RESUME

ANALISIS KORELASI PRODUCT MOMENT

Disusun untuk memenuhi tugas mata kuliah Statistik Pendidikan

Dosen Pengampu :

Alex Haris Fauzi, M.Pd

Disusun Oleh :

Nur Fitriani : (2020394800266)

Siti Nur Faidatuz Zahro : (2020394800257)

Siti Nur Haniah : (2020394800270)

PROGRAM STUDY PENDIDIKAN ANAK USIA DINI

FAKULTAS TARBIYAH

INSITUT AGAMA ISLAM IBRAHIMY

GENTENG-BANYUWANGI

2022
PENGERTIAN KORELASI
Korelasi merupakan suatu hubungan antara satu variabel dengan variabel lainnya. Hubungan
antara variabel tersebut bisa secara korelasional dan bisa juga secara kausal. Jika hubungan tersebut
tidak menunjukkan sifat sebab akibat, maka korelasi tersebut dikatakan korelasional, artinya sifat
hubungan variabel satu dengan variabel lainnya tidak jelas mana variabel sebab dan mana variabel
akibat. Sebaliknya, jika hubungan tersebut menunjukkan sifat sebab akibat, maka korelasinya
dikatakan kausal, artinya jika variabel yang satu merupakan sebab, maka variabel lainnya
merupakan akibat.
Pembahasan korelasi minimal menyangkut dua kelompok nilai atau dua variabel. Variabel-
variabel tersebut bisa berasal dari subjek penelitian yang sama, tetapi bisa juga terjadi pada atau
berasal subjek penelitian yang sama. Misalnya, pada penelitian mahasiswa di FIK suatu LPTK,
khususnya pengukuran tinggi badan dan tinggi lompatan. Setiap satu subjek akan memberikan dua
macam nilai, yaitu tinggi badannya dan tinggi lompatannya.
Contoh dua nilai yang dapat dicari hubungannya, tetapi subjeknya berbeda adalah
pengukuran antara tinggi badan ayah dan tinggi badan anaknya setelah dewasa. Apakah ada
hubungan antara tinggi badan anak dan ayah?
Pada uraian pembahasan di sini akan dititik beratkan pada hubungan antara dua kelompok
nilai (korelasi). Sebelum masuk perhitungan pada korelasi, lebih dulu kita pahami konsep korelasi
melalui suatu diagram sederhana disusun berdasarkan data sederhana.

Mahasiswa A B C D E
T. Badan 150 160 165 170 175
T. Loncatan 170 175 180 185 190

Hasil pengukuran tersebut jika dibuat grafik, hasilnya :

195

190 ٠ 190

185 ٠ 185

180 ٠ 180

175 ٠ 175

170 ٠ 170
 165

145 150 155 160 165 170 175 180

Apabila antara titik satu dengan titik yang lainnya (yang berdekatan) dihubungkan, maka
akan terbentuk suatu garis yang berkemungkinan lurus, melengkung, dan mungkin tidak
berketentuan bentuknya (jika n banyak).
Walaupun kita mengalami kesukaran dalam menarik garis yang dapat menghubungkan antar
titik dengan jarak terdekat, tetapi kita dapat membuat garis secara intuisi yang mempunyai rata-rata
jarak terdekat dengan seluruh titik yang ada. Pembuatan garis tersebut tidak cukup akurat jika
dibuat berdasarkan intuisi belaka (lebih-lebih jika titik-titik yang tersebar banyak sekali).
Beberapa penyebaran yang mungkin terjadi sebagai berikut:
1. Memanjang tegak (mendekati sejajar dengan sumbu vertikal).
2. Memanjang rebah (mendekati sejajar dengan sumbu horizontal).
3. Memanjang ke kanan atas.
4. Memanjang ke kanan bawah.
5. Bulat tidak menunjukkan arah pasti.
Beberapa kemungkinan penyebaran seperti yang tertera pada pernyataan di atas akan lebih
jelas jika kita gambarkan bentuk penjabarannya dalam suatu grafik (sket).
 Untuk mengukur besarnya hubungan antara sekelompok nilai satu (X) dengan sekelompok
nilai yang lainnya (Y) telah ditemukan rumusnya oleh para ahli matematika statistik, sehingga kita
tinggal memakainya. Rumus-rumus korelasi yang sering dipakai di antaranya; Pearson (product
moment correlation) dan Spearman Correlation. Kedua rumus tersebut dikembangkan dengan suatu
asumsi dasar yang berbeda, sehingga rumus tersebut tepat penggunaannva jika syarat-syarat dituntut
terpenuhi.

