MAKALAH STATISTIKA

PENGUJIAN HIPOTESIS ASOSIATIF

Dosen Pengampu : Titi Rohaeti, M.Pd

Disusun Oleh :

Kelompok 3
Intan Sari ( 210121041 )
Muhamad A’izzudin ( 210121014 )
Wulan Widia Ningsih ( 210121087 )

Kelas : 21-A1B-K1

UNIVERSITAS MUHAMMADIYAH CIREBON

FAKULTAS EKONOMI
PROGRAM STUDI AKUTANSI
2021/2022

i
 KATA PENGANTAR

Segala puji syukur kami panjatkan kepada Allah SWT. atas rahmat dan karunia-Nya, kami
dapat menyelesaikan tugas penyusunan makalah mata kuliah Statistika tepat waktu. Tidak lupa
shalawat serta salam semoga selalu tercurah limpahkan kepada junjungan kita Nabi besar
Muhammad SAW, beserta para pengikutnya hingga akhir zaman yang insyaAllah kita termasuk
di dalamnya yang senantiasa mendapat syafaatnya .
Makalah yang berjudul “Pengujian Hipotesis Asosiatif” ini disusun untuk memenuhi tugas
mata kuliah Statistika. Kami sangat berharap makalah ini dapat menjadi referensi bagi para
pembaca dan penulis untuk menambah wawasan tentang korelasi dari kedua variabel yang diteliti.
Selain itu kami juga sangat berharap agar pembaca mendapatkan sudut pandang baru setelah
membaca makalah ini.
Kami menyadari makalah ini masih jauh dari kata sempurna sehingga memerlukan
penyempurnaan, terutama pada bagian isi. Kami sangat menerima segala bentuk kritik dan saran
pembaca demi penyempurnaan makalah ini. Apabila terdapat banyak kesalahan pada makalah ini,
kami mohon maaf.
Demikian yang dapat kami sampaikan. Akhir kata, semoga makalah ini dapat digunakan
sebagaimana mestinya.

Cirebon, 2 Juni 2022

Penulis

ii
 DAFTAR ISI

HALAMAN JUDUL..................................................................................................... i

KATA PENGANTAR................................................................................................... ii

DAFTAR ISI.................................................................................................................. iii

BAB I PENDAHULUAN.............................................................................................. 1

1.1 Latar Belakang.................................................................................................. 1

1.2 Rumusan Masalah............................................................................................. 1
1.3 Tujuan................................................................................................................ 2
BAB II PEMBAHASAN............................................................................................... 3

2.1 Pengertian Hipotesis Asosiatif......................................................................... 3

2.1.1 Asosiatif Simetris...................................................................................... 3
2.1.2 Asosiatif Sebab Akibat.............................................................................. 4
2.1.3 Asosiatif Interaktif..................................................................................... 4
2.2 Pengujian Hipotesis Asosiatif........................................................................... 6
2.2.1 Korelasi Product Moment (Pearson Product Moment)............................. 6
2.2.2 Korelasi Ganda.......................................................................................... 9
2.2.3 Korelasi Parsial.......................................................................................... 11
2.2.4 Korelasi Kontingensi................................................................................. 12
2.2.5 Korelasi Spearman Rank........................................................................... 16
2.2.6 Korelasi Kendall Tau................................................................................. 20
BAB III PENUTUP....................................................................................................... 26

3.1 Kesimpulan................................................................................................... 26
3.2 Saran.............................................................................................................. 26
DAFTAR PUSTAKA.................................................................................................... 27

iii
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Hipotesis diartikan sebagai jawaban sementara terhadap rumusan masalah penelitian,
bisa berupa pernyataan tentang hubungan dua variabel atau lebih, perbandingan
(komparasi), atau variabel mandiri (deskripsi). Deskriptif dalam statistik adalah penelitian
yang didasarkan pada populasi (tidak ada sampel), sedangkan deskriptif dalam penelitian
menunjukkan tingkat ekplanasi yaitu menanyakan tentang variabel mandiri (tidak
dihubungkan dan dibandingkan).

Dalam statistik terdapat dua macam hipotesis, yaitu hipotesis nol dan hipotesis
alternatif. Hipotesis nol diartikan sebagai tidak adanya perbedaan antara parameter dengan
statistik, atau tidak adanya perbedaan antara ukuran populasi dan ukuran sampel. Hipotesis
alternatif adalah lawannya hipotesis nol, yang berbunyi adanya perbedaan antara data
populasi dengan sampel. Secara ringkas hipotesis dalam statistik merupakan pernyataan
statistik tentang parameter populasi sedangkan hipotesis dalam penelitian merupakan
jawaban sementara terhadap rumusan masalah pada suatu penelitian.

Terdapat macam-macam teknik statistik yang dapat digunakan dalam suatu penelitian
khususnya dalam pengujian statistik. teknik statistik yang akan digunakan tergantung pada
interaksi dua hal, yaitu macam data yang akan dianalisis dan bentuk hipotesisnya. Bentuk
hipotesis ada tiga macam, yaitu :

1. Hipotesis deskriptif adalah dugaan tentang nilai suatu variabel mandiri, tidak membuat
perbandingan atau hubungan.
2. Hipotesis komparatif adalah pernyataan yang menunjukkan dugaan nilai dalam satu
variabel atau lebih pada sampel yang berbeda.
3. Hipotesis asosiatif adalah suatu pernyataan yang menunjukkan dugaan tentang
hubungan antara dua variabel atau lebih.

1.2 Rumusan Masalah

Berdasarkan latar belakang diatas, maka permasalahan dalam makalah ini adalah
sebagai berikut :

1. Apa yang dimaksud dengan hipotesis asosiatif?

1
 2. Bagaimana cara menguji hipotesis asosiatif?

