Materi 4

Dr. Ratih Sari Wardani, S.Si, M.Kes

UJI KORELASI

A. Capaian Pembelajaran :

Mahasiswa mampu mengoperasikan aplikasi komputer untuk uji korelasi

B. Pokok Bahasan:
1. Uji Korelasi
C. Sub pokok bahasan :
1. Tujuan
2. Contoh Kasus
3. Interpretasi dalam laporan penelitian
D. Penyajian
1. Uji Korelasi Pearson
Korelasi Pearson digunakan untuk menguji hubungan dua variabel
kuantitatif (interval, rasio) dan berdistribusi normal. Korelasi Pearson
disamping dapat mengetahui kekuatan hubungan juga dapat mengetahui arah
hubungan dua variable numerik. Misalnya apakah hubungan antara berat
badan ibu dengan berat lahir bayi mempunyai hubungan yang kuat atau lemah,
juga apakah hubungan itu berpola positif atau negatif.
Secara sederhana atau secara visual hubungan dua variable dapat
dilihatdari diagram tebar/pencar (scatter plot). Diagram tebar adalah grafik
yang menunjukkan titik-titik perpotongan nilai data dari dua variable (x dan
y). Pada umumnya dalam grafik variable independent y) diletakkan pada garis
horizontal sedangkan variable dependen (y) pada garis vertical.
Dari diagram tabar dapat diperoleh informasi tentang pola hubungan
antara dua variable x dan y. Selain member informasi pola hubungan dari
kedua variable diagram tebar juga dapat menggambarkan keeratan hubungan
dari kedua variable tersebut.

Manajemen Data 12
 Untuk mengetahui lebih tepat kekuatan hubungan digunakan koefisien
korelasi Pearson. Koefisien korelasi disimpulkan dengan huruf r (huruf r
kecil).
Dari nilai r kita dapat menentukan :
a. Kekuatan hubungan ( nilai 0 dan 1)
b. Arah hubungan (+ dan -)
Kisaran nilai r antara 0 sampai dengan ± 1
0 : tidak ada hubungan linier
+1 : ada hubungan linier positif sempurna
-1 : ada hubungan linier negatif sempurna
Interpretasi r
0 ≤ r ≤ 0,199 : hubungan sangat lemah
0,2 ≤ r ≤ 0,399 : hubungan lemah
0,4 ≤ r ≤ 0,599 : hubungan cukup kuat
0,6 ≤ r ≤ 0,799 : hubungan kuat
0,8 ≤ r ≤ 1,00 : hubungan sangat kuat
Arah hubungan
+ : hubungan positip : semakin besar x semakin besar y
- : hubungan negatif
Hubungan dua variable dapat berpola positif atau negative ,hubungan positif
terjadi bila kenaikan satu variable diikuti kenaikan variable lain, missal semakin
bertambah indeks massa tubuh (semakin gemuk) semakin tinggi tekanan
darahnya.
Sedangkan hubungan negatif dapat terjadi bila kenaikan satu variable diikuti
penurunan variable yang lain, misalnya semakin banyak jumlah anaknya semakin
rendah gizi balitanya.

2. Contoh
Suatu penelitian dilakukan dengan tujuan :
a. Menganalisis hubungan umur dengan pengetahuan
b. Menganalisis hubungan umur dengan praktik

Manajemen Data 13
c. Menganalisis hubungan antara pengetahuan dengan praktik
d. Menganalisis hubungan antara sikap dengan praktik
Kerangka konsep
Variable bebas variable terikat

umur

pengetahuan praktik

sikap

Variabel independen : umur, pengetahuan dan sikap (numerik)

Variabel dependen : praktik (numerik)
Langkah-langkah :

1. Buka tugas01.sav
2. Lakukan uji normalitas
Uji kenormalan datanya untuk variable umur, pengetahuan, sikap dan praktik
menggunakan dengan cara:
➢ klik analyze, descriptive statistics, pilih explore
➢ Pindahkan pengetahuan, sikap dan praktik ke dependent list
➢ pilih plots, centang normality plots with test

Gambar 1. Tampilan explore: plots

➢ klik continue

Manajemen Data 14
 ➢ Klik OK

Hasil uji Shapiro wilk untuk variable umur p value=0,083 (>0,05),

variable pengetahuan p value=0,420 (>0,05), variable sikap p value =0,104
(>0,05) dan praktik p value =0,072(>0,05), artinya semua variabel
berdistribusi normal sehingga ujinya adalah korelasi Pearson Product
Moment.
3. Buat diagram tebar dengan cara :
➢ klik graph, pilih scatter
➢ klik simple, klik define
➢ pada kotak y axis, isikan variable dependennya : pengetahuan
➢ pada kotak x axis, isikan variable independennya : umur
➢ klik OK
➢ terlihat di layar grafik scatter plotnya ( garis regresi belum ada? )
➢ Untuk mengeluarkan garisnya, klik grafiknya dua kali
➢ Klik chart, pilih icon add fit line at total, pastikan pada posisi linier klik
close
➢ Klik close, maka muncul garis regresinya.

