Korelasi Pearson

Dr. Anton sebagai kepala Puskesmas di Kecamatan Sukamaju. di Puskesmas ini kunjungan ibu
hamil sangat rendah sehingga status gizi ibu hamil tidak terpantau dan kejadian BBLR sangat
tinggi. Oleh karena itu dr Anton ingin meneliti untuk mengetahui apakah ada hubungan status
gizi ibu hamil dengan berat bayi lahir. Adapun data status gizi ibu hamil dan berat bayi lahir
sebagai berikut:

No Status Berat
Gizi Bayi
Bumil Lahir
1 25.3 2750
2 33.1 2950
3 24.3 2950
4 20.9 2600
5 27.3 2700
6 21.7 2800
7 22.3 2400
8 23.4 2500
9 18.6 2900
10 19.2 2650
11 25.7 2300
12 22.4 2550
13 28.8 3450
14 29.2 3250
15 30.5 3100
16 25.0 2400
17 27.0 3000
18 20.0 2450
19 24.4 2600
20 26.5 2850
21 19.0 2950
22 27.6 3400
23 32.9 3500
24 25.4 2700
25 26.6 2900
26 20.3 2350
Langkah analisis :

1. Klik Analyze>Correlate>Bivariate
2. Pindahkan variabel Status Gizi Bumil dan Berat Bayi Lahir ke kolom variable
3. Pilih pearson pada Correlation coeffecient
4. Pilih Two-Tailed pada Test of significance
5. Aktifkan Flag signiicant correlations
6. Kemudian OK
Hasil Output SPSS
Correlations

Status Gizi Bumil Berat Bayi Lahir

Status Gizi Bumil Pearson Correlation 1 .597**

Sig. (2-tailed) .001

N 26 26
Berat Bayi Lahir Pearson Correlation .597** 1

Sig. (2-tailed) .001

 N 26 26

**. Correlation is significant at the 0.01 level (2-tailed).

Interpretasi Analisis Korelasi Bivariate Pearson

Berdasarkan tabel output di atas, kita akan melakukan penarikan kesimpulan dengan merujuk
pada tiga dasar pengambilan keputusan dalam analisis korelasi bivariate pearson.
1. Berdasarkan Nilai Signifikansi Sig. (1-tailed): Dari tabel output di atas diketahui nilai Sig. (1-
tailed) antara Status Gizi Bumil dengan Berat Bayi Lahir adalah sebesar 0,001 < 0,05, yang
berarti terdapat korelasi antara variabel Status Gizi Bumil dengan Berat Bayi Lahir.
2. Berdasarkan Nilai r hitung (Pearson Correlations): Diketahui nilai r hitung untuk hubungan
Status Gizi Bumil dengan Berat Bayi Lahir adalah sebesar adalah sebesar 0,597 > r tabel 0,496,
maka dapat disimpulkan bahwa ada hubungan atau korelasi antara variabel Status Gizi Bumil
dengan variabel Berat Bayi Lahir. 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 Status Gizi Bumil maka akan meningkat pula Berat
Bayi Lahir.
Catatan : r tabel 0,496 dilihat dari sampel yang digunakan yaitu berjumlah 26 orang dengan
signifikansi 1%
3. Berdasarkan Tanda Bintang (**) SPSS: Dari output di atas diketahui bahwa nilai Pearson
Correlation antara masing-masing variabel yang dihubungkan mempunyai satu tanda bintang
(**), ini berarti terdapat korelasi antara variabel yang dihubungkan dengan taraf signifikansi 1%.

Korelasi Rank Spearman

Seorang mahasiswa melakukan sebuah penelitian untuk mengetahui hubungan kualitas
pelayanan pada Puskesmas X dengan tingkat kepuasan pasien. Data hasil survei pasien secara
ringkas disajikan pada tabel di bawah ini.
No. Tingkat Pelayanan Tingkat Kepuasan
1 5 5
2 4 4
3 4 4
4 3 4
5 2 2
6 5 5
7 3 3
 8 4 3
9 2 3
10 5 4
11 4 4
12 5 5
13 4 5
14 5 5
15 3 3
Keterangan:
– Pelayanan (5=Sangat Baik, 4 = Baik, 3 = Cukup Baik, 2 = Tidak Baik, 1 = Sangat Tidak Baik)
– Kepuasan (5=Sangat Puas, 4 = Puas, 3 = Cukup Puas, 2 = Tidak Puas, 1 = Sangat Tidak Puas)
Hipotesis:
Ho : Tidak terdapat hubungan antara tingkat pelayanan dengan kepuasan pasien Puskesmas X.
Ha : Terdapat hubungan antara tingkat pelayanan dengan kepuasan pasien Puskesmas X.
Penyelesaian Kasus:
Langkah-langkah menyelesaikan kasus di atas melalui uji korelasi Rank Spearman menggunakan
SPSS adalah sebagai berikut.
1. Jalankan aplikasi SPSS.

2. Pada sheet “Variable View”, isi dengan variabel yang akan kita diuji yakni variabel
“Pelayanan” dan “Kepuasan”.
3. Pada “Value” variabel “Pelayanan” isi dengan kode Value 5 = Sangat Baik, 4 = Baik, 3 =
Cukup Baik, 2 = Tidak Baik, 1 = Sangat Tidak Baik. Sedangan value variabel “Kepuasan” isi
dengan kode Value 5 = Sangat Puas, 4 = Puas, 3 = Cukup Puas, 2 = Tidak Puas, 1 = Sangat Tidak
Puas.

