MAKALAH

ANALISIS KORELASI SEDERHANA

DISUSUN OLEH:

ANGGA PRAMUDYA ROMADHON (22030190)

RAFI’ ASH SHIDIQI (22030216)

WIWIT SAFITRI (22030221)

FAKULTAS EKONOMI

PROGAM STUDI MANAJEMEN

JEMBER

2023

1
 KATA PENGANTAR
Puji syukur penulis panjatkan kehadirat Allah SWT, yang atas
rahmat-Nya sehingga dapat menyelesaikan penyusunan makalah yang
berjudul “ANALISIS KORELASI SEDERHANA” Penulisan
makalah merupakan salah satu tugas dan persyaratan untuk
menyelesaikan tugas mata kuliah Statistik Ekonomi di Institut
Teknologi dan Sains Mandala.

Kami berharap tugas ini dapat menambah ilmu pengetahuan

yang telah ada maupun menjadi ilmu pengetahuan baru dalam kajian
ilmu pengetahuan.kami juga berusaha membahas materi ini secara
rinci dan terstruktur dengan bahasa yang lugas sehingga
mempermudah pembaca untuk memahami makalah ini.

Kami dengan setia menanti kritik dan saran yang konstruktif

dari pembaca untuk memperbaiki makalah ini kedepannya.Semoga
makalah ini dapat berguna dan bermanfaat bagi pembaca.

Jember, Maret 2023

Penyusun

2
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Analisis korelasi sederhana (Bivariate Correlation)

digunakan untuk mengetahui keeratan hubungan antara dua
variabel dan untuk mengetahui arah hubungan yang terjadi.
Koefisien korelasi sederhana menunjukkan seberapa besar
hubungan yang terjadi antara dua variabel. Dalam SPSS ada
tiga metode korelasi sederhana (bivariate correlation)
diantaranya Pearson Correlation, Kendall’s tau-b, dan
Spearman Correlation. Pearson Correlation digunakan untuk
data berskala interval atau rasio, sedangkan Kendall’s tau-b,
dan Spearman Correlation lebih cocok untuk data berskala
ordinal.
Pada bab ini akan dibahas analisis korelasi sederhana
dengan metode Pearson atau sering disebut Product Moment
Pearson. Nilai korelasi (r) berkisar antara 1 sampai -1, nilai
semakin mendekati 1 atau -1 berarti hubungan antara dua
variabel semakin kuat, sebaliknya nilai mendekati 0 berarti
hubungan antara dua variabel semakin lemah. Nilai positif
menunjukkan hubungan searah (X naik maka Y naik) dan
nilai negatif menunjukkan hubungan terbalik (X naik maka Y
turun).
Menurut Sugiyono (2007) pedoman untuk memberikan
interpretasi koefisien korelasi sebagai berikut:
0,00    -   0,199    = sangat rendah
0,20    -   0,399    = rendah
0,40    -   0,599    = sedang
0,60    -   0,799    = kuat
0,80    -   1,000    = sangat kuat

3
 DAFTAR ISI
BAB I PENDAHULUAN..........................................3
Latar Belakang...........................................................3
Rumusan Masalah......................................................5
Tujuan........................................................................5
BAB II PEMBAHASAN...........................................6
Korelasi Linier Sederhana.........................................6
Uji Hipotesis Untuk p(rho)........................................9
Korelasi Antar Jenjang..............................................12
BAB III Penutup........................................................17
Kesimpulan................................................................17
Daftar Pustaka............................................................18

4
1.2 Rumusan Masalah

1.2.1 Apa yang dimaksud dengan korelasi linier sederhana?

1.2.2 Bagaimana langkah untuk menguji hipotesis untuk ρ
(rho)?
1.2.3 Apa yang dimaksud dengan korelasi antar jenjang?

1.3 Tujuan

1.3.1 Untuk mengetahui maksud dari korelasi linier

sederhana.
1.3.2 Untuk mengetahui langkah-langkah dalam menguji
hipotesis untuk ρ (rho).
1.3.3 Untuk mengetahui maksud dari korelasi antar jenjang.

5
 BAB II
PEMBAHASAN

2.1 KORELASI LINIER SEDERHANA

Analisa yang membahasa kuatnya hubungan antara
variable-variable disebut “Analisa Korelasi”, sedangkan
angka yang menunjukkan kuat tidaknya (derajat) hubungan
antara variable-variable itu disebut dengan “Koefisien
Korelasi” yang diberi notasi “r”.
Apabila arah hubungan variable itu positif, disebut
korelasi positif dan dua variable itu cenderung akan berubah
dengan arah yang sama. Apabila arah hubungan variable itu
negative maka disebut korelasi negative dan dua variable itu
cenderung akan berubah dengan arah yang berlawanan. Tetapi
jika kedua variable itu cenderung berubah dengan arah yang
tidak menentu, maka dikatakan tidak berhubungan.
Besarnya harga koeisien korelasi akan berada dalam interval -
1 dan +1 atau -1 ≤  r ≤ 1
 Jika r = 1 atau mendekati, dikatakan bahwa dua variable itu
mempunyai hubungan yang kuat dan positif.
 Jika r= -1 atau mendekati, dikatakan bahwa bahwa dua
variable itu mempunyai hubungan yang kuat dan negatif.
 Jika r = 0 atau mendekati, dikatakan bahwa dua variable itu
tidak berkorelasi atau berhubungan.
Contoh sebaran diagram di bawah ini menunjukkan adanya
hubungan atau korelasi antara dua variable, yaitu variable x
dan y.