KORELASI PEARSON
Korelasi yang sering digunakan oleh peneliti (terutama peneliti yang mempunyai data-data
interval adalah korelasi Pearson atau Product Moment Correlation. Sebelum kita mempergunakan
korelasi ini terlebih dulu kita harus memperhatikan data yang terkumpul, apakah memenuhi
persyaratan yang diminta oleh rumus korelasi ini.

Adapun beberapa persyaratan yang harus dipenuhi apabila kita

menggunakan rumus ini adalah:
1. Pengambilan sampel dari populasi harus random (acak).
2. Data yang dicari korelasinya harus berskala interval atau ratio.
3. Variasi skor kedua variabel yang akan dicari korelasinya harus sama.
4. Distribusi skor variabel yang dicari korelasinya hendaknya merupakan distribusi unimodal.
5. Hubungan antara variabel X dan Y hendaknya linier.

Korelasi Pearson (Pearson Product Moment) dapat dihitung dengan

Rumus 6.1. memerlukan suatu perhitungan rata-rata dari masing-masing kelompok, yang
selanjutnya perlu suatu perhitungan selisih masing-masing skor dengan rata-ratanya, serta kuadrat
simpangan skor dengan rata-ratanya, maupun hasil kali simpangan masing-masing kelompok.
Selain itu, korelasi Pearson dapat juga dihitung dengan menggunakan rumus 6.2.

Rumus 6.2. ini lebih sederhana perhitungannya dibandingkan dengan rumus 6.1., oleh
karena itu banyak peneliti menggunakannya. Hasil perhitungan korelasi Pearson dengan rumus 6.1.
akan sama dengan hasil perhitungan dengan rumus 6.2. Walaupun demikian kemungkinan adanya
perbedaan hasil perhitungan kedua rumus di atas masih ada. Apabila terjadi perbedaan, perbedaan
tersebut tidaklah cukup berarti, sedangkan penyebab terjadinya perbedaan tersebut adalah karena
proses pembulatan.
Contoh 54 Suatu penelitian yang ingin melihat apakah ada hubungan antara banyaknya kredit
yang diambil dengan indeks prestasi yang dicapai mahasiswa dalam satu semester.
Setelah dilakukan pengumpulan data dari 10 mahasiswa ternyata penyebaran kredit
yang diambil dan indeks prestasi yang dicapai sebagai berikut:

Mahasiswa ke Jml. Kredit diambil IP

1 20 3,1
2 18 4,0
3 15 2,8
4 20 4,0
5 10 3,0
6 12 3,6
7 16 4,0
8 14 3,2
9 18 3,5
10 12 4,0

Jika jumlah kredit yang diambil merupakan variabel X, maka indeks prestasi merupakan variabel Y.
Untuk keperluan perhitungan korelasi, sebaiknya data di atas disusun dalam suatu tabel yang
mengandung unsur-unsur atau faktor-faktor yang diperlukan dalam perhitungan korelasi. Apabila
korelasi Pearson dihitung dengan rumus 6.2, maka tabel yang dibutuhkan hendaknya mengandung
unsur-unsur:
1. Kuadrat masing-masing skor/nilai variabel X (X²)
2. Kuadrat masing-masing skor/nilai variabel Y (Y²)
3. Hasil kali masing-masing skor/nilai variabel X dan Y (XY).
4. Jumlah skor/nilai variabel X (ΣX).
5. Jumiah skor/nilai variabel Y (ΣY).
6. Jumlah kuadrat skor/nilai variabel X (ΣX²).
7. Jumlah kuadrat skor/nilai variabel Y (ΣY²).
8. Jumlah hasil kali skor/nilai variabel X dan Y (ΣXY).
Dengan demikian tabelnya sebagai berikut :

X Y X² Y² XY
20 3,1 400 9,61 62
18 4,0 324 16 72
15 2,8 225 7,84 42
20 4,0 400 16 80
10 3,0 100 9 30
12 3,6 144 12,96 43,2
16 4,0 256 16 64
14 3,2 196 10,24 44,8
18 3,5 324 12,25 63
12 4,0 144 16 48
155 35,2 2513 125,90 549

