Uji Korelasi Pearson Product Moment

1. Pengertian
Koefisien korelasi Pearson’s Product Moment adalah ukuran korelasi linier
antara dua variabel kontinu (minimal berskala data interval) yang berdistribusi
normal. Adanya asumsi bahwa data harus berdistribusi normal membuat korelasi
Product Moment Pearson ini dapat dikatakan sebagai uji parametrik. Korelasi
Pearson Product Moment PPM sering disingkat Korelasi merupakan salah satu
teknik analisis statistik yang paling banyak digunakan oleh para peneliti. Karena
peneliti umumnya tertarik terhadap peristiwa-peristiwa yang terjadi dan mencoba
untuk menghubungkannya.
Korelasi Pearson’s Product Moment merupakan salah satu bentuk statistik
parametris karena menguji data pada skala interval atau rasio. Oleh karena itu, ada
beberapa persyaratan untuk dapat menggunakan korelasi Pearson’s Product
Moment, yaitu :
a. Sampel diambil dengan teknik random (acak)
b. Data yang akan diuji harus homogen
c. Data yang akan diuji juga harus berdistribusi normal
d. Data yang akan diuji bersifat linier
Fungsi korelasi Pearson’s Product Moment sebagai salah satu statistik
inferensial adalah untuk menguji kemampuan generalisasi (signifikasi) hasil
penelitian. Adapun syarat untuk bisa menggunakan korelasi Pearson’s Product
Moment selain syarat menggunakan statistik parameteris, juga ada persyaratan
lain, yaitu variabel independen (X) dan variabel (Y) harus berada pada skala
interval atau rasio.
Besarnya angka korelasi disebut koefisien korelasi dinyatakan dengan
lambang r. Nilai korelasi Product Moment Pearson juga berada di antara -1 < r < 1.
Bila nilai r = 0, berarti tidak ada korelasi atau tidak ada hubungan antara variabel
independen dan dependen. Nilai r = +1 berarti terdapat hubungan yang positif
antara variabel independen dan dependen. Nilai r = -1 berarti terdapat hubungan
yang negatif antara variabel independen dan dependen. Dengan kata lain, tanda
“+” dan “-“ menunjukkan arah hubungan di antara variabel yang sedang
diopersionalkan.
Uji signifikansi KPM menggunakan uji t, sehingga nilai t hitung
dibandingkan dengan nilai t tabel. Kekuatan hubungan antarvariabel ditunjukkan
melalui nilai korelasi. Berikut adalah tabel nilai korelasi beserta makna nilai
tersebut :

Nilai Makna

0,00 – 0,19 Sangat rendah / sangat lemah

0,20 – 0,39 Rendah / lemah

0,40 – 0,59 Sedang

0,60 – 0,79 Tinggi / kuat

0,80 – 1,00 Sangat tinggi / sangat kuat

Hubungan antara dua variabel di dalam teknik korelasi bukanlah dalam arti
hubungan sebab akibat timbal balik, melainkan hanya merupakan hubungan searah
saja. Akibatnya, dalam korelasi dikenal penyebab dan akibatnya. Data penyebab
atau yang mempengaruhi disebut variabel bebas independent dan data akibat atau
yang dipengaruhi disebut variabel terikat dependent. Variabel bebas independent
dilambangkan dengan huruf X atau X 1 , X 2 , X 3 ... X n tergantung banyaknya
variabel bebas. Variabel terikat dependent dilambangkan dengan huruf Y.
Langkah – langkah menghitung korelasi Product Moment Pearson adalah sebagai
berikut :
1. Merumuskan hipotesis (H1 dan H0)
2. Menentukan taraf signifikansi (α = 0,05)
 3. Menghitung korelasi Product Moment Pearson dengan rumus. Ada beberapa
rumus korelasi Product Moment Pearson, yaitu :

Di mana:
 rxy: koefisien korelasi r pearson
 n: jumlah sampel/observasi
 x: variabel bebas/variabel pertama
 y: variabel terikat/variabel kedua.
2. Contoh Korelasi Pearson Product Moment
Contoh 1
Misalnya data terdiri dari variabel independent (x) dan variabel dependent
(y), dimana variabel (x) berupa Pelayanan Kepada Konsumen, dan variabel (y)
berupa Minat Beli Konsumen Minyak Goreng Merk Damai. Selanjutanya
menyiapkan data dengan program SPSS.
Jalankan Program SPSS, lanjutkan dengan klik pada Variable View seperti
tampak berikut.