4. Selanjutnya pada sheet “Data View”, input data yang akan kita uji.
5. Pada Menu Bar SPSS, klik menu Analyze, Correlate, selanjutnya Bivariate. Pindahkan
variabel “Pelayanan dan Kepuasan” ke kolom Variables. Ceklist Spearman pada kolom
Correlation Coefficients. Terakhir, klik OK.

6. Interpretasi hasil uji korelasi Rank Spearman adalah sebagai berikut.

Dari hasil perhitungan di atas diketahui bahwa nilai Signifikansi (SIG) Spearman dalah sebesar
0,000. Karena nilai SIG = 0,000 < 0,05, maka Ho ditolak dan dapat diambil kesimpulan bahwa
terdapat hubungan antara tingkat pelayanan dengan kepuasan pasien Puskesmas X.

Korelasi Parsial
Seorang peneliti ingin mengetahui apakah ada hubungan antara status gizi dengan kadar
hemoglobin ibu hamil terhadap berat bayi lahir sebagai variabel kontrol. Penelitian dilakukan
secara acak dengan responden sebanyak 26 ibu hamil. Adapun data status gizi ibu hamil dan
kadar hemoglobin sebagai berikut:
No Status gizi Kadar Berat
bumil hemogl bayi
obin lahir
1 25.3 11.2 2950
2 33.1 11.6 3150
3 24.3 10.3 2400
4 20.9 8.9 2400
5 27.3 10.1 2450
6 21.7 9.9 2600
7 22.3 10.5 2400
8 23.4 9.5 2600
9 18.6 9.7 2900
10 19.2 11.4 2600
11 25.7 11.2 2600
12 22.4 10.0 2400
13 28.8 10.0 2800
14 29.2 10.0 2300
15 30.5 8.6 2900
16 25.0 8.7 2700
17 27.0 8.3 2500
18 20.0 9.0 2900
19 24.4 12.3 3100
20 26.5 12.0 2450
21 19.0 11.9 2600
22 27.6 11.6 2700
23 32.9 10.9 2900
24 25.4 10.7 2950
25 26.6 10.8 2600
26 20.3 10.1 2400
Langkah analisis :
1. Pilih menu Analyze---> Correlate ---> Partial, lalu klik sehingga muncul tampilan Partial
Correlations
2. Selanjutnya masukkan variabel Status Gizi Bumil dan variabel Kadar hemoglobin ke dalam
kotak Variables:. Sedangkan variabel Berat Bayi Lahir dimasukkan kedalam kotak Controlling
for:.
3. Pada bagian Test of Significance pilih Two-tailed dan centang display actual significance
level. karena kita akan menggunakan uji dua sisi
4. Lalu pilih Options: pada bagian statistics centang Means and Standard Deviations dan Zero-
order correlations. pada bagian Missing Values pilih Exclude cases pairwise. karena variabel
berpasangan. selanjutnya tekan continue.
5. Langkah terakhir tekan OK
Hasil Output SPSS

Correlations

status_gizi_bumi kadar_hemoglob
Control Variables l in berat_bayi_lahir

-none-a status_gizi_bumil Correlation 1.000 .085 .289

Significance (2-tailed) . .679 .152

df 0 24 24

kadar_hemoglobin Correlation .085 1.000 .223

Significance (2-tailed) .679 . .275

df 24 0 24

berat_bayi_lahir Correlation .289 .223 1.000

Significance (2-tailed) .152 .275 .

df 24 24 0
berat_bayi_lahir status_gizi_bumil Correlation 1.000 .022

Significance (2-tailed) . .915

df 0 23

kadar_hemoglobin Correlation .022 1.000

Significance (2-tailed) .915 .

df 23 0

a. Cells contain zero-order (Pearson) correlations.

Interpretasi Hasil
Bagian pertama
Hasil output pada bagian pertama (-none-a) sebelum digunakan korelasi parsial atau tanpa
variabel kontrol menunjukkan bahwa status gizi bumil dan Kadar hemoglobin diperoleh nilai
korelasi sebesar 0.085 dan nilai significance (2-tailed) diperoleh 0.679. Selanjutnya tinjau tabel
statistik yaitu tabel (r). Jumlah sampel 26 orang, berdasarkan tabel r kita menggunakan N-2 yaitu
26-2 = 24, pada tabel lihat baris ke 24 pada taraf signifikan 0.05 diperoleh 0.388. sedangkan nilai
significance (2-tailed) > 0.05. Karena nilai korelasi 0.085 < 0.388 dan nilai signifikan 0.679 >
0.05, bagian ini tanpa ada variabel kontrol tingkat keeratan hubungan antara status gizi bumil
dengan Kadar hemoglobin nilainya tergolong tidak kuat hubungannya/tidak ada kaitannya.

Bagian kedua
Bagian kedua ini kita akan menggunakan variabel kontrol yaitu berat bayi lahir. variabel tersebut
berpengaruh atau tidak terhadap status gizi bumil dan Kadar hemoglobin, dalam hal ini koefesien
korelasi antara gizi bumil dan Kadar hemoglobin diperoleh nilai 0.022 dan nilai significance (2-
tailed) diperoleh 0.915. Sebelum menggunakan tabel (r), perhatikan terlebih dahulu jumlah siswa
dan degrees of freedom (df atau derajat kebebasan) yaitu: df = N-k-1, artinya N=jumlah siswa,
k=jumlah variabel, maka df= 26-2-1 = 23. Selanjutnya kita akan mencari nilai r tabel yaitu: dapat
dicari pada baris ke 23 dan taraf signifikan 0.05 diperoleh 0.396, dan nilai significance (2-tailed)
> 0.05. Karena nilai 0.022 < 0.396 dan nilai signifikan 0.915 > 0.05. dapat diketahui korelasinya
atau hubungannya tidak kuat/tidak ada kaitannya.