UJI KORELATIF

Hildagardis Meliyani Ersita nai, S.KM.,M.P.H.

Outline

Pendahuluan

Uji Korelasi Pearson

Uji Korelasi Spearman

Uji Coeficient Contingency

Uji Lamda
 Penggunaan Statistik Parametris dan Non Parametris Untuk Menguji Hipotesis
BENTUK HIPOTESIS

MACAM DATA Komparatif (dua sampel) Komparatif (lebih dari dua sampel)
Deskriptif (satu variabel
Asosiatif (hubungan)
atau satu sampel)**

Related Independen Related Independen

Fisher Exact
Binomial X2 satu Probability Contingency Coefficient
Nominal Mc Nemar Cochran Q X2 dua sampel
sampel C
X2 dua sampel
Sign test Median Test Median extension
Mann-Whitney U Spearmen Rank
test Friedman Two-Way Correlation
Ordinal Run test Wilcoxon matched Anova
pairs Kolmogorov Kruskal-Wallis One Way
Smirnov Anova

Wald Woldfowitz Kendall Tau

Korelasi product
One way Anova* One way Anova* moment*

Korelasi parsial*
Interval
t-test* t-test of related t-test independent*
Rasio
Korelasi ganda*
Two say Anova* Two say Anova*

Regresi sederhana &

ganda
*statistik parametris
**deskriptif untuk parametris artinya satu variabel dan untuk nonparametris artinya satu sampel

Sumber : Sugiyono 2011)

Sumber : Dahlan 2011)
Uji Hipotesis Korelatif (hubungan)
Korelasi Pearson
Product Moment (r)
 Hipotesis asosiatif diuji
dengan teknik korelasi. Korelasi rasio

 Terdapat berbagai macam

teknik korelasi
Korelasi Biserial (rb)
 Penggunaan setiap teknik
Korelasi point
tergantung jenis data yang biserial
TEKNIK KORELASI
dikorelasikan serta jumlah Korelasi Tetrachoric

variabel yang
dikorelasikan Korelasi Kontinency

Korelasi Kendall’s
Tau

Korelasi Ganda

Korelasi Parsial
Korelasi Pearson-
Product Moment
INDIKASI
 KORELASI PEARSON-PRODUCT MOMENT digunakan
untuk mengetahui hubungan dan kekuatan hubungan
antara 2 variabel berskala inter val atau rasio yang
berdistribusi normal.
 Jika sebaran data tidak normal, lakukan transformasi. Jika
hasil transformasi tidak normal, gunakan uji KORELASI
SPEARMAN.
 Misalnya, mempelajari hubungan antara intake Fe dengan
kadar Hb tenaga kerja.
intake Fe (variabel X) dan kadar Hb (variabel Y) 
ke d u a nya m e r u p a k a n v a r i a b e l d e n g a n s k a l a
pengukuran rasio.
ASUMSI

a) Ke d u a va r i a b e l ya n g a k a n d i a n a l i s i s
hubungannya berskala interval atau rasio
b) Variabel X pada setiap nilai variabel Y
berdistribusi normal.
c) Variabel Y untuk setiap nilai variabel X juga
berdistribusi normal.
 Korelasi

Dia
g
Melihat hubungan dua variabel :

Pen ram
plo car (sc
t) atte
r

Koe
kor fisien
ela
si
Diagram Tebar/Pencar (scatter plot)

 Grafik yang menunjukkan titik-titik perpotongan nilai data

dari dua variabel (X dan Y).
 Grafik koordinat (X,Y) menggambarkan hubungan antara X
dengan Y. Variabel independen (X) diletakkan pada garis
horizontal sedangan variabel dependen (Y) pada garis
vertikal.
 Scatter plot menunjukkan pola/arah dan keeratan (kekuatan)
hubungan X dan Y.
Grafik Pencar (scatter plot)

Gambar : Pola hubungan antara dua variabel pada scatter diagran

Grafik Pencar (scatter plot)

* *
* *
* *
r=1 0<r<1 * * *
r=0

r= -1 0<r<-1

DAPAT DILIHAT SECARA KASAR POLA HUBUNGAN KEDUA VARIABEL

Diagram Tebar/Pencar (scatter plot)

