MAKALAH

ANALISIS KORELASI

Program Studi Teknik Informatika Jenjang S1

Disusun oleh:
Nama:Akbar Ramdani Abdullah
NPM:212201001

STMIK WIT-CIREBON
2022
 Daftar Isi

MAKALAH ......................................................................................................................................1
ANALISIS KORELASI ....................................................................................................................1
Daftar Isi ..........................................................................................................................................2
Kata pengantar .................................................................................................................................3
BAB I ................................................................................................................................................4
PENDAHULUAN .............................................................................................................................4
A. Latar Belakang ........................................................................................................................4
BAB II ..............................................................................................................................................5
PEMBAHASAN ...............................................................................................................................5
A. Pengertian Korelasi .................................................................................................................5
B. Analisis Korelasi Sederhana .....................................................................................................6
C. Analisis Koefisien Korelasi Linear Berganda .............................................................................8
BAB III ............................................................................................................................................. 10
PENUTUP ......................................................................................................................................... 10
A. Kesimpulan ........................................................................................................................... 10
DAFTAR PUSTAKA ............................................................................................................................ 11

2
 Kata pengantar

Puji syukur kehadirat Tuhan yang Maha Esa karena telah memberikan rahmat dan hidayah-Nya
sehingga saya dapat menyelesaikan karya tulis yang berjudul “Pengaruh Gula Terhadap Stamina
Tubuh”.

Penulis mengucapkan terima kasih kepada Bapak Chris Soelaiman, pada kuliah Statistika. yang
sudah mempercayakan tugas ini kepada penulis, sehingga sangat membantu penulis untuk
memperdalam pengetahuan pada bidang studi yang sedang ditekuni.

Terima kasih juga saya ucapkan kepada semua pihak yang telah berbagi pengetahuannya kepada
saya , sehingga karya tulis ini dapat diselesaikan tepat waktu.

Tidak ada gading yang tak retak, saya menyadari jika makalah ini masih jauh dari kata sempurna.
Oleh karena itu, penulis mengharapkan kritik serta saran demi kesempurnaan dari makalah ini.

Cirebon,24 Juli 2022

Akbar Ramdani Abdullah

3
 BAB I
PENDAHULUAN

A. Latar Belakang
Koefisien korelasi adalah ukuran yang dipakai untuk mengetahui derajat
hubungan antara variabel-variabel (Sudjana, 2005: 367). Dalam analisis statistika,
menentukan ukuran korelasi merupakan hal yang penting karena hal ini bisa mengetahui
kekuatan dan arah hubungan antara variabel-variabel yang diteliti. Nilai korelasi itu
nilainya berada dalam interval 1 r 1. Untuk nilai korelasi > 0 berarti memiliki arah
positif (+), untuk nilai korelasi 0 maka dapat diartikan tidak memiliki korelasi dan arah
serta untuk nilai korelasi < 0 berarti memiliki arah negatif (-). Maka semakin besar nilai r
semakin kuat pula hubungan korelasinya.
Metode statistika yang mempelajari tentang korelasi terdapat pada statistik
parametrik dan statistik nonparametrik. Dalam statistik parametrik, ukuran korelasi yang
bisa dipakai adalah koefisien korelasi product-moment Pearson. Statistik ini perlu
memerhatikan asumsi seperti pengukuran skala interval dan berdistribusi normal
bivariate. Sedangkan statistik nonparametrik tidak memerlukan asumsi tertentu tetapi
data minimal berskala ordinal. Korelasi yang termasuk nonparametrk seperti korelasi
Spearman, korelasi tau Kendall, korelasi ranking partial Kendall dan koefisien
konkordansi Kendall. Namun dalam hal ini yang akan dibahas adalah korelasi ranking
partial Kendall karena merupakan generalisasi dari koefisien korelasi tau Kendall (Siegel,
1992: 265).

4
 BAB II

PEMBAHASAN

A. Pengertian Korelasi
Persoalan pengukuran, atau pengamatan hubungan antara dua peubah X dan Y, berikut
ini akan kita bicarakan sesuai dengan referensi yang kami peroleh dalam beberapa literatur.
Tulisan ini tentu saja tidak selengkap seperti halnya tulisan tentang Pengertian Korelasi dalam
buku Statistika yang ditulis oleh, Ronald E. Walpole, Sugiono, Murray R. Spiegel, atau beberapa
Statistikawan yang memang saya kagumi ke-pakar-annya. Akan tetapi setidaknya bisa dijadikan
bacaan tambahan bagi mahasiswa yang ingin mengetahui lebih jauh tentang persoalan korelasi
atau persoalan-persoalan lain yang berkaitan dengan hubungan antar dua peubah.

