BAB II

LANDASAN TEORI

2.1. Pengertian Analisis Korelasi

Korelasi merupakan istilah yang digunakan untuk mengukur kekuatan
hubungan antarvariabel. Analisis korelasi adalah cara untuk mengetahui ada atau
tidak adanya hubungan antarvariabel misalnya hubungan dua variabel, apabila
terdapat hubungan antarvariabel maka perubahan-perubahan yang terjadi pada
salah satu variabel akan mengakibatkan terjadinya perubahan pada variabel
lainnya (Hasan,2001).
Analisa korelasi mencoba mengukur kekuatan hubungan antara dua
peubah demikian melalui sebuah bilangan yang disebut koefisien korelsi
(Walpole, 1993).
Korelasi yang terjadi antar dua variabel dapat dibedakan menjadi beberapa
bagian, yaitu :
A. Korelasi Positif
Korelasi positif adalah korelasi dari dua variabel, yaitu apabila variabel yang
satu (X) meningkat atau menurun maka variabel lainnya (Y) cenderung untuk
meningkat atau menurun pula.
B. Korelasi Negatif
Korelasi negatif adalah korelasi dari dua variabel, yaitu apabila variabel yang
satu (X) meningkat atau menurun maka variabel lainnya (Y) cenderung
menurun atau meningkat.
C. Tidak Korelasi
Tidak ada korelasi terjadi apabila kedua variabel (X dan Y) tidak
menunjukkan adanya hubungan.
D. Korelasi Sempurna
Korelasi sempurna adalah korelasi dari variabel, yaitu apabila kenaikan atau
penurunan variabel yang satu (variabel X) berbanding dengan kenaikan atau
penurunan variabel lainnya (variabel Y).
2.2. Variabel Bebas Dan Variabel Terikat
Variabel bebas (independent variable) adalah variabel yang nilai-nilainya
tidak bergantung pada variabel lainnya, biasanya disimbolkan dengan X. Variabel
itu digunakan untuk meramalkan atau menerangkan nilai variabel yang lain.
Variabel terikat (dependent variable) adalah variabel yang nilai-nilainya
bergantung pada variabel lainnya, biasanya disimbolkan dengan Y. Variabel itu
merupakan variabel yang diramalkan atau diterangkan nilainya (Hasan,2001).
Studi yang membahas tentang derajat hubungan antara variabel-variabel
dikenal dengan nama analisis korelasi. Ukuran yang dipakai untuk mengetahui
derajat hubungan, terutama untuk data kuantitatif, dinamakan koefisien korelasi
(Sudjana, 2005).

2.3. Menguji Hipotesis

Kembali pada populasi normal bervariabel dua dengan koefisien korelasi
ρ, jika ρ = 0 maka ternyata bahwa X dan Y independen sehingga dalam hal
populasi berdistribusi normal, ρ = mengakibatkan bahwa X dan Y independen
dan sebaliknya. Sifat ini tidak berlaku untuk populasi yang tidak berdistribusi
normal. (Sudjana, 2005).

2.4. Koefisien Korelasi Linier Sederhana

Apabila garis regresi yang terbaik untuk sekumpulan data berbentuk linier,
maka derajat hubungannya akan dinyatakan dengan r dan biasa dinamakan
koefisien korelasi. Dibawah ini merupakan penjelasannya

