UJI HUBUNGAN (KORELASI)

A. UJI KORELASI BIVARIATE PEARSON (PRODUCT MOMENT PEARSON)

Analisis korelasi merupakan pembahasan tentang derajad keeratan hubungan antar
variabel yang dinyatakan dengan nilai koefisien korelasi. Hubungan antara variabel tersebut
dapat bersifat positif atau negative. Dalam analisis korelasi sebenarnya tidak ada istilah
variabel bebas (independen/X) dan variabel terikat (dependen/Y). Karena pada dasarnya
hubungan antara variabel bebas dan terikat akan bermaksa sama dengan hubungan varibel
terikat dan variabel bebas.namun demikian, dalam prakteknya banyak dijumpai peneliti
memberikan nama untuk masing-masing variabel yang ia gunakan dalam penelitian. Hal ini
bukan sebuah masalah, sebab penamaan tersebut tujuan sebenarnya hanya sebagai alat bantu
saja supaya pembaca lebih mudah memahami arah hubungan yang ingin disampaikan oleh
peneliti.
Derajad hubungan biasanya dinyatakan dengan huruf “r” atau disebut juga dengan
koefisien korelasi sample yang merupakan penduga hasil bagi koefisien korelasi. Uji korelasi
bivariate pearson digunakan untuk menguji hubungan antar dua variabel yang menggunakan
data berskala rasio atau interval.
1. Persyaratan yang harus dipenuhi dalam melakukan uji korelasi bivariate pearson
 Data berskala rasio atau interval
 Memenuhi asumsi normalitas (data harus terdistribusi normal)
 Terdapat hubungan yang linear antar variabel yang dapat diketahui lewat uji
linearitas.
2. Arti angka korelasi (pearson correlation)
Koefisien korelasi memiliki niali paling kecil -1 dan paling besar 1.
 Nilai koefisien 0 = Tidak ada hubungan sama sekali (jarang terjadi),
 Nilai koefisien 1 = Hubungan sempurna (jarang terjadi),
 Nilai koefisien > 0 sd < 0,2 = Hubungan sangat rendah atau sangat lemah,
 Nilai koefisien 0,2 sd < 0,4 = Hubungan rendah atau lemah,
 Nilai koefisien 0,4 sd < 0,6 = Hubungan cukup besar atau cukup kuat,
 Nilai koefisien 0,6 sd < 0,8 = Hubungan besar atau kuat,
 Nilai koefisien 0,8 sd < 1 = Hubungan sangat besar atau sangat kuat.
  Nilai negatif berarti menentukan arah hubungan, misal: koefisien korelasi antara
penghasilan dan berat badan bernilai -0,5. Artinya semakin tinggi nilai penghasilan
seseorang maka semakin rendah berat badannya dengan besarnya keeratan hubungan
sebesar 0,5 atau cukup kuat.
Selain besarnya korelasi, tanda korelasi juga berpengaruh pada penafsiran hasil dalam
analisis ini. Dimana, tanda negatif (-) pada tabel output SPSS menunjukkan adanya arah yang
berlawanan, sedangkan tanda positif (+) menunjukkan arah yang sama atau korelasi searah.
3. Dasar pengambilan keputusan
a) Berdasarkan Nilai Signifikansi Sig. (2-tailed): Jika nilai Sig. (2-tailed) < 0,05 maka
terdapat korelasi antar variabel yang dihubungkan. Sebaliknya jika nilai Sig. (2-
tailed) > 0,05 maka tidak terdapat korelasi.
b) Berdasarkan Nilai r hitung (Pearson Correlations): Jika nilai r hitung > r tabel maka
ada korelasi antar variabel. Sebaliknya jika nilai r hitung < r tabel maka artinya tidak
ada korelasi antar variabel.
c) Berdasarkan Tanda Bintang (*) yang diberikan SPSS: Jika terdapat tanda bintang (*)
atau (**) pada nilai pearson correlation maka antara variabel yang di analisis terjadi
korelasi. Sebaliknya jika tidak terdapat tanda bintang pada nilai pearson correlation
maka antara variabel yang di analisis tidak terjadi korelasi.
Catatan: (*)Tanda bintang satu menujukkan korelasi pada signifikansi 1% atau 0,01.
Sedangkan tanda bintang dua (**) menunjukkan korelasi pada signifikansi 5% atau
0,05.
4. Langkah-langkah
Untuk lebih jelas, kita langsung praktekkan saja cara melakukan analisis korelasi
bivariate pearson dengan program SPSS. Misalkan saya ingin menguji apakah ada hubungan
yang signifikan antara Motivasi dan Minat dengan Prestasi belajar siswa.
Rumusan masalah: Apakah ada hubungan (korelasi) antara Motivasi dan Minat
dengan Prestasi belajar siswa
a) Buka program SPSS, klik Variable View, selanjutnya, pada bagian Name tulis saja
X1, X2, dan Y, pada Decimals ubah semua menjadi angka 0, pada bagian Label
tuliskan Motivasi, Minat dan Prestasi. Pada bagian Measure ganti menjadi scale.

