BAB 9

Pengujian Hipotesis Asosiatif

A. Korelasi
Hipotesis asosiatif digunakan untuk
menyatakan adanya hubungan antar variabel yang
akan diuji. Variabel yang diambil merupakan
sampel dalam sebuah populasi. Hubungan tersebut
akan diperoleh dari koefisien korelasi kemudian
akan diuji signifikansinya.
Penelitian yang berhubungan dengan usaha
mencari hubungan atau korelasi antar variabel
cukup banyak, dan banyak diminati. Analisis
korelasi menjadi bervariasi saat dikaitan dengan
bentuk skala data yang akan dianalisis. Teknik
analisis korelasi yang akan dibahas dalam bab ini
adalah analisis korelasi produk moment, korelasi
ganda dan korelasi parsial yang banyak
dipergunakan dalam penelitian khususnya untuk
data interval dan rasio.

1. Korelasi Product Moment

Korelasi ini dikemukakan oleh Karl Pearson.
Kegunaannya untuk mengetahui derajat
hubungan dan kontribusi antara dua variabel.
Teknik analisis ini termasuk teknik analisis
untuk statistik parametrik dengan data skala

75
interval atau rasio. Rumus korelasi product
moment adalah sebagai berikut:

rxy 
 xy
x y
2 2

n xy  ( x)( y)
rxy 
n x 2
 
 (  x ) 2 n y 2  (  y ) 2 )

Rumus pertama untuk korelasi sederhana,

sedangkan untuk rumus kedua digunakan
apabila sekaligus akan menghitung persamaan
regresi. Untuk memberikan interpretasi terhadap
kuatnya hubungan atau korelasi, maka dapat
digunakan pedoman berikut:

Tabel 9.1 Tingkat hubungan antar variabel

interval koefisien Tingkat hubungan

0.000 - 0.199 sangat rendah

0.200 - 0.399 rendah
0.400 - 0.599 sedang
0.600 - 0.799 kuat
0.800 - 1.000 sangat kuat

76
Contoh: Dilakukan penelitian untuk mengetahui
ada tidaknya hubungan antara kemampuan
matematika dengan kemampuan analisis
struktur mahasiswa teknik sipil. Data
dikumpulkan dari 10 mahasiswa.

Nilai Analisis
No. Nilai
Struktur Statis
Responden matematika
Tertentu
1 78 75
2 56 60
3 68 67
4 74 74
5 70 76
6 69 70
7 52 57
8 89 93
9 75 72
10 69 56
Jumlah 700 700

a. Hipotesis penelitian
H0 : Tidak ada hubungan antara kemampuan
matematika dengan kemampuan analisis
struktur statis tertentu mahasiswa

77
 Ha : Ada hubungan antara kemampuan
matematika dengan kemampuan analisis
struktur statis tertentu mahasiswa
b. Hipotesis statistik
H0 : ρ = 0
Ha : ρ ≠ 0

c. Daftar belanja statistik:

Tabel Data Nilai Matematika dan ASST

Nilai
matem Nilai
No. x y xy x^2 y^2
atika ASST (Y)
(X)
1 78 75 8 5 40 64 25
2 56 60 -14 -10 140 196 100
3 68 67 -2 -3 6 4 9
4 74 74 4 4 16 16 16
5 70 76 0 6 0 0 36
6 69 70 -1 0 0 1 0
7 52 57 -18 -13 234 324 169
8 89 93 19 23 437 361 529
9 75 72 5 2 10 25 4
10 69 56 -1 -14 14 1 196
Jumlah 700 700 0 0 897 992 1084
Rerata 70 70

78
d. Menentukan koefisien korelasi :

897
rxy   0,865
992 *1084

Berdasarkan tabel 9.1, maka koefisien korelasi

yang ditemukan sebesar 0,865 termasuk
kategori sangat kuat. Jadi terdapat hubungan
yang sangat kuat antara kemampuan
matematika dan kemampuan ASST.

e. Menguji signifikansi :
Untuk menguji apakah korelasi dari sampel
berlaku juga untuk populasi, maka perlu diuji
signifikansinya dengan rumus :

r n2 0,865 10  2
t   4,876
1 r 2 1  0,8652

f. Menentukan t tabel :
derajat kebebasan (dk) = n – 2 = 10 – 2 = 8 dan
taraf signifikan () = 5%, maka t tabel = 2,306.

79
 g. Menggambar kurva
T hitung
hitung

-2,306 2,306 4,876

h. Membuat kesimpulan
Karena t hitung lebih besar daripada t tabel, (4,876
> 2,306) atau di dalam daerah penolakan Ho, maka
Ho ditolak atau Ha diterima.
Jadi hipotesis yang menyatakan bahwa tidak ada
hubungan antara kemampuan matematika dengan
kemampuan analisis struktur statis tertentu
mahasiswa di tolak dan Ha diterima.

2. Korelasi Ganda
Analisis korelasi ganda dipergunakan untuk
mencari besarnya hubungan antara dua atau lebih
variabel bebas (X) secara simultan (bersama-sama)
dengan variabel terikat (Y). Sebagai gambaran

80
paradigm hubungan variabel tersebut sebagai
berikut:

x1
r
x y
1

r
x1x2
R
x x y
y
1 2

x2 r
x y
2

Gambar 9.1 Paradigma hubungan X1, X2, dan Y

Rumus untuk menghitung korelasi ganda adalah

sebagai berikut:

rX21.Y  rX2 2.Y  2(rX 1.Y )(rX 2.Y )(rX 1. X 2 )

R X 1. X 2.Y 
1  rX21. X 2

Selanjutnya untuk menguji signifikansinya

digunakan rumus F, yaitu membandingkan F
hitung dengan F tabel. Rumus F yang
dipergunakan sebagai berikut:

R2
Fhitung  k
(1  R 2 )
(n  k  1)
81
dimana:
R = koefisien korelasi ganda
k = jumlah variabel bebas
n = jumlah sampel

Ftabel dicari menggunakan tabel nilai F dengan

rumus:
Taraf signifikan: α = 0,01 atau 0,05
F tabel = F{(1-α),(dk=k),(dk=n-k-1)}

3. Korelasi Parsial
Korelasi parsial digunakan untuk menganalisis bila
peneliti bermaksud mengetahui pengaruh atau
mengetahui hubungan antara variabel independen
dan dependen, dimana salah satu variabel
Independennya dibuat tetap/dikendalikan. Jadi
korelasi parsial merupakan angka yang
menunjukkan arah dan kuatnya hubungan antara
dua variabel setelah satu variabel yang diduga
dapat mempengaruhi hubungan variabel tersebut
dikendalikan untuk dibuat tetap keberadaannya.
a. Korelasi antara X1 dengan Y bila X2 tetap

r
x1 x y
1 y

x2
Gambar 9.2 Korelasi X1 dengan Y bila X2 tetap

82
 Rumus korelasi parsial :

rY . X 1  rY . X 2 .rX 1. X 2
RY . X 1. X 2 
1  rX21. X 2  1  rY2. X 2

b. Korelasi antara X2 dengan Y bila X1 tetap

x1

x2 r y
x y
2

Gambar 9.3 Korelasi X2 dengan Y bila X1 tetap

Rumus korelasi parsial :

rY . X 2  rY . X 1.rX 1. X 2
RY . X 1. X 2 
1  rX21. X 2  1  rY2. X 1

Untuk menguji apakah sampel dapat berlaku untuk

populasi, maka dilakukan uji signifikansi dengan
rumus berikut.

83
 rp n  3
t
1  rp2

Keterangan:
rp= korelasi parsial yang ditemukan
n = jumlah sampel
t = thitung yang akan dikonsultasikan dengan
ttabel

t tabel didapat dengan dk = n-1, dengan α =

0.05.

B. Regresi
Analisis regresi digunakan untuk mempelajari
dan mengukur hubungan statistik yang terjadi
antara dua atau lebih variabel. Dalam dunia
pendidikan model analisis ini sangat populer,
karena sangat efektif untuk menentukan bentuk
kegiatan yang diduga akan menghasilkan produk
yang maksimal. Untuk memprediksi dipergunakan
persamaan regresi yang menggambarkan pola atau
fungsi hubungan yang terdapat antar variabel.
Analisis Regresi ditentukan oleh bentuk
hubungan antar variabelnya, ada hubungan linear
dan nonlinear. Setiap analisis regresi tentu ada
analisis korelasi, tidak sebaliknya. Analisis regresi

84
 digunakan untuk memprediksikan seberapa jauh
perubahan nilai variabel dependen bila nilai
variabel independen dimanipulasi/dirubah-rubah
atau dinaikturunkan.

1. Regresi linier sederhana,

Y = a + bX + e
Linier
2. Regresi linier berganda,
Y = b0 + b1X1 + . . . + bpXp + e

Analisis
Regresi

2
1. Regresi polinomial →Y = a + bX + cX .
2. Regresi hiperbola → Y = a + b/X.
X
Nonlinier 3. Regresi fungsi geometrik.→Y = a + b .
bX
4. Regresi eksponensial → Y = a e
Y X
5. Regresi logaritmik → e = a + b
6. Regresi fungsi geometri → Y = a +

Gambar 9.4 Macam-macam regresi

1. Regresi Linier Sederhana

Persamaan regresi linier sederhana adalah
sebegai berikut:

Y = a + bX

Dimana:

85
Y = subyek dalam variabel dependen yang
diprediksikan
a = harga Y ketika harga X nol (harga konstan)
b = angka arah atau koefisien regresi yang
menunjukkan angka peningkatan atau
penurunan variabel dependen yang
didasarkan pada perubahan variabel
independen. Bila (+) arah garis naik, bila (-)
arah garis turun.
X = subyek pada variabel independen yang
mempunyai nilai tertentu

Langkah-langkah analisis regresi sederhana

adalah sebagai berikut:
a. Membuat hipotesis Ho dan Ha dalam
bentuk kalimat
b. Membuat hipotesis Ho dan Ha dalam
bentuk statistik
c. Membuat tabel belanja statistik
d. Mencari konstanta nilai Y (a) dan nilai arah
prediksi (b) dengan rumus:

b
n XY   X . Y
a
 Y  b X
n X 2   X 
2
n

a dan b adalah koefisien regresi linier

86
e. Mencari Jumlah kuadrat Regresi (JKreg a)
dengan rumus:
JKreg a =

f. Mencari Jumlah kuadrat Regresi (JKreg b│a)

dengan rumus:
( )( )
JKreg (b│a) = b −

g. Mencari Jumlah kuadrat Residu (JKres )

dengan rumus:
JKres = ΣY2 - JKreg (b│a) - JKreg (a)

h. Mencari Rata-rata Jumlah kuadrat Regresi

(RJKreg ) dengan rumus:
RJKreg a = JKreg (a)

i. Mencari Rata-rata Jumlah kuadrat Regresi

(RJKreg b│a) dengan rumus:
RJKreg (b│a) = JKreg (b│a)

j. Mencari Rata-rata Jumlah kuadrat Residu

(JKres ) dengan rumus:
RJKres =

k. Menguji Signifikansi dengan rumus:

RJKreg (b│a)
Fhitung = RJKres

87
 Kaidah pengujian signifikansi:
Jika F hitung ≥ F tabel maka Ho ditolak,
F hitung ≤ F tabel maka Ho diterima
Dengan taraf signifikansi: α = 0,01 atau α =
0,05
l. Membuat kesimpulan

2. Regresi Ganda
Analisis menggunakan regresi ganda dilakukan
oleh peneliti untuk memprediksi keadaan (naik
turunnya) variabel dependen (kriterium), bila
dua atau lebih ariabel independen sebagai faktor
prediktor dimanipulasi (dinaik turunkan
nilainya). Analisis regresi ganda digunakan
apabila jumlah variabel bebas/independennya
minimal dua. Persamaan regresi ganda adalah
sebegai berikut:

Persamaan regresi untuk dua prediktor :

Y = a + b1X1+b2X2

Persamaan regresi untuk n prediktor :

Y = a + b1X1+b2X2+…..+bnXn

Prediksi dapat dilakukan melalui regresi ganda

dengan syarat data setiap variabel harus

88
tersedia. Berdasarkan data tersebut, selanjutnya
peneliti harus dapat menemukan persamaan
melalui perhitungan.

89