2.4.1 Pengertian Koefisien Korelasi

Koefisien korelasi linier sebagai ukuran hubungan linier antara dua peubah
acak X dan Y, dan dilambangkan dengan r, jadi r mengukur sejauh mana titik-titik
menggerombol sekitar sebuah garis lurus (Walpole, 1993).
Koefisien korelasi KK merupakan indeks atau bilangan yang digunakan
untuk mengukur keeratan (kuat, lemah, atau tidak ada) hubungan antarvariabel.
Koefisien korelasi memiliki nilai antara -1 dan +1 (-1 ≤ KK ≤ +1).
a. Jika KK bernilai positif maka variabel-variabel berkorelasi positif. Semakin
dekat nilai KK ke +1 semakin kuat korelasinya, demikian sebaliknya.
b. Jika KK bernilai negatif maka variabel-variabel berkorelasi negatif. Semakin
dekat nilai KK ke -1 semakin kuat korelasinya, demikian sebaliknya.
c. Jika KK bernilai 0 maka variabel-variabel tidak menunjukkan korelasi.
d. Jika KK bernilai +1 atau -1 maka variabel-variabel menujukkan korelasi
positif atau negatif yang sempurna.
Untuk menentukan keeratan hubungan atau korelasi antarvariabel tersebut,
berikut ini diberikan nilai-nilai dari KK sebagai patokan. (Hasan, 2001)
a. KK = 0, tidak ada korelasi
b. 0 < KK ≤ 0,20, korelasi sangat rendah/lemah sekali
c. 0,20 < KK ≤ 0,40, korelasi rendah/lemah tapi pasti
d. 0,40 < KK ≤ 0,70, korelasi yang cukup berarti
e. 0,70 < KK ≤ 0,90, korelasi yang tinggi, kuat
f. 0,90 < KK ≤ 1,00, korelasi sangat tinggi , kuat sekali, dapat diandalkan
g. KK = 1, korelasi sempurna.

2.5. Kegunaan Koefisien Korelasi

Koefisien korelasi ini digunakan untuk:
1. Untuk menentukan suatu arah atau bentuk dan kekuatan hubungan.
2. Untuk menentukan kovariasi, yaitu bagaimana dua variabel random (X
dan Y) bercampur. Kovariasi dirumuskan :
kovarian :( s x )( s y ) ( KK )
Keterangan :
SX = Simpangan baku (standar deviasi) variabel X.
SY = Simpangan baku (standar deviasi) variabel Y.
KK = koefisien korelasi.
( Hassan, 2001)

2.6. Diagram Pencar

Diagram pencar adalah suatu alat berupa diagram untuk menunjukkan ada
atau tidaknya korelasi (hubungan) antara dua variabel (variabel X dan Y) yang
berupa penggambaran nilai-nilai dari variabel-variabel tersebut. Diagram pencar
menggunakan sistem koordinat kartesius, pada koordinat tersebut sumbu X
diletakkan nilai-nilai variabel bebas (X) dan pada sumbu Y diletakkan nilai-nilai
variabel terikat (Y).
Tujuan dari diagram pencar adalah untuk mengetahui apakah titik-titik
koordinat pada diagram tersebut membentuk suatu pola tertentu. Diagram
tersebut, sebuah garis dapat ditarik membagi dua titik koordinat pada kedua
sisinya. Garis tersebut dapat diketahui korelasi antara kedua variable tersebut
(Hassan,2001).

2.7. Tabel Korelasi

Tabel korelasi adalah menunjukkan adanya indikasi korelasi antara dua
variabel. Tabel korelasi terdapat dua variabel X dan Y. Proses pembentukan tabel
frekuensi (distribusi frekuensi). Table korelasi disebut distribusi frekuensi
bervariabel dua (Hasan, 2001).
Prosedur pembuatan table korelasi (distribusi frekuensi dua variabel)
adalah sebagai berikut.
1. Menentukan jangkauan kedua variable (variabel X dan Y).
r = Data terbesar – Data terkecil

