0
N L
Sign test,
O Analisis A
median test, Koef Phi (Æ)
M Anava Diskriminan J
1 U test Fisher Exact
I (lihat C-1) Ganda U
Kruskal Test, X2
N (lihat C1) R
Wallis C2
A
Anava dua
L Anava Anava 3
>1 jalan
(lihat C-1) (lihat C-1)
(Friedman)
Tabel 6.2
Teknik Korelasi Dua Variabel Bivariant Untuk
Berbagai Variabel
(Disadur dari Brorg W Gall, 1983, hal. 587; Isaacc & Michael, 1983, hal. 166)
3. Kelayakan Nilai r
a. Batas nilai r
Nilai r terbesar ialah +1, dan terkecil -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 negative sempurna dan
hubungannya tidak langsung (indirect) sangat tinggi, yang disebut inverse.
b. Hanya untuk hubungan linier saja
c. Tidak berlaku untuk sample dengan varian = 0, karena z tidka 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 variabel adalah linier, negatif dan sangat
tinggi. Bagaimana jika nilai r terdapat diantara 1 denga + 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 di bawah ini:
Tabel 6.4
Interprestasi Dari Nilai R
R Interprestasi
0 Tidak berkorelasi
0,01 – 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 :
tabel biasa, tabel peta korelasi, tabel distribusi frekuensi, kalkulator, dan computer.
Berikut ini dibatasi pada perhitungan korelasi 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 komputer 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 denga kedua tabel di
atas. Langkah-langkah menghitung r dengan menggunakan bantuan tabel biasa adalah
sebagai berikut :
1) Asumsikan bahwa persyaratan untuk menggunakan analisis korelasi PPM telah
terpenuhi.
2) Tulis Ha dan Ho dalam bentuk kalimat.
a. Ha : Terdapat hubungan yang positif dan signifikan antara variabel X
dan Y.
b. Ho : Tidak terdapat hubungan yang positif dan ignifikan antara
variabel X dan Y.
3) Tuliskan Ha dan Ho dalam bentk statisti.
a. Ha : r ≠ 0
b. Ho : r = 0
4) Buatlah tabel penolong untuk menghitung r dengan tabel beikut ini.
Tabel X.5
Penolong Untuk Menghitng R
No. Xi Yi
( X i − X̄ i ) ( X i − Ȳ i ) X2 Y2 xy
x y
1
2
3
.
.
n
X̄ i Ȳ i 0 0 Σx
2
ΣY
2
Σ xy
Σ ( X i − X̄ i ) (Y i − Ȳ i )
b. r=
√ Σ ( X i − X̄ i )2 Σ (Y i − Ȳ i )2
atau
nΣ X i Y − ( ΣX i ) ( ΣY i )
c. r=
√ {nΣ X 2
i
2
− ( ΣX i )2 } {nΣ Y i − ( ΣY i )2 }
atau
√
2
y
1− S . x
d. r= 2
y
S
atau
e. Jika persamaan regresi y atas x sudah dihitung dapat digunakan rumus:
b nΣX i Y i − ( ΣX i ) ( ΣY i )
r2 = 2
i
nΣY − ( ΣY i )2
atau
b . Sx
f. r=
Sy
atau
2
g. r = b1 b 2
atau
h. Jika kedua variabel yang akandicari korelasinya mempunyai nilai yang sangat
berbeda, maka r dihitung dengan cara mengubah data kedua variabel itu ke dalam
nilai Z.
ZxZy
r=
n
di mana :
X − X̄
Zx =
Sd x
Y − Ȳ
Zy =
Sd y
t hitung = r
√ n−2
1 − r2
7) Tentukan kriteria pengujian signifikansi korelasi yaitu :
Jika -rtabel ≤ rhitung ≤ rtabel, maka Ho diterima atau korelasinya tidak signifikan.
8) Tentukan dk dengan rumus : dk = n – 2
Dengan taraf signifikansi seperti langkah 4) dan dengan menggunakan tabel t didapat
nilai ttabel.
9) Bandingkan thitung dengan ttabel dan konsultasikan dengan kriteria langkah 7) tadi, variabel x
terhadap variabel y.
5. Contoh Soal Nomor 1
Diketahui data terhadap 5 responden untuk variabel :
X Y
1 4
2 3
3 5
4 7
5 6
Buktikan bahwa kedua variabel itu mempunyai hubungan linear yang positif.
Jawab :
Langkah-langkahnya :
1) Buktikan atau asumsikan bahwa kedua variabel itu mempunyai norma dan dipilih secara
acak.
2) 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) Hipotesis statistiknya.
a. Ha : r ≠ 0
b. H0 : r = 0
4) Buatlah tabel sebagai penolong untuk menghitung r.
Tabel X.6
Penolong Untuk Menghitung R
No. Xi Yi ( X i − X i) = x (Y i − Y i ) = y x2 y2 xy
Res
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
X i =3 Yi = 5 0 0 2
Σx = 10
2
Σy = 10 Σ xy = 8
t hitung =
√ n−2
1 − r2
= 0,80
√ 5−2
1 − 0,80 2
= 0,80 √3/0.36 = 2,300
7) Tentukan kriteria pengujian signifikansi korelasi, yaitu :
Jika – ttabel ≤ thitung ≤ ttabel, maka H0 diterima atau korelasinya tidak signifikan.
8) dk = n – 2 = 5 – 2 = 3
Dengan total signifikansi sepeti langkah 4) maka dari tabel t didapat ttabel = 3,182.