1.3 Tujuan
Berdasarkan permasalahan tersebut diatas, maka dapat dirumuskan tujuan makalah ini
adalah sebagai berikut :
1. Mengetahui apa itu hipotesis asosiatif
2. Mengetahui pengujian hipotesis asosiatif

2
 BAB II
PEMBAHASAN

2.1 Pengertian Hipotesis Asosiatif

Hipotesis asosiatif merupakan dugaan adanya hubungan antar variabel dalam
populasi, melalui data hubungan dalam sampel. Hipotesis asosiatif dapat dikatakan
jawaban sementara terhadap suatu rumusan masalah yang mempertanyakan mengenai
hubungan antara dua variabel di dalam suatu penelitian. Contohnya adalah sebagai
berikut: 

 Dilakukan penelitian untuk mengetahui hubungan hasil panen tembakau di daerah A

dengan hasil penjualan tembakau di toko B. Dari penelitian ini kemudian bisa dibuat
rumusan masalah sebagai berikut: 
1. Adakah hubungan antara hasil panen tembakau di daerah A dengan hasil
penjualan tembakau di toko B?
 Melalui rumusan masalah tersebut, kemudian bisa disusun hipotesis sebagai berikut:  
1. Tidak ada hubungan antara hasil panen tembakau di daerah A dengan penjualan
tembakau di toko B. 
2. Ada hubungan antara hasil panen tembakau di daerah A dengan hasil penjualan
tembakau di toko B. 
 Jadi, jika ada penelitian yang meneliti hubungan dari dua hal atau dua variabel dalam
penelitian. Maka hipotesis yang disusun sudah tentu dalam bentuk hipotesis asosiatif.
Yakni hipotesis yang akan menentukan ada tidaknya hubungan antara dua variabel
yang berbeda tersebut. 

Terdapat pembagian bentuk hubungan hipotesis asosiatif, yaitu;

2.1.1 Asosiatif Simetris, dugaan sementar penelitian biasanya terjadi hubungan yang lebih
menekankan pada hubungan kebersamaan antara variabel, bukan hubungan sebab
akibat. Contoh penulisannya yaitu:
1) Ada hubungan antara curah hujan dengan banjir
2) Ada hubungan antara kemiringan lereng dengan tingkat bahaya longsor
3) Ada hubungan antara rotasi bumi dengan pasang surut air laut
4) Ada hubungan antara penghasilan orangtua dengan fasilitas yang digunakan oleh
siswa
3
2.1.2 Asosiatif Sebab Akibat, artinya hubungan yang bersifat saling mempengaruhi. Atau
dengan lain, ada hubungan sbeab-akibat antara dua variabel atau lebih.
Contoh penulisannya yaitu:
1) Angin borohok yang terjadi di Deli, Sumatera Utara memberikan pengaruh positif
terhadap kerusakan lahan pertanian

2) Kurangnya asupan makanan memberikan pengaruh positif terhadap gizi buruk

3) Pasang surut air laut memberikan pengaruh positif terhadap arus laut
4) Ketekunan siswa memberikan pengaruh positif terhadap prestasi belajar

2.1.3 Asosiatif Interaktif, artinya menekankan pada hubungan antara variabel yang saling
mempengaruhi, bukan sebagai hubungan sebab akibat, melainkan hubungan timbal
balik.
Contoh penulisannya yakni;
1) Ada hubungan yang saling mempengaruhi antara tingkat infiltrasi dengan
permeabilitas tanah
2) Ada hubungan yang saling mempengaruhi antara curah hujan dengan evaporasi
3) Ada hubungan yang saling mempengaruhi antara laju sedimen dengan tingkat erosi
4) Ada hubungan yang saling mempengaruhi antara pencemaran sungai dengan
limbah masyarakat

Untuk mencari hubungan antara dua variabel atau lebih dilakukan dengan menghitung
koefisien korelasi antara variabel-variabel tersebut. Koefisien korelasi merupakan angka
yang menunjukkan arah dan kuatnya hubungan antar variabel. Arah hubungan dinyatakan
dengan tanda positif atau negatif, sedangkan kuatnya hubungan ditunjukkan dengan
besarnya angka koefisien korelasi yang besarnya berkisar antara 0 sampai dengan ± 1.

Hubungan positif antara dua variabel memberikan arti bahwa naiknya salah satu
variabel akan menyebabkan naiknya variabel yang satunya. Sedangkan hubungan yang
negatif mengandung arti bahwa ketika salah satu variabel nilainya naik maka variabelyang
lain turun. Sebagai hubungan yang positif antara besarnya pendapatan dengan besarnya
belanja bulanan, mengandung arti bahwa ketika pendapatan naik, maka belanja bulanan
juga semakin naik. Sedangkan hubungan negatif terjadi misalnya dalam hubungan antara
faktor usia dengan daya ingat, yang berarti bahwa semakin bertambah usia seseorang maka
daya ingat akan semakin menurun. Demikian juga sebaliknya.

4
 Angka koefisien korelasi yang berkisar antara 0 sampai dengan ± 1 menujukkan
kuat/lemahnya hubungan kedua variabel tersebut. Koefisien korelasi +1 menunjukkan
bahwa antara kedua variabel tersebut terdapat hubungan positif sempurna. Sempurna disini
mengandung arti bahwa naik atau turunnya salah satu variabel bisa dijelasksn dengan
variabel yang lain dengan sepenuhnya tanpa kesalahan sedikit pun. Sedangkan koefisien
korelasi sebesar nol, berarti bahwa antara kedua variabel tersebut sama sekali tidak terdapat
hubungan. Artinya, naik atau turunnya variabel yang satu sama sekali tidak mempengaruhi
variabel yang lain. Namun, dalam kehidupan sosial, korelasi sebesar nol dan satu ini jarang
sekali terjadi (tidak akan pernah ada).

