B. Arah Korelasi
(Anas Sudijono: 180: 2009) Hubungan antara variable itu jika ditilik dari segi arahnya, dapat
dibedakan menjadi dua macam yaitu hubungan yang sifatnya satu arah dan hubungan yang
sifatnya berlawanan arah. Hubungan yang sifatnya searah diberi nama korelasi positif,
sedangkan yang berlawanan arah disebut korelasi negative. Disebut korelasi positif, jika dua
variable (atau lebih) yang berkolerasi berjalan parallel, artinya bahwa hubungan antara dua
variable (atau lebih) itu menunjukan arah yang sama. Jadi apabila variable X mengalami
kenaikan atau pertambahan akan diikuti pula dengan kenaikan atau pertambahan, akan diikuti
pula dengan kenaikan atau pertambahan pada variable Y atau sebaliknya, penurunan dan
pengurangan pada variable X akan akan diikuti pula dengan penurunan dan pengurangan pada
variable Y.
VX VY VX VY VX VY VX VY
Teknik korelasi merupakan teknik analisis yang melihat kecenderungan pola dalam satu
variabel berdasarkan kecenderungan pola dalam variabel yang lain. Maksudnya, ketika satu
variabel memiliki kecenderungan untuk naik maka kita melihat kecenderungan dalam variabel
yang lain apakah juga naik atau turun atau tidak menentu. Jika kecenderungan dalam satu
variabel selalu diikuti oleh kecenderungan dalam variabel lain, kita dapat mengatakan bahwa
kedua variabel ini memiliki hubungan atau korelasi. Jika data hasil pengamatan terdiri dari
banyak variabel , ialah beberapa kuat hubungan antara-antara variabel itu terjadi. Dalam kata-
kata lain perlu ditentukan derajat hubungan antara variabel-variabel. Studi yang membahas
tentang derajat hubungan antara variabel-variabel dikenal dengan nama korelasi. Ukuran yang
dipakai untuk mengetahui derajat hubungan, terutama untuk data kuantitatif dinamakan koefisien
korelasi.
c. Peta Korelasi1
Arah hubungan variabel yang dicari korelasinya, dapat diamati melalui sebuah peta atau diagram
yang dikenal dengan istilah Peta Korelasi. Dalam peta korelasi itu dapat dilihat pencaran titik
atau moment dari variabel yang sedang dicari korelasinya. Karena itu peta korelasi juga disebut
Scatter Diagram (Diagram Pencaran Titik)
Borg & Gall dalam Sudijono (2003) dan Arikunto (2006), mendiskripsikan ciri-ciri yang yang
terkandung dalam peta korelasi, yaitu:
1.Jika korelasi antara variabel X dan variabel Y merupakan korelasi positif maksimal, atau
korelasi positif tertinggi atau korelasi positif sempurna, maka pencaran titik yang terdapat pada
peta korelasi akan membentuk satu bua garis lurus yang condong kearah kanan (apabila
dihubungkan antara satu dengan yang lain), seperti diagram berikut:
Diagram 1.
Korelasi Positif Maksimal
Y
1 2 3 4 5 6 7 8 9 10 10 9 8 7 6 5 4 3 2 1 0 1 2 3 4 5 6 7 8 9 10
X
2.
Jika korelasi antara variabel X dan variabel Y merupakan korelasi negatif maksimal, atau
korelasi negatif tertinggi atau korelasi negatif sempurna, maka pencaran titik yang terdapat pada
peta korelasi akan membentuk satu bua garis lurus yang condong kearah kiri (apabila
dihubungkan antara satu dengan yang lain), seperti gambar berikut:
1
https://www.scribd.com/document/194956831/Arah-Dan-Angka-Korelasi#
Rumus Koefisien Korelasi
Pada dasarnya, koefisien korelasi adalah alat bantu untuk mengetahui keterkaitan dua variabel.
Untuk menghitung hasilnya, terdapat beberapa metode dengan fokus yang berbeda-beda.
Dalam pengaplikasiannya, formula yang paling sering digunakan untuk menghitung koefisien
korelasi adalah product moment coefficient of correlation milik Francis Galton. Metode berikut
lebih dikenal dengan rumus koefisien korelasi pearson.