Hal-hal yang bisa diketahui berdasarkan pada soal maupun tabel di atas adalah :
n = 10 ΣXY = 549
ΣX = 155 ΣY = 35,2
Σx2 = 2513 Σx2 = 125,9
Setelah kita inventarisir seluruh faktor yang diperlukan dalam rumus korelasi 6.2., maka
angka-angka tersebut kita masukkan dalam rumus 6.2. Dengan demikian maka hasil perhitungan
korelasi Pearson (correlation product moment) sebagai berikut :

Di muka telah kita jumpai dua rumus untuk menghitung korelasi, yaitu rumus 6.1. dan
rumus 6.2. Agar tidak ada keraguan dalam penggunaan kedua rumus tersebut, marilah kita coba
menghitung dengan rumus yang pertama (rumus 6.1). Untuk
menghitung korelasi dengan rumus 6.1. pertama-tama kita harus
menghitung rata-rata masing-masing variabel (untuk soal di atas):

Langkah selanjutnya adalah menyusun tabel yang mengandung unsur-unsur atau faktor-faktor yang
dikandung oleh rumus 6.1.
Faktor-faktor yang dikandung oleh tabel untuk mempermudah perhitungan korelasi dengan rumus
6.1. adalah:
1. Simpangan masing-masing skor/nilai variabel X dengan rata-ratanya (X-X̄).
2. Simpangan masing-masing skor/nilai variabel Y dengan rata-ratanya (Y-Ȳ).
3. Kuadrat simpangan masing-masing skor/nilai variabel X dengan rata-ratanya (X-X̄)².
4. Kuadrat simpangan masing-masing skor/nilai variabel Y dengan rata-rata (Y - Ȳ)²
5. Hasil kali simpangan masing-masing skor/nilai variabel X dengan rata-ratanya dan simpangan
masing-masing skor atau nilai variabel Y dengan rata-ratanya (X - X̄) x (Y-Ȳ)
6. Jumlah kuadrat simpangan masing-masing skor/nilai variabel X {Σ (X-X̄)²}.
7. Jumlah kuadrat simpangan masing-masing skor/nilai variabel Y {Σ (Y-Ȳ)²}
8. Jumlah hasil kali siinpangan masing-masing skor/nilai variabel X dengan rata-ratanya dan
simpangan masing-masing skor/nilai variabel Y dengan rata-ratanya Σ {(X-X̄) (Y-Ȳ)}.

Sehingga tabel beserta hasil perhitungannya dapat dilihat dalam tabel sebagai berikut:

X-X̄ (X-X̄)² Y-Ȳ (Y - Ȳ)² (X - X̄)(Y-Ȳ)

4,5 20,25 -0,42 0,1764 -1,89
2,5 6,25 0,48 0,2304 1,2
-0,5 0,25 -0,72 0,5184 0,36
4,5 20,25 0,48 0,2304 2,16
-5,5 30,25 -0,52 0,2704 2,86
-3,5 12,25 0,08 0,0064 -0,28
0,5 0,25 0,48 0,2304 0,24
-1,5 2,25 -0,32 0,1024 0,48
2,5 6,25 -0,02 0,0004 -0,05
-3,5 12,25 0,48 0,2304 -1,68
0 110,5 0 1,996 3,4
 Hal yang perlu diingat (sebagai bahan koreksi perhitungan adalah jumlah simpangan
masing-masing nilai dengan rata-ratanya adalah 0. Di samping itu kita tidak perlu menghilangkan
tanda negatif (-).
Jadi,

