anava dua
L Anava Anava
>1 jalan 3
(lihat C-1) (lihat C-1)
(Friedman)
KOLOM A KOLOM B KOLOM C
Sumber : Tuckman, 1972
Tabel X.2 : Teknik Korelasi Dua Variabel Bivariant untuk Berbagai Variabel
Teknik Korelasi Symbol Variabel 1 Variabel 2 Keterangan
Product r Kontinum Kontinum Teknik yang paling
(Interval) (Interval) banyak dipakai,
khususnya untuk
mendapatkan standar
kesalahan terkecil.
Rank ρ Rank Rank Sering dipakai sebagai
(ordinal) (ordinal) pengganti produk momen
terutama jika sampel
kurang dari 30.
Untuk pengganti, jika
Tan Kendali τ Rank (ordinal) Rank (ordinal)
sampel kurang dari 10.
Kadang-kadang lebh dari
Biserial rbis Kontinum Kontinum 1= standar kesalahan
lebih besar dari r umunya
dipakai untuk aalisis
item.
Khususnya dipakai untuk
Biserial rwbs Kontinum Kontinum perseorangan yang
Widespread ekstrem dalam dikotomi
variabel.
Hasilnya lebih rendeh
Point-Biserial Kontinum Kontinum dari rbis.
rpbis Digunakan jika kedua
Dikotomi Dikotomi
Tentrachoris Artifisial Artifisial variabel dapat dipecah
Ss pada titik kritis.
Buatan Buatan
Dikotomi Dikotomi Digunakan pada
sebenarnya sebenarnya perhitungan antara
Phi Ø analisis item.
ialah kondisi khusus
2 Kategori atau 2 Kategori atau dapat dibandingkan
Contingensi Ɛ dengan r τ -berhubungan
lebih lebih
erat dengan chi kuadrat.
Digunakan untuk
Kontinum kontinum mengetahui hubungan
Rasio otomatis Ƞ nonlinier.
(Disadur dari Borg W Gall, 1983, hal. 587; Isaacc & Michael, 1983, hal.166)
Tabel X.3 : Koefisien Korelasi
Koefisien Korelasi Variabel yang diukur
1. Produk Momen Pearson  Kedua variabelnya berskala interval
2. Order Rank Sperman  Kedua variabelnya berskala ordinal
3. Point Serial  Satu berskala dikotomi sebenarnya dan satu
berskala interval
4. biserial  Satu berskala dikotomi buatan dan satu berskala
interval
5. koefisien Kontingensi  Kedua variabelnya berskala nominal
(Disadur dari Sutrisno Hadi, 1987, hal. 6-7.: Wrezia, 1986, hal. 332)
C. Korelasi Pearson Produk Momen (PPM)
Korelasi PPM sering disingkat korelasi saja, merupakan salah satu
korelasi yang paling banyak digunakan dalam penelitian sosial. Besarnya
angka korelasi disebut koefisien korelasi dinyatakan dalam lambang r.
1. Guna Korelasi PPM
a. Untuk menyatakan ada atau tidaknya hubungan yang signifikan antara
variabel satu dengan yang lainnya.
b. Untuk menyatakan besarnya sumbangan variabel satu terhadap yang
lainnya yang dinyatakan dalam persen. Dengan demikian, maka r 2
disebut koefisien determinasi atau koefisien penentu. Hal ini
disebabkan r2 x 100% terjadi dalam variabel terikat Y yang mana
ditentukan oleh variabel X.
2. Asumsi
Asumsi merupakan persyarata yang harus dipenuhi dalam
menggunakan korelasi PPM adalah :
a. Variabel yang dihubungkan mempunyai data berdistribusi normal.
b. Varabel yang dihubungkan mempunyai data linier.
c. Variabel yang dihubungkan mempunyai data yang dipilih secara acak
(random).
d. Variabel yang dihubungkan mempunyai pasangan sama dari subjek
yang sama pula (variasi skor variabel yang dihubungkan harus sama).
e. Variabel yang dihubungkan mempunyai data interval atau rasio.
3. Kelayakan Nilai r
a. Batas nilai r
Nilai r terbesar ialah +1, dan terkecil ialah -1 sehingga dapat ditulis -1
≤ r ≤ + 1. Untuk r = +1 disebut hubungannya positif sempurna dan
hubungannya linier langsung sangat tinggi. Sebaliknya jika r = -1
disebut hubungannya negatif sempurna dan hubungannya tidak
langsung (indirect) sangat tinggi, yang disebut inverse.
b. Hanya untuk hubungan linier saja.
 c. Tidak berlaku untuk sapel dengan varian = 0, karena z tidak dapat
dihitung dan akhirnya r tidak dapat dihitung juga.
d. r tidak mempunyai satuan (dimensi).
Jika r = +1 diberi makna hubungan kedua variabel adalah linier, positif
dan sangat tinggi; dan jika r = -1, diberi arti hubungan kedua variabel
adalah linier, negative dan sangat tinggi. Bagaimana jika nilai 2
terdapat diantara -1 dengan +1, misalnya +0,7, +0,01, -0,5, -0,2. Untuk
menjawab pertanyaan ini, maka makna dari r yang kita hitung dapat
dikonsultasikan dengan tabel dibawah ini.

