MAKALAH STATISTIKA DAN PROBABILITAS

KORELASI SEDERHANA

DI SUSUN OLEH :

PUTRI A DE FRETES 202251048

JESICA O LOPUMETEN 202251010

LEA SIDA C A LESBASSA 202251037

SRY M KUBANGUN 202251009

FENESIA I WUTUK 202251013

ASKIN S SUHARDIN 202251030

SELLA T NANLOHY 202251041

ABD. AZIS RUMAKEFING 202251019

DANIEL W AYAWAILA 202251015

ROSY O LATUIHAMALLO 202251034

JOEY F N SARAPI 202251038

 KATA PENGANTAR

Segala puji dan syukur kami panjatkan kepada Tuhan Yang Maha Esa, karena
atas berkat dan limpahan Rahmat-NYAlah maka kami bisa menyelesaikan makalah ini
dengan tepat waktu.
Berikut ini kami mempersembahkan sebuah makalah dengan judul “Analisis
Korelasi”, yang menurut kami dapat memberikan manfaat untuk mengetahui
kekuatan hubungan antara dua variabel atau lebih.
Melalui kata pengantar ini kami minta maaf bila isi makalah ini masih jauh dari
kata sempurna dan terdapat banyak kekurangan yang kami buat kurang tepat atau
menyinggung perasaan pembaca.
Dengan ini kami mempersembahkan makalah ini dengan penuh rasa terima kasih
dan semoga Tuhan Yang Maha Esa memberkati makalah ini sehingga dapat memberikan
manfaat bagi banyak orang.

Ambon, 12 Juni 2023

 DAFTAR ISI

HALAMAN JUDUL

KATA PENGANTAR......................................................................................................ii

DAFTAR ISI.................................................................................................................iii

BAB I PENDAHULUAN

1.1 Latar Belakang......................................................................................................1

1.2 1.2 Rumusan Masalah...........................................................................................1
1.3 Tujuan Penulisan....................................................................................................2

BAB II PEMBAHASAN

2.1 Pengertian Regresi Dan Korelasi...........................................................................3

2.2 Analisis Regresi dan Korelasi................................................................................4

2.3 Menganalisis data premier.....................................................................................6

2.4 Macam – Macam Karakteristik.............................................................................10

2.5 Tujuan Pengggunaan Regresi dan Korelasi............................................................12

2.6 Karakteristik Penggunaan Regresi dan Korelasi...................................................12

BAB III PENUTUP

3.1 Kesimpulan............................................................................................................14

3.2 Saran.......................................................................................................................15

DAFTAR PUSTAKA......................................................................................................15
 BAB 1

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

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.
 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.

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
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
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 :

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
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.

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 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))
   = 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:

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:
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. 
 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.
 DAFTAR PUSTAKA

Sudiyanto. (1992). Statistik Perusahaan III. Surakarta: LPP UNS dan UNS Press