Analisis korelasi

.
Hubungan dua variabel ada yang positif dan negatif

• Hubungan X dan Y dikatakan positif jika kenaikan

(penurunan)X diikuti oleh kenaikan (penurunan) Y
• Sebaliknya dikatakan negatif jika kenaikan (penurunan)
diikuti oleh penurunan (kenaikan) Y
• Contoh hubungan positif
X : pupuk, Y : hasil panen
X : biaya iklan, Y : hasil penjualan
X : Berat badan, Y : tekanan darah
• Contoh hubungan negatif
X : jumlah akseptor KB, Y : jumlah kelahiran
X : harga barang, Y : permintaan
X : Pendapatan masyarakat, Y : kejahatan ekonomi
.
• Kuat dan tidaknya hubungan antara X dan Y apabila
dapat dinyatakan dengan fungsi linier (paling tidak
mendekati), diukur dengan suatu nilai yang disebut
“koefisien korelasi” yang notasinya “r”. Dimana nilai r
dinyatakan sbb. :
• -1 <= r <= 1
• Jika r = 1, hubungan X dan Y sempurna dan positif
(mendekati 1, yaitu hubungan sangat kuat dan positif)
• Jika r = -1, hubungan X dan Y sempurna dan negatif
(mendekati -1, yaitu hubungan sangat kuat dan
negatif)
• Jika r = 0, hubungan X dan Y tidak ada
1. Korelasi untuk data skala interval dan rasio

• Korelasi Pearson

n n n
n X iYi −  X i  Yi
r= i =1
2
i =1 i =1
2
n  n  n  n 
n  X i −
2
  Xi 
 
n Yi −  Yi 
2
 

i =1  i =1  i =1  i =1 

• Korelasi ini sering juga disebut dengan korelasi

Product Moment
Contoh 1

• X : prosentase kenaikan biaya iklan

• Y : prosentase kenaikan hasil penjualan
No. X Y X2 Y2 XY
1 1 2
2 2 4
3 4 5
4 5 7
5 7 8
6 9 10
7 10 12
8 12 14
Jumlah 50 62
.
• Hasil lengkap tabel sbb. “
No. X Y X2 Y2 XY
1 1 2 1 4 2
2 2 4 4 16 8
3 4 5 16 25 20
4 5 7 25 49 35
5 7 8 49 64 56
6 9 10 81 100 90
7 10 12 100 144 120
8 12 14 144 196 168
Jumlah 50 62 420 598 499
Dari tabel tersebut diperoleh :

n=8  X = 50  Y = 62
X 2
= 420  Y = 598 2
 XY = 499
Sehingga korelasinya :
8 ( 499 ) − ( 50 )( 62 )
r=
8 ( 420 ) − ( 50 ) 8 ( 598 ) − ( 62 )
2 2

3984 − 3100
=
3360 − 2500 4784 − 3844
884
=
860 940
884
=
( 29.3258)( 30.6594 )
884
= = 0.9832
899.1114
.

• Diperoleh r = 0.9832
• Dari hasil tersebut bisa dikatakan bahwa korelasi
antara X dan Y sangat kuat positif.
Contoh 2

• X = prosentase kenaikan harga

• Y = prosentase kenaikan hasil penjualan
No. X Y X2 Y2 XY
1 2 15
2 4 14
3 5 12
4 6 10
5 8 9
6 10 8
7 11 6
8 13 4
9 14 3
10 15 2
Jumlah 88 83
 Tabel lengkapnya :

•. No. X Y X2 Y2 XY
1 2 15 4 225 30
2 4 14 16 196 56
3 5 12 25 144 60
4 6 10 36 100 60
5 8 9 64 81 72
6 10 8 100 64 80
7 11 6 121 36 66
8 13 4 169 16 52
9 14 3 196 9 42
10 15 2 225 4 30
Jumlah 88 83 956 875 548
Dari tabel tersebut diperoleh :
n = 10  X = 88  Y = 83
 = 956
X 2
 Y = 875 2
 XY = 548
• Sehingga korelasinya adalah :
10 ( 548 ) − ( 88 )( 83)
r=
10 ( 956 ) − ( 88 ) 10 ( 875 ) − ( 83)
2 2

5480 − 7304
=
9560 − 7744 8750 − 6889
−1824
=
1816 1861
−1824
=
( 42.6146 )( 43.1393)
−1824
= = −0.9922
1838.36401
.
• Diperoleh r = - 0.9922
• Dari hasil tersebut bisa dikatakan bahwa korelasi antara X dan Y
sangat kuat negatif.
• Yang artinya bahwa kenaikan harga menyebabkan hasil penjualan
menurun.
2. Korelasi untuk data skala ordinal

• Korelasi Spearman
6 d i 2
r = 1−
n(n 2 − 1)

• Dimana :
d : selisih antara rank x dan rank
n : banyaknya pasangan data
Contoh
• Ingin dicari korelasi antara Pendidikan (X) dan
Prestasi Kerja (Y).
• Pendidikan : SD = 1, SMP = 2, SMA = 3, PT = 4
• Prestasi kerja : cukup = 1, baik = 2, baik sekali = 3
No. Pendidikan (X) Prestasi kerja (Y)
1 SMA baik
2 PT baik sekali
3 SMP baik
4 SMA baik
5 PT baik sekali
6 PT baik
7 SD cukup
8 SMP cukup
 Dari data tersebut dibuat menjadi angka sbb. :
•. Pendidikan Prestasi kerja Pendidikan Prestasi kerja
No. (X) (Y) (X) (Y)
1 SMA baik 3 2
2 PT baik sekali 4 3
3 SMP baik 2 2
4 SMA baik 3 2
5 PT baik sekali 4 3
6 PT baik 4 2
7 SD cukup 1 1
8 SMP cukup 2 1
Sehingga diperoleh :
•.
X Y Rx_awal Ry_awal Rx Ry d = Rx - Ry d2

3 2

4 3

2 2

3 2

4 3

4 2

1 1

2 1

• Rx adalah ranking data X, dimana data X diurutkan dari

kecil ke besar. Demikina juga Ry. Sehingga akan ada
nomer urut dari 1 