Dalam analisis statistik, besarnya koefisien korelasi bisa digambarkan dengan penyebaran
titik data dalam kurva X-Y. Gambar-gambar yang menunjukkan koefisien korelasi adalah sebagai
berikut

Variabel Y
Variabel Y
Variabel Y

Variabel X Variabel X Variabel X

Gambar 1 Gambar 2 Gambar 3

Gambar 1 : menunjukkan persebaran hubungan antara variabel X dan variabel Y yang

tidak menujukkan pola tertentu. Artinya, pada saat variabel X rendah, variabel
Y bisa rendah maupun tinggi. Demikian juga pada saat variabel X tinggi. Pola
seperti ini menujukkan tidak terdapat hubungan antara kedua variabel
tersebut.
Gambar 2 : menujukkan ketika variabel X rendah maka variabel Y juga rendah. Pada saat
variabel X tinggi maka variabel Y juga tinggi. Hubungan seperti ini
menunjukkan bahwa ntara kedua variabel tersebut terdapat hubungan positif
yang cukup kuat.
Gambar 3 : menujukkan ketika variabel X rendah maka variabel Y tinggi, dan pada saat
variabel X tinggi maka variabel Y rendah. Hubungan seperti ini menunjukkan

5
 bahwa antara kedua variabel tersebut terdapat hubungan negatif yang cukup
kuat.

2.2 Pengujian Hipotesis Asosiatif

Terdapat bermacam-macam teknik statistik korelasi yang dapat digunakan untuk
menguji hipotesis asosiatif. Teknik koefisien yang mana yang akan dipakai tergantung
pada jenis data yang dianalisis. Berikut adalah berbagai teknik statistik korelasi yang
digunakan untuk menguji hipotesis asosiatif. Uji korelasi untuk data interval dan rasio
menggunakan statistik parametriks, sedangkan uji korelasi untuk data nominal dan ordinal
menggunakan statistik nonparametriks.

PEDOMAN UNTUK MEMILIH TEKNIK KORELASI DALAM

PENGUJIAN HIPOTESIS

Skala data Teknik Uji Statistik

Interval/Ratio Pearson Product moment
Korelasi Ganda
Korelasi Parsial
Ordinal Korelasi Rank Spearman
Kendall Tau
Nominal Koefisien Kontingency

2.2.1 Korelasi Product Moment (Pearson Product Moment)

Teknik korelasi ini digunakan untuk mencari hubungan dan membuktikan hipotesis
hubungan antara dua variabel berbentuk interval dan rasio, yang berasal dari satu
populasi. Rumus paling sederhana untuk menghitung korelasi adalah sebagai berikut:

xy
rxy =
 ( x2y2))

Dimana:
rxy = Korelasi antara variabel x dengan variabel y
x = (Xi – rata-rata X)
y = (Yi – rata-rata Y)

6
 𝑛Σ𝑥1𝑦1 − (Σ𝑥1)(Σ𝑦1)
𝑟𝑥𝑦 = √{𝑛Σ𝑥2 − (Σ𝑥 )2}{𝑛Σ𝑦2 − (Σ𝑦 )2}

Contoh:

Dilakukan penelitian untuk mengetahui ada tidaknya hubungan antara pendapatan

dan pengeluaran. Untuk keperluan tersebut, maka telah dilakukan pengumpulan
data terhadap 10 responden yang diambil secara random. Berdasarkan 10 responden
tersebut diperoleh data tentang pendapatan (X) dan pengeluaran (Y) sebagai berikut.

X= 800 900 700 600 700 800 900 600 500 500/bulan
Y= 300 300 200 200 200 200 300 100 100 100/bulan
H0 = Tidak ada hubungan antara pendapatan dan pengeluaran

Ha = Terdapat hubungan antara pendapatan dan pengeluaran

H0 : 𝜌 = 0

Ha : 𝜌 ≠ 0

Untuk perhitungan koefisien korelasi, maka data pendapatan dan pengeluaran perlu
dimasukkan dalam tabel berikut.

TABEL PENOLONG UNTUK MENGHITUNG KORELASI ANTARA

Pend/bln Pengl/bln
(𝑿𝒊 − 𝒙̅) (𝒀𝒊 − 𝒚̅)
No dlm ratusan dlm x2 y2 xy
(x) (y)
ribu rp (Xi) ratusan
ribu
rp (Yi)
1 8 3 1 1 1 1 1
2 9 3 2 1 4 1 2
3 7 2 0 0 0 0 0
4 6 2 -1 0 1 0 0
5 7 2 0 0 0 0 0
6 8 2 1 0 1 0 0
7 9 3 2 1 4 1 2
8 6 1 -1 -1 1 1 1
9 5 1 -2 -2 4 1 2
10 5 1 -2 -2 4 1 2 7
Σ = 70 Σ = 20 0 0 20 6 10
𝑋̅ = 7 𝑦̅ = 2
 PENDAPATAN DAN PENGELUARAN

Rata-rata 𝑥̅ = 70 : 10 = 7 (dalam ratusan ribu rupiah)