ü Grafik menunjukkan garis lurus = hubungan X dan Y sempurna

(kuat).
ü Berbentuk elif = hubungan X dan Y lemah.
ü Makin pipih gambar elif = makin kuat hubungan dan
sebaliknya.
ü Menyebar keseluruhan bidang grafik = tidak ada hubungan.
 Koefisien korelasi
 Untuk mengetahui secara tepat
arah dan kua t hubungan
variabel X dan Y dilihat dari
koefisien korelasi (r).
 Nilai absolute koefisien korelasi
(r)antara 0 – 1 dengan tanda
+/- yang menunjukkan arah
hubungan kedua variabel.
Nilai Korelasi :
• 0,00 – 0,199 : tidak da hubungan/
hubungan sangat lemah
• 0,20 – 0,399 : lemah
• 0,40 – 0,599 : sedang
• 0,60 – 0,799 : kuat
• 0,80 – 1,00 : sangat kuat
§ Tanda “-” menunjukkan hubungan
berlawanan  makin tinggi nilai X,
makin rendah nilai Y / kenaikan nilai X
diikuti penurunan nilai Y.
§ Tanda “+” menunjukkan hubungan
searah makin tinggi nilai X, makin
tinggi nilai Y / kenaikan nilai X diikuti
kenaikan nilai Y

Misal , r = -0,75 berar ti ada hubungan

berlawanan yang kuat antara X dan Y; r = 0,5
berarti ada hubungan positif atau searah yang
sedang antara X dan Y
 Interpretasi Uji Korelasi
NO Parameter Niai Interpretasi
1 Kekuatan korelasi 0,0 - <0,2 Tidak da hubungan /hubungSangat
secara statistik lemah
0,2 - <0,4 Lemah
0,4 - <0,6 Sedang
0,6 - <0,8 Kuat
0,8 – 1,00 Sangat kuat
2 Arah korelasi Positif Semakin tinggi variabel A semakin
tinggi variabel B
Negatif Semakin tinggi variabel A semakin
rendah variabel B
3 Nilai p Nilai p>0,05 Korelasi tidak bermakna
Nilai p<0,05 Korelasi bermakna
4 Kemaknaan klinis r yang diperoleh < r minimal Korelasi tidak bermakna
r yang diperoleh > r minimal Korelasi bermakna

Sumber : Sopiyudin 2014

 Koefisien Korelasi
Besaran koefisien korelasi (r) dapat dihitung dengan rumus :

Untuk menguji hipotesis hubungan n XY

rxy 
 X Y 
2 2

Bila sekaligus akan menghitung n XY   X Y 

rxy 
persamaan regresi 
n X 2 2

  X  nY  Y  2 2

KUAT HUBUNGAN : BESARAN KOEFISIEN
ARAH HUBUNGAN : TANDA KOEFISIEN
Contoh : r = 0,8 berarti ada hubungan postif yang kuat.
Uji kemaknaan
 Untuk mengetahui apakah hubungan kedua variabel benar-
benar bermaksa secara statistik (signifikan) perlu lakukan uji
hipotesis --> gunakan uji-t.
 Rumus :
df = n-2
� �−2
� ℎ����� =   n=jumlah subjek
1 − (�)2

HIPOTESIS: Decision Rule:

Ho :  = 0 Ho ditolak, jika nilai t hitung > t tabel
Ha :  # 0 Ho gagal ditolak, jika nilai t hitung ≤ t tabel

Contoh : r = -0,8 p = 0,001

H0 ditolak dan dapat disimpulkan ada hubungan negatif kuat secara bermakna
Langkah-langkah Pengujian
1) Melakukan uji normalitas data. Bila hasil tidak normal, maka gunakan
uji korelasi spearmen.
2) Buat tabel penolong untuk memudahkan pengerjaan.
3) Masukkan ke dalam rumus korelasi pearson untuk menghitung nilai r
hitung (untuk menghitung kekuatan hubungan).
4) Hitung nilai signifikansi untuk mengetahui apakah ada hubungan antara
variabel X dan Y dengan rumus t hitung.
5) Baca tabel t dengan df (n-2). Bila nilai t hitung > t tabel, maka H0
DITOLAK
6) Pada korelasi Pearson ada 3 hal yang dibaca yaitu : a) kekuatan
hubungan; b) apakah ada hubungan antara kedua variabel, dan c) arah
hubungan (lihat tanda “+” atau “-” pada nilai r)
Contoh
Seorang peneliti ingin mengetahui apakah ada hubungan antara jumlah rokok
yang dikonsumsi setiap hari dengan kadar Hb. Data penelitian sebagai
berikut :
No Jumlah rokok (X) Hb (Y)
1 5 11
2 4 12
3 6 10
4 3 14
5 8 9
6 8 8
7 10 7
8 2 15
9 3 12
10 9 8

Ujilah apakah ada hubungan antara jumlah rokok yang dikonsumsi setiap hari
dengan kadar Hb pada α 5% dan hitung berapa besar derajat keeratannya?
Contoh
Langkah-langkah mengerjakan:
1. Buat tabel penolong
No Jumlah rokok Hb (Y) X2 Y2 XY
(X)
1 5 11 25 121 55 Misalnya, data telah
2 4 12 16 144 48 diuji normalitas, dan
3 6 10 36 100 60
hasilnya normal.
4 3 14 9 196 42
5 8 9 64 81 72
6 8 8 64 64 64
7 10 7 100 49 70
8 2 15 4 225 30
9 3 12 9 144 36
10 9 8 81 64 72
ΣX = 58 ΣY = 106 ΣX2 = 408 ΣY2=1188 ΣXY = 549
(ΣX)2 = 3364 (ΣY)2 = 11236
Contoh
2. Formulasi hipotesis :
Ho : r = 0 (tidak ada hubungan antara jumlah rokok yang dikonsumsi setiap hari
dengan kadar Hb).
Ha: r ≠ 0 (ada hubungan antara jumlah rokok yang dikonsumsi setiap hari dengan
kadar Hb).
3. Menghitung nilai r hitung

 Karena r hitung (-0,969) maka

variabel jumlah rokok dan kadar
Hb memiliki hubungan yang sangat
kuat.
 Arah (-) artinya semakin banyak
jumlah rokok yang dikonsumsi maka
kadar Hb semakin rendah.
Contoh
4. Uji kemaknaan hubungan 5. Kesimpulan
 Karena uji dua sisi, maka

tanda (-) pada r boleh

0,969 8
t hitung =
1 − (0,969)2
diabaikan.
0,969 � 2,82  Selanjutnya baca nilai t tabel
t hitung = 1−0,938
pada α 0,025 dan df (n-2)
2,732
atau 8, didapatkan nilai
t hitung = 0,062 2,306.
 Karena nilai t hitung (11,01)
2,732
t hitung =
0,284 > t tabel (2,306) maka Ho
ditolak, ar tinya ada
t hitung = 11,01
hubungan signifikan antara
jumlah rokok dan kadar Hb.
Uji Korelasi
Spearman
Uji Korelasi Spearman
 Ditemukan oleh Charles Edward Spearman pada
atahun 1940.
 Tujuannya : mengetahui adanya hubungan antara
va r i a b e l i n d e p e n d e n d a n d e p e n d e n ya n g
keduanya berskala ordinal dan bebas berdistribusi
atau data interval dan rasio yang berdistribusi
tidak normal.
Uji Korelasi Spearman
Rumus :
 Rumus t hitung:
6��2 rs = koefisien korelasi spearman rank
�� = 1 − n=jumlah sampel
� (�2 − 1)
d = beda antara ranking kel.1 dan kel.2
 Rumus koreksi apabila skor yang kembar >20%
Σ�2 + Σ�2  −  Σ��2 �3 −� �3 −�
�� =   Σx2=     − Σ�� Σy2=     − Σ��
2 Σ�2 .  Σ�2 12 12

Σ(�3 −�)

ΣTx atau ΣTy=
Rumus Z   t = jumlah data yang sama
12
Uji Korelasi Spearman
 Jika jumlah sampel >30, untuk menguji
signifikansinya menggunakan rumus :
Uji Korelasi Spearman

1. Buat rangking dari masing-masing variabel, bila ada data

yang sama maka berikan rangking yang sama. Bila data
berbentuk ordinal, maka harus diubah dalam bentuk kode.
2. Hitung selisih rangking antara variabel independen dan
dependen.
3. Masukkan ke dalam rumus r hitung.
4. Apabila ada skor yang kembar (ties) lebih dari 20%, maka
gunakan rumus koreksi.
Uji Korelasi Spearman
5. Bila jumlah sampel di atas 10, maka nilai rs hanya kita
gunakan untuk membaca kekuatan hubungan dan arah
hubungan. Keputusan untuk menolak atau menerima Ho harus
dihitung dengan mencari z hitung.
Rumus Z hitung :
Kesimpulan : bila z hitung > z tabel maka Ho ditolak.

6. Pada korelasi Spearman ada 3 hal yang dibaca yaitu : a)

kekuatan hubungan; b) apakah ada hubungan antara kedua
variabel, dan c) arah hubungan (lihat tanda “+” atau “-”
pada nilai r)
Uji Korelasi Spearman
Contoh 1: seorang peneliti ingin mengetahui apakah ada
hubungan antara dukungan keluarga dengan motivasi pasien
dalam menjalani terapi hemodialisa. Lakukan uji 2 sisi dengan α
0,05. Datanya sebagai berikut :
No Dukungan keluarga (DK) Motivasi (M)
Keterangan :
1 3 3
3 = Baik / tinggi
2 3 3
2 = sedang
3 3 2 1 = Rendah
4 2 2
5 2 3
6 2 2
7 1 1
8 1 1
9 2 1
10 3 3
 Uji Korelasi Spearman
No DK Ranking Cara buat ranking DK M Ranking Cara buat rangking M d1 d2
DK M

1 3 8,5 7+8+9+10=8,5 3 8,5 0 0

(7+8+9+10) : 4=8,5
2 3 8,5 3 8,5 0 0

3 3 8,5 2 5 (4+5+6) : 3 = 5 3,5 12,25

4 2 4,5 3+4+5+6 : 4 (krn 2 5 -0,5 0,25
kembar 4)= 4,5
5 2 4,5 3 8,5 -4 16
6 2 4,5 2 5 -0,5 0,25
7 1 1,5 Jika diurutkan maka 1 2 (1+2+3) : 3 = 2 -0,5 0,25
jadi data baris 1,2
8 1 1,5 1 2 -0,5 0,25
sehingga rangkingnya
= (1+2) : 2 = 1,5

9 2 4,5 1 2 2,5 6,25

10 3 8,5 3 8,5 0 0
Σd2 =35,5
Uji Korelasi Spearman
 Selanjutnya, karena banyak data yang kembar maka gunakan
rumus koreksinya masukan ke rumus rs.
 Pada rangking DK, ada 3 kelompok data yang kembar yaitu
(8,5 kembar 4; 4,5 kembar 4; 1,5 kembar 2). Demikian pula
pada rangking M (8,5 kembar 4; 5 kembar 3; dan 2 kembar
3).
Uji Korelasi Spearman (8)

72 + 73,5 − 35,5
103 − 10 (43 − 4) + (43 − 4) + (23 − 2) �� =
Σ�2 =  −  2 72 � 73,5
12 12 145,5 −35,5
=
2 5292
1000 − 10 109,9
Σ�2 =   − (5) + (5) + (0,5) =
12 145,5
= 82,5 – 10,5 = 0,755
= 72 § Lihat Tabel Spearmen dengan n=10 dan α
0,05 didapatkan r tabel 0,648.
§ Karena r hitung (0,755) > r tabel (0,648)
103 − 10 (43 − 4) + (33 − 3) + (33 − 3) maka Ho ditolak, artinya ada hubungan
Σ�2 =  − 
12 12 antara dukungan keluarga dengan motivasi
pasien dalam menjalani terapi hemodialisis.
1000 − 10 § Kekuatan hubungan kuat dan arah hubungan
Σ�2 =   − (5) + (2) + (2) positif artinya bila dukungan keluarga
12
= 82,5 – 9 meningkat maka motivasi pasien ju ga
= 73,5 meningkat.
Uji Korelasi Spearman
Contoh 2
Uji Coeficient
Contingency
Uji Coeficient Contingency (1)
 Uji ini bertujuan untuk mengetahui hubungan antara dua
variabel yang berskala data nominal dimana hubungan
keduanya adalah simetris atau searah.
 Misalnya, hubungan antara kebiasaan olahraga dengan status
kesehatan. Hubungan keduanya simetris, dimana kebiasaan
olahraga bisa mempengaruhi kesehatan seseorang sedangkan
kesehatan seseorang juga bisa mempengaruhi seseorang untuk
berolahraga.
Uji Coeficient Contingency (1)
Langkah Uji:
1). Membuat tabel silang, menentukan nilai frekuensi ekspektasi.
(�  − �)2
����� ���� :  �2 ℎ����� = Σ 
�

2). Menghitung nilai �2 ℎ����� :

§ Mencari nilai X2 tabel dengan df = (r-1) (c-1) dan α yang sudah
ditentukan.
§ Keputusan analisis : bila nilai X 2 hitung ≥ X 2 tabel maka H0
ditolak, sebaliknya yaitu X2 hitung < X2(α)(df) maka H0 diterima.
Atau bila nilai signifikansi > α maka Ha ditolak dan bila nilai
signifikansi < α maka H0 ditolak.
 Uji Coeficient Contingency (1)
Langkah uji:
3). Menghitung nilai korelasi dengan rumus berikut, selanjutnya
baca nilai korelasi dan arahnya (positif atau negatif) seperti
pada materi uji spearman)
Nilai korelasi :
0,00 - 0,199 : sangat
�2 lemah
�=  2
� +� 0,20 - 0,399 : lemah
Ket : 0,40 - 0,599 : sedang
X2 = nilai x hitung 0,60 - 0,799 : kuat
n=jumlah sampel 0,80 - 1,00 : sangat kuat
Uji Coeficient Contingency (2)
Contoh : seorang ingin mengetahui apakah ada hubungan antara
olahraga dan status kesehatan. Didapatkan data sbb:
No Olahraga) Kesehatan

Ket :
1 2 2
1=Tidak
2 2 2 2=Ya / Baik
3 1 1
4 1 2
5 2 2
6 2 2
7 2 1
8 1 1
9 2 2
10 1 1
Uji Coeficient Contingency (2)
Penyelesaian :
1). Ubah data dalam bentuk kode dan buat tabel contingency
2x2
No Olahraga) Kesehatan

1 2 2
2 2 2
3 1 1
4 1 2
5 2 2
6 2 2
7 2 1
8 1 1
9 2 2
10 1 1
Uji Coeficient Contingency (2)
Penyelesaian :
2). Buat tabel silang 2 x 2, kemudian hitung nilai expected count
Olahraga Kesehatan Total
Baik Tidak
Ya 5(E1 = 3,6) 1(E2=2,4) 6
Tidak 1(E3=2,4) 3 (E4=1,6) 4
Total 6 4 10

O1 = 5, O2=1, O3=1, O4=3

E1=6x6 / 10 = 3,6 E3=4 x 6 / 10 = 2,4
E2=6 x 4 / 10 = 2,4 E4 = 4 x 4 / 10 = 1,6
Uji Coeficient Contingency (2)
Penyelesaian :
3). Menghitung nilai X2 hitung
(5 − 3)2 (1 − 2,4)2 (1 − 2,4)2 (3 − 1,6)2
�2ℎ����� = + + +        
3,6 2,4 2,4 1,6
1,96 1,96 1,96 1,96
= + + +
3,6 2,4 2,4 1,6
         = 0,54 + 0,82 + 1,225
= 3,405
Nilai tabel pada α 0,05 dan df = (r-1) (c-1)=(2-1)(2-1)=1 nilainya
adalah 3,84. Nilai X 2 hitung (3,405) < X 2 tabel maka H0
diterima. Artinya tidak ada hubungan antara olahraga dengan
status kesehatan. Karena tidak ada hubungan, maka tidak perlu
lanjut ke rumus korelasi coefisien contingency.
Uji Lamda
Uji Lamda (1)
 Uji ini bertujuan untuk mengetahui hubungan antara dua
variabel yang berskala data nominal, dimana hubungan
keduanya adalah asimetris (tidak setara).
 Misalnya, hubungan antara perilaku merokok (merokok, tidak
merokok) dan hipertensi (hipertensi dan tidak hipertensi).
 Kedua variabel memiliki hubungan asimetris. Perilaku merokok
dapat menyebabkan terjadinya hipertensi tetapi tidak bisa
dibalik hipertensi menyebabkan perilaku merokok (tidak logis).
Uji Lamda (2)
Langkah Uji :
1. Membuat tabel silang
2. Menghitung ke dalam rumus korelasi lamda:

Σ���  − ��� (��)
�� =
�  − max (��)

Keterangan :
nmj = angka terbesar dari setiap kolom pada tabel kontingensi
Ri = angka terbesar untuk total baris
Uji Lamda (2)
3. Mengartikan kekuatan korelasi

Nilai korelasi : • Bila angka korelasi 0 = maka pengetahuan akan

0,00 - 0,199 : sangat lemah
0,20 - 0,399 : lemah
0,40 - 0,599 : sedang
0,60 - 0,799 : kuat
0,80 - 1,00 : sangat kuat
variabel independen tidak menolong dalam usaha
memprediksi variabel dependen.
• Bila angka korelasi 1 = pengetahuan akan
variabel independen menolong dalam usaha
memprediksi variabel dependen.
Uji Lamda (3)
NO Merokok Hipertensi

Contoh : seorang peneliti ingin 1 2 2

m e n ge t a h u i a p a k a h a d a 2 2 2
3 1 2
hubungan antara perilaku
4 1 1
merokok dengan terjadinya 5 1 1
hipertensi. Didapatkan data 6 2 2
sebagai berikut: 7 2 2
8 2 2
9 2 2
10 2 2
11 2 1
12 1 1
13 2 1
14 2 2
15 2 2
Keterangan :
1=tidak hipertensi, tidak merokok; 2 = merokok, hipertensi
Uji Lamda (3)
 Ubah data dalam bentuk kode
 Buat tabel silang 2 x 2 (dalam pembuatannya, variabel
dependen diletakkan pada row dan independen pada colum.
Kemudia hitung nilai lamda.
Hipertensi Merokok Total
Ya Tidak
Ya 9 1 10
Tidak 2 3 5
Total 11 4 15

(9 + 3) − 10 2
�� = = = 0,4
15 − 10 5
Dari hasil perhitungan didapatkan nilai lamda (0,4) berarti terdapat hubungan lemah
antara merokok dan hipertensi atau perilaku merokok pasien tidak dapat digunakan
untuk memprediksi hipertensi
 Pemilihan Hipotesis Korelatif
Variabel 1 Variabel 2 Uji Korelasi

Nominal Nominal Koefisien kontingengsi,

Lamda

Nominal Ordinal Koefisien kontingengsi,

Lamda
Ordinal Ordinal Spearman, Gamma,
Somers’d
Ordinal Numerik Spearman

Numerik Numerik Pearson

sumber : Dahlan 2011

REFERENSI
1) Aini & Inayah. 2019. Biostatistika dan Aplikasi Program. Malang : Literasi Nusantara.
2) Sugiyono. 2016. Metode Penelitian Kuantitatif, Kualitatif, dan R & D. Bandung:
Penerbit Alfabeta.
3) Sugiyono. 2015. Statistik Non Parametris untuk Penelitian. Bandung : Alfabeta.
4) Hastono SP, Sabri L. 2010. Statistik Kesehatan. Jakarta : PT Raja Grafindo Persada
5) Machfoedz I. 2015. Bio Statistika Edisi Revisi 2015. Yogyakarta: Penerbit Fitramaya
6) Rachmat M. 2011. Buku Ajar Biostatistika Aplikasi pada Penelitian Kesehatan.
Jakarta:Penerbit Buku Kedokteran EGC.
7) Budiarto E. 2012. Biostatistik untuk Kedokteran dan Kesehatan Masyarakat. Jakarta:
Penerbit Buku Kedokteran EGC
8) Dahlan S. 2011. Statistik untuk Kedokteran dan Kesehatan. Jakarta : Salemba Medika.