Kita tidak akan dan bukan meramalkan nilai Y dari pengetahuan mengenai peubah bebas
X seperti dalam regresi linier. Sebagai misal, bila peubah X menyatakan besarnya biaya yang
dikeluarkan untuk membeli Pupuk dan Y adalah besarnya hasil Produksi Padi dalam satu kali
musim tanam, barangkali akan muncul pertanyaan dalam hati kita apakah penurunan biaya yang
dikeluarkan untuk membeli Pupuk juga berpeluang besar untuk diikuti dengan penurunan hasil
Produksi Padi dalam satu musim tanam. Dalam studi empiris lain, bila X adalah harga suatu barang
yang ditawarkan dan Y adalah jumlah permintaan terhadap barang tersebut yang dibeli oleh
konsumen, maka kita membayangkan jika nilai-nilai X yang besar tentu akan berpasangan dengan
nilai-nilai Y yang kecil.

Dalam hal ini kita tentu saja mempunyai bilangan yang menyatakan proporsi keragaman
total nilai-nilai peubah Y yang dapat dijelaskan oleh nilai-nilai peubah X melalui hubungan linear
tersebut. Jadi misalkan suatu korelasi memiliki besaran r = 0,36 bermakna bahwa 0,36 atau 36%
di antara keragaman total nilai-nilai Y dalam contoh kita, dapat dijelaskan oleh hubungan
linearnya dengan nilai-nilai X.Dalam hal ini kita tentu saja mempunyai bilangan yang menyatakan
proporsi keragaman total nilai-nilai peubah Y yang dapat dijelaskan oleh nilai-nilai peubah X
melalui hubungan linear tersebut. Jadi misalkan suatu korelasi memiliki besaran r = 0,36
bermakna bahwa 0,36 atau 36% di antara keragaman total nilai-nilai Y dalam contoh kita, dapat
dijelaskan oleh hubungan linearnya dengan nilai-nilai X.

Contoh lainnya adalah, misal koefisien korelasi sebesar 0,80 menunjukkan adanya
hubungan linear yang sangat baik antara X dan Y. Karena r2 = 0,64, maka kita dapat mengatakan
bahwa 64 % di antara keragaman dalam nilai-nilai Y dapat dijelaskan oleh hubungan linearnya
dengan X.Contoh lainnya adalah, misal koefisien korelasi sebesar 0,80 menunjukkan adanya
hubungan linear yang sangat baik antara X dan Y. Karena r2 = 0,64, maka kita dapat
mengatakan bahwa 64 % di antara keragaman dalam nilai-nilai Y dapat dijelaskan oleh
hubungan linearnya dengan X.
Besaran koefisien korelasi contoh r merupakan sebuah nilai yang dihitung dari n
pengamatan sampel. Sampel acak berukuran n yang lain tetapi diambil dari populasi yang
sama biasanya akan menghasilkan nilai r yang berbeda pula. Dengan demikian kita dapat
memandang r sebagai suatu nilai dugaan bagi koefisien korelasi linear yang sesungguhnya