Rata-rata 𝑦̅ = 20 : 10 = 2 (dalam ratusan ribu rupiah)
Σ𝑋2 = 20

Σ𝑌2 = 6

Σ𝑋𝑌 = 10

Σ𝑥𝑦 10
𝑟𝑥𝑦 = = = 0,9129
√Σ𝑥2𝑦2 √(20 𝑥 6)
Jadi, ada korelasi posistif sebesar 0.9129 antara pendapatan dengan
pengeluaran. Hal ini berarti bahwa semakin besar pendapatan maka pengeluaran
juga akan semakin besar. Permasalahan adalah apakah angka korelsi tersebut
signifikan (dapat digeneralisasikan) untuk dikatakan bahwa juga terdapat korelasi
POPULASI. Untuk itu maka perlu diperbadingkan r hitung dengan r tabel (r tabel
product moment) pada taraf signifikansi tertentu. Dengan melihat angka tabel r
product moment, untuk tingkat signifikansi 5%, dengan N = 10, didapat r tabel =
0.632. Berarti hitung (=0.9129) lebih besar dari r tabel, yang berarti kita harus
menolak Ho dan menerima Ha. Dapat disimpulkan bahwa terdapat hubungan yang
kuat dan signifikan antara pendapatan dengan pengeluaran.

Pengujian signifikansi korelasi, selain dilakukan dengan membandingkan

koefisien korelasi (angka r hitung) dengan r tabel koefisien product moment, juga
bisa dilakukan dengan membandingkan t hitung dengan t tabel.
Dengan cara ini, t hitung bisa dicari dengan rumus:

𝑟√𝑛−2 0,9129√10−2
𝑡= = 𝑡= = 6,33
√1− 𝑟2 √1− 102

Harga t hitung tersebut dibandingkan dengan t tabel. Untuk kesalahan 5% uji dua
pihak dan dk = n-2 = 8, maka diperoleh t tabel = 2,306. Sehingga, harga t hitung 6,33
lebih besar dari t tabel, maka, H0 ditolak. Hal ini berarti terdapat hubungan yang
positif dan signifikan antara pendapatan dan pengeluaran sebesar 0,9129. Untuk dapat
8
 memberikan penafsiran terhadap koefisien korelasi yang ditemukan besar atau kecil,
maka dapat berpedoman pada ketentuan yang tertera pada tabel berikut.

PEDOMAN UNTUK MEMBERIKAN INTERPRETASI TERHADAP

KOEFISIEN KORELASI

Interval Koefisien Tingkat Hubungan

0,00 – 0,199 Sangat Rendah
0,20 – 0,399 Rendah
0,40 – 0,599 Sedang
0,60 – 0,799 Kuat
0,80 – 0,1000 Sangat Kuat

Dalam analisis korelasi terdapat suatu angka yang disebut dengan koefisien
derminasi, yang besarnya adalah kuadrat dari koefisien korelasi (r 2). Koefisien ini
disebut koefisien penentu, karena varian yang terjadi pada variabel dependen dapat
dijelaskan melalui varian yang terjadi pada variabel independen. Berdasarkan contoh
diatas ditemukan r = 0,9129. Koefisien determinasinya = r2 = 0,91292 = 0,83. Hal ini
berarti varian yang terjadi pada variabel pengeluaran 83% dapat dijelaskan melalui
varian yang terjadi pada variabel pendapatan, atau pengeluaran 83% ditentukan oleh
besarnya pendapatan dan 17% oleh faktor lain, misalnya terjadi musibah, sehingga
pengeluaran tersebut tidak dapat diduga.

2.2.2 Korelasi Ganda

Korelasi ganda (multiple correlation) merupakan angka yang menunjukkan arah
dan kuatnya hubungan antara dua variabel independen secara bersama-sama atau lebih
dengan satu variabel dependen. Simbol korelasi ganda adalah R.Pada bagian ini
dikemukakan korelasi ganda (R) untuk dua variabel independen dan satu dependen.
Untuk variabel independen lebih dari dua, rumus korelasi ganda dua variabel
ditunjukkan sebagai berikut.

Rumus korelasi ganda ntuk dua variabel adalah sebagai berikut:


r2yx1 + r2yx2 – 2ryx1.ryx2.rx1x2
r y.x1.x2
= 1 – r2x1x2

9
Dimana,
𝑅𝑦𝑥1𝑥2 = Korelasi antara variabel X1 dengan X2 secara bersama-sama dengan
variabel Y
𝑟𝑦𝑥1 = Korelasi Product moment antara X1 dengan Y
𝑟𝑦𝑥2 = Korelasi Product moment antara X2 dengan Y
𝑟𝑥1𝑥2 = Korelasi Product moment antara X1 dengan X2
Jadi, untuk mengetahui korelasi ganda, maka harus dihitung terlebih dahulu
korelasi sederhananya melalui korelasi Product Moment dari Pearson.

Contoh :

Misalnya dari suatu penelitian yang berjudul :”Kepemimpinan dan Tata Ruang
Kantor dalam kaitannya dengan Kepuasan Kerja Pegawai di Lembaga A”. 
Berdasarkan data yang terkumpul untuk setiap variabel, dan setelah dihitung
korelasi sederhananya ditemukan sebagai berikut

1. Korelasi antara kepemimpinan dengan Kepuasan Kerja Pegawai, r1 = 0,45

2. Korelasi antara Tata Ruang kantor dengan Kepuasan Kerja Pegawai, r2 = 0,48

3. Korelasi antara Kepemimpinan dengan Tata Ruang Kantor r3 = 0,22

R yx1x2 = ryx1 2 +  ryx2 2 – 2 ryx1 ryx2 rx1x2

1   -  r x1x2 2

R yx1x2   = (0,45) 2 + (0,48) 2 – 2 (0,45) (0,48) (0,22)

1 - (0,22) 2
= 0,5959
Dari perhitungan tersebut, ternyata besarnya korelasi ganda R harganya lebih besar
dari korelasi individual ryx1 dan ryx2.