Klik tab Data View, kemudian memasukkan (mengentri) data seperti berikut:

 Selanjutnya untuk mengetahui signifikansi hubungan (korelasi) dari
variabel Pelayanan Kepada Konsumen (x) dan variabel Minat Beli Konsumen
Minyak Goreng Merk Damai (y) didasarkan pada kriteria keputusan  berikut.
Kriteria Keputusan:
a. Jika nilai r (r hitung) disertai oleh signifikansi (sig.) < 0,05, maka variabel bebas
memiliki pengaruh yang sangat meyakinan terhadap variabel terikat.   
b. Jika nilai r (r hitung) disertai oleh signifikansi (sig.) > 0,05, maka variabel bebas
memiliki pengaruh yang sangat meyakinan terhadap variabel terikat.
Langkah-langkah Analisis Data
1. Pastikan Program SPSS sudah aktif dengan terbukanya data seperti di atas.
2. Klik Analyze » Correlate » Bivariate..., maka akan tampak kotak
dialog Bivariate Correlation.
3. Pilik/klik variabel Pelayanan Kepada Konsumen (x), klik  ►ke kotak Variables
4. Pilik/klik variabel Minat Beli Konsumen Minyak Goreng Merrek Damai (y),
klik ►ke kotak Variables: seperti berikut

5. Klik  ceklist Pearson, Two-tailed, dan Flag significant correlations seperti

tampak pada gambar di atas.
6. Klik tombol OK (selesai), sehingga ditampilkan hasil output analisis seperti
berikut:
 Dari tabel output tersebut di atas dapat dikatakan bahwa koefisien korelasi
antara Pelayanan Kepada Konsumen (x) dengan Minat Beli Konsumen Minyak
Goreng Merk Damai (y) adalah sebesar (r) = 0,964 disertai signifikansi 0,000.
Berdasarkan kriteria keputusan di ata maka dapat simpulkan bahwa korelasi dari
kedua variabel tersebut adalah signifikan, oleh karena signifikasi yang
menyertainya lebih keil dari 0,05 (0,000 < 0,05). Korelasi yang terjadi bersifat
positif,  artinya apabila variabel bebas (independent) meningkat, maka  akan
disertai oleh meningkatnya variabel terikat (dependent), korelasi yang terjadi
berada dalam kategori sangat kuat.
Contoh 2
Seorang peneliti melakukan penelitian tentang pengaruh kompetensi kerja,
disiplin kerja terhadap kualitas pelayanan kesehatan di suatu Rumah Sakit.
Variabel kompetensi kerja dan disiplin kerja sebagai variabel independen (X1 dan
X2) dan kualitas pelayanan kesehatan sebagai variabel dependen (Y). Dari 23
sample yang diambil data yang didapat adalah sebagai berikut:

Langkah-langkah analisis dengan menggunakan SPSS

1. Buka program SPSS Statistics
2. Setelah terbuka klik variabel view, lalu masukan pada kolom Name pada baris 1
sampai 3 X1, X2 dan Y (isikan label sesuai keterangan masing-masing
variabel). Pada Decimals diganti menjadi 0 (Opsional). Untuk kolom lainnya
dapat dihiraukan (isian default). Perhatikan gambar dibawah ini:
3. Jika variabel view sudah diisi, selanjutnya silahkan masuk ke data view, lalu
isikan sesuai data

