ANALISIS KORELASI
1. Pendahuluan
Korekasi rank spearman adalah suatu cara untuk mengetahui besar hubungan antara dua variable yang
memiliki skala pengukuran ordinal. Korelasi rank spearman dapat dihitung dengan menggunakan rumus
sebagai berikut:
1−6 ∑ d i
2
r= 2
n(n −1)
Dimana:
d i=R X −R Y
R X =Ranking variabel X
RY =Ranking variabel Y
n=ukuran sampel
Pengujian kebermaknaan koefisien korelasi rank spearman dapat dilakukan dengan langkah-langkah
pengujian hipotesis sebagai berikut:
H0 : ρ = 0
H1 : ρ ≠ 0
r √ n−2
t=
√1−r 2
Dengan dk = (n – 2) dan taraf nyata = α, hipotesis diterima jika – t (1− 1 α ) < t < t (1− 1 ) (atau p>α)
2 2α
1
3. Soal Latihan Korelasi Rank Spearman
Suatu penelitian dilakukan untuk mengetahui hubungan antara motivasi kerja dengan prestasi kerja
karyawan di suatu perusahaan. Pengukuran motivasi kerja dilakukan dengan menggunakan alat ukur
yang terdiri dari atas 20 pernyataan dengan skala penilaian: 1 = tidak pernah; 2 =kadang-kadang; 3 =
sering; 4 = selalu. Adapun pengukuran prestasi kerja dilakukan dengan menggunakan alat ukur yang
terdiri atas 10 pernyataan dengan skala penilaian: 1 = buruk; 2 = cukup; 3 = baik; 4 = sangat baik.
Pengambilan data terhadap 20 karyawan di perusahaan tersebut memberikan hasil sebagai berikut:
Ujilah apakah terdapat hubungan antara motivasi kerja dengan prestasi kerja karyawan di perusahaan
tersebut?
Penyelesaian:
H0 : ρ = 0
H1 : ρ ≠ 0
r √ n−2
t=
√1−r 2
Dengan dk = (n – 2) dan taraf nyata = α, hipotesis diterima jika – t (1− 1 α ) < t < t (1− 1 ) (atau p>α)
2 2α
Langkah Kerja:
1. Input data, simpan dalam file spearman.sav
→ →
2. Tekan menu Anlyze ❑ Correlate ❑ Bivariate
3. Masukkan Motivasi Kerja dan Prestasi Kerja ke dalam Variables
2
4. Klik Spearman, Two Tailed dan Flag Significant Correlation
5. Klik OK
Nonparametric Correlations
Correlations
MK PK
Spearman's rho MK Correlation Coefficient 1.000 .879**
Sig. (2-tailed) . .000
N 20 20
PK Correlation Coefficient .879** 1.000
Sig. (2-tailed) .000 .
N 20 20
**. Correlation is significant at the 0.01 level (2-tailed).
3
Dari table di atas terlihat bahwa besarnya korelasi antara motivasi kerja dengan prestasi kerja adalah
0,879. Dari table tersebut terlihat pula bahwa korelasi ini signifikan pada taraf nyata α = 0,01,. Dapat
disimpulkan bahwa terdapat hubungan yang signifikan antara motivasi kerja dengan prestasi kerja.
1. Pendahuluan
Korelasi kendall adalah suatu cara untuk mengetahui besar hubungan antara dua variable yang memiliki
skala pengukuran ordinal. Korelasi kendall dapat dihitung dengan menggunakan rumus sebagai berikut:
2S
T=
N ( N−1)
Pengujian kebermaknaan koefisien korelasi kendall dapat dilakukan dengan langkah-langkah pengujian
hipotesis sebagai berikut:
H0 : ρ = 0
H1 : ρ ≠ 0
3 T √ N (N −1)
Z=
√ 2(2 N +5)
Dengan taraf nyata = α, hipotesis diterima jika – Z (1− 1 α) < Z < Z❑(1− 1
)
2 2α
Suatu penelitian dilakukan untuk mengetahui hubungan antara motivasi kerja dengan prestasi kerja
karyawan di suatu perusahaan. Pengukuran motivasi kerja dilakukan dengan menggunakan alat ukur
yang terdiri dari atas 20 pernyataan dengan skala penilaian: 1 = tidak pernah; 2 =kadang-kadang; 3 =
4
sering; 4 = selalu. Adapun pengukuran prestasi kerja dilakukan dengan menggunakan alat ukur yang
terdiri atas 10 pernyataan dengan skala penilaian: 1 = buruk; 2 = cukup; 3 = baik; 4 = sangat baik.
Pengambilan data terhadap 20 karyawan di perusahaan tersebut memberikan hasil sebagai berikut:
Ujilah apakah terdapat hubungan antara motivasi kerja dengan prestasi kerja karyawan di perusahaan
tersebut?