Pengujian signifikansi terhadap koefisien korelasi ganda dpat menggunakan rumus

uji F berikut:
Fh = R2 / k
(1 – R2) / (n – k – 1)

R = Koefisirn Korelasi ganda

K = Jumlah variabel independen
N = jumlah anggota sampel
Berdasarkan nilai yang ada, dan bila n = 30, maka nilai Fh tersebut adalah :
10
 Fh     =  (0,5959) 2 / 2
(1 – (0,5959) 2 ) / (30 – 2 – 1) = 7,43
F Tabel :
dk pembilang = k = 2
dk penyebut   = (n – k – 1) = 10 – 2 – 1 = 7
Jika tarap kesalahan 5 %,
Maka F tabel = 4,74
Karena F hitung (7,43)  > F tabel (4,74),
Dengan membandingkan angka F tabel dengan F hitung, ternyata F hitung lebih
besar daripada F tabel, berarti Ho ditolak dan Ha diterima. Jadi, koefisien korelasi
ganda yang ditemukan adalah signifikan (dapat diberlakukan untuk populasi dimana
sampel di ambil).

2.2.3 Korelasi Parsial

Korelasi ini digunakan untuk menganalisis nila peneliti bermaksud mengetahui
pengaruh atau hubungan antara variabel independen dengan variabel dependen, di
mana salah satuvariabel independen yang lain dibuat tetap/dikendalikan. Jadi,
korelasi parsial merupakan angka yang menunjukkan arah dan kuatnya hubungan
antara dua variabel atau lebih setalah satu variabel yang diduga dapat mempengaruhi
hubungan tersebut dikendalikan untuk dibuat tetap keberadaannya.
Contoh;
1. Korelasi antara nilai tes IQ dengan prestasi sekolah = 0.58
2. Korelasi antara waktu belajar dengan prestasi sekolah = 0.10
3. Korelasi antara nilai tes IQ dengan waktu belajar = -0.40

Apabila ada pertanyaan, untuk siswa yang waktu belajarnya sama (diparsialkan)
berapa korelasi antara IQ dengan prestasi kuliah? Jawaban pertanyaan tersebut bisa
dicari dengan rumus korelasi parsial berikut:

Ryx1 – ryx2.rx1x2
Ryx1x2 =
(1 – r2x1x2) - (1 – r2yx2)

Rumus di atas dapat dibaca: Korelasi antara Y dengan X 1, bila variabel X2

dikendalikan atau korelasi antara Y dengan X1, bila X2 tetap.

11
 Sedangkan bila X1 yang dikendalikan, maka rumusnya adalah:

Ryx2 – ryx1.rx1x2
Ryx2x1 =
(1 – r2x1x2) - (1 – r2yx1)
Sedangkan uji korelasi parsial dapat dihitung dengan rumus sebagai berikut:

rp  (n – 3)
t=
 (1 – r2p)

2.2.4 Korelasi Kontingensi

Jenis korelasi ini digunakan untuk menghitung hubungan antara variabel bila datanya
berbentuk nominal. Teknik ini mempunyai kaitan yang erat dengan Chi Kuadrat
yang digunakan untuk menguji hipotesis komparatif k sampel independen. Oleh
karena itu rumus yang digunakan mengandung nilai Chi Kuadrat. Rumus tersebut
adalah sebagai berikut:

t=
 X
2

N + X2

Harga Chi Kuadrat (X2) dicari dengan rumus:

X2 =  
(Opij + Eij)2
EPij
Contoh :
Dilakukan penelitian untuk mencari tahu apakah terdapat hubunga antara profesi
pekerjaan dengan jenis olah raga yang sering dilakukan. Profesi dikelompokkan
menjadi : Dokter, Pengacara, Dosen, Bisnisman. (Dr, Pc, Ds, Bs). Sedangkan jenis
olahraga dikelompokkan menjadi: Golf, Tenis, Bulutangkis, Sepak bola (Gf, T, Bt,
Sp). Jumlah responden yang digunakan untuk mengumpulkan data adalah sebagai
berikut:
Dr = 58
Pc = 75
Ds = 68
Bs = 81
12
Jumlah seluruhnya = 282

Perumusan hipotesisnya adalah:

Ho: Tidak ada hubungan yang signifikan antara profesi seseorang dengan jenis
olahraga yang disenanginya

Ha: Ada hubungan yang kuat dan signifikan antara profesi seseorang dengan jenis
olahraga yang disenanginya

Berdasarkan sampel empat kelompok profesi yang dipilih secara random, diperoleh
data seperti data berikut:
Jenis Olah Profesi
Jumlah
Raga Dr Pc Ds Bs
Gf 17 23 10 30 80
Tn 23 14 17 26 80
Bt 12 26 18 14 70
Sp 6 12 23 11 52
Jumlah 58 75 68 81 282
Untuk mmenghitung f yang diharapkan (fh) pertama-tama dihitung berapa persen
dari masing-masing sampel yang menyenangi olah raga Golf, Tenis, Bulu tangkis,
dan sepakbola.

