PERTEMUAN KE- 1 9

ANALISIS KORELASI

A. TUJUAN PEMBELAJARAN :
Setelah mengikuti perkuliahan ini, Anda diharapkan mampu:
1.1. Menghitung koefisien korelasi dan koefisien determinasi serta mampu menfsirkannya.

B. URAIAN MATERI

ANALISIS KORELASI
Analisis korelasi (hubungan) merupakan bentuk analisis inferensial yang digunakan untuk
mengetahui derajad atau kekuatan hubungan, bentuk atau hubungan kausal dan hubungan timbale balik
diantara variabel-variabel penelitian. Selain itu, analisis ini dapat digunakan untuk mengetahui besarnya
pengaruh suatu variabel bebas atau beberapa variabel bebas secara bersama terhadap variabel terikat
melalui analisis koefisien determinasi.

Apabila terdapat hubungan antar variabel maka perubahan-perubahan yang terjadi pada salah satu
variabel akan mengakibatkan terjadinya perubahan pada variabel lainnya. Dari analisis korelasi ini, dapat
diketahui hubungan antar variabel tersebut, yaitu merupakan suatu hubungan kebetulan atau memang
hubungan yang sebenarnya. Jenis statistika uji hipotesis korelasi meliputi korelasi sederhana (bivariat),
korelasi ganda, dan korelasi parsial.

1. Korelasi Sederhana

Korelasi merupakan istilah yang digunakan untuk mengukur kekuatan hubungan antar variabel.
Sedangkan analisis korelasi sederhana yaitu analisis korelasi yang melibatkan dua variabel (bivariat). Korelasi
yang terjadi antara dua variabel (bivariat) dapat berupa korelasi positif, korelasi negative, tidak ada korelasi
ataupun korelasi sempurna. Korelasi bivariat ini merupakan korelasi yang paling sederhana karena korelasi
tersebut hanya mencari hubungan antar dua variabel dengan berbagai variasi yang ada. Seuai jenis data yang
dikorelasikan, maka ada beberapa teknik analisis korelasi bivariat diantaranya yaitu:

a. Product moment digunakan pada data interval/ rasio dengan interval rasio.
b. Rank/Spearmen digunakan pada data ordinal dengan ordinal.
c. Kendal Tan digunakan pada data ordinal dengan ordinal.
d. Point Biserial digunakan pada data interval/rasio dengan dikotomi (murni).
e. Biserial digunakan pada data interval/rasio dengan dikotomi (buatan).
f. Koefisien Phi digunakan pada data dikotomi dengan dikotomi.
g. Koefisien Kontingensi digunakan pada data nominal (politomi) dengan nominal (politomi).
 Untuk mengetahui tingkat keeratan linear antara kedua variabel yang nilainya dipengaruhi oleh skala
atau satuan pengukuran pada X dan Y dengan menggunakan rumus r menghasilkan koefisien korelasi akan
diperoleh kemungkinan pancaran data yang diwakilinya sebagai berikut:

• Nilai korelasi berkisar antara -1 dan +1 yang menunjukkan korelasi sempurna.

r = +1 r = -1

Korelasi Sempurna Korelasi Sempurna

Gambar Korelasi sempurna bernilai +1 dan -1
Gambar di atas menunjukkan korelasi sempurna bernilai +1 dan -1, dimana pencaran pengamatan
(xi , yi) tepat berada pada garis regresi linier.

• Tanda dari r yang menunjukkan korelasi positif atau negatif, yang menunjukkan hubungan kedua
peubah variabel.

r positif tinggi r negatif tinggi

Gambar Korelasi Tinggi bernilai Positif dan Negatif
Gambar di atas menunjukkan terdapat hubungan linier dimana korelasi tinggi dengan pencaran
pengamatan (xi , yi) mendekati garis regresi linier.

r positif rendah tidak berkorelasi

Gambar Korelasi Rendah dan Tidak Berkorelasi
Gambar di atas menunjukkan terdapat hubungan linier dimana korelasi rendah dan tidak ada korelasi
dengan pencaran pengamatan (xi , yi) menjauhi garis regresi linier.

• Besarnya nilai r menunjukkan keeratan hubungan linear antara dua peubah.

 r positif tinggi r =0r hubungan tidak linier

Gambar Korelasi Tidak Linear

Gambar di atas menunjukkan hubungan tidak linier dimana korelasi positif tinggi dan tidak ada
korelasi dengan pencaran pengamatan (xi , yi) menjauhi garis regresi linier.