5
 berlaku bagi seluruh anggota populasi. Misalkan kita lambangkan koefisien korelasi
populasi ini dengan ρ. Bila r dekat dengan nol, kita cenderung menyimpulkan bahwa ρ =
0. Akan tetapi, suatu nilai contoh r yang mendekati + 1 atau – 1 menyarankan kepada kita
untuk menyimpulkan bahwa ρ ≠ 0.
Masalahnya sekarang adalah bagaimana memperoleh suatu peng-uji-an yang akan
mengatakan kepada kita kapan r akan berada cukup jauh dari suatu nilai tertentu ρo, agar
kita mempunyai cukup alasan untuk menolak hipotesis nol (Ho) bahwa ρ = ρo, dan
menerima alternatifnya. Hipotesis alternatif bagi H1 biasanya salah satu di antara ρ < ρo,
ρ > ρo, atau ρ ≠ ρo.Masalahnya sekarang adalah bagaimana memperoleh suatu peng-uji-
an yang akan mengatakan kepada kita kapan r akan berada cukup jauh dari suatu nilai
tertentu ρo, agar kita mempunyai cukup alasan untuk menolak hipotesis nol (Ho) bahwa ρ
= ρo, dan menerima alternatifnya. Hipotesis alternatif bagi H1 biasanya salah satu di antara
ρ < ρo, ρ > ρo, atau ρ ≠ ρo.
B. Analisis Korelasi Sederhana
Analisis korelasi sederhana (Bivariate Correlation) digunakan untuk mengetahui
keeratan hubungan antara dua variabel dan untuk mengetahui arah hubungan yang terjadi.
Koefisien korelasi sederhana menunjukkan seberapa besar hubungan yang terjadi antara
dua variabel. Dalam SPSS ada tiga metode korelasi sederhana (bivariate correlation)
diantaranya Pearson Correlation, Kendall’s tau-b, dan Spearman Correlation. Pearson
Correlation digunakan untuk data berskala interval atau rasio, sedangkan Kendall’s tau-b,
dan Spearman Correlation lebih cocok untuk data berskala ordinal.
Pada bab ini akan dibahas analisis korelasi sederhana dengan metode Pearson atau
sering disebut Product Moment Pearson. Nilai korelasi (r) berkisar antara 1 sampai -1, nilai
semakin mendekati 1 atau -1 berarti hubungan antara dua variabel semakin kuat, sebaliknya
nilai mendekati 0 berarti hubungan antara dua variabel semakin lemah. Nilai positif
menunjukkan hubungan searah (X naik maka Y naik) dan nilai negatif menunjukkan
hubungan terbalik (X naik maka Y turun).
Menurut Sugiyono (2007) pedoman untuk memberikan interpretasi koefisien korelasi
sebagai berikut:
0,00 - 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
Contoh kasus:
Seorang mahasiswa bernama Andi melakukan penelitian dengan menggunakan alat
ukur skala. VITA ingin mengetahui apakah ada hubungan antara kecerdasan dengan

6
prestasi belajar pada siswa SMU NEGRI xxx dengan ini VITA membuat 2 variabel yaitu
kecerdasan dan prestasi belajar. Tiap-tiap variabel dibuat beberapa butir pertanyaan dengan
menggunakan skala Likert, yaitu angka 1 = Sangat tidak setuju, 2 = Tidak setuju, 3 = Setuju
dan 4 = Sangat Setuju. Setelah membagikan skala kepada 12 responden didapatlah skor
total item-item yaitu sebagai berikut:
Tabel. Tabulasi Data (Data Fiktif)

Subjek Kecerdasan Prestasi Belajar

1 33 58
2 32 52
3 21 48
4 34 49
5 34 52
6 35 57
7 32 55
8 21 50
9 21 48
10 35 54
11 36 56
12 21 47

Setelah diolah, maka hasil output yang didapat adalah sebagai berikut:
Tabel. Hasil Analisis Korelasi Bivariate Pearson
Dari hasil analisis korelasi sederhana (r) didapat korelasi antara kecerdasan dengan
prestasi belajar (r) adalah 0,766. Hal ini menunjukkan bahwa terjadi hubungan yang kuat
antara kecerdasan dengan prestasi belajar. Sedangkan arah hubungan adalah positif karena
nilai r positif, berarti semakin tinggi kecerdasan maka semakin meningkatkan prestasi
belajar.
Uji Signifikansi Koefisien Korelasi Sederhana (Uji t)
Uji signifikansi koefisien korelasi digunakan untuk menguji apakah hubungan yang terjadi
itu berlaku untuk populasi (dapat digeneralisasi). Misalnya dari kasus di atas populasinya
adalah siswa SMU NEGRI XXX dan sampel yang diambil dari kasus di atas adalah 12
siswa SMU NEGRI XXX, jadi apakah hubungan yang terjadi atau kesimpulan yang
diambil dapat berlaku untuk populasi yaitu seluruh siswa SMU Negeri XXX.
Langkah-langkah pengujian sebagai berikut:
1. Menentukan hipotesis