b) Setelah itu, klik Data View, dan masukkan data Motivasi (X1), Minat (X2) dan
Prestasi (Y) yang sudah dipersiapkan tadi ke program SPSS.
c) Selanjutnya, dari menu utama SPSS, pilih menu Analyze, lalu klik Correlate, dan klik
Bivariate.

d) Muncul kotak dialog dengan nama "Bivariate Correlations". Masukkan variabel

Motivasi (X1), Minat (X2) dan Prestasi (Y) pada kotak Variables:. Selanjutnya, pada
kolom "Correlation Coefficient" pilih Pearson, lalu untuk kolom "Test of Significant"
 pilih Two-tailed, dan centang pada Flag Significant Correlations, terakhir klik Ok
untuk mengakhiri perintah.
e) Setelah selasai, maka akan muncul tampilan output SPSS "Correlations" tinggal kita
interpretasikan saja.

5. Interpretasi
Rumusan hipotesis:
Ho: Tidak ada hubungan antara Motivasi dan Minat dengan Prestasi belajar siswa
Hi: Ada hubungan antara Motivasi dan Minat dengan Prestasi belajar siswa

Berdasarkan tabel output di atas, kita akan melakukan pernarikan kesimpulan dengan
merujuk pada dasar pengambilan keputusan dalam analisis korelasi bivariate pearson di
atas.
 Berdasarkan Nilai Signifikansi Sig. (2-tailed): Dari tabel output di atas diketahui nilai
Sig. (2-tailed) antara Motivasi (X1) dengan Prestasi (Y) adalah sebesar 0,002 < 0,05,
yang berarti terdapat korelasi yang signifikan antara variabel Motivasi dengan
variabel Prestasi. Selanjutnya, hubungan antara Minat (X2) dengan Prestasi (Y)
memiliki nilai Sig. (2-tailed) sebesar 0,000 < 0,05, yang berarti terdapat korelasi yang
signifikan antara variabel Minat dengan variabel Prestasi.
 Berdasarkan Nilai r hitung (Pearson Correlations): Diketahui nilai r hitung untuk
hubungan Motivasi (X1) dengan Prestasi (Y) adalah sebesar adalah sebesar 0,796 > r
tabel 0,576, maka dapat disimpulkan bahwa ada hubungan atau korelasi antara
variabel Motivasi dengan variabel Prestasi. Selanjutnya, diketahui nilai r hitung untuk
 hubungan Minat (X2) dengan Prestasi (Y) adalah sebesar adalah sebesar 0,908 > r
tabel 0,576, maka dapat disimpulkan bahwa ada hubungan atau korelasi antara
variabel Minat dengan variabel Prestasi. Karena r hitung atau Pearson Correlations
dalam analisis ini bernilai positif maka itu artinya hubungan antara kedua variabel
tersebut bersifat positif atau dengan kata lain semakin meningkatnya Motivasi dan
Minat maka akan meningkat pula Prestasi belajar siswa.
Catatan: Rumus menghitung nilai r tabel product moment adalah dengan melihat nilai
N pada distribusi nilai r tabel product moment statistik. Karena N atau jumlah sampel
yang digunakan dalam analisis ini ada 12 orang siswa dengan signifikansi 5% maka
ketemu nilai r tabel adalah sebesar 0,576. lihat gambar di bawah ini.