Manajemen Data 15
 Cara membaca r2=0,276 berarti r(koefisien korelasi)=0,53 berarti hubungan
cukup kuat dan sebaran data membentuk pola atau arah positif (searah) artinya
semakin tinggi umur semakin tinggi pengetahuan. (Jika hubungan sangat
lemah atau lemah, maka arah hubungan tidak perlu dijelaskan tetapi sebaran
data yang dijelaskan). Namun untuk lebih tepatnya dilakukan analisis korelasi
untuk mengetahui koefisien korelasinya.

4. Melakukan analisis korelasi dengan cara :

➢ klik analyze, pilih correlate, pilih bivariate
➢ masukkan kekotak ‘variable’: variable umur dan pengetahuan
➢ pada ‘correlation coefficients’ pilih ‘Pearson’ (jika variabel yang
dihubungkan semua distribusinya normal, jika salah satu tidak normal,
pilih Rank Spearman)
➢ pada test of significance pilih : two tailed
➢ klik OK

Manajemen Data 16
 Gambar 2. Tampilan korelasi bivariate
Hasil uji Korelasi

Gambar 3 Hasil Uji Korelasi

Koefisien korelasi(r) didapat : 0,525 artinya kekuatan/keeratan hubungan

termasuk cukup kuat, dan berpola linier positif yaitu semakin bertambah besar
umur maka semakin tinggi skor pengetahuan. Hasil uji korelasi Pearson Product
Moment didapatkan nilai p value = 0,017 (< 0,05 ) artinya ada hubungan yang
signifikan antara umur dengan pengetahuan.
Koefisien Determinasi(r2) didapatkan (0,525)2 = 0,276, Artinya besarnya
variasi variable y (pengetahuan) dapat dijelaskan oleh variable x. (umur) sebesar
27,6 %. Dengan kata lain umur mengkontribusi pengetahuan tentang Diare
sebesar 26,7%.

Manajemen Data 17
3. Penulisan dalam laporan penelitian

1. Uji Normalitas
Tabel 1 Hasil Uji Normalitas dengan Uji Shapiro Wilk
Variabel p Keterangan
Umur 0.083(>0,05) Normal
Pengetahuan 0.420(>0,05) Normal
Sikap 0.104(>0,05) Normal
Praktik 0,072(>0,05) Normal

Berdasarkan tabel 1 hasil uji normalitas menggunakan uji Shapiro wilk

untuk semua variabel diperoleh distribusinya normal, sehingga uji Korelasi
yang digunakan adalah uji korelasi Pearson Product Moment

2. Hubungan antara umur dengan pengetahuan tentang Diare

Koefisien korelasi ( r ) antara umur dengan pengetahuan tentang Diare di
peroleh r=0,525 artinya kekuatan/keeratan hubungan termasuk cukup kuat,
dan berpola linier positif yaitu semakin bertambah besar umur maka semakin
tinggi skor pengetahuan, ditunjukkan pada gambar 1.

Gambar 1 Diagram scatter hubungan umur dengan pengetahuan

Hasil uji korelasi Pearson Product Moment didapatkan nilai p value = 0,017 (
< 0,05) artinya ada hubungan yang signifikan antara umur dengan pengetahuan.

Manajemen Data 18
Lampiran
1. Uji normalitas

2. Hubungan antara umur dengan pengetahuan

Gambar 1 Diagram scatter hubungan antara umur dengan pengetahuan

Manajemen Data 19
 1. Uji Korelasi Parsial
Variabel bebas variabel terikat

pengetahuan praktek

sikap

Variable independen : pengetahuan

Variabel dependen : praktek
Variabel control : sikap
Pertanyaan :
Apakah ada hubungan antara pengetahuan dengan praktik setelah dikontrol
dengan variabel sikap?
Langkah-langkah :
1. buka data “tugas 1.sav”
2. Uji kenormalan datanya untuk variable pengetahuan, sikap dan praktek
menggunakan uji Shapiro Wilk, hasilnya semua normal
3. Melakukan analisa korelasi partial dengan cara :
➢ klik analyze, pilih correlate, pilih partial
➢ masukkan kekotak ‘variable’: variabel pengetahuan, sikap dan praktek
➢ masukkan kekotak ‘controlling for…’: variabel sikap
➢ pada test of significance pilih : two tailed
➢ dan klik pada display actual significance level, lalu klik OK

Gambar 6. Tampilan analisis korelasi parsial

Manajemen Data 20
4. Interpretasi hasil
Hasil :
Hasil ada di tabel 1 semua variabel normal
Korelasi parsial Hubungan pengetahuan –praktek dengan mengontrol sikap

Hubungan pengetahuan dengan praktek setelah dikontrol sikap diperoleh p-value

sebesar 0, 813 (> 0,05) artinya tidak ada hubungan pengetahuan dengan praktek
setelah dikontrol sikap
Referensi

Kurniawan, A, “SPSS 20 Analisis Deskriptif dan Multivariate”, Bisnis2030,

Jakarta, 2012
Leech, Nancy L.; Barret, Karen C.; Morgan, George A. SPSS for Intermediate
Statistics. Use and interpretation. Second Edition. Lawrence Erlbaum
Associates, Publishers, London. 2005
Martin, W.E., Bridgmon, K.D. “Quantitative and Statistical Research
Methode from hypothesis for result”, John Wiley and Sons, San
Francisco, 2012

Manajemen Data 21