Penyelesaian:
H0 : ρ = 0
H1 : ρ ≠ 0
3 T √ N (N −1)
Z=
√ 2(2 N +5)
Dengan dk = (n – 2) dan taraf nyata = α, hipotesis diterima jika – Z (1− 1 α ) < t < Z❑(1− 1
)
2 2α
Langkah Kerja:
5
1. Buka file data
→ →
2. Tekan menu Anlyze ❑ Correlate ❑ Bivariate
3. Masukkan Motivasi Kerja dan Prestasi Kerja ke dalam Variables
4. Klik Kendall, Two Tailed dan Flag Significant Correlation
5. Klik OK
Nonparametric Correlations
Correlations
MK PK
Kendall's tau_b MK Correlation Coefficient 1.000 .735**
Sig. (2-tailed) . .000
N 20 20
PK Correlation Coefficient .735** 1.000
Sig. (2-tailed) .000 .
N 20 20
**. Correlation is significant at the 0.01 level (2-tailed).
6
Dari table di atas terlihat bahwa besarnya korelasi antara motivasi kerja dengan prestasi kerja adalah
0,735. Dari table tersebut terlihat pula bahwa korelasi ini signifikan pada taraf nyata α = 0,01,. Dapat
disimpulkan bahwa terdapat hubungan yang signifikan antara motivasi kerja dengan prestasi kerja.
1. Pendahuluan
Korelasi gamma adalah suatu cara untuk mengetahui besar hubungan antara dua variable yang memiliki
skala pengukuran ordinal, untuk data yang berbentuk tabel kontingensi. Korelasi gamma dapat dihitung
dengan menggunakan rumus sebagai berikut:
G=¿¿ ¿
Pengujian kebermaknaan koefisien korelasi gamma dapat dilakukan dengan langkah-langkah pengujian
hipotesis sebagai berikut:
H0 : γ = 0
H1 : γ ≠ 0
Z=( G−γ ) √ ¿ ¿¿ ¿
Dengan taraf nyata = α, hipotesis diterima jika – Z (1− 1 α) < Z < Z❑(1− 1
)
2 2α
Ingin diketahui apakah terdapat hubungan antara status sosial ekonomi orangtua dengan tingkat
pendidikan tertinggi yang dapat dicapai oleh anak pertama dari keluarga di desa Bojongrangkong.
7
Bawah 10 5 2 3 20
Menengah 8 9 7 1 25
Atas 2 6 8 9 25
TOTAL 20 20 17 13 70
Langkah Kerja:
1. Buka file data
→ →
2. Tekan menu Anlyze ❑ Deskriptif ❑ Crosstabs
3. Masukkan Status Sosek Ortu dan Pendidikan Tertinggi Anak Pertama dalam Row dan Column
4. Klik Statistics, Gamma
5. Klik OK
8
Outputnya adalah sebagai berikut:
Crosstabs
Cases
Valid Missing Total
N Percent N Percent N Percent
sosek_ortu * pendidikan 70 100.0% 0 .0% 70 100.0%
Count
pendidikan
SD SMP SMA PT Total
sosek_ortu bawah 10 5 2 3 20
menengah 8 9 7 1 25
atas 2 6 8 9 25
Total 20 20 17 13 70
9
Symmetric Measures
Asymp.
a b
Value Std. Error Approx. T Approx. Sig.
Ordinal by Ordinal Gamma .506 .128 3.763 .000
N of Valid Cases 70
a. Not assuming the null hypothesis.
b. Using the asymptotic standard error assuming the null hypothesis.
Dari table di atas terlihat bahwa besarnya korelasi antara status sosial ekonomi orangtua dengan tingkat
pendidikan tertinggi yang dapat dicapai oleh anak pertama adalah 0,506. Dari table tersebut terlihat
pula bahwa p value 0.05 > 0.000, sehingga korelasinya bernilai signifikan. Dapat disimpulkan bahwa
terdapat hubungan yang signifikan antara status sosial ekonomi orangtua dengan tingkat pendidikan
tertinggi yang dapat dicapai oleh anak pertama
1. Pendahuluan
Korelasi somers adalah suatu cara untuk mengetahui besar hubungan antara dua variable yang
memiliki skala pengukuran ordinal, untuk data yang berbentuk tabel kontingensi dan bersifat asimetrik.
Korelasi somers dapat dihitung dengan menggunakan rumus sebagai berikut:
¿ ( agreements ) −¿(disagreement )
d BA=
¿ pairs not tied on variable A
¿ ( agreements ) −¿(disagreement )
d BA=
¿ pairs not tied on variable B
Pengujian kebermaknaan koefisien korelasi gamma dapat dilakukan dengan langkah-langkah pengujian
hipotesis sebagai berikut:
H0 : Δ BA = 0
H1 : Δ BA ≠ 0
10
d BA
Z=
√ var ¿¿ ¿
Dengan taraf nyata = α, hipotesis diterima jika
–Z 1 <Z<
Z❑ 1
(1− α) (1− )
2 2α
Langkah Kerja:
1. Buka file data
→ →
2. Tekan menu Anlyze ❑ Deskriptif ❑ Crosstabs
3. Masukkan Status Sosek Ortu dan Pendidikan Tertinggi Anak Pertama dalam Row dan Column
4. Klik Statistics, Somers
5. Klik OK
11
Outputnya adalah sebagai berikut:
Crosstabs
Cases
Valid Missing Total
N Percent N Percent N Percent
sosek_ortu * pendidikan 70 100.0% 0 .0% 70 100.0%
Count
pendidikan
SD SMP SMA PT Total
sosek_ortu bawah 10 5 2 3 20
menengah 8 9 7 1 25
atas 2 6 8 9 25
Total 20 20 17 13 70
Directional Measures
Asymp.
a b
Value Std. Error Approx. T Approx. Sig.