 Berdasarkan Tanda Bintang (*) SPSS: Dari output di atas diketahui bahwa nilai
Pearson Correlation antara masing-masing variabel yang dihubungkan mempunyai
dua tanda bintang (**), ini berarti terdapat korelasi antara variabel yang dihubungkan
dengan taraf signifikansi 1%.
B. KORELASI SPEARMAN BROWN
Jika uji pearson product momen yang telah kita dibahas pada artikel sebelumnya
bertujuan untuk mengetahui korelasi dengan data kuantitatif (skala interval atau rasio), maka
analisis korelasi rank spearman dapat digunakan untuk menguji hubungan antara variable
penelitian pada statistik non-parametrik (skala ordinal). Nilai koefisien dan kriteria keeratan
hubungan dua variable yang dipakai dalam analisis ini sama dengan yang digunakan dalam
korelasi pearson, hanya saja dalam korelasi rank spearman awalnya akan melakukan
peringkatan (rangking) terhadap data yang ada, kemudian baru melakukan uji korelasi.
Sebagaimana yang sudah saya sampaikan di atas, bahwa korelasi rank spearman
merupakan bagian dari statistik non-parametrik, oleh karena itu dalam analisis korelasi ini
tidak diperlukan asumsi adanya hubungan yang linear (uji linearitas) antara variabel
penelitian dan data penelitian tidak harus berdistribusi normal (uji normalitas)
Dalam analisis korelasi tidak ada istilah variabel bebas (X) maupun variabel terikat
(Y). Dengan demikian, dapat diartikan bahwa kedua variabel yang dikorelasikan
(dihubungkan) bersifat independen antara satu dengan yang lainnya, maksudnya adalah
masing-masing variabel berdiri sendiri dan tidak tergantung satu sama lain. Misalkan saya
mempunyai variabel X dan Y, maka hubungan variabel X dan Y adalah sama dengan
hubungan variabel Y dan X.
1) Tujuan analisis korelasi rank spearman
Tujuan analisis korelasi secara umum (korelasi pearson product momen maupun
korelasi rank spearman) adalah untuk:
 Melihat tingkat kekuatan (keeratan) hubungan dua variabel
 Melihat arah (jenis) hubungan dua variabel
 Melihat apakah hubungan tersebut signifikan atau tidak

2) Kriteria tingkat kekuatan korelasi

Dalam menentukan tingkat kekuatan hubungan antar variabel, kita dapat berpedoman
pada nilai koefisien korelasi yang merupakan hasil dari output SPSS, dengan ketentuan:
 Nilai koefisien korelasi sebesar 0,00 - 0,25 = hubungan sangat lemah
 Nilai koefisien korelasi sebesar 0,26 - 0,50 = hubungan cukup
 Nilai koefisien korelasi sebesar 0,51 - 0,75 = hubungan kuat
 Nilai koefisien korelasi sebesar 0,76 - 0,99 = hubungan sangat kuat
 Nilai koefisien korelasi sebesar 1,00 = hubungan sempurna

3) Kriteria arah korelasi

Arah korelasi dilihat pada angka koefisien korelasi sebagaimana tingkat kekuatan
korelasi. Besarnya nilai koefisien korelasi tersebut terletak antara + 1 sampai dengan -1. Jika
koefisien korelasi bernilai positif, maka hubungan kedua variabel dikatakan searah. Maksud
dari hubungan yang searah ini adalah jika variabel X meningkat maka variabel Y juga akan
meningkat. Sebaliknya, jika koefisien korelasi bernilai negatif maka hubungan kedua
variabel tersebut tidak searah. Tidak searah artinya jika variabel X menigkat maka variabel Y
akan menurun.

4) Kriteria signifikansi korelasi

Kekuatan dan arah korelasi (hubungan) akan mempunyai arti jika hubungan antar
variabel tersebut bernilai signifikan. Dikatakan ada hubungan yang signifikan, jika nilai Sig.
(2-tailed) hasil perhitungan lebih kecil dari nilai 0,05 atau 0,01. Sementara itu, jika nilai Sig.
(2-tailed) lebih besar dari 0,05 atau 0,01, maka hubungan antar variabel tersebut dapat
dikatakan tidak signifikan atau tidak berarti.

5) Contoh penyelesaian kasus korelasi rank spearman

Dalam contoh kali ini, peneliti ingin mengetahui apakah terdapat hubungan antara
kualitas produk dengan kepuasan konsumen. Untuk keperluan tersebut, peneliti menyebar 10
kuesioner disebuah toko furniture. Masalah yang akan diteliti ialah seberapa besar hubungan
antara variabel kualitas produk dengan kepuasan konsumen. Berikut jawaban 10 orang
responden atau pengunjung yang diberikan kuesioner.
 Untuk keperluan analisis data dalam SPSS, maka jawaban responden tersebut
kemudian diberi kode angka agar bisa dihitung:
 Untuk data kualitas produk menggunakan kode:
- Sangat tidak berkualitas (STB) diberi nilai 1
- Tidak berkualitas (TB) diberi nilai 2
- Cukup berkualitas (CB) diberi nilai 3
- Berkualitas (B) diberi nilai 4
- Sangat berkualitas (SB) diberi nilai 5

 Untuk data kepuasan konsumen menggunakan kode:

- Sangat tidak puas (STP) diberi nilai 1
- Tidak puas (TP) diberi nilai 2
- Cukup puas (CP) diberi nilai 3
- Puas (P) diberi nilai 4
- Sangat puas (SP) diberi nilai 5