Tabel X.4
Interpretasi dari Nilai r
r interpretasi
0 Tidak berkorelasi
0,1-0,20 Sangat rendah
0,21-0,40 Rendah
0,41-0,60 Agak rendah
0,61-0,80 Cukup
0,81-0,99 Tinggi
1 Sangat tinggi

e. Macam nilai r
Setelah kita menghitung nilai r dari sekian banyak penelitian, akhirnya
dapat disimpulkan bahwa nilai r itu dapat dibedakan atas lima macam
yaitu : +1, +0…, 0, -0…, dan -1.
Atau dengan kata lain, harga maksimal r adalah +1 dan harga minimal
r adalah -1, yang kalau ditulis dalam bentuk matematis menjadi -1 ≤ r
≤ +1.

4. Menghitung Nilai r
Sebelum macam-macam nilai r diberikan, maka terlebih dahulu
disajikan cara untuk mendapatkan atau menghitung nilai r itu sendiri. Cara
menghitung nilai r ada empat, yaitu :
a. Tabel biasa
 b. Tabel peta korelasi
c. Tabel distribusi frekuensi
d. Kalkulator dan computer.
Berikut ini dibatasi pada perhitungan koerlasi dengan menggunakan
tabel biasa saja, sebab tabel peta korelasi dan tabel distribusi frekuensi
sudah banyak ditinggalkan orang, karena terlalu sulit. Sedangkan
perhitungan r dengan kalkulator dan computer sangatlah ditentukan oleh
spesifikasi masing-masing yang dibahas dalam buku tersendiri.
Penggunaan tabel biasa untuk menghitung korelasi merupakan dasar
untuk menerapkan rumus korelasi dan cara ini termasuk yang paling
mudah dibandingkan dengan tabel di atas.
Langkah-langkah menghitug r dengan menggunakan bantuan tabel
biasa sebagai berikut :
1) Asumsikan bahwa persyaratan untuk menggunakan analisis
korelasi PPM telah terpenuhi.
2) Tulis Ha dan H0 dalam bentuk kalimat.
a. Ha : Terdapat hubungan yang positif dan signifikan antara
variabel X dengan Y
b. H0 : Tidak terdapat hubungan yang positif dan signifikan
antara variabel X dengan Y.
3) Tulis Ha dan H0 dalam bentuk statistik.
a. Ha : r ≠ 0
b. H0 : r = 0
4) Buatlah tabel penolong untuk menghitung r dengan tabel berikut
ini.
Tabel X.5 : Penolong untuk menghitung r
No. Xi Yi (Xi - ̅Xi) (Xi - Y
̅ i) x2 y2 xy
Resp X X
1
2
n
̅ Xi ̅ Yi 0 0 Σx2 Σy2 Σxy
5) Cari rhitung dengan menggunakan rumus :
a.

Σ xy
r xy =
√( Σ x2 )(Σ y 2 )
atau
b.

Σ( X i−X i )(Y i−Y i )

r=
√Σ ¿ ¿ ¿
atau
c.

n Σ X i Y −(Σ X i )( ΣY i)
r=
√ {n Σ X −¿ ¿ ¿
2
i

atau
d.

√
2
1−S y . x
r= 2
Sy

atau
e. Jika persamaan regresi y atas x sudah dihitung dapat digunakan
rumus :

2 bn Σ X i Y i −( Σ X i )(Σ Y i )
r=
n Σ Y 2i −¿ ¿

atau
f.

b . Sx
r=
Sy

Atau
 g.

r 2=b1 b2

atau
h. Jika kedua variabel yang akan dicari koerlasinya mempunyai
nilai yang sangat berbeda, maka r dihitung dengan cara
mengubah data kedua variabel itu ke dalam nilai Z.

Σ xy
r xy =
√( Σ x2 )(Σ y 2 )
di mana :

X− X
Z x=
Sdx

Y −Y
Z y=
Sdy

6) Tetapkan taris signifikansinya.