Dan Apabila kita mempunyai tiga variabel 𝑌, X1, X2, maka kita dapat menentukan hubungan atau
korelasi sederhana antara X1 dan 𝑌, X2 dan 𝑌, serta X1 dan X2. Korelasi X1 dan 𝑌 digambarkan dengan
rumus berikut :

Korelasi X2 dan 𝑌 digambarkan dengan rumus berikut :

Korelasi X1 dan X2 digambarkan dengan rumus berikut :

2. Korelasi Parsial

Korelasi parsial adalah suatu metode pengukuran keeratan hubungan (korelasi) antara variabel bebas
dan variabel tak bebas dengan mengontrol salah satu variabel bebas untuk melihat korelasi natural antara
variabel yang tidak terkontrol. Analisis korelasi parsial (partial correlation) melibatkan dua variabel. Satu buah
variabel yang dianggap berpengaruh akan dikendalikan atau dibuat tetap (sebagai variabel kontrol). Sebagai
contoh misalnya kita akan meneliti hubungan variabel X2 dan variabel bebas Y, denganX1 dikontrol (korelasi
parsial). Disini variabel yang dikontrol (X1) dikeluarkan atau dibuat konstan. Sehingga X2’ = X2 – (b2X1 + a2 )
dan Y’ = Y – (b1 X1 +a1 ), tetapi nilai a dan b didapatkan dengan menggunakan regresi linear. Setelah hasilnya
diperoleh, kemudian dicari regresi X2‘ dengan Y’ dimana : Y’ = b3X2’ +a3. Korelasi yang didapatkan dan sejalan
dengan model-model di atas dinamakan korelasi parsial X2 dan Y sedangkan X1 dibuat konstan.

Nilai korelasi berkisar antara 1 sampai -1, nilai semakin mendekati 1 atau -1 berarti hubungan antara
dua variabel semakin kuat. Sebaliknya, jika nilai mendekati 0 berarti hubungan antara dua variabel semakin
lemah. Nilai positif menunjukkan hubungan searah (X naik, maka Y naik) sementara nilai negatif menunjukkan
hubungan terbalik (X naik, maka Y turun). Data yang digunakan dalam korelasi parsial biasanya memiliki skala
interval atau rasio. Berikut adalah pedoman untuk memberikan interpretasi serta analisis bagi koefisien
korelasi menurut Sugiyono:

0.00 – 0,199 = sangat rendah

0,20 – 0,3999 = rendah

0,40 – 0,5999 = sedang

0,60 – 0,799 = kuat

0,80 – 1,000 = sangat kuat

Variabel Y berkorelasi dengan X1 dan X2, maka koefisien korelasi antara Y dan X1 (X2 konstan),
antara Y dan X2 (X1 konstan), dan antara X1 dan X2 (Y konstan) disebut Koefisien Korelasi Parsial (KKP).
Koefisien korelasi parsial X1 dan Y, kalau X2 konstan

Koefisien korelasi parsial X2 dan Y, kalau X1 konstan

Koefisien korelasi parsial X2 dan X1, kalau Y konstan

3. Korelasi Berganda

Korelasi ganda adalah bentuk korelasi yang digunakan untuk melihat hubungan antara tiga atau lebih
variabel (dua atau lebih variabel independen dan satu variabel dependent. Korelasi ganda berkaitan dengan
interkorelasi variabel-variabel independen sebagaimana korelasi mereka dengan variabel dependen. Korelasi
ganda adalah suatu nilai yang memberikan kuatnya pengaruh atau hubungan dua variabel atau lebih secara
bersama-sama dengan variabel lain. Korelasi ganda merupakan korelasi yang terdiri dari dua atau lebih
variabel bebas (X1,X2,…..Xn) serta satu variabel terikat (Y). Apabila perumusan masalahnya terdiri dari tiga
masalah, maka hubungan antara masing-masing variabel dilakukan dengan cara perhitungan korelasi
sederhana.

