Koefisien Korelasi Pearson (r)

Koefisien korelasi Pearson ( r ) adalah cara paling umum untuk mengukur korelasi
linier. Ini adalah angka antara –1 dan 1 yang mengukur kekuatan dan arah hubungan
antara dua variabel.
Koefisien Jenis Penafsiran Contoh
korelasi korelasi
Pearson ( r )
Antara 0 dan 1 Korelasi Ketika satu variabel berubah maka variabel Panjang & berat bayi:
positif lainnya juga ikut berubah ke arah yang sama . Semakin panjang bayinya,
semakin berat berat badannya.
0 Tidak ada Tidak ada hubungan antar variabel. Harga mobil & lebar wiper kaca
korelasi depan :
Harga sebuah mobil tidak
berhubungan dengan lebar wiper
kaca depannya.
Antara Korelasi Ketika salah satu variabel berubah maka Ketinggian & tekanan udara:
0 dan –1 negatif variabel yang lain juga ikut berubah ke arah Semakin tinggi suatu tempat,
yang berlawanan . maka semakin rendah tekanan
udaranya.

Berapa koefisien korelasi Pearson?

Koefisien korelasi Pearson ( r ) adalah koefisien korelasi yang paling banyak digunakan
dan dikenal dengan banyak nama:
 sungai Pearson
 Korelasi bivariat
 Koefisien korelasi momen produk Pearson (PPMCC)
 Koefisien korelasi
Koefisien korelasi Pearson merupakan statistik deskriptif , yang berarti merangkum
karakteristik suatu kumpulan data. Secara khusus, ini menggambarkan kekuatan dan
arah hubungan linier antara dua variabel kuantitatif.
Meskipun interpretasi kekuatan hubungan (juga dikenal sebagai ukuran efek )
bervariasi antar disiplin ilmu, tabel di bawah ini memberikan aturan umum:
Nilai koefisien korelasi Pearson Kekuatan Arah
( r ).
Lebih besar dari 0,5 Kuat Positif
Antara 0,3 dan 0,5 Sedang Positif
Antara 0 dan 0,3 Lemah Positif
0 Tidak ada Tidak ada
Antara 0 dan –.3 Lemah Negatif
Antara –.3 dan –.5 Sedang Negatif
Kurang dari 5 Kuat Negatif

Koefisien korelasi Pearson juga merupakan statistik inferensial , artinya dapat

digunakan untuk menguji hipotesis statistik . Secara khusus kita dapat menguji apakah
terdapat hubungan yang signifikan antara dua variabel.

Memvisualisasikan koefisien korelasi Pearson

Cara lain untuk memikirkan koefisien korelasi Pearson ( r ) adalah sebagai ukuran
seberapa dekat pengamatan terhadap garis yang paling sesuai .
Koefisien korelasi Pearson juga memberi tahu Anda apakah kemiringan garis yang
paling sesuai adalah negatif atau positif. Jika kemiringannya negatif, r bernilai
negatif. Jika kemiringannya positif, r positif.
Jika r bernilai 1 atau –1, semua titik berada tepat pada garis yang paling sesuai:

Jika r lebih besar dari 0,5 atau kurang dari –0,5, titik-titik tersebut dekat dengan garis
yang paling sesuai:

Jika r berada di antara 0 dan 0,3 atau antara 0 dan –.3, titik-titik tersebut jauh dari garis
yang paling sesuai:
 Jika r bernilai 0, garis yang paling sesuai tidak membantu dalam menggambarkan
hubungan antar variabel:

Kapan menggunakan koefisien korelasi Pearson

Koefisien korelasi Pearson ( r ) adalah salah satu dari beberapa koefisien korelasi yang
perlu Anda pilih saat ingin mengukur suatu korelasi. Koefisien korelasi Pearson adalah
pilihan yang baik jika semua hal berikut ini benar:
 Kedua variabel tersebut bersifat kuantitatif : Anda perlu menggunakan metode yang
berbeda jika salah satu variabel bersifat kualitatif .
 Variabel terdistribusi normal : Anda dapat membuat histogram setiap variabel untuk
memverifikasi apakah distribusinya mendekati normal. Tidak masalah jika
variabelnya sedikit tidak normal.
 Data tidak memiliki outlier : Outlier adalah observasi yang tidak mengikuti pola yang
sama dengan data lainnya. Plot sebar adalah salah satu cara untuk memeriksa outlier
—mencari titik-titik yang letaknya jauh dari titik lainnya.
 Hubungannya linier: “Linier” berarti hubungan antara kedua variabel dapat dijelaskan
dengan baik oleh garis lurus. Anda dapat menggunakan plot sebar untuk memeriksa
apakah hubungan antara dua variabel linier.
Koefisien korelasi peringkat Pearson vs. Spearman
Koefisien korelasi peringkat Spearman adalah koefisien korelasi lain yang banyak
digunakan. Ini adalah pilihan yang lebih baik daripada koefisien korelasi Pearson
jika satu atau lebih hal berikut ini benar:
 Variabelnya bersifat ordinal .
 Variabelnya tidak terdistribusi secara normal .
 Data tersebut termasuk outlier.
 Hubungan antar variabel bersifat nonlinier dan monotonik.