Rumus berikut diminati karena kemudahan metode penghitungan yang berbasis data asli. Selain
itu, saat menggunakannya, Anda tidak perlu memodifikasi nilai tertentu dan hasil keterkaitan
antar variabel akan berbentuk rasio atau skala interval.
Simbol X merupakan variabel bebas untuk memprediksi nilai Y. Sedangkan Y adalah variabel
tidak bebas yang berarti jumlahnya hanya bisa ditentukan oleh X. Perlu diketahui bahwa dalam
pengkajian hubungan keduanya, hubungan logis harus hadir sebagai komponen.
Namun, jika terjadi kasus dimana data komponennya tidak berkaitan atau masuk dalam
kelompok yang berbeda, penghitungannya sebagai berikut:
Setelah memahami rumus koefisien korelasi pearson di atas, ada baiknya Anda mengetahui
penggunaannya dalam sebuah studi kasus. Oleh karena itu, di bagian ini, Populix akan
memberikan informasi tentang cara menghitung koefisien korelasi. Berikut contoh
pengaplikasiannya.
Studi kasus berikut berkaitan dengan korelasi harga rata-rata dolar AS (X) dengan emas 24 karat
(Y) di wilayah Kalimantan dari tahun 1990 hingga 2000.
Dalam periode waktu tersebut harga per dolar AS pada rupiah berkisar antara Rp392, Rp430,
Rp440, Rp440, Rp447, Rp430, Rp427, Rp435, Rp660, Rp760.
Sedangkan, harga emas dalam kurs rupiah dengan jangka waktu tersebut adalah Rp490, Rp635,
Rp779, Rp779, Rp1.500, Rp1.000, Rp997, Rp2.350, Rp2.500, Rp4.400.
Menggunakan rumus koefisien korelasi yang mendasarkan pada hubungan logis, kedua
perbandingan tersebut memiliki relasi, yaitu X dan Y merupakan nilai dalam pasar uang. Selain
itu, kenaikan dan penurunan jumlah variabel saling beriringan yang berarti korelasinya positif
(+).
Berikut contohnya:
Lalu bagaimana untuk mengetahui apakah ada korelasi di antara kedua variabel tersebut? Kita
anggap harga dollar adalah variabel X dan harga saham adalah variabel Y. Maka cara hitung
koefisien korelasinya adalah:
Dari angka tersebut, dapat diketahui bahwa kedua variabel X dan Y, yakni harga dollar dan
harga saham, memiliki hubungan yang kuat dan positif. Hal ini ditunjukkan dengan angka yang
tidak melebihi dari 0.1. Dari hasil ini juga dapat diketahui bahwa ada sebab akibat dari kedua
variabel tersebut.
Artinya, harga dollar yang naik bisa menyebabkan harga jual saham ikut naik. Sedangkan jika
harga dollar turun, maka harga jual saham juga bisa ikut turun.
Demikianlah penjelasan terkait pengertian koefisien korelasi, rumus, cara hitung dan contohnya
yang perlu Anda ketahui. Hal yang perlu Anda perhatikan dari rumus statistik ini adalah jika
hasil dari koefisien korelasi menunjukkan adanya hubungan antara dua variabel, maka artinya
kondisi finansial perusahaan sedang dalam keadaan baik.2
Analisis regresi linier adalah metode yang mempelajari relasi dua variabel (bebas dan tidak
bebas) dalam suatu kasus. Cara berikut bertujuan untuk memprediksi data dengan skala interval
atau rasio.
Mengacu pada penjelasan X dan Y diatas, dapat disimpulkan bahwa variabel bebas merupakan
pemberi pengaruh dan variabel tidak bebas adalah yang diberi pengaruh.
Untuk memudahkan pemahaman analisis regresi linier, Populix memberikan contoh kasus yang
berkaitan dengan tingkat kebahagiaan pasangan pada status perkawinan.
Dari kondisi berikut, untuk mengetahui aspek yang mewakili X serta Y, Anda harus menemukan
hubungan linier atau logis dalam kasus tersebut. Dengan demikian, mengacu pada contoh diatas,
dapat dimisalkan bahwa X adalah status perkawinan dan Y merupakan tingkat kebahagiaan
pasangan.
Sebagai tambahan informasi, metode berikut tidak selalu efektif karena beberapa variabel lain
belum masuk dalam perhitungan dan hanya berfungsi untuk mempermudah penjelasan.