6
Keterangan:
a) Diagram sebaran yang menunjukkan korelasi linear positif.
b) Diagram sebaran yang menunjukkan korelasi linear negatif.
c) Diagram sebaran yang menunjukkan korelasi nol.
Contoh:
Suatu perusahaan mengadakan test masuk untuk calon
karyawan. Dari peserta tersebut, ternyata yang diterima
sebagai karyawan hanya 10 orang saja, dengan nilai test
masing-masing adalah sebagai berikut:
63 67 61 72 70 60 74 64 69 75
Setelah mereka bekerja dalam waktu tertentu, tercatat nilai-
nilai hasil kerja merekaa adalah:
230 235 220 270 245 225 260 240 250 265

7
Dari diagram sebaran di atas(dengan sumbu x dan y), didapat
empat kuadran, yaitu:
 Kuadran I, mempunyai harga x negatif dan y positif
 Kuadran II, mempunyai harga x positif dan y positif
 Kuadran III, mempunyai harga x positif dan y negatif
 Kuadran IV, mempunyai harga x negatif dan y negatif
Dengan demikian pada kuadcran II dan IV mempunyai
hasil perkalian antara x dan y yang positif, sedangkan pada
kuadran I dan III mempunyai hasil perkalian antara x dan y
yang negatif. Karena itu apabila sebagian besar data tersebar
di kuadra II dan IV maka dikatakan bahwa antara variable x
dan y berkorelasi positif, tetapi jika sebagian besar data
tersebar di kuadran I dan II, maka dikatakan bahwa antara
variable x dan y itu berkorelasi negatif, dan jika data itu
tersebar secara rambang di semua kuadran, maka dapat
dikatakan bahwa variable x dan y itu tidak berkorelasi. Jadi
dari uraian di atas dapat dikatakan pula bahwa:
 Korelasi positif bila xy > 0
 Korelasi negatif bila xy < 0
 Korelasi nol bila xy = 0
8
 Namun demikian cara pengukuran itu kurang memadai
dan untuk memperbaiki cara pengukuran diatas maka
koefisien korelasi (r) dihitung melalui koefisien penentuan
(Coeffisient of Determination) yang diberi notasi “r²”.
Koefisien korelasi ini menentukan berapa besar variasi y yang
dapat dijelaskan oleh variasi x. Oleh karena itu r² merupakan
ratio antara variasi yang dapat dijelaskan oleh garis regresi
dengan variasi total, sehingga r² dirumuskan dengan:

2.2 UJI HIPOTESIS UNTUK ρ (rho)

Harga Koefisien Korelasi (r) yang telah diuraikan

dimuka hanyalah merupakan harga r taksiran dari koefisien
korelasi populasinya (ρ = rho) karena data yang diambil
hanyalah suatu sample saja dan karena itu mungkin saja r itu
bukan merupakan penaksir ρ yang dapat diandalkan. Maka
untuk mengetahui keterandalan r sebagai penaksir ρ, perlu
dilakukan pengujian dengan statistik “t”. Harga statistik untuk
hipotesa ρ dihitung dengan rumus :

9
Sebagai contoh, kita akan menjuri ρ terhadap r yang telah
dihitung di muka, dengan langkah-langkah sebagai berikut:
1. Ho : ρ (rho) = 0
Ha : ρ  (rho) > 0 (dapat juga digunakan alternative yang lain)
2. Misal digunakan α = 0,05 
dengan df = n – 1 – k = 8 
ttab = 1,86

10
5. Tolak Ho karena th > ttab. Kesimpulannya bahwa ada
korelasi positif yang signifikan antara nilai test dengan nilai
hasil kerja.
Disamping dengan cara diatas maka uji signifikansi koefisien
korelasi dapat pula dilakukan dengan menggunakan table
harga kritik r product moment. Dalam pengujian ρ dengan
product moment ini biasanya c “tidak ada korelasi antara
variable x dan y”. Ho ditolak jika harga r dari perhitungan
sama dengan atau lebih besar dari harga kritik r dari tabel.
Dan Ho diterima jika harga r dari perhitungan lebih kecil dari
harga kritik r dari tabel.
Untuk menguji r dari hasil perhitungan diatas, maka terlebih
dahulu kita cari harga kritik  r dalam tabel untuk n = 10
dengan taraf keyakinan 95%. Dari tabel harga kritik r product
moment diperoleh harga kritik r = 0,632. Ternyata harga r
hasil perhitungan = 0,93, lebih besar dari harga kritik r =
0,632, maka Ho ditolak. Jadi harga r = 0,93 itu signifikan dan
disimpulkan ada korelasi positif antara nilai tes dengan nilai
hasil kerja secara meyakinkan.