Ordinal by Ordinal Somers' d Symmetric .369 .098 3.763 .000
sosek_ortu Dependent .349 .093 3.763 .000
pendidikan Dependent .391 .104 3.763 .000
a. Not assuming the null hypothesis.
b. Using the asymptotic standard error assuming the null hypothesis.
KORELASI CRAMER
1. Pendahuluan
Korelasi Cramer adalah suatu cara untuk mengetahui besar hubungan antara dua variable yang memiliki
skala pengukuran nominal. Korelasi Cramer dapat dihitung dengan menggunakan rumus sebagai berikut:
12
√
2
χ
C=
N ( L−1)
Pengujian kebermaknaan koefisien korelasi cramer dapat dilakukan dengan langkah-langkah pengujian
hipotesis seperti Uji Chi Kuadrat untuk K sampel bebas.
Suatu penelitian dilakukan untuk mengetahui hubungan antara jenis kelamin dengan minat untuk
memasuki perguruan tinggi pada siswa lulusan SLA. Pengambilan data terhadap 30 siswa lulusan SLA
memberikan hasil sebagai berikut:
NO JK MINAT NO JK MINAT
1 1 1 16 2 1
2 1 1 17 2 1
3 1 1 18 2 1
4 1 1 19 2 1
5 1 1 20 2 1
6 1 1 21 2 2
7 1 1 22 2 2
8 1 2 23 2 2
9 1 2 24 2 2
10 1 2 25 2 2
11 1 2 26 2 2
12 1 2 27 2 3
13 1 3 28 2 3
14 1 3 29 2 3
15 1 3 30 2 3
Keterangan:
Penyelesaian:
H0 : Tidak terdapat hubungan antara jenis kelamin dengan minat memasuki perguruan tinggi
H1 : Terdapat hubungan antara jenis kelamin dengan minat memasuki perguruan tinggi
13
C=
√ χ2
N ( L−1)
Langkah Kerja:
1. Buka file data
→ →
2. Tekan menu Anlyze ❑ Deskriptif ❑ Crosstabs
3. Masukkan Jenis Kelamin dan Minat dalam Row dan Column
4. Klik Statistics, Chi Square dan Cramer
5. Klik OK
14
KORELASI PHI
1. Pendahuluan
Korelasi Phi adalah suatu cara untuk mengetahui besar hubungan antara dua variable yang memiliki
skala pengukuran nominal. Perbedaannya dengan Korelasi Cramer adalah korelasi Phi khusus untuk
data yang bentuknya tabel kontingensi 2x2. Korelasi Phi dapat dihitung dengan menggunakan rumus
sebagai berikut:
IAD−BCI
rθ=
√( A +B)(C+ D)( A+C )( B+D)
Keterangan: data disusun dalam bentuk tabel kontingensi sebagai berikut:
0 1 TOTAL
0 A B A+B
1 C D C+D
A+C B+D N
15
2. Pengujian Korelasi Phi
Pengujian kebermaknaan koefisien korelasi phi dapat dilakukan dengan langkah-langkah pengujian
hipotesis seperti Uji Chi Kuadrat untuk K sampel bebas.
Di Fakultas ABC Perguruan Tinggi XYZ, angka drop out-nya cukup tinggi. Diduga bahwa salah satu faktor
penyebab dari drop out tersebut adalah kurangnya minat terhadap bidang ABC yang dipelajari di
Fakultas tersebut. Hasil penelitian mendapatkan hasil sbb:
Penyelesaian:
H0 : Tidak terdapat hubungan antara minat terhadap bidang ABC dengan kelulusan di Fakultas ABC
H1 : Terdapat hubungan antara minat terhadap bidang ABC dengan kelulusan di Fakultas ABC
N
N ( Ι AD−BC Ι − )2
2
χ2=
( A + B)( C+ D)( A+C )( B+ D)
Langkah Kerja:
1. Buka file data
→ →
2. Tekan menu Anlyze ❑ Deskriptif ❑ Crosstabs
3. Masukkan Minat dan kelulusan dalam Row dan Column
4. Klik Statistics, Chi Square dan Phi
5. Klik OK
16
17
Outputnya adalah sebagai berikut:
Crosstabs
Cases
minat * DO Crosstabulation
Count
DO
minat 1.00 12 24 36
2.00 3 27 30
Total 15 51 66
Chi-Square Tests
a. 0 cells (.0%) have expected count less than 5. The minimum expected count is 6.82.
b. Computed only for a 2x2 table
18
Symmetric Measures
19