Menghitung koefisien korelasi Pearson

Di bawah ini adalah rumus menghitung koefisien korelasi Pearson ( r ):
Rumusnya mudah digunakan jika Anda mengikuti panduan langkah demi langkah di
bawah ini. Anda juga dapat menggunakan perangkat lunak seperti R atau Excel untuk
menghitung koefisien korelasi Pearson untuk Anda.
Contoh: Kumpulan DataBayangkan Anda sedang mempelajari hubungan antara berat
dan panjang badan bayi baru lahir. Anda memiliki berat dan panjang 10 bayi yang lahir
bulan lalu di rumah sakit setempat. Setelah Anda mengonversi pengukuran imperial ke
metrik, Anda memasukkan data dalam tabel:
Berat (kg) Panjang (cm)
3.63 53.1
3.02 49.7
3.82 48.4
3.42 54.2
3.59 54.9
2.87 43.7
3.03 47.2
3.46 45.2
3.36 54.4
3.3 50.4

Langkah 1: Hitung jumlah x dan y

Mulailah dengan mengganti nama variabel menjadi “ x ” dan “ y .” Tidak masalah
variabel mana yang disebut x dan mana yang disebut y — rumusnya akan memberikan
jawaban yang sama.
Selanjutnya, jumlahkan nilai x dan y . (Dalam rumusnya, langkah ini ditandai dengan
simbol Σ yang artinya “ambil jumlah”.)
Contoh: Menghitung jumlah x dan yBerat = x
Panjang = y
Σ x = 3,63 + 3,02 + 3,82 + 3,42 + 3,59 + 2,87 + 3,03 + 3,46 + 3,36 + 3,30
Σ x = 33,5
Σ kamu = 53,1 + 49,7 + 48,4 + 54,2 + 54,9 + 43,7 + 47,2 + 45,2 + 54,4 + 50,4
Σ kamu = 501,2
Langkah 2: Hitung x 2 dan y 2 serta jumlahnya
Buat dua kolom baru yang berisi kuadrat x dan y . Ambil jumlah kolom baru.
Contoh: Menghitung x dan y 2 2
serta jumlahnya
X kam x 2
kamu 2

u
3.6 53.1 (3,63)2 = 13,18 (53,1)2 = 2 819,6
3
3.0 49.7 9.12 2 470.1
2
3.8 48.4 14.59 2 342.6
2
3.4 54.2 11.7 2 937.6
2
3.5 54.9 12.89 3 014
9
2.8 43.7 8.24 1 909.7
7
3.0 47.2 9.18 2 227.8
3
3.4 45.2 11.97 2 043
6
3.3 54.4 11.29 2 959.4
6
3.3 50.4 10.89 2 540.2

Σx 2
= 13,18 + 9,12 + 14,59 + 11,70 + 12,89 + 8,24 + 9,18 + 11,97 + 11,29 + 10,89
Σx 2
= 113,05
Σy 2
= 2 819,6 + 2 470,1 + 2 342,6 + 2 937,6 + 3 014,0 + 1 909,7 + 2 227,8 + 2 043,0 +
2 959,4 + 2 540,2
Σ kamu 2
= 25 264
Langkah 3: Hitung perkalian silang dan jumlahnya
Di kolom terakhir, kalikan x dan y (ini disebut perkalian silang). Ambil jumlah kolom
baru.
Contoh: Menghitung perkalian silang dan jumlahnya
X kam x 2
kamu 2 xy ( x * kamu )
u
3.6 53.1 13.18 2 819.6 3,63*53,1 = 192,8
3
3.0 49.7 9.12 2 470.1 150.1
2
3.8 48.4 14.59 2 342.6 184.9
2
3.4 54.2 11.7 2 937.6 185.4
2
3.5 54.9 12.89 3 014 197.1
9
2.8 43.7 8.24 1 909.7 125.4
7
3.0 47.2 9.18 2 227.8 143
3
3.4 45.2 11.97 2 043 156.4
6
3.3 54.4 11.29 2 959.4 182.8
6
3.3 50.4 10.89 2 540.2 166.3