Dari sini, dapat dihitung prosentase:

Prosentasi yang menyenangi Golf = 80/282 = 0.284

Prosentasi yang menyenangi Tenis = 80/282 = 0.284
Prosentasi yang menyenangi Bulu tangkis = 70/282 = 0.248
Prosentasi yang menyenangi Sepak bola = 52/282 = 0.184

Selanjutnya, masing-masing fh (frekuensi yang diharapkan) kelompok yang

menyenangi setiap jenis olah raga dapat dihitung

1. Yang menyenangi Golf:

a. Fh Dokter : 0.284 x 58 = 16.472
13
 b. Fh Pengacara : 0.284 x 75 = 21.300
c. Fh Dosen : 0.284 x 68 = 19.312
d. Fh Bisnisman : 0.284 x 81 = 23.004

2. Yang menyenangi Tenis:

a. Fh Dokter : 0.284 x 58 = 16.472
b. Fh Pengacara : 0.284 x 75 = 21.300
c. Fh Dosen : 0.284 x 68 = 19.312
d. Fh Bisnisman : 0.284 x 81 = 23.004
3. Yang menyenangi Bulu tangkis:
a. Fh Dokter : 0.248 x 58 = 14.384
b. Fh Pengacara : 0.248 x 75 = 18.600
c. Fh Dosen : 0.248 x 68 = 16.864
d. Fh Bisnisman : 0.248 x 81 = 20.088

4. Yang menyenangi Sepak Bola:

a. Fh Dokter : 0.184 x 58 = 10.672
b. Fh Pengacara : 0.184 x 75 = 13.800
c. Fh Dosen : 0.184 x 68 = 12.512
d. Fh Bisnisman : 0.184 x 81 = 14.902

Berdasarkan hasil perhitungan tersebut, selanjutnya dimasukkan ke dalam tabel

sebagai berikut:

Olah Dr Pc Ds Bs
JML.
Raga Fo Fh Fo Fh Fo Fh Fo Fh

Gf 17 16.472 23 21.300 10 19.312 30 23.004 80

Tn 23 16.472 14 21.300 17 19.312 26 23.004 80

Bt 12 14.384 26 18.600 18 16.864 14 20.088 70

Sp 6 10.672 12 13.800 23 12.512 11 14.904 52

JML 58 75 68 81 282
X2 = 0.007 +0.136 + 4.490 + 2.218 + 2.587 + 2.502 + 0.277 + 0.390 +

0.395 + 2.944 + 0.077 + 1.845 + 2.045 + 0.235 + 8.791 + 1.023

14
 2
X = 29.881

Jadi, harga Chi Kuadrat (X2) hitung = 29.881. Selanjutnya untuk menghitung
keofisien kontingensi C, maka harga tersebut dimasukkan ke dalam rumus

C=  X
2

N + X2

15
 29.881
C=  282 + 29.881
C = 0.31

Jadi, besarnya koefisien antara jenis profesi dengan kesenangan olah raga =
0.31. Untuk menguji signifikansi koefisien C dapat dilakukan dengan menguji
harga Chi Kuadrat (X2) hitung yang ditemukan dengan Chi Kuadrat (X2) tabel,
pada taraf signifikansi dan dk tertentu. Harga dk = (k – 1) (r – 1); dimana K =
jumlah sampel = 4; r = jumlah kategoriolah raga. Jadi dk = (4 – 1) ( 4 – 1) = 9.
Dengan dk = 9 dan pada taraf signifikansi 0.05, maka harga Chi Kuadrat (X2)
tabel = 15.51. Ketentuan pengujian kalauharga Chi Kuadrat (X2) hitung lebih
besar dati Chi Kuadrat (X2) tabel, maka hubungannya signifikan. Pada kasus kita
di atas, ternyata harga Chi Kuadrat (X2) hitung lebih besar daripada Chi Kuadrat
(X2) tabel. (29.881 > 15.51). Dengan demikian dapat disimpulkan bahwa Ho
ditolak dan Ha diterima. Jadi, jenis profesi pekerjaaan secara nyata mempunyai
hubungan signifikan dengan jenis olahraga yang disenangi sebesar 0.31. Data yang
ada pada sampel dan angka korelasi mencerminkan keadaan populasi di mana
sampel diambil.

2.2.5 Korelasi Spearman Rank

Kalau pada korelasi produk moment, sumber data untuk variabel yang akan
dikorelasikan adalah sama, data yang dikorelasikan adalah data interval atau rasio,
serta data dari kedua variabel masing-masing membentuk distribusi normal, maka
dalam korelasi Spearman Rank, sumber data untuk kedua variabel yang akan
dikonversikan dapat berasal dari sumber yang tidak sama, jenis data yang
dikorelasikan adalah data ordinal, serta data dari kedua variabel tidak harus
membentuk distribusi normal. Jadi korelasi Spearman Rank adalah bekerja dengan
data ordinal atau berjenjang atau rangking, dan bebas distribusi. Data pada tabel
tersebut diperoleh dari sumber yang berbeda yaitu Juri I dan juri II. Karena
sumber datanya beda maka untuk menganalisnya digunakan Spearman Rank yang
rumusnya adalah:
ρ  = 1 – ( 6Σbi 2 : N  ( N2 – 1 )

Dimana:
ρ    = koefisien korelasi Spearman Rank
di   = beda  antara dua pengamatan berpasangan
16
 N   = total pengamatan         

Contoh:

Ada 10 orang responden yang diminta untuk mengisi daftar pertanyaan tentang
Motivasi dan Prestasi dalam sebuah kantor. Jumlah responden yang diminta mengisi
daftar pertanyaan itu 10 karyawan, masing-masing diberi nomor 1, 2, 3, 4, 5, 6, 7, 8,
9, 10. Nilai yang diberikan oleh kesepuluh responden tentang Motivasi dan Prestasi
itu diberikan pada contoh berikut. Yang akan diketahui adalah apakah ada hubungan
antara Motivasi dengan Prestasi.

Berdasarkan hal tersebut maka:

1. Judul penelitian adalah : Hubungan antara Motivasi dengan Prestasi.

2. Variabel penelitiannya adalah : nilai jawaban dari 10 responden tentang

Motivasi (Xi) dan Prestasi (Yi)

3. Rumusan masalah: apakah ada hubungan antara variabel Motivasi dan

Prestasi?