4. Selanjutnya klik Analyze >> Correlate >> Bivariate.

5. Selanjutnya akan muncul kotak dialog seperti di bawah ini:

6. Pindahkan semua variabel ke kotak Variable (s)

7. Selanjutnya akan muncul hasil output seperti di bawah ini:

Hasil penjelasan output, dasar Pengambilan Keputusan
Ada dua cara dasar pengambilan keputusan dalam analisis kolerasi yaitu dengan
melihat nilai signifikasi dan melihat tanda bintang.
1. Berdasarkan signifikasi, Jika nilai signifikasi < 0,05 maka terdapat kolerasi
antara variabel, jika sifnifikasi > 0,05 maka tidak terdapat hubungan antara
variabel
2. Berdasarkan tanda bintang Jika terdapat tanda bintang pada pearson correlation
maka antara variabel yang dianalisis terjadi korelasi dan sebaliknya jika tidak
terdapat tanda bintang maka variabel tidak terjadi kolerasi
Berdasarkan hasil output diatas, diketahui antara X1 (Kompetensi Kerja)
dengan Y (Kualitas Pelayanan) terdapat kolerasi yang signifikan (0,00 < 0,05 atau
dilihat dari nilai kolerasinya 0,839 terdapat tanda bintang). Selanjutnya antara X2
(Disiplin Kerja) dengan Y (Kulitas Pelayanan) terdapat kolerasi yang signifikan
(0,00 < 0,05 atau dilihat dari nilai kolerasinya 0,872 terdapat tanda bintang).
Contoh 3
Dalam contoh ini penulis ingin meneliti bagaimana pengaruh dari
diterapkannya punishmen (jumlah) dengan kinerja karyawan di salah satu
perusahaan. Sampel data yang digunakan ada "20" dengan dua variabel masing-
masing punishmen dan kinerja, dengan tampilan data sebagai berikut :
1. Isikan sesuai dengan data. Name : Punishmen dan Kinerja. Type : Numeric.
Width : 8. Decimals : 0. Label : Jumlah Punishmen dan Kinerja Karyawan.
Values : None. Missing : None. Columns : 8. Align : Right. Measure : Scale.
Role : Input.

2. Copy paste data yang sudah disusun di microsoft excel ke menu data view spss.
3. Klik Analyze pilih Correlate => Bivariate.

4. Di tampilan Bivariate Correlations, masukkan seluruh variabel (Jumlah

Punishmen dan Kinerja Karyawan). Kemudian di bagian Correlation
 Coefficient pilih Pearson. Test of Significance pilih Two-tailed.  Centang Flag
significant correlations. Klik ok.

5. Hasilnya sebagai berikut.

Hasil output di atas menunjukkan nilai koefisien korelasi sebesar -0.030.

Karena nilainya mendekati -1 maka hubungan antara jumlah punishmen dengan
kinerja karyawan dapat dikatakan kuat. 
Hasil output di atas menunjukkan nilai koefisien bertanda negatif (-0.030),
artinya apabila jumlah punishmen rendah maka kinerja karyawan meningkat atau
jika dibalik, jumlah punishmen tinggi maka kinerja karyawan menurun.
 Untuk mengetahui pengaruh hubungan antar kedua variabel maka
dilakukan pengujian signifikansi. Langkah-langkahnya sebagai berikut :
Menentukan hipotesis nol dan hipotesis alternatif :
1. H0 : Artinya tidak ada hubungan antara jumlah punishmen dengan kinerja
karyawan.
2. Ha : Artinya ada hubungan antara jumlah punishmen dengan kinerja karyawan
Menentukan signifikansi dari hasil correlations. 
Hasil output di atas menunjukkan nilai signifikansi sebesar 0.900.
Dasar Pengambilan keputusan :
Jika nilai signifikansi > 0.05, artinya H0 diterima
Jika nilai signifikansi < 0.05, artinya H0 ditolak
Kesimpulan dari hasil di atas adalah :
Nilai signifikansi sebesar lebih dari tingkat alpha (0.900 > 0.05) maka hipotesis
nol diterima, artinya tidak terdapat hubungan yang berarti antara jumlah
punishmen dengan kinerja karyawan.
 DAFTAR PUSTAKA
Harinaldi. (2015). Prinsip-prinsip Statistika untuk Teknik dan Sains. Jakarta:
Erlangga.
Hidayat, Anwar. (2012). Uji Pearson Product Moment dan Asumsi Klasik. Diakses
pada 10 April 2019 melalui: www.statistikian.com.
Sugiyono. 2015. Metode Penelitian Administasi. Bandung : Alfabeta