OLEH:
RIRIN HANRIESTA BR MATONDANG
NIM. 19137083
DOSEN PENGAMPU:
Adree Octova, S.Si., M.T
DAFTAR ISI......................................................................................................... i
BAB I PENDAHULUAN..................................................................................... 1
A. Latar Belakang.......................................................................................... 1
BAB II DASAR TEORI....................................................................................... 2
A. Statistik Korelasi....................................................................................... 2
B. Persyaratan................................................................................................ 4
1. Variabel/Parameter ............................................................................ 4
2. Kelebihan Analisis Statistik Korelasi................................................. 5
3. Perumusan........................................................................................... 6
C. Langkah Kerja........................................................................................... 7
BAB III KESIMPULAN.....................................................................................11
DAFTAR PUSTAKA......................................................................................... 12
i
BAB I
PENDAHULUAN
A. Latar Belakang
Metode statistika nonparametrik sering disebut metode bebas sebaran (distribution free)
karena model uji statistiknya tidak menetapkan syarat-syarat tertentu tentang bentuk-bentuk
persamaan regresi dan menentukan korelasi (hubungan) data. Sekarang ini, istilah regresi
ditetapkan pada semua jenis peramalan, dan tidak harus berimplikasi suatu regresi
mendekati nilai tengah populasi. Sedangkan Teknik korelasi merupakan teknik analisis yang
melihat kecenderungan pola dalam satu variabel berdasarkan kecenderungan pola dalam
variabel yang lain. Maksudnya, ketika satu variabel memiliki kecenderungan untuk naik
maka kita melihat kecenderungan dalam variabel yang lain apakah juga naik atau turun atau
tidak menentu. Jika kecenderungan dalam satu variabel selalu diikuti oleh kecenderungan
dalam variabel lain, kita dapat mengatakan bahwa kedua variabel ini memiliki hubungan
atau korelasi.
Data yang baik adalah data yang memiliki keakuratan maksimal dan adanya
keterikatan dengan data lain yang masih bersangkutan. Untuk menciptakan data yang baik
data mentah perlu di distribusikan dan diolah. Data yang baik akan mempermudah dalam
menganalisis/mengidentifikasi karakteristik data dan mengulangi percobaan jika diperlukan.
1
BAB II
DASAR TEORI
A. Statistik Korelasi
1. Pengertian Statistik Korelasi
dua variable yang terdiri dependend variable terikat atau varaibel yang dipengaruhi dan
independend vriabel yang mempengaruhi atau disebut juga variable bebas. Analisis
korelasi berkaitan erat dengan regresi, tetapi secara konsep berbeda dengan analisis
regresi. Analisis korelasi adalah mengukur suatu tingkat atau kekuatan hubungan linear
antara dua variabel. Koefisien korelasi adalah mengukur kekuatan hubungan linear.
Sebagai contoh, kita tertarik untuk menemukan korelasi antara merokok dengan penyakit
kanker, berdasarkan penjelasan statistik dan matematika, pada anak sekolah dan
mahasiswa (dst).
Untuk mengetahui hubungan antara dua variabel, maka cukup melihat nilai
dari koefisien korelasi. Koefisien korelasi (r) merupakan indeks atau bilangan yang
2
2. Macam-macam Korelasi
Macam-macam korelasi terbagi menjadi tujuh yaitu:
a. Korelasi positip : Korelasi positif adalah tingkat hubungan antara dua variabel yang
mempunyai ciri, bahwa perubahan variabel independent x (variabel bebas x) diikuti
oleh perubahan variable dependent y (variabel tidak bebas y) secara “searah.”.
b. Korelasi negatip: Korelasi negatif adalah tingkat hubungan antara dua variabel yang
mempunyai ciri, bahwa perubahan variabel independent x (variabel bebas x) diikuti
oleh perubahan variabel dependent y (variabel tidak bebas y) secara “Berlawanan”.
c. Korelasi sederhana (simple corelation) : Adalah tingkat hubungan yang terjadi antara
2 (dua) variabel saja.
d. Korelasi Multiple (Multiple Corelation) : Yaitu tingkat hubungan yang tejadi antara
2 (dua) variable atau lebih. Misalkan pada model regrsi linier multiple ( y = a0 +
a1x1 +a2x2 + e ), maka maksud dan pengertian dari pernyataan di atas adalah:
Tingkat hubungan antara y dengan x1 atau tingkat hubungan antara y dengan x2 atau
tingkat hubungan antara x1 dan x2.
e. Korelasi sempurna (perfect corelation) : Maksud dan pengertian dari Korelasi
sempurna antara 2 variabel, yaitu suatu kondisi bahwa setiap nilai variabel bebas x
akan terdapat pada setiap nilai variabel tidak bebas y nya. Hal ini dapat diartikan
pula, bahwa garis regresi yang terbentuk dari data yang tersebar (terdistribusi) adalah
merupakan tempat kedudukan dari data – data dimaksud, sehingga nilai r nya =1 atau
r = -1.
f. Korelasi Tidak Sempurna (Imperfect Corelation) : Korelasi antara 2 (dua) variabel
dikatakan tidak sempurna, jika titik–titik yang tersebar tidak terdistribusi tepat pada
satu garis lurus.
g. Korelasi yang mustahil (nonsense corelation): Korelasi antara dua variabel yang
seolah-olah ada tetapi tidak ada.