Setelah dilakukan pengkodean, sebagaimana ketentuan di atas, maka bentuk data

penelitian untuk hubungan variabel kualitas produk dengan kepuasan konsumen adalah
sebagai berikut
6) Langkah-langkah:
a) Buka program SPSS (dalam hal ini saya menggunakan SPSS versi 21), kemudian klik
Variable View, pada kolom Name baris pertama tuliskan X dan baris kedua tuliskan
Y. Pada bagian Label untuk X tuliskan Kualitas Produk dan untuk Y tuliskan
Kepuasan Konsumen. Abaikan pilihan yang lainnya dan biarkan tetap default

b) Klik Data View, pada tampilan Data View terlihat ada dua buah variabel yakni
variabel X dan Y, selanjutnya tuliskan atau masukkan data penelitian untuk masing-
masing variabel

c) Jika data sudah di input dengan benar, lanjutnya klik menu Analyze > Correlate >
Bivariate....
 d) Muncul kotak dialog “Bivariate Correlations”, langkah berikutnya adalah masukkan
variabel Kualitas Produk [X] dan Kepuasan Konsumen [Y] ke kolom Variable (s),
kemudian pada bagian “Correlation Coefficient” beri tanda centang (v) pada pilihan
Spearman, pada bagian “Test of Significance” pilih Two-tailed. Selanjutnya, beri
tanda centang (v) pada Flag significant correlations, lalu klik Options...
e) Maka muncul kotak dialog “Bivariate Correlations: Options”, pada bagian “Missing
Values” pilih Exclude cases pairwise, lalu klik Continue
f) Klik Ok, maka akan muncul output korelasi rank spearman, sebagai berikut

7) Interpretasi output analisis korelasi rank spearman

Supaya lebih mudah dipahami, maka interpretasi output uji korelasi rank spearman ini
saya bagi menjadi tiga tahap interpretasi: (a) Melihat tingkat kekuatan (keeratan) hubungan
antar variabel, (b) Melihat arah (jenis) hubungan antar variabel, (c) Melihat apakah hubungan
tersebut signifikan atau tidak
 a) Melihat Tingkat Kekuatan (Keeratan) Hubungan Variabel Kualitas Produk dengan
Kepuasan Konsumen
Dari output di atas, diperolah angka koefisien korelasi sebesar 0,838**. Artinya,
tingkat kekuatan hubungan (korelasi) antara variabel kualitas produk dengan kepuasan
konsumen adalah sebesar 0,838 atau sangat kuat. Tanda bintang (**) artinya korelasi bernilai
signifikan pada angka signifikansi sebesar 0,01.
b) Melihat Arah (Jenis) Hubungan Variabel Kualitas Produk dengan Kepuasan Konsumen
Angka koefisien korelasi pada hasil di atas, bernilai positif, yaitu 0,838, sehingga
hubungan kedua variabel tersebut bersifat searah (jenis hubungan searah), dengan demikian
dapat diartikan bahwa kualitas semakin ditingkatkan kualitas produk maka kepuasan
konsumen juga akan memingkat.
c) Melihat Signifikansi Hubungan Kedua Variabel
Berdasarkan output di atas, diketahui nilai signifikansi atau Sig. (2-tailed) sebesar
0,002, karena nilai Sig. (2-tailed) 0,002 < lebih kecil dari 0,05 atau 0,01 maka artinya ada
hubungan yang signifikan (berarti) antara variabel kualitas produk dengan kepuasan
konsumen.

8) Pembuatan kesimpulan
Rumusan hipotesis:
Ho: Tidak ada hubungan antara kualitas produk dengan kepuasan pelanggan
H1: Ada hubungan antara kualitas produk dengan kepuasan pelanggan
Mengacu pada pembahasan di atas, maka kesimpulan dalam penelitian ini adalah
menolak H0, artinya ada hubungan signifikan yang sangat kuat dan searah antara variabel
kualitas produk dengan kepuasan pelanggan.