4. Hipotesis:

 Ho: tidak ada hubungan antara variabel Motivasi dan Prestasi.

 Ha: ada hubungan antara variabel Motivasi dan Prestasi
5. Kriteria Pengujian Hipotesis
 Ho ditolak   bila harga ρ hitung > dari ρ tabel
 Ho diterima bila harga ρ hitung ≤ dari ρ tabel
Penyajian data
Jawaban responden yang telah terkumpul ditunjukkan pada Tabel 1 berikut ini:
Tabel 1. Nilai Motivasi dan Prestasi

Nomor Jumlah Skor Jumlah

responde skor
n

1 9 8

2 6 7

3 5 6

17
 4 7 8

5 4 5

6 3 4

7 2 2

8 8 9

9 7 8

10 6 6

6. Perhitungan untuk pengujian Hipotesis

Data tersebut diperoleh dari sumber yang berbeda yaitu Motivasi (Xi)
dan Prestasi (Yi). Karena sumber datanya berbeda dan berbentuk ordinal,
maka untuk menganalisisnya digunakan Korelasi Rank yang rumusnya
adalah:
ρ  = 1 – ( 6Σbi 2 : N  ( N2 – 1 )
ρ  = koefisien korelasi Spearman Rank
di  = beda  antara dua pengamatan berpasangan
N = total pengamatan                       
Korelasi Spearman rank bekerja dengan data ordinal. Karena jawaban
responden merupakan data ordinal, maka data tersebut diubah terlebih
dahulu dari data ordinal dalam bentuk ranking yang caranya dapat dilihat
dalam Tabel 2.

Bila terdapat nilai yang sama, maka cara membuat peringkatnya

adalah: Misalnya pada Xi nilai 9 adalah peringkat ke 1, nilai 8 pada
peringkat ke 2, selanjutnya disini ada nilai 7 jumlahnya dua. Mestinya
peringatnya kalau diurutkan adalah peringkat 3 dan 4. tetapi karena nilainya
sama, maka peringkatnya dibagi dua yaitu: (3 + 4) : 2 = 3,5. akhirnya dua
nilai 7 pada Xi masing-masing diberi peringkat 3,5. Selanjutnya pada Yi
disana ada nilai 8 jumlahnya tiga. Mestinya peringkatnya adalah 2, 3 dan 4.
Tetapi karena nilainya sama maka peringkatnya dibagi tiga yaitu: (2 + 3 +
4) : 3 = 3. Jadi nilai 8 yang jumlahnya tiga masing-masing diberi peringkat 3
pada kolom Yi. Selanjutnya nilai 7 diberi peringkat setelah peringkat 4 yaitu
peringkat 5.

Tabel 2. Tabel penolong untuk menghitung koefisien korelasi Spearman

Rank.
18
 Nomor Nilai Motivasi Nilai Prestasi Peringkat Peringkat bi bi2
Responden Resp. I (Xi) dari Resp.  II (Xi) (Yi)
(Yi)

1 9 8 1 3 -2 4

2 6 7 5,5 5 0,5 0,25

3 5 6 7 6,5 0,5 0,25

4 7 8 3,5 3 0,5 0,25

5 4 5 8 8 0 0

6 3 4 9 9 0 0

7 2 2 10 10 0 0

8 8 9 2 1 1 1

9 7 8 3,5 3 0,5 0,25

10 6 6 5,5 6,5 -1 1

0 7

Selanjutnya harga bi2 yang telah diperoleh dari hitungan dalam tabel kolom
terakhir dimasukkan dalam rumus korelasi Spearman Rank :
ρ = 1 – 6.7 : ( 10 x 102 -1 ) = 1 – 0,04 = 0,96

Sebagai interpretasi, angka ini perlu dibandingkan dengan tabel nilai-nilai ρ

(dibaca: rho) dalam Tabel 3. Dari tabel itu terlihat bahwa untuk n = 10,
dengan derajat kesalahan 5 % diperoleh harga 0,648 dan untuk 1 % = 0,794.
Hasil ρ hitung ternyata lebih besar dari ρ tabel
Derajat kesalahan 5 %…..  0,96 >  0,648

Derajat kesalahan 1 %…..  0,96 > 0,794

Hal ini berarti menolak Ho dan menerima Ha.

Kesimpulan :
Terdapat hubungan yang nyata/signifikan antara Motivasi (Xi) dengan
Prestasi (Yi).  Dalam hal ini hipotesis nolnya (Ho) adalah: tidak ada

19
 hubungan antara variabel Motivasi (Xi) dengan Prestasi (Yi). Sedangkan
hipotesis alternatifnya (Ha) adalah: terdapat  hubungan yang positif dan
signifikan  antara variabel Motivasi (Xi) dengan Prestasi (Yi). Dengan
demikian hipotesis nol (Ho) ditolak dan hipotesis alternatif (Ha) diterima.
Atau dengan kata lain bahwa variabel Motivasi mempunyai hubungan yang
signifikan dengan Prestasi.

Tabel 3: Tabel Nilai-nilai ρ (RHO), Korelasi Spearman Rank

N Derajat signifikansi N Derajat signifikansi

5% 1% 5% 1%

5 1,000 16 0,506 0,665

6 0,886 1,000 18 0,475 0,625

7 0,786 0,929 20 0,450 0,591

8 0,738 0,881 22 0,428 0,562

9 0,683 0,833 24 0,409 0,537

10 0,648 0,794 26 0,392 0,515

12 0,591 0,777 28 0,377 0,496

14 0,544 0,715 30 0,364 0,478

2.2.6 Korelasi Kendall Tau (τ)

Merupakan statistik nonparametrik dengan skala pengukuran data sekurang-
kurangnya data ordinal. Korelasi kendall tau digunakan untuk mengukur tingkat
kesesuaian yakni apakah ada perbedaan tingkat kesesuain ranking antara 2 variabel
yang diamati.

