ANALISIS KORELASI

6.1 Pengertian Korelasi

Korelasi adalah istilah yang menyatakan derajat hubungan linier antara dua ariable
atau lebih, yang ditemukan oleh Karl Pearson pada awal 1990. Oleh sebab itu terkenal
dengan sebutan Korelasi Pearson Product Moment (PPM). Kolerasi adalah salah satu
teknik analisis statistic 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 tingi badan dengan berat
badan, antara umur dengan tekanan darahnya, antara motivasi dengan prestasi belajar atau
bekerja, dan seterusnya.
Hubungan antara dua variabel di dalam teknik korelasi bukanlah dalam arti hubungan
sebab akibat (timbal balik), melainkan hanya merupakan hubungan searah saja. Hubungan
sebab akibat, misalnya; kemiskinan dengan kejahatan; kebersihan dengan kesehatan;
kemiskinan dengan kebodohan. Untuk jelasnya, hubungan sebab akibat dapat diuraikan
sebagai beriku: orang yang bodoh dapat menyebabkan dirinya miskin, sebaliknya orang yang
miskin dapat menyebabkan dirinya bodoh; demikian seterusnya. Jadi jelas mana yang
menjadi hubungan searah dan mana yang menjadi akibat. Dalam korelasi hanya dikenal
hubungan searah saja (timbal balik), misalnya : (1) tinggi badan menyebabkan berat
badannya bertambah, tetapi berat badanya bertambah belum tentu menyebabkan tinggi
badannya bertambah pula, (2) meningkatnya pemakaian mobil pribadi menyebabkan
kemacetan lalu lintas, tetapi macetnya lalu lintas belum tentu meningkatkan pemakaian mobil
pribadi, demikian seterusnya. Akibatnya, dalam korelasi dikenal penyebab da akibat. Data
penyebab atau yang mempengaruhi diseut variabel terikat. Istilah bebas disebut juga dengan
independent yang biasanya dilambangkan dengan huruf X dan X1, X2, X3, … X11 (tergantung
banyaknya variabel bebas). Sedangkan istilah terikat disebut juga dependen, yang biasanya
dilambangkan dengan huruf Y. Bagaimana menentuka bahwa variabel itu bebas atau terikat ?
Jawabnya ialah tergantung dari landasan teori yang kita pakai.
Tabel 6.1
Macam-Macam Teknik Korelasi

INTERVAL ORDINAL NOMINAL

1 >1 1 >1 1 >1
Analisis Tansformasikan variabel L
I 0
  Faktor ordinal ke nominal dan    
 N Korelasi gunakan C-1, atau Anava
1 Korelasi Anava A
T Ganda transformasikan variabel (atau t test)
J
E interval ke ordinal dan
U
R gunakan B-2, atau Analisis, Analisis,
Korelasi Korelasi R
V >1 transformasikan kedua Diskriminan, Diskriminan,
Ganda Kanonika
A variabel ke nominal dan Ganda Ganda
1
L gunakan C-3.
Koefisien
Transformasikan variabel
0 Konkordas
O ordinal ke nominal dan L
  (W)    
R gunakan C-1, atau A
Sign test,
D transformasikan variabel J
median test,
I interval ke ordinal dan Korelasi Anava dua U
U test
N 1 gunakan B-2, atau Spearman jalan R
Kruskal
A transformasikan variabel Kendali stau (Friedman)
Wallis anava
L interval ke nominal dan 2
  satu jalan
gunakan C-2.
>        

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)

  KOLOM A KOLOM B KOLOM C

Tabel 6.2
Teknik Korelasi Dua Variabel Bivariant Untuk
Berbagai Variabel

Teknik Simbol Variabel 1 Variabel Keterangan

Korelasi 2
Product r Kontinum Kontinum Teknik yang paling banyak dipakai, khususnya untuk
(interval) (interval) mendapatkan standar kesalahan terkecil.
Rank  Rank Rank Sering dipakai sebagai pengganti produk momen
(ordinal) (ordinal) terutama jika sample kurang dari 30.
Tan  Rank Rank Untuk pengganti, jika sample kurang dari 10.
Kendali (ordinal) (ordinal)
 Biserial rbis Kontinum Kontinum Kadang-kadang lebih dari 1 = standar kesalahan lebih
besar dari r rumusnya dipakai untuk analisis item.
Biserial rwbs Kontinum Kontinum Khususnya dipakai untuk perseorangan yang ekstrem
Widespre dalam dikotomi variabel.
ad
Point- rpbis Kontinum Kontinum Hasilnya lebih rendah dari pada rbis.
Biserial
Tentrach Ss Dikotomi Dikotomi Digunakan jika dua variabel dapat dipecahkan pada
oris Arifisial Arifisial titik kritis.

Phi  Buatan Buatan Digunakan pada perhitungan antara analisis item.

Dikotomi Dikotomi
Continge  Sebenarnya Sebenarnya Ialah kondisi khusus dapat dibandingkan dnegan r,
nsi 2 kategori 2 kategori berhubungan erat dengan chikuadrat.
atau lebih atau lebih
Rasio  Kontinum Kontinum
Otomatis Digunakan untuk mengetahui hubungan nonlinier.