C. UJI LINEARITAS
Secara umum uji linearitas bertujuan untuk mengetahui apakah dua variabel
mempunyai hubungan yang linear secara signifikan atau tidak. Korelasi yang baik
seharusnya terdapat hubungan yang linear antara variabel predictor atau independent (X)
dengan variabel kriterium atau dependent (Y). Dalam beberapa referensi dinyatakan bahwa
uji linearitas ini merupakan syarat atau asumsi sebelum dilakukannya analisis regresi linear.
 Contoh sederhana hubungan linear misalnya seorang sarjana pendidikan matematika
menjadi guru matematika di sekolah tertentu. Maka hubungan antara keilmuan sarjana
pendidikan matematika dengan menjadi guru matematika adalah linear. Sementara jika
sarjana pendidikan matematika tersebut menjadi guru bahasa inggris di sekolah, maka
hubungan yang terbentuk adalah tidak linear.
1. Dasar Pengambilan Keputusan dalam Uji Linearitas
Suatu uji atau analisis yang dilakukan dalam penelitian harus berpedoman pada dasar
pengambilan keputusan yang jelas. Dasar pengambilan keputusan dalam uji linearitas dapat
dilakukan dengan dua cara, yaitu:
a) Membandingkan Nilai Signifikansi (Sig.) dengan 0,05
 Jika nilai Deviation from Linearity Sig. > 0,05, maka ada hubungan yang linear
secara signifikan antara variabel independent dengan variabel dependent.
 Jika nilai Deviation from Linearity Sig. < 0,05, maka tidak ada hubungan yang linear
secara signifikan antara variabel independent dengan variabel dependent.
b) Membandingkan Nilai F hitung dengan F tabel
 Jika nilai F hitung < F tabel, maka ada hubungan yang linear secara signifikan antara
variabel independent dengan variabel dependent.
 Jika nilai F hitung > F tabel, maka tidak ada hubungan yang linear secara signifikan
antara variabel independent dengan variabel dependent.
2. Contoh Praktek Uji Linearitas dalam Penelitian
Setelah mengetahui konsep dasar tentang uji linearitas, maka selanjutnya kita akan
mempraktekan cara melakukan uji linearitas dengan program SPSS. Data yang kita gunakan
adalah data variabel Motivasi Belajar (X) dan variabel Prestasi Belajar (Y) dengan
banyaknya sampel atau N=12. Dari kedua variabel yang ada kita hendak melakukan uji
linearitas untuk mengetahui apakah ada hubungan yang linear secara signifikan antara
motivasi belajar dengan prestasi belajar. Adapun rincian datanya, dilihat pada gambar tabel
di bawah ini.
Buka program SPSS, klik Variable View. Selanjutnya, pada bagian Name tulis saja Motivasi
kemudian Prestasi, pada Decimals ubah semua menjadi angka 0, pada bagian Label tuliskan
Motivasi Belajar kemudian Prestasi belajar, abaikan yang lainnnya. Tampak di layar.

Setelah itu, klik Data View, lalu masukkan data Motivasi Belajar dan Prestasi Belajar yang
sudah dipersiapkan tadi, bisa dengan cara copy-paste. Tampak di layar.
Berikutnya, dari menu utama SPSS pilih Analyze, lalu klik Compare Means, dan pilih
Means...

Muncul kotak dengan nama "Means". Kemudian, masukkan variabel Motivasi Belajar ke
kotak Independent List: dan variabel Prestasi Belajar ke kotak Dependent List:
Selanjutnya, klik Options, pada bagian "Statistics for First Layer" pilih Test of Linearity
kemudian klik Continue
Langkah terakhir adalah klik Ok untuk mengakhiri perintah. Maka akan muncul output
SPSS. Dalam hal ini kita cukup memperhatikan pada tabel output "ANOVA Table"
Interpretasi Output Uji Linearitas dengan SPSS

Seperti yang sudah saya jelaskan di awal, bahwa dasar pengambilan keputusan dalam uji
linearitas dapat dilakukan dengan dua cara yakni melihat nilai signifikansi dan nilai F.

1. Berdasarkan Nilai Signifikansi (Sig): dari output di atas, diperoleh nilai Deviation from
Linearity Sig. adalah 0,721 lebih besar dari 0,05. Maka dapat disimpulkan bahwa ada
hubungan linear secara signifikan antara variabel Motivasi Belajar (X) dengan variabel
Prestasi Belajar (Y).

2. Berdasarkan Nilai F: dari output di atas, diperoleh nilai F hitung adalah 0,457 < F tabel
4,35. Karena nilai F hitung lebih kecil dari nilai F tabel maka dapat disimpulkan bahwa ada
hubungan linear secara signifikan antara variabel Motivasi Belajar (X) dengan variabel
Prestasi Belajar (Y).

Catatan: Nilai F tabel dicari dengan rumus (df) Deviation from Linearity ; Within Gorups.
Berdasarkan output SPSS di atas diketahui nilai df adalah (3 ; 7). Kemudian kita tinggal
melihat distribusi nilai F tabel pada signifikansi 5% atau 0,05 dengan berpedoman pada nilai
df tersebut. Maka ditemukan nilai F tabel adalah sebesar 4,35. Lihat gambar di bawah ini.