2. Menentukan banyaknya kelas kedua variabel tersebut.

k = 1 + 3,2 log n

3. Menentukan panjang interval kelas kedua variabel tersebut.

r
i=
k

4. Menentukan batas bawah kelas pertama dari kedua variabel itu.

Batas bawah kelas pertama diambil dari data terkecil atau data terkecil hasil
pelebaran jangkauan.
5. Menempatkan kelas untuk variabel X pada kolom table dan kelas untuk
variabel Y pada baris tabel.
2.8. Jenis-Jenis Koefisien Linier Sederhana
 Jenis-jenis koefisien korelasi yang sering digunakan adalah koefisien
korelasi Pearson, koefisien korelasi Rank Spearman, koefisien korelasi
Kontingensi, dan koefisien penentu (KP). Jenis koefisien korelasi yang telah
disebutkan diatas, terdapat juga jenis koefisien korelasi yang lain, yaitu koefisien
korelasi Rank Rendall dan koefisien korelasi data berkelompok.
a. Koefisien Korelasi Pearson
Koefisien korelasi Pearson adalah indeks atau angka yang digunakan untuk
mengukur keeratan hubungan anatara dua variabel yang datanya berbentuk data
interval atau rasio. (Hasan, 2001).
Koefisien korelasi Pearson dapat ditentukan dengan dua metode yaitu:
1) Metode least square
Koefisien korelasi linier dengan metode least square dirumuskan:
n ∑ XY−∑ Y ∑ X
r=
√ (n ∑ X −(∑ X ) )(n∑ Y − (∑ Y ) )
2 2 2 2

2) Metode product momen

Koefisien korelasi (r) dengan metode product momen dirumuskan:

Σxy
r=
√ Σx2 . Σy2
Keterangan:
r = koefisien korelasi
x = deviasi rata-rata variabel X

=X- X
y = deviasi rata-rata variabel Y
Y
=Y-

b. Koefisien Korelasi Rank Spearman

Koefisien korelasi rank spearman adalah indeks atau angka yang digunakan
untuk mengukur keeratan hubungan anatara dua variabel yang datanya berbentuk
data ordinal (data bertingkat/data rangking). Koefisien korelasi rank spearman
dapat dirumuskan: (Hasan, 2001).
2
6Σd
r s =1− 2
n (n −1)
Keterangan:
rs = koefisien korelasi rank spearman
d = selisih dalam rangking
n = banyaknya pasangan rank

c. Koefisien Korelasi Rank Kendall

Koefisien korelasi rank kendall merupakan pengembangan dari koefisien
korealasi rank spearman. Disimbolkan dengan “τ” (baca tau). Koefisien korelasi
ini digunakan pada pasangan variabel atau data X dan Y dalam hal ketidak
sesuaian rank, yaitu untuk mengukur ketidak teraturan. Koefisien korelasi rank
kendall dirumuskan: (Hasan, 2001).
S C−D
τ= =
( 12 )N ( N −1) ( 12 )N ( N −1)

d. Koefisien Korelasi Bersyarat (Koefisien Kontingensi)

Koefisien korelasi bersyarat digunakan untuk data kualitatif. Data kualitatif
adalah data yang tidak berbentuk angka-angka, tetapi berupa kategori-kategori,
misalnya data yang berkategorikan kurang, cukup, sangat cukup atau tinggi,
menengah atau sedang, rendah, atau gejala-gejala yang bersifat nominal (data
nominal). Koefisien korelasi data kuantitatif, koefisien korelasi bersyarat ini
disimbolkan “C” dan mempunyai interval nilai antara -1 dan 1 (-1 ≤ C ≤ 1).
Koefisien korelasi bersyarat dirumuskan: (Hasan, 2001)

C=
√ χ2
χ 2 +n

Keterangan:
χ2 = kai kuadrat
n = jumlah semua frekuensi
C = koefisien korelasi bersyarat

e. Koefisien Korelasi Data Berkelompok

Koefisien korelasi data berkelompok adalah indeks angka-angka yang
digunakan untuk mengukur keeratan hubungan antarvariabel dalam distribusi
bivariabel. Koefisien korelasi data berkelompok dapat dihitung dengan
menggunakan metode coding dan metode simpangan baku.
1) Metode coding
Koefisien korelasi data berkelompok dengan metode coding dapat
dirumuskan: (Hasan, 2001).
nΣf x u x u y −(Σf x u x )(Σf y u y )
r=
√(nΣf x u 2x −(Σf x u x )2 )(nΣf y u2y −(Σf y u y )2 )

2) Metode simpangan baku

Koefisien korelasi data berkelompok dengan metode simpangan baku
dirumuskan:
S xy
r=
Sx . S y

S xy =C x . C y
( Σfu x u y
n
− ( Σfu x u x
n )( Σfu y u y
n ))
√ Σf x u2x
( )
2
Σf x u y
S x=C x −
n n

√ Σf y u2y
( )
2
Σf y u y
S y =C y −
n n

f. Koefisien Penentu (KP) atau Koefisien Determinasi (R2)