3. Arah Korelasi
Hubungan yang sifatnya searah diberi nama korelasi positif, sedangkan yang
berlawanan arah disebut korelasi negative. Disebut korelasi positif, jika dua variable (atau
lebih) yang berkolerasi berjalan parallel, artinya bahwa hubungan antara dua variable
3
(atau lebih) itu menunjukan arah yang sama. Jadi apabila variable X mengalami kenaikan
atau pertambahan akan diikuti pula dengan kenaikan atau pertambahan, akan diikuti pula
dengan kenaikan atau pertambahan pada variable Y atau sebaliknya, penurunan dan
pengurangan pada variable X akan akan diikuti pula dengan penurunan dan pengurangan
pada variable Y. Contoh: Makin meningkatnya kesadaran hokum dikalangan masyarakat
dikuti dengan makin menurunnya angka kejahatan atau angka pelanggaran. Makin
giatnya orang berlatih makin sedikit pula kesalahan yang diperbuat oleh seseorang, makin
meningkatnya jumlah aseptor keluarga berencana diikuti dengan makin menurunnya
angka kelahiran atau sebaliknya, dalam dunia pendidikan misalnya, makin kurang
dihayati dan diamalkannya ajaran agama islam oleh para remaja akan diikuti oleh makin
meningkatnya frekuensi kenakalan remaja atau sebaliknya.
Teknik korelasi merupakan teknik analisis yang melihat kecenderungan pola dalam
satu variabel berdasarkan kecenderungan pola dalam variabel yang lain. Maksudnya,
ketika satu variabel memiliki kecenderungan untuk naik maka kita melihat
kecenderungan dalam variabel yang lain apakah juga naik atau turun atau tidak menentu.
Jika kecenderungan dalam satu variabel selalu diikuti oleh kecenderungan dalam variabel
lain, kita dapat mengatakan bahwa kedua variabel ini memiliki hubungan atau korelasi.
B. Persyaratan Statistik Korelasi
1. Variabel/Parameter Statistik Korelasi
a. Kovarian
Salah satu ukuran kekuatan hubungan linear antara dua variabel acak kontinu
adalah dengan menentukan seberapa banyak kedua variabel tersebut co-vary, yaitu
bervariasi bersama-sama. Jika salah satu variabel meningkat (atau menurun) sebagai
akibat peningkatan (atau penurunan) variabel pasangannya, maka dua variabel
tersebut dinamakan covary. Namun jika satu variabel tidak berubah dengan
meningkatnya (atau penurunan) variabel lain, maka variabel tersebut tidak covary.
Statistik untuk mengukur berapa banyak kedua variabel covary dalam sampel
pengamatan adalah kovarian.
Selain mengukur besarnya kekuatan hubungan di antara dua variabel,
kovarian juga menentukan arah hubungan dari kedua variabel tersebut.
4
1) Apabila nilainya positif, berati bahwa apabila nilai x berada di atas nilai rata-
ratanya, maka nilai y juga berada di atas nilai rata-rata y, dan sebaliknya
(Searah).
2) Nilai kovarian negatif menunjukkan bahwa apabila nilai x berada di atas nilai
rata-ratanya sedangkan nilai y berada di bawah nilai rata-ratanya (berlawanan
arah).
3) Terakhir, apabila nilai kovarian mendekati nol, menandakan bahwa kedua
variabel tersebut tidak saling berhubungan.
b. Standarisasi
Salah satu keterbatasan kovarian sebagai ukuran kekuatan hubungan linier
adalah arah/besarnya gradien yang tergantung pada satuan dari kedua variabel
tersebut. Misalnya, kovarian antara serapan N (%) dan Hasil Padi (ton) akan jauh
lebih besar apabila satuan % (1/100) kita konversi ke ppm (1/sejuta). Agar nilai
kovarian tidak tergantung kepada unit dari masing-masing variabel, maka kita harus
membakukannya terlebih dahulu yaitu dengan cara membagi nilai kovarians tersebut
dengan nilai standar deviasi dari kedua variabel tersebut sehingga nilainya akan
terletak antara -1 dan +1. Ukuran statistik tersebut dikenal dengan Pearson product
moment correlation yang mengukur kekuatan hubungan linier (garis lurus) dari
kedua variabel tersebut. Koefisien korelasi linear kadang-kadang disebut sebagai
koefisien korelasi pearson untuk menghormati Karl Pearson (1857-1936), yang
pertama kali mengembangkan ukuran statistik ini.