1. Metodologi

Rumus yang digunakan untuk mengukur koefisien korelasi kendall tau adalah:

Jika ada ranking yang sama, maka rumus di atas dilengkapi dengan faktor
koreksi rank yang sama, yaitu:

20
di mana:

21
 atau secara ekivalen:

di mana:

Keterangan:

S: statistik untuk jumlah konkordansi dan diskordansi

C: banyaknya pasangan konkordansi (wajar)

D: banyaknya pasangan diskordansi (tidak wajar)

n: jumlah pasangan X dan Y

Tx : faktor koreksi ranking X yang sama

Ty : faktor koreksi ranking Y yang sama

2. Sampel Besar

Jika sampel berukuran lebih dari 10, maka terapkan aproksimasi sampel besar
dengan menganggap bahwa distribusi sampel mendekati distribusi normal (z).
Dengan demikian, kaidah pengambilan keputusan untuk analisis korelasi kendall
tau sebagai berikut:

1. Hipotesis dua arah: tolak Ho jika Z hitung > Z tabel atau Z hitung ≤ -Z tabel
untuk n dan tingkat signifikansi α.

2. Hipotesis satu sisi: tolak Ho jika nilai Z hitung > nilai Z tabel untuk n dan
tingkat signifikansi α.

3. Hipotesis satu sisi: tolak Ho jika nilai Z hitung < -Z tabel untuk n dan tingkat
signifikansi α.

Statistik uji untuk sampel besar yaitu:

22
 di mana:

Contoh:

Dalam sebuah penelitian ingin diketahui apakah nilai matakuliah statistik teori
mempunyai hubungan dengan nilai matakuliah statistik praktek. Peneliti mengambil
sampel sebanyak 12 orang mahasiswa secara acak dan diperoleh hasil sebagai berikut:

Apakah ada hubungan nilai mata kuliah statistik teori dan nilai matakuliah statistik
praktek? Gunakan tingkat signifikansi 1%.

Pembahasan:

Hipotesis:

H0: tidak ada kesesuaian ranking skor hasil belajar statistik teori dan praktik mahasiswa
di tingkat populasi.

H1: ada kesesuaian ranking skor hasil belajar statistik teori dan praktik mahasiswa di
tingkat populasi.

Tingkat signifikansi (alpha = 0,01)

Statistik uji:

Ranking berdasarkan urutan mahasiswa:

23
Sesudah mengatur ranking-rangking itu, variabel X dalam urutan yang wajar, kita
tetapkan harga S untuk ranking yang saling berhubungan dengan variabel Y;

Ranking nilai statistik praktek yang paling kiri adalah ranking 1, ini memiliki 11
ranking yang lebih besar sebelah kanannya dan 0 ranking yang lebih kecil di sebelah
kirinya, jadi skornya (11-0), begitu seterusnya sehingga didapat harga S = 44.

Dengan demikian, korelasi atau tingkat hubungan antara mata kuliah statistik teori
dan praktek adalah

Karena n > 10, maka kita dapat gunakan pendekatan sampel besar. Kita hitung
statistik Z, yakni

24
Keputusan: Dengan melihat tabel nilai-nilai z, kita mengetahui bahwa z > 3,03
mempunyai kemungkinan kemunculan, di bawah H0, sebesar p = 0,0012. Dengan
demikian, kita dapat menolak H0 pada tingkat signifikansi alpha =0,01.

Kesimpulan: Dengan tingkat sigifikansi 1% cukup bukti untuk mengatakan ada

hubungan antara nilai mata kuliah statistik teori dengan nilai mata kuliah statistik
praktek.

25
 BAB III
PENUTUP

2.3 Kesimpulan
Hipotesis asosiatif merupakan dugaan adanya hubungan antar variabel dalam
populasi, melalui data hubungan dalam sampel. Hipotesis asosiatif dapat dikatakan jawaban
sementara terhadap suatu rumusan masalah yang mempertanyakan mengenai hubungan
antara dua variabel di dalam suatu penelitian.
Terdapat bermacam-macam teknik statistik korelasi yang dapat digunakan untuk
menguji hipotesis asosiatif. Teknik koefisien yang mana yang akan dipakai tergantung pada
jenis data yang dianalisis. Berikut adalah berbagai teknik statistik korelasi yang digunakan
untuk menguji hipotesis asosiatif. Uji korelasi untuk data interval dan rasio menggunakan
statistik parametriks, sedangkan uji korelasi untuk data nominal dan ordinal menggunakan
statistik nonparametriks.

2.4 Saran
Makalah ini masih jauh dari sempurna, kami mengharapkan para pembaca
memanfaatkan makalah ini bukan hanya sebagai referensi tetapi saran dan kritik yang
mendukung makalah ini

26
.
DAFTAR PUSTAKA

1. https://suhartoumm.wordpress.com/2013/01/02/korelasi-spearman-rank/
2. https://jagostat.com/statistik-nonparametrik/korelasi-kendall-tau
3. http://putriparaswarapratiwi.blogspot.com/2014/11/pengujian-hipotesis-asosiatif.html#
4. https://www.duniadosen.com/hipotesis-statistik/#3_Hipotesis_Asosiatif
5. https://penelitianilmiah.com/hipotesis-asosiatif/

27