Korelasi ganda memiliki koefisien korelasi, yakni besar kecilnya hubungan antara dua variabel yang
dinyatakan dalam bilangan. Koefisien Korelasi disimbolkan dengan huruf R. Besarnya Koefisien Korelasi
adalah antara -1; 0; dan +1. Besarnya korelasi -1 adalah negatif sempurna yakni terdapat hubungan di antara
dua variabel atau lebih namun arahnya terbalik, +1 adalah korelasi yang positif sempurna (sangat kuat) yakni
adanya sebuah hubungan di antara dua variabel atau lebih tersebut, sedangkan koefisien korelasi 0 dianggap
tidak terdapat hubungan antara dua variabel atau lebih yang diuji sehingga dapat dikatakan tidak ada
hubungan sama sekali. Dan untuk mengetahui kuatnya hubungan antara variabel Y dengan beberapa
variabel X lainnya(misalnya antara Y dengan X1 dan X2)

4. Korelasi Product Moment (Pearson):

Korelasi ini digunakan untuk data interval/rasio dengan data interval/rasio. Selain itu juga harus
memenuhi syarat:

- Sampel diambil secara acak (random) - Data setiap variabel berdistribusi normal - Bentuk regresi
linier.
- Rumus mencari koefisien korelasi (rxy):

rxy 𝑛 .∑ 𝑥𝑦 −∑ 𝑥 ∑ 𝑦
=
√ [𝑛 ∑ 𝑥 2 −(∑ 𝑥 )2 ][𝑛 ∑ 𝑦 2 (∑ 𝑦 )2 ]
Dimana: n = Banyaknya pasang data (unit sampel)
X = variabel bebas
Y = variabel terikat

- Interpretasi nilai koefisien korelasi, seperti ditunjukkan dalam tabel berikut:

Range Nilai Keterangan
0,00 - 0,25 Korelasi sangat lemah dianggap tidak ada
0,25 - 0,50 Korelasi cukup kuat
0,50 - 0,75 Korelasi kuat
0,75 -1,00 Korelasi sangat kuat
Sumber : Sarwono (2007)

- Tiga kemungkinan hipotesis yang diuji:

 1) Uji Hipotesis dua pihak:

• Hipotesis nol (Ho) :ρ=0

• Hipotesis alternatif (H1) : ρ ≠ 0 2) Uji Hipotesis satu p ihak, Uji pihak kanan:

• Hipotesis nol (Ho) :ρ>0

• Hipotesis alternatif (H1) : ρ < 0 3) Uji Hipotesis satu pihak, Uji pihak kiri:

• Hipotesis nol (Ho) :ρ<0

• Hipotesis alternatif (H1) :ρ>0
- Pengujian Hipotesis dapat dilakukan dengan menggunakan:
• Tabel r product moment (untuk n besar) dengan dk = n.
• Tabel distribusi t (untuk n kecil) dengan dk = n - 2.
- Kriteria pengujian dengan tabel r product moment:
• Ho diterima : jika rhitung < rtabel.
• Ho ditolak : jika rhitung > rtabel.
- Kriteria pengujian dengan tabel distribusi t:
• Ho diterima : jika thitung < ttabel.
• Ho ditolak : jika thitung > ttabel.

- Rumus konversi nilai r menjadi thitung: t=

5. Koefisien Determinasi (KD)

Koefisien determinasi dilambangkan dengan r2. Nilai ini menyatakan proporsi variabel terikat yang
dapat diterangkan atau diakibatkan oleh hubungan linier dengan variabel bebas. Selain itu, sisanya
diterangkan oleh variabel yang lain (galat atau peubah lainnya). Nilai koefisien determinasi dinyatakan
dalam kuadrat dari nilai koefisien korelasi r2 x 100%= n%, memiliki makna bahwa nilai variabel terikat
dapat diterangkanoleh variabel bebas sebesar n%, sedangkan sisanya sebesar (100 – n)% diterangkan
oleh galat (error) atau pengaruh variabel yang lain.

Rumus koefisien determinasi: KD = r2 x 100%

KD = Koefisien determinasi
r = koefisien korelasi.
 Contoh:
Hasil pengumpulan data penelitian tentang “Hubungan antara Tingkat
Kedisiplinan Mahasiswa (X) dengan Prestasi Matakuliah

Statistik (Y)” dari 10 mahasiswa diperoleh data seperti ditunjukkan dalam

tabel berikut:

Tentukanlah:
1) Koefisien korelasi antara variabel X dan variabel Y.
2) Koefisien determinasi hubungan antara variabel X dan variabel Y.
3) Ujilah koefisien korelasi hubungan antara variabel X dan variabel Y.