5
1) Hubungan kedua variabel tidak ada
2) Hubungan kedua variabel lemah
3) Hubungan kedua variabel cukup kuat
4) Hubungan kedua variabel kuat
5) Hubungan kedua variabel sangat kuat.
Penentuan tersebut didasarkan pada kriteria yang menyebutkan jika hubungan
mendekati 1, maka hubungan semakin kuat; sebaliknya jika hubungan mendekati 0,
maka hubungan semakin lemah.
3. Perumusan
a. Korelasi Product Moment
Untuk keperluan perhitungan koefisien korelasi (r) berdasarkan sekumpulan data
(X,Y) berukuran n dapat digunakan rumus:
Dimana :
n = Banyaknya Pasangan data X dan Y
Σx = Total Jumlah dari Variabel X
Σy = Total Jumlah dari Variabel Y
Σx2= Kuadrat dari Total Jumlah Variabel X
Σy2= Kuadrat dari Total Jumlah Variabel Y
Σxy= Hasil Perkalian dari Total Jumlah Variabel X dan Variabel Y
b. Korelasi Product Moment
Untuk keperluan perhitungan koefisien korelasi (r) berdasarkan sekumpulan data
(X,Y) berukuran n dapat digunakan rumus:
Dimana :
6
Σx2 = Jumlah semua data variabel X deviasi dikuadratkan
Σy2 = Jumlah semua data variabel Y deviasi dikuadratkan
Σxy = Jumlah semua data variabel X drviasi dikali Y deviasi
c. Korelasi Tata Jenjang (Spearman Rank)
Disebut juga rank order correlation atau rank defference corelation. Dapat
menghitung tingkat hubungan antara sesama variabel dengan data ordinal.
Dimana :
ρ (rho) = koefisien korelasi
D = perbedaan skor antara 2 variabel
N = Jumlah subyek dalam variabel
d. Korelasi Poin Biserial
Menghitung tingkat hubungan variabel berdata nominal bersifat dikotomi (X) dengan
variabel berdata skala interval (Y).
C. Langkah Kerja
1. Analisis Statistik Korelasi Menggunakan Excel
Langkah-langkah untuk melakukan analisis statistik korelasi adalah sebagai
berikut:
a. Buka Program Microsoft Excel
b. Masukan data diatas ke dalam worksheet Excel
7
c. Di Menu Bar, Klik [Data]
d. Klik [Data Analysis] pada Menu Bar Data, maka akan muncul Window “Data
Analysis” seperti dibawah ini :
8
a. Buka software SPSS lalu definisikan variabel penelitian kita pada jendela Variabel
View, setelahnya masukan data kedalam software SPSS melalui jendela Data View.
Dalam tampilan SPSS akan terlihat seperti gambar berikut :
b. Pilih menu Analyze lalu klik Correlate lalu pilih Bivariate lalu klik, maka akan
muncul jendela SPSS seperti gambar di bawah ini, yang berisikan menu-menu
kelengkapan analisis korelasi.
d. Untuk menentukan uji korelasi pada variabel, pilih jenis dari uji korelasi pada menu
Correlation Coefficients. Ada 3 (tiga) pilihan jenis pengujian yaitu Pearson (skala
interval-rasio), Kendal’s Tau dan Spearman (skala ordinal). Setelah pasti dengan
pilihan jenis uji korelasi pada pasangan variabel lalu klik OK.
9
e. Maka SPSS akan memproses perhitungan koefisien korelasi dan akan muncul
tampilan output SPSS seperti gambar di bawah ini.
f. Ada 2 (dua) bagian penting pada output SPSS di atas, yaitu besaran koefisien
korelasi yang mengukur tingkat/derajat hubungan antar variabel yang diujikan dan
Sig. yang berfungsi dalam menentukan berarti atau tidaknya nilai koefisien korelasi
yang dihasilkan secara statistik.
10
KESIMPULAN
11
DAFTAR PUSTAKA
Astuti, C. C. (2017). Analisis korelasi untuk mengetahui keeratan hubungan antara keaktifan
mahasiswa dengan hasil belajar akhir. JICTE (Journal of Information and Computer
Technology Education), 1(1), 1-7.Muchson, M., & MM, S. (2017). Statistik Deskriptif.
Spasi Media.
Hasan, Iqbal.2006. Analisis Data Penelitian Statistik. Jakarta: Bumi Aksara Sudjana. 2002.
Metode Statistika. Bandung: Tarsito. Usman, H. 2006. Pengantar Statistika. Jakarta:
Bumi Aksara
Sadik, K. (1995). Analisis Korelasi dan Regresi.
Siregar, S. L. (2003). Korelasi Kanonikal: Komputasi dengan Menggunakan SPSS dan
Interpretasi Hasil Analisis. Jakarta: Fakultas Ekonomi Universitas Gunadarma.
Wahyono, T. (2013). 25 Model Analisis Statistik dengan SPSS 17. Elex Media Komputindo.
Wijayanto, A. (2008). Analisis Korelasi Product Moment Pearson.
12