9) Ternyata 3,182 < 2,300 < 3,182 atau
-ttabel < thitung < ttabel, sehingga H0 diterima atau korelasinya tidak signifikan.
Pertanyaan :
Adakah hubungan yang signifikan antara jumlah SKS yang diambil dengan IPK yang
didapat ?
Jawab :
1) Buktikan atau asumsikan bahwa kedua variabel itu mempunyai data yang normal dan
dipilih acak.
2) Ha dan H0 dalam bentuk kalimat
a. Ha : Terdapat hubungan yang positif dan signifikan antara jumlah SKS dengan IPK.
b. H0 : Tidak terdapat hubungan positif dan signifikan antara jumlah SKS dengan IPK
3) Hipotesis statistikya.
a. Ha : r ≠ 0
b. H0 : r = 0
4) Buatlah tabel sebagai penolong untuk menghitung r.
Tabel 6.8
Penolong Untuk Menghitung R
No. Xi Yi Xi − Xi Yi − Yi Zx Zy ZxZy
Res
1 10 3,00 0 1,00 0 1,26 0
2 10 2,50 0 0,50 0 0,63 0
3 15 2,00 5 0 1,42 0 0
4 10 1,50 0 -0,50 0 -0,63 0
5 5 1,00 -5 -1,00 -1,43 -1,26 1,78
X =10 Y= 2 0 0 1,78
Xi − Xi Y i − Yi
Zx = Zy =
Sd x Sd y
Sdx = 3,53 Sdy = 0,79
5) rhitung =
ΣZ x Z y
r xy =
n
1 ,78
¿ = 0 ,356
5
6) Tetapkan taraf signifikansinya, (yaitu α = 0,05).
7) Kriteria pengujian signifikansi 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 tabel r kritis Pearson didapat nilai rtabel = 0,878.
9) Ternyata – 0,878 < 0,800 < 0,878 atau
-rtabel < rhitung < rtabel, sehingga H0 ditolak atau korelasinya tidak signifikan.
10) Kesimpulan : hubungan antara jumlah SKS dengan IPK ternyata positif (rendah) dan
tidak signifikan.
11) Jika diminta, maka besarnya sumbangan jumlah SKS terhadap IPK adalah : 0,356 2 x
100% = 13%, sedangkan sisanya yang 87% ditentukan oleh variabel lainnya.
Catatan :
Jika tidak ingin menggunakan rtabel, maka dapat uji signifikansi r dapat pula
menggunakan ttabel, sebagai pengganti langkah 5), 7), 8) dan 9) sebagai berikut :
t hitung = r
√ n−2
1 − r2
= 0,356
√ 5−2
1 − 0,356 2
= 0,356 √3/0.873
= 0,660
6) Tentukan kriteria pengujian signifikansi korelasi, yaitu :
Ha : tidak signifikan H0 : signifikan
Jika – ttabel ≤ thitung ≤ ttabel, maka H0 diterima atau korelasinya tidak signifikan.
7) dk = n – 2 = 5 – 2 = 3
Dengan total signifikansi sepeti langkah 4) maka dari tabel t didapat ttabel = 3,182.
8) Ternyata 3,182 < 0,660 < 3,182 atau
-ttabel < thitung < ttabel, sehingga H0 diterima atau korelasinya tidak signifikan.
Pada tabel X.6 berikut ini diberikan contoh dari empat macam korelasi dan makna
dari setiap macam nilai r.
Tabel 6.9
Contoh Nilai, Grafik,
Dan Interpretasi Koefisien Korelasi (R)
5 6 turun
1. Korelasi negatif
1 6
2. Tergolong tinggi
2 7
3. Sumbangan X terhadap Y 64%,
IV 3 5 -0,80
sisanya yang 36% ditentukan
4 3
variabel lainnya.
5 4
4. X naik Y turun, X turun Y naik.
5 3 naik.
RANGKUMAN
Korelasi ialah salah satu teknik analisis statistik yang dipakai untuk menghubungkan
dua variabel atau lebih. Hubungan antar variabel bukanlah dalam arti sebab akibat. Dalam
korelasi dikenal variabel bebas (X) dan variabel terikat (Y). variabel X dan Y ini terdiri atas
berbagai jenis data, sehingga macam koreksi yang dipakai ditentukan oleh jenid-jenis data
yang akan kita hubungkan. Sehingga akhirnya dikenal sekurang-kurangnya ada 10 macam
teknik korelasi. Dalam korelasi PPM dikenal besarnya angka atau koefisien korelasi yang
disebut r.
Sebelum koreksi PPM dilakukan, maka beberapa asumsi yang harus dipenuhi yang
datanya berdistribusi normal, dipilih secara acak, selalu berpasangan, dan jenis datanya
interval atau rasio.
Nilai r dibatasi maksimal + 1 dan minimal – 1. Dan cara menghitung r ada empat cara.
Cara yang paling sederhana ialah dengan tabel. Tetapi cara dengan kalkulator dan komputer
sudah banyak digunakan orang.
Sekurang-kurangnya ada 12 langkah yang peru diperhatikan dalam menghitung
besarnya r. dan nilai r tersebut hendaklah diinterprtasikan atau diberi makna antara lain harus
disebutkan bahwa nilai r tersebut :
1) Mempunyai arah positif, nol atau negatif.
2) Dikonsultasikan dengan tabel interpretasi untuk menentukan golongannya. Apakah
termasuk sangat tinggi, tinggi dan seterusnya?
3) Apakah signifikan atau tidak signifikan itu ?
4) Berapakah besarnya sumbangan variabel X terhadap Y ? atau yang disebut juga indeks
determinasi atau derajat keterikatan.