Σ xy = 192,8 + 150,1 + 184,9 + 185,4 + 197,1 + 125,4 + 143,0 + 156,4 + 182,8 + 166,3
Σ xy = 1 684,2
Langkah 4: Hitung r
Gunakan rumus dan angka yang Anda hitung pada langkah sebelumnya untuk
mencari r .
Contoh: Menghitung r
 Menguji signifikansi koefisien korelasi Pearson
Koefisien korelasi Pearson juga dapat digunakan untuk menguji apakah hubungan dua
variabel signifikan .
Korelasi Pearson sampel adalah r . Ini adalah perkiraan rho ( ρ ), korelasi Pearson
dari populasi . Mengetahui r dan n (ukuran sampel), kita
dapat menyimpulkan apakah ρ berbeda signifikan dari 0.
 Hipotesis nol ( H 0 ): ρ = 0
 Hipotesis alternatif ( H a ): ρ ≠ 0
Untuk menguji hipotesis , Anda dapat menggunakan perangkat lunak seperti R atau
Stata atau mengikuti tiga langkah di bawah ini.
Langkah 1: Hitung nilai t
Hitung nilai t ( statistik uji ) menggunakan rumus ini:

Contoh: Menghitung nilai tBerat badan dan panjang 10 bayi baru lahir memiliki koefisien
korelasi Pearson sebesar 0,47. Karena kita mengetahui bahwa n = 10 dan r = 0,47, kita
dapat menghitung nilai t :
 Langkah 2: Temukan nilai kritis t
Anda dapat menemukan nilai kritis t ( t* ) dalam tabel t . Untuk menggunakan tabel,
Anda perlu mengetahui tiga hal:
 Derajat kebebasan ( df ): Untuk uji korelasi Pearson rumusnya adalah df = n – 2.
 Tingkat signifikansi (α): Berdasarkan konvensi, tingkat signifikansi biasanya 0,05.
 Satu sisi atau dua sisi: Paling sering, dua sisi adalah pilihan yang tepat untuk korelasi.
Contoh: Mencari nilai kritis tUntuk uji signifikansi dua sisi pada α = 0,05 dan df = 8, nilai
kritis t ( t* ) adalah 1,86.
Langkah 3: Bandingkan nilai t dengan nilai kritis
Tentukan apakah nilai t absolut lebih besar dari nilai kritis t . “Mutlak” artinya jika
nilai t negatif maka tanda minus harus diabaikan.
Contoh: Membandingkan nilai t dengan nilai kritis t ( t* )t = 1,506
t* = 1,86
Nilai t lebih kecil dari nilai kritis t.
Langkah 4: Putuskan apakah akan menolak hipotesis nol
 Jika nilai t lebih besar dari nilai kritis, maka hubungan tersebut signifikan secara
statistik ( p < α ). Data memungkinkan Anda menolak hipotesis nol dan memberikan
dukungan untuk hipotesis alternatif.
 Jika nilai t lebih kecil dari nilai kritis, maka hubungan tersebut tidak signifikan secara
statistik ( p > α ). Data tidak memungkinkan Anda menolak hipotesis nol dan tidak
memberikan dukungan terhadap hipotesis alternatif.
 Contoh: Memutuskan apakah akan menolak hipotesis nolUntuk korelasi berat badan
dan tinggi badan pada sampel 10 bayi baru lahir, nilai t lebih kecil dari nilai kritis t . Oleh
karena itu, kami tidak menolak hipotesis nol yang menyatakan koefisien korelasi
Pearson populasi ( ρ ) adalah 0. Tidak ada hubungan yang signifikan antara berat
badan dan tinggi badan ( p > 0,05).
(Perhatikan bahwa ukuran sampel 10 sangatlah kecil. Anda mungkin akan menemukan
hubungan yang signifikan jika Anda menambah ukuran sampel.)

Melaporkan koefisien korelasi Pearson

Jika Anda memutuskan untuk menyertakan korelasi Pearson ( r ) dalam makalah atau
tesis Anda, Anda harus melaporkannya di bagian hasil . Anda dapat mengikuti aturan
berikut jika ingin melaporkan statistik dalam Gaya APA :
 Anda tidak perlu memberikan referensi atau rumus karena koefisien korelasi Pearson
adalah statistik yang umum digunakan.
 Anda harus mencetak miring r saat melaporkan nilainya.
 Anda tidak boleh menyertakan angka nol di depan (nol sebelum koma) karena koefisien
korelasi Pearson tidak boleh lebih besar dari satu atau kurang dari satu negatif.
 Anda harus memberikan dua digit penting setelah koma desimal.
Ketika koefisien korelasi Pearson digunakan sebagai statistik inferensial (untuk menguji
apakah hubungan tersebut signifikan), r dilaporkan bersama derajat kebebasan
dan nilai p . Derajat kebebasan dilaporkan dalam tanda kurung di samping r .
Contoh: Melaporkan koefisien korelasi Pearson dalam APA StyleBerat badan dan
panjang badan bayi baru lahir berkorelasi sedang, meskipun hubungan tersebut tidak
signifikan secara statistik, r (8) = 0,47, p > 0,17.