PENDAHULUAN
A. Latar Belakang
Korelasi adalah istilah statistik yang menyatakan derajat hubungan
linier antara dua variabel atau lebih. Analisis korelasi pertama kali dikembangkan
oleh Karl Pearson pada tahun 1900. Di dalam teknik analisis korelasi, hubungan
antara dua variabel hanya mengenal hubungan searah (linier) saja, misalnya:
tinggi badan menyebabkan berat badannya bertambah, tetapi berat badannya
bertambah belum tentu menyebabkan tinggi badannya bertambah pula. Sehingga
dari contoh tersebut dapat diketahui bahwa dalam analisis korelasi dikenal
penyebab dan akibatnya.
Data penyebab atau yang mempengaruhi disebut variabel bebas
(independent) yang biasanya ditandai dengan huruf X. Sedangkan data akibat atau
yang dipengaruh disebut variabel terikat (dependent) yang biasanya dilambangkan
dengan huruf Y. Cara menentukan variabel bebas dan variabel terikat tergantung
pada landasan teori yang digunakan.
Ada dua jenis statistik untuk menghitung korelasi:
- Koefisien korelasi bivariate: Yaitu statistik yang dapat digunakan oleh
peneliti untuk menerangkan keeratan hubungan antara dua variabel.
- Koefisien korelasi multi-variat: Yaitu statistik yang digunakan peneliti untuk
menggambarkan dan menentukan hubungan antara tiga variabel atau lebih.
Macam-Macam Koefisien Analisis Korelasi
- Product Moment Pearson: Kedua variabelnya berskala interval
- Rank Spearman: Kedua variabelnya berskala ordinal
- Point Serial: Satu berskala nominal sebenarnya dan satu berskala interval
- Biserial: Satu berskala nominal buatan dan satu berskala interval
- Koefisien kontingensi: Kedua varibelnya berskala nominal
B. Rumusan Masalah
1. Apa yang dimaksud dengan analisa korelasi PPM?
2. Bagaimana tekhnik dan aplikasi penghitungan korelasi PPM?
1
BAB II
PEMBAHASAN
2
B. Manfaat Analisis Korelasi
Dapat mengukur beberapa hubungan variabel
Dapat memotivasi kerja terhadap produktivitas variabel
Dapat menemukan kualitas dengan layanan
Dapat melakukan tingkatan inflasi pada variabel yang tertentu
C. Jenis Korelasi
1. Analisis Korelasi Sederhana
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
2. Analisis Koefisien Korelasi Linear Berganda
Adalah indeks atau angka yang diigunakan untuk mengukur keeratan
hubungan antara 3 variabel/lebih. Koefisien korelasi berganda dirumuskan:
Ry1.2 =
Keterangan:
Ry1.2 : koefisien linier 3 variabel
ry1 : koefisien korelasi y dan X1
ry2 : koefisien korelasi variabel y dan X2
r1.2 : koefisien korelasi variabel X1 dan X2
Dimana :
ry1 =
ry2 =
r1.2 =
Ry1.2 =
3. Analisis Korelasi Parsial
Koefisien korerasi parsial adalah indeks atau angka yang digunakan untuk
mengukur keeratan hubungan antara 2 variabel, jika variabel lainnya konstanta,
pada hubungan yang melibatkan lebih dari dua variabel. Koefisien korelasi parsial
untuk tiga variabel dirumuskan oleh:
a. Koefisien korelasi parsial antara Y dan X1 apabila X2 konstanta.
4
ry1.2 =
b. Koefisien korelasi parsial antara Y dan X2 apabila X1 konstanta
ry2.1 =
c. Koefisien korelasi parsial antara X1 dan X2 apabila Y konstanta
r2.1Y =
Analisis korelasi parsial (Partial Correlation) digunakan untuk
mengetahui hubungan antara dua variabel dimana variabel lainnya yang dianggap
berpengaruh dikendalikan atau dibuat tetap (sebagai variabel kontrol). 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). Data yang digunakan biasanya berskala interval
atau rasio.
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
4. Korelasi Rank Spearman
Korelasi Rank Spearman digunakan untuk mencari hubungan atau untuk
menguji signifikansi hipotesis asosiatif. Dengan syarat bila masing-masing
variabel yang dihubungkan berbentuk Ordinal.
5
C. Teknik dan Aplikasi Penghitungan Korelasi PPM
Langkah 1 : Perumusan Hipotesis
Jika diduga bahwa suatu variabel mempunyai hubungan yang positif dengan
variabel lain, maka rumusan hipotesisnya adalah
- Ho : r = 0 (tidak ada hubungan antara suatu variabel yang positif dengan
variabel lain)
- Ha : r > 0 (terdapat hubungan yang positif dan signifikan anatara suatu
variabel dengan variabel lainnya)
Langkah 4 : Menghitung
Membuat tabel penolong untuk menghitung Korelasi PPM:
dengan rumus ;
Keterangan :
n = jumlah data
x = data yang mempengaruhi
y = data yang dipengaruhi
X=x–x
Y=y–y
6
Langkah 5 : Mencari besarnya sumbangan (konstribusi) variabel X terhadap Y
Dengan rumus :
KP = r2 x 100%
Langkah-langkah :
1. Perumusan Hipotesis
7
Ha : ada hubungan yang signifikan antara umur dengan tekanan darah
Ho : Tidak ada hubungan yang signifikan antara umur dengan tekanan darah
2. Menentukan taraf nyata
Untuk kasus ini, kita ingin melihat apakah terdapat hubungan linier antara usia
dengan tekanan darah sistolik. Taraf nyata yang digunakan adalah 5%.
Di dapat α=0,05
3. Menentukan uji hipotesis dalam statistic
Ha : r ≠ 0
Ho : r = 0
4. Menghitung
No Age (X) Systolic Pressure X2 Y2 XY
(Y)
1 34 108 1156 11664 3672
2 43 129 1849 16641 5547
3 49 126 2401 15876 6174
4 58 149 3364 22201 8642
5 64 168 4096 28224 10752
6 73 161 5329 25921 11753
7 78 174 6084 30276 13572
Jumlah 399 1015 24279 150803 60112
Rata-rata 57 145
8
9. Membuat Kesimpulan
- rxy sebesar 0,956 kategori kuat
- KP = r2 x 100% = 0,962 x 100% = 92,16%
- Ternyata thitung lebih dari ttabel atau 5,46 >2,57, maka Ho ditolak, artinya ada
hubungan yang signifikan antara umur dengan tekanan darah.
9
BAB III
KESIMPULAN
Korelasi Pearson merupakan salah satu ukuran korelasi yang digunakan
untuk mengukur kekuatan dan arah hubungan linier dari dua variable.
Manfaat Korelasi Pearson Product Moment:
- Untuk menyatakan ada atau tidaknya hubungan antara variabel X dengan
variabel Y.
- Untuk menyatakan besarnya sumbangan variabel satu terhadap yang
lainnya yang dinyatakan dalam persen.
10
DAFTAR PUSTAKA
11