11
2.3 KORELASI ANTAR JENJANG
Korelasi antar jenjang (Rank Corellation) dimaksudkan
untuk menentukan ada tidaknya korelasi antar variabel
pengaruh x dan variabel tergantung y, jika variabel-variabel
itu disajikan (dilaporkan) dalam bentuk data jenjang atau
angka-angka ranking. Angka-angka ranking tersebut
merupakan pengganti data-data yang sudah ada dan biasanya
data tertinggi dari suatu variabel diberi angka ranking (angka
jenjang) 1 dan selanjutnya diurutkan sampai data yang
terendah (dapat pula digunakan urutan angka jenjang yang
sebaliknya). 
Koefisien korelasi antar jenjang ini biasanya diberi notasi “ r’
“ dan oleh Spearman dirumuskan sebagai berikut :

Di mana : r1 = koefisien korelasi antar jenjang

d = selisih antar angka jenjang (ranking) dari variable yang
satu dengan variable yang lain.
n = banyaknya sampel (data), yang oleh Spearman ditetapkan
minimal 5.
Cara pengujian signifikansi koefisien korelasi antar
jenjang ini dapat dilakukan menggunakan tabel harga kritik r
Spearman pada n  dan taraf keyakinan tertentu. Taraf
keyakinan yang biasa dipakai adalah 95% atau 99%. Dari
hasil pengujian itu, kita akan menyimpulkan tidak ada
korelasi yang meyakinkan antara variable x dengan variable y,
jika harga r1 dari hasil perhitungan lebih kecil dari harga r
dalam tabel, dan kita akan menyimpulkan ada korelasi yang

12
meyakinkan antara variable x dengan variable y, jika harga r’
hasil perhitungan sama dengan atau lebih besar dari harga r
dalam tabel. 
Contoh:
Masih menggunakan contoh dimuka, sekarang kita hitung
harga koefisien korelasi antar jenjangnya sebagai berikut :

Catatan : Ʃ jenjang X harus = Ʃ jenjang Y

  Ʃ d harus = nol

r’=1-(6∑d^2 )/(n(n^2-1))

13
   = 1-(6(12))/10(10^2-1)
= 0,93
Jika dibandingkan taraf keyakinan 95%, maka r dalam tabel
sebesar 0,648. Karena r’ > r tabel, maka kesimpulannya
bahwa ada korelasi yang meyakinkan antara variable x dengan
variable y. Apabila dalam variable x maupun variable y
terdapat data observasi yang sama, maka jenjang (ranking)
untuk variable-variable tersebut harus diadakan penyesuaian.
Sebagai contoh adalah:
Dari 5 calon salesmen yang diuji mengenai teknik penjualan
kemudian ditugaskan untuk melakukan penjualan. Apabila
variable x menyatakan nilai ujian dan variable y menyatakan
hasil penjualan, yang masing-masing besarnya adalah:

Dari data diatas ditentukan koefisien korelasi antar jenjang

untuk kelima salesman tersebut diatas!
Penyelesaian:
Perhitungan korelasi antar jenjang dari nilai ujian (x) dan hasil
penjualan (y) dari 5 orang salesman adalah sebagai berikut:

14
Oleh karena Badu, Tono dan Tini mempunyai nilai ujian
(variable x) yang sama dan jatuh pada jenjang ke 2, 3, 4 maka
angka jenjang nilai ujian (x) mereka masing-masing juga
harus sama, yaitu:
(2+3+4)/3=3
Sedangkan Badu dan Umar mempunyai angka hasil penjualan
(variable y) yang sama dan jatuh pada jenjang ke 1 dan 2
sehingga angka jenjang hasil penjualan (y) masing-masing
adalah:
(1+2)/2=1,5
Setelah diperoleh nilai d2 masing-masing salesman, maka
harga koefisien korelasi antar jenjang dapat dihitung:

15
Menurut Spearman besarnya harga kritik r pada n-5 dengan
taraf signifikasi 5% atau taraf keyakinan 95% adalah 1. Jadi
karena harga r’ < rtab, maka dapat disimpulkan bahwa tidak
ada hubungan (korelasi) yang meyakinkan antara nilai ujian
dengan penjualan dari salesman. 

16
 BAB III
PENUTUP

1.1 KESIMPULAN
Korelasi menyatakan derajat hubungan antara dua
variabel tanpa memperhatikan variabel mana yang menjadi
peubah. Karena itu hubugan korelasi belum dapat dikatakan
sebagai hubungan sebab akibat. Sedangkan korelasi antar
jenjang dimaksudkan untuk menentukan ada tidaknya korelasi
antar variabel pengaruh x dan variabel pengaruh y, jika
variabel-variabel itu disajikan dalam bentuk jenjang atau
angka-angka ranking.

17
 DAFTAR PUSTAKA

Sudiyanto. (1992). Statistik Perusahaan III. Surakarta: LPP

UNS dan UNS Press

18