Penyelesaian:
Tabel penolong perhitungan
No X Y XY X2 Y2

∑ Y = 67 ∑ Y2 = 497
∑ XY = 406 (∑ X)2= 3249

1) Koefisien korelasi hubungan antara variabel X dengan variabel Y (r xy):

 rxy

= 0,5233
Artinya:
Koefisien korelasi antara antara Tingkat Kedisiplinan Mahasiswa (X) dengan Prestasi Matakuliah
Statistik (Y) sebesar 0,5233 tergolong kuat, karena terletak diantara 0,50 sampai 0,75.

2) Koefisien Determinasi (KD):

KD = r2 x 100% = (0,5233)2 x 100% = 27,38 %

Artinya:
Konstribusi Tingkat Kedisiplinan Mahasiswa (X) dengan Prestasi Matakulia Statistik (Y) hanya sebesar
27,38 % sedangkan sisanya sebesar 100% - 27,38 = 72,62% Prestasi Matakuliah Statistik ditentukan
oleh faktor (variabel) lain yang tidak diteliti.

3) Pengujian hipotesis: menggunakan tabel distribusi t (jika n kecil) dengan dk = n-2 Hipotesis Verbal
yang diuji:

Ho : Tidak ada Hubungan antara Tingkat Kedisiplinan Mahasiswa (X) dengan Prestasi Matakuliah
Statistik (Y)

H1 : Ada Hubungan antara Tingkat Kedisiplinan Mahasiswa (X) dengan Prestasi Matakuliah Statistik
(Y)

Rumus transformasi r ke thitung:

thitung

Dari tabel distribusi t, untuk α = 0,05 dan dk = n – 2 = 10-2 = 8, diperoleh ttabel = 2,2280. Karena thitung
= 1,7369 lebih kecil ttabel, maka Ho Diterima. Sehingga disimpulkan bahwa tidak terdapat
hubungan yang signifikan antara Tingkat Kedisplinan Mahasiswa (X) dengan Prestasi Matakuliah
Statistik (Y).

****
C. LATIHAN SOAL/TUGAS
Dibawah ini disajikan hasil pengumpulan data penelitian tentang “Hubungan
No X Y
antara Motivasi Mahasiswa (X) dengan Prestasi Matakuliah Statistik (Y)”
Tentukanlah: 1 6 5

1. Ho dan H1 penelitian tersebut. 2 4 6

2. Koefisien korelasi antara variabel X dan variabel Y. 3 3 4

3. Koefisien determinasi hubungan antara variabel X dan variable Y. 4 3 3

4. ujilah koefisien korelasi hubungan antara variabel X dan variabel Y. 5 4 7

6 6 6
7 8 9
8 9 10
9 7 10
10 9 7

D. DAFTAR PUSTAKA
Bambang Kustianto, Statistika 1, Seri diktat kuliah, Penerbit Gunadarma, Jakarta,1994

Haryono Subiyakto, Statistika 2, Seri diktat kuliah, Penerbit Gunadarma, Jakarta,1994

Kazmier, L.J & N. F Pohl, Basic Statistics for Business and Economics, Mc Graw Hill Int. Ed. Singapore,
1987.

Shim, J.K , J.G Siegel & C.J Liew. Strategic Business Forecasting. Mubaruk & Brothers, Singapore , 1994

Spiegel, M.R. Statistics. Schaum’s Outline Series, Asian student ed, Mc Graw Hill, Singapore, 1985.

Walpole, R.E. Pengantar Statistik. Edisi terjemahan, PT Gramedia, Jakarta, 1992

Supranto,J., Statistik Teori dan Aplikasi Jilid 2, Edisi Ketujuh, Erlangga, Jakarta, 2009 Supardi, U.S., Aplikasi
Statistika dalam Penelitian, Ufuk Press, Jakarta Selatan, 2012
Abdurahman, Muhidin, Somantri. 2011. Dasar-Dasar Metode Statistika untuk Penelitian.
Bandung: Pustaka Setia.
Douglas C. Montgomery, George C. Runger, 2003, Applied Statistic and Probability forEngineer, third
edition, John Wiley and Son Inc.
Hiariey dan Karuwal. 2009. Bagaimana Memanfaatkan Excel Untuk Menghitung Regresi danKorelasi
Linier. Jurnal Ilmiah Agribisnis dan Perikanan. Vol. 2(2): 30 – 33.
J. Supranto, M.A. ,2001, Statistika Teori dan Aplikasi, Erlangga, Jakarta.
Ronald E. Walpole, Raymond H. Myers, Sharon L. Myers and Keying Ye, Probabilitiy andStatistics
for Engineers and Scientists, Pearson Prentice Hall, 8th edition, 2007

[ 10 ]