Dengan demikian telah terbukti bahwa menggunakan rumus pertama maupun kedua
menghasilkan hasil yang sama. Tentunya pemilihan rumus berdasarkan yang paling mudah
perhitunnya atau disesuaikan dengan selera pemakaiannya. Oleh karena kedua rumus korelasi
product moment di atas benar-benar sama, maka keduanya bisa dipakai pada kondisi yang sama,
tetapi disarankan untuk memakai rumus yang kedua karena lebih simpel perhitungannya.
Hasil perhitungan korelasi pada dasarnya dapat dikelompokkan menjadi 3 (tiga) kelompok
besar:
1. Korelasi positif kuat, apabila hasil perhitungan korelasi mendekati +1 atau sama dengan +1. Ini
berarti bahwa setiap kenaikan skor/nilai pada variabel X akan diikuti dengan kenaikan
skor/nilai variabel Y. Sebaliknya, jika variabel X mengalami penurunan, maka akan diikuti
dengan penurunan variabel Y.
2. Korelasi negatif kuat, apabila hasil perhitungan korelasi mendekati -1 atau sama dengan -1. Ini
berarti bahwa setiap kenaikan skor/nilai nilai pada variabel X akan diikuti dengan penurunan
variabel Y. Sebaliknya, apabila skor/nilai dari variabel X turun, maka skor/nilai dari variabel Y
akan naik.
3. Tidak ada korelasi, apabila hasil perhitungan korelasi (mendekati 0 atau sama dengan 0). Hal
ini berarti bahwa naik turunnya skor/nilai satu variabel tidak mempunyai kaitan dengan naik
turunnya skor/nilai variabel yang lainnya. Apabila skor/nilai variabel X naik tidak selalu diikuti
dengan naik atau turunnya skor/nilai variabel Y, demikian juga sebaliknya.

Hasil perhitungan korelasi bergerak antara -1 sampai dengan +1. Jadi, kalau ada hasil
perhitungan korelasi lebih besar (>) daripada +1 atau kurang dari (<)-1, maka perhitungan tersebut
jelas salah.
Korelasi product moment hanya dapat diterapkan untuk data yang berskala interval atau ratio.
METODE Z SKOR UNTUK PERHITUNGAN KORELASI PEARSON
Apabila data kedua variabel yang akan dicari korelasinya mempunyai rentangan nilai yang
sangat berbeda, maka sebaiknya perhitungan korelasi Pearson didasarkan pada Z skor. Dalam hal
ini setiap skor/nilai untuk kedua variabel dikonversikan ke Z skor. Langkah mengonversikan ke Z
skor berarti membuat standard untuk masing-masing skor yang ingin dicari korelasinya.
Standardisasi skor tersebut merupakan tindakan hati-hati.
Untuk perhitungan korelasi Pearson yang didasarkan pada Z skor kita dapat menggunakan
rumus 6.3.

Untuk memperoleh Z skor digunakan rumus 6.4.

Untuk perhitungan simpangan baku (standard deviation) masing-masing variabel tidak berbeda
dengan perhitungan simpangan baku yang telah kita pelajari pada Bab 2 ( tepatnya rumus 2.15 dan
2.16), untuk simpangan baku sampel.

Contoh 55 Sebuah penelitian yang mencari hubungan antara banyaknya jam belajar mandiri per
minggu mahasiswa dengan hasil belajar (indeks prestasi mahasiswa). Dari 10 sampel
yang terambil diperoleh data sebagai berikut:

Mahasiswa ke Jml. Jam Belajar/minggu IP

1 40 3,80
2 35 3,60
3 30 3,25
4 25 3,00
5 25 2,95
6 25 3,05
7 20 2,50
8 15 2,00
9 10 1,50
10 5 1,00
 Oleh karena rentangan skor kedua variabel tersebut tidak sama, maka peneliti ingin
membuat standard nilai tersebut melalui konversi nilai ke Z skor.
Berdasarkan pada pengetahuan kita tentang rata-rata dan simpangan baku, maka dengan
mudah kita dapat menentukan besarnya rata-rata dan simpangan baku masing-masing variabel.

Langkah selanjutnya adalah menghitung nilai Z untuk masing-masing skor serta hasil kalinya, yang
hasilnya sebagai berikut:

X Y Zx Zy Zx Zy
40 3,80 1,57 1,57 1,9625
35 3,60 1,10 1,10 1,1330
30 3,25 0,64 0,64 0,4096
25 3,00 0,18 0,37 0,0666
25 2,95 0,18 0,31 0,0558
25 3,05 0,18 0,42 0,0756
20 2,50 -0,28 -0,18 0,0504
15 2,00 -0,74 -0,73 0,5402
10 1,50 -1,20 -1,50 1,8000
5 1,00 -1,66 -1,83 3,0378
230 26,65 9,1315

r = 9,1315 : 15
= 0,91315

Apabila kita telah mengetahui nilai rata-rata dan simpangan baku masing-masing variabel, maka
korelasi dapat dihitung dengan
rumus 6.5.
 Daftar pustaka

Irianto, Agus.(2009). STATISTIK : Konsep Dasar dan Aplikasinya. Jakarta : Kencana.