(Disadur dari Brorg W Gall, 1983, hal. 587; Isaacc & Michael, 1983, hal. 166)

6.2 Koefisien korelasi

Tabel 6.3
Koefisiens Korelasi

Koefisien Korelasi Variabel yang dikur

1. Produk Moemen Pearson  Kedua variabelnya berskala interval
2. Order Rank Sperman  Kedua variabelnya berskala ordinal
3. Point Serial  Satu berskala dikotomi sebernya 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)

Korelasi Pearson Produk Momen (PPM)

Korelasi PPM sering disingkat korelasi saja merupakan salah satu teknik korelasi
yang paling banyak digunakan dalam penelitian sosial. Besarnya angka korelasi disebut
koefisien korelasi dinyatakan dalam lambing r.
1. Guna Korelasi PPM
 a. Untuk menyatakan ada atau tidaknya hubungan yang signifikan antara variabel satu
dengan yang lainnya.
b. Untuk mneyatakan besarnya sumbangan variabel satu terhadap yang lainnnya yang
dinyatakan dalam persen. Dengan demikian, maka r2 disebut koefisien determinasi
atau koefisien penentu. Hal ini disebabkan r2 x 100 % terjadi dalam variabel terikat Y
yang mana ditentukan variabel X.
2. Asumsi
Asumsi ataupun persyaratan yang harus dipenuhi dalam menggunakan korelasi PPM
adalah :
a. Variabel yang dihubungkan mempunyai data yang berdistribusi normal.
b. Variabel yang dihubungkan mempunyai data linier.
c. Variabel yang dihubungkan mempunyai data yang dipilih secara acak (random).
d. Variabel yang dihubungkan mempunyai pasangan sama dari subyek 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 -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

5) Cari rhitung dengan menggunakan rumus :

a.
Σ xy
r xy =
√( Σ x 2 ) ( Σ y 2 )
atau

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

6) Tetapkan taraf signifikasinya.

7) Tentukan kriteria pengujian signifikasi korelasi yaitu :
Ha : tidak signifikan
Ho : signifikan
Jika -rtabel ≤ rhitung ≤ rtabel, maka Ho ditolak atau korelasinya tidak signifikan.
8) Tentukan dk dengan rumus = n – 2 .
Dengan taraf signifikansi seperti langkah 4) dan Ntabel tersebut dengan menggunakan
tabel r kritis Pearson didapat nilai 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 diuji signifikansi r, dapat pula
menggunakan ttabel, sebagai pengganti langkah 5), 7), 8), 9) sebagai berikut :
5) Cara thitung dihitung dengan rumus :

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

rxy hitung = rxy

Σ xy
r xy =
√( Σx 2) ( Σy2 )
8
¿
√ 10 x 10
8
¿ = 0 , 800
10

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

6) Kriteria pengujian signifikansi koreksi, yaitu :
Ha : tidak signifikan
H0 : signifikan
Jika – rtabel ≤ rhitung ≤ rtabel, maka H0= ditolak atau korelasinya tidak signifikan.
7) dk rumus = n – 2 = 5 – 2 = 3
Dengan α = 0,05 dari tabel r kritis Pearson didapat nilai rtabel = 0,878.
8) Ternyata – 0,878 < 0,800 < 0,878 atau
-rtabel < rhitung < rtabel, sehingga H0 ditolak atau korelasinya tidak signifikan.
9) Kesimpulan : hubungan antara variabel X dengan Y ternyata positif (cukup) dan tidak
signifikan.
10) Jika diminta, maka besarnya sumbangan variabel X terhadap Y adalah 0,800 2 x 100% =
64%, sedangkan sisanya yang 34% ditentukan oleh variabel lainnya.
Catatan :
Jika tidak ingin menggunakan rtabel, maka dapat uji signifikansi r, dapat pula menggunakan
ttabel, sebagai langkah 5), 7), 8) dan 9). Langkah-langkah sebagai berikut :
6) thitung dicari dengan rumus :

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.

Contoh Soal Nomor 2

Tabel 6.7
Data jumlah SKS dan IPK mahasiswa :

Jumlah SKS yang diambil IPK yang didapat

10 3,00
10 2,50
15 2,00
10 1,50
5 1,00

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 :

5) thitung dicari dengan rumus :

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)

No. Data X Data Y rxy Gambar Grafik r Interpretasinya

1 2 3 4 5 6
1. Korelasi positif
2. Tergolong sangat tingi
1 3
(sempurna)
2 4
I +1 3. Indeks determinasi = 12 x 100%
3 5
= 100%
4 6
X naik Y atau X turun Y turun
5 7
(seimbang).
1. Korelasi positif
1 4
2. Tergolong tingi
2 3
3. Indeks determinasi = 0,82 x
II 3 5 +0,80
100% = 64% sisanya (30%) oleh
4 7
variabel lainnya.
5 6
X naik Y juga naik, X turun Y turun.

1 4 1. Korelasi tidak ada

2 7 2. Tergolong tidak ada

III 3 5 0 3. Indeks determinasi 0% (tidak ada)

4 3 4. X naik belum tentu Y naik atau

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.

1 7 1. Korelasi negatif sempurna

2 6 2. Tergolong sangat negatif

V 3 5 -1 3. Sumbangan X terhadap Y 100%

4 4 4. X naik Y turun atau X turun Y

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.