7
 Ho : Tidak ada hubungan secara signifikan antara kecerdasan dengan
prestasi belajar
Ha : Ada hubungan secara signifikan antara kecerdasan dengan
prestasi belajar
2. Menentukan tingkat signifikansi
Pengujian menggunakan uji dua sisi dengan tingkat signifikansi a = 5%. (uji
dilakukan 2 sisi karena untuk mengetahui ada atau tidaknya hubungan yang
signifikan, jika 1 sisi digunakan untuk mengetahui hubungan lebih kecil atau lebih
besar). Tingkat signifikansi dalam hal ini berarti kita mengambil risiko salah dalam
mengambil keputusan untuk menolak hipotesa yang benar sebanyak-banyaknya 5%
(signifikansi 5% atau 0,05 adalah ukuran standar yang sering digunakan dalam
penelitian)
3. Kriteria Pengujian
Ho diterima jika Signifikansi > 0,05
Ho ditolak jika Signifikansi < 0,05
4. Membandingkan signifikansi
Nilai signifikansi 0,004 < 0,05, maka Ho ditolak.
5. Kesimpulan
Oleh karena nilai Signifikansi (0,004 < 0,05) maka Ho ditolak, artinya bahwa ada
hubungan secara signifikan antara kecerdasan dengan prestasi belajar. Karena
koefisien korelasi nilainya positif, maka berarti kecerdasan berhubungan positif dan
signifikan terhadap pretasi belajar. Jadi dalam kasus ini dapat disimpulkan bahwa
kecerdasan berhubungan positif terhadap prestasi belajar pada siswa SMU Negeri
XXX
C. Analisis Koefisien Korelasi Linear Berganda
Adalah indeks atau angka yang diigunakan untuk mengukur keeratan hubungan
antara 3 variabel/lebih. Koefisien korelasi berganda dirumuskan:

Ry1.2 =

Keterangan:

Ry1.2 : koefisien linier 3 variabel

ry1 : koefisien korelasi y dan X1

ry2 : koefisien korelasi variabel y dan X2

r1.2 : koefisien korelasi variabel X1 dan X2

Dimana :

8
ry1=

ry2=

r1.2=

Ry1.2 =

9
 BAB III
PENUTUP
A. Kesimpulan
Korelasi merupakan hubungan antara dua kejadian dimana kejadian yang satu dapat
mempengaruhi eksistensi kejadian yang lain, Misalnya kejadian X mempengerahui
kejadian Y. Apabila dua variable X dan Y mempunyai hubungan, maka nilai variable X
yang sudah diketahui dapat dipergunakan untuk memperkirakan/menaksir atau
meramalkan Y. Ramalan pada dasarnya merupakan perkiraan/taksiran mengenai terjadinya
suatu kejadian(nilai suatu variabel) untuk waktu yang akan datang. Variable yang nilainya
akan diramalkan disebut variable tidak bebas (dependent variable), sedangkan variabel C
yang nilainya dipergunakan untuk meramalkan nilai Y disebut variable bebas (independent
variable) atau variable peramal (predictor) atau seringkali disebut variable yang
menerangkan (explanatory).
Jadi jelas analisis korelasi ini memungkinkan kita untuk mengetahui suatu di luar
hasil penyelidikan, Salah satu cara untuk melakukan peramalan adalah dengan
menggunakan garis regresi. Untuk menghitung parameter yang akan dijadikan dalam
penentuan hubungan antara dua variabel, terdapat beberapa cara, yaitu: koefisien
detreminasi, koefisien korelasi. Apabila terdapat data berkelompok menggunakan
koefisien data berkelompok dan bila menggunakan data berganda maksudnya variabel
bebas yang mempengaruhi variabel terikat ada dua, maka menggunakan koefisien
berganda.Sedangkan regeresi di bagi menjadi dua, yaitu regresi linier dan regresi non linier.
Dimana regresi linier juga dibagi menjadi dua yakni regresi linier sederhana dan regresi
linier berganda.

10
 DAFTAR PUSTAKA

Anonim. 2014. http://www.slideshare.net/guest44990b/pengertian-korelasi-2905911. Diakses 5

Desember 2014

Anonim. 2014. http://lovelyyydee.wordpress.com/category/makalah/. Diakses 12 Desember

2014

Abdurahman, Maman, Muhidin, Sambas & Somantri, Ating. 2012. Dasar-Dasar Metode
Statistika Untuk Penelitian. Bandung: CV. Pustaka Setia.

Bevington, Philip R et al. 2003. Data Reduction. New York USA : McGraw-Hill Companies, Inc.

Siregar, Syofian. 2013. Statistik Parametrik untuk Penelitian Kualitatif. Jakarta: Bumi Aksara.

Sudjana. 2005. Metoda Statistika Edisi Ke-enam. Bandung : Tarsito Bandung

11