7) Tentukan kriteria pengujian signifikan korelasi yaitu :
Ha : tidak signifikan
H0 : signifikan
Jika -rtabel ≤ rhitung ≤ rtabel, maka H0 ditolak atau korelasinya tidak
signifikan.
8) Tentukan dk dengan rumus = n-2
Dengan taraf signifikansi seperti langkah (4) dan rtabel tersebut
dengan menggunakan tabel r kritis Pearson didapat rtabel.
9) Bandingkan rhitung dengan rtabel dan konsultasikan dengan kriteria
langkah (7) tadi.
10) Buatlah kesimpulannya.
11) Jika diminta, maka hitunglah besarnya sumbangan variabel x
terhadap y.
 Catatan:
Jika tidak ingin menggunakan rtabel maka dapat uji signifikansi r dapat pula
menggunakan ttabel sebagai pengganti langkah (5), (7), (8) dan (9). Langkah-
langkahnya sebagai berikut:

5) Cari thitung dengan rumus: r =

√ n−2
1−r ❑2
7) Tentukan kriteria pengujian signifikansi korelasi, yaitu:
Jika -ttabel ≤ thitung ≤ tabel, maka H0 diterima atau korelasinya tidak
signifikan.
8) Tentukan dk dengan rumun: dk = n -2
Dengan taraf signifikansi seperti lagkah (4) dan dengan menggunakan
tabel t didapat nilai ttabel
9) Bandingkan nilai thitung dengan ttabel dan konsultasikan dengan kriteria
langkah (7) tadi variabel X terhadap Y

5. Contoh Soal Nomor 1:

Diketahui data terhadap 5 responden untuk variabel X dan Y sbb:
Variabel X Variabel Y
1 4
2 3
3 5
4 7
5 6
Soal:
Buktikan bahwa kedua variable mempunyai hubungan linier yang positif.

Jawab:
Langkah-langkahnya:
1) Asumsikan bahwa persyaratan untuk menggunakan analisis korelasi PPM
telah terpenuhi.
2) Tulis Ha dan H0 dalam bentuk kalimat:
a. Ha : Terdapat hubungan yang positif dan signifikan antara variabel
X dengan Y
 b. H0 : Tidak terdapat hubungan yang positif dan signifikan antara
variabel X dengan Y.
3) Tulis Ha dan H0 dalam bentuk statistik.
a. Ha : r ≠ 0
b. H0 : r = 0
4) Buatlah tabel penolong untuk menghitung r dengan tabel berikut ini.

Tabel X.6 : Penolong untuk menghitung r

No. Xi Yi (Xi - ̅Xi) = (Xi - ̅Yi) = x2 y2 xy
Resp X Y
1 1 4 -2 -1 4 1 2
2 2 3 -1 -2 1 4 2
3 3 5 0 0 0 0 0
4 4 7 1 2 1 4 2
5 5 6 2 1 4 1 2

̅ Xi = ̅ Yi = 0 0 Σx2 = Σy2 = Σxy=

3 5
10 10 8

5) Cari rxyhitung = rxy

dengan menggunakan rumus :

Σ xy
r xy =
√(Σ x2 )(Σ y 2 )
8
r xy =
√(10)(10)

8
r xy =
10

= 0,80

6) Tetapkan taraf signifikansinya, (yaitu α = 0,05).

7) Kriteria pengujian signifikan korelasi, yaitu :
Ha : tidak signifikan
 H0 : signifikan
Jika -rtabel ≤ rhitung ≤ rtabel, maka H0 ditolak atau korelasinya tidak
signifikan.
8) dk rumus = n - 2 = 5 – 2 = 3
Dengan α = 0,05 dari table r kritis Pearson didapat nilai rtabel = 0,805.
9) Ternyata -0,805˂0,800˂0,805 atau
-rtabel ≤ rhitung ≤ rtabel sehingga H0 ditolak atau korelasinya tidak signifikan.
10) Kesimpulan: Hubungan antara X dengan Y ternyata positif (cukup) dan
tidak signifikan.
11) Jika diminta, maka besarnya sumbangan variabel x terhadap y adalah
R2 x 100% = 0,8002 x 100% = 64% sedangkan sisanya yang 34%
ditentukan oleh variabel lain.

Catatan:
Jika tidak ingin menggunakan rtabel maka dapat uji signifikansi r dapat pula
menggunakan ttabel sebagai pengganti langkah (5), (7), (8) dan (9). Langkah-
langkahnya sebagai berikut:

6) Cari thitung dengan rumus: r

√ n−2
2
1−r❑

= 0,80
√ 5−2
2
1−0,80❑
= 0,80 √ 3/0,36
= 2,300
7) Tentukan kriteria pengujian signifikansi korelasi, yaitu:
Jika -ttabel ≤ thitung ≤ tabel, maka H0 diterima atau korelasinya tidak
signifikan.
8) dk = n -2 = 5 - 2
Dengan taraf signifikansi seperti lagkah (4) dan dengan menggunakan
tabel t didapat nilai ttabel = 3,182
9) Ternyata -3,182 ˂ 2,30 ˂ 3,182 atau -ttabel˂thitung˂ttabel sehingga H0
diterima atau korelasinya tidak signifikan.