Jika koefisien korelasi dikuadratkan akan menjadi koefisien penentu (KP) atau
koefisien determinan, yang artinya penyebab perubahan pada variabel Y yang
datang dari variabel X. Koefisien penentu ini menjelaskan besarnya pengaruh nilai
suatu variabel (variabel X) terhadap naik/turunnya (variasi) nilai variabel lainnya
(variabel Y). Koefisien penentu dirumuskan: (Hasan, 2001).
KP=R2 =( KK )2×100%
Keterangan:
KK = koefisien korelasi
Jika koefisien korelasinya adalah koefisien korelasi Pearson (r) maka koefisien
penentunya adalah: (Hasan, 2001).
KP=R2 =r 2 ×100%

Dalam bentuk rumus, koefisien penentu (KP) dituliskan:

(n )(ΣXY )−(ΣX )(ΣY)

KP=
[(n )(ΣX2 )−(ΣX )2 ][(n )( ΣY2 )−(ΣY )2

2.9. Korelasi Linier Berganda

Korelasi linier sederhana merupakan alat ukur mengenai hubungan yang
terjadi antara variabel terikat (Y) dengan dua atau lebih variabel bebas (X 1, X2, X3,
..., Xn). Korelasi linier berganda ini, mempunyai keeratan atau kuat tidaknya
hubungan (kuat, lemah, atau tidak ada hubungan sama sekali) antara variabel-
variabel tersebut yang dapat diketahui. Keeratan hubungan ini dinyatakan dengan
istilah koefisien korelasi, yang dapat dijelaskan sebagai berikut:
a. Koefisien Korelasi Linier Berganda
Koefisien korelasi linier berganda adalah indeks atau angka yang
digunakan untuk mengukur keeratan hubungan antara tiga variabel atau lebih.
Koefisien korelasi linier berganda untuk tiga variabel dirumuskan: (Hasan, 2001).

Keterangan:
RY . 12=
√ r 2YI + r 2Y2−2r Y1 r Y2 r 12
1−r 212

RY.12 = koefisien korelasi linier tiga variabel

rY1 = koefisien korelasi variabel Y dan X1
rY2 = koefisien korelasi variabel Y dan X2
r12 = koefisien korelasi variabel X1 dan X2

b. Koefisien Penentu Berganda/Koefisien Determinasi Berganda

 Jika koefisien korelasi berganda dikuadratkan, diperoleh koefisien penentu
berganda (KPB) atau koefisien determinasi berganda (KDB). Koefisien penentu
ini digunakan untuk mengukur besarnya sumbangan dari beberapa variabel (X 1,
X2, X3, ..., Xn) terhadap naik turunnya (variasi) variabel Y.
Jika Y = a + b1X1 + b2X2 maka KP mengukur besarnya sumbangan X1 dan
X2 terhadap naik turunnya (variasi) Y.
2
KPB=KP=r y.12

Jika KP dikalikan dengan 100% maka diperoleh persentase sumbangan X1

dan X2 terhadap naik turunnnya (variasi) Y. (Hasan, 2001).

2
KPB=R Y . 12×100%

c. Korelasi Linier Parsial

Berhubungan erat dengan dengan koefisien korelasi linier berganda adalah
koefisien korelasi parsial. Ini dimaksudkan koefisien korelasi anatara sebagian
dari sejumlah variabel apabila hubungan dengan sebagian variabel lainnya
dianggap tetap. Jelaslah bahwa akibatnya akan banyak koefisien korelasi parsial
yang dapat dihitung.
Untuk variabel-variabel Y, X1, dan X2 misalnya dapat ditentukan
koefisien korelasi parsial antara Y dan X1 dengan menganggap X2 tetap,
dinyatakan dengan ry12 dan koefisien korelasi parsial antara Y dan X2 apabila X1
dianggap tetap, dinyatakan ry21. Rumusnya masing-masing adalah: (Sudjana,
2005).

r y1−r y2 r 12
r y12 =
√(1−y22 )(1−r 122 )
r y2−r y1 r 12
r y21 =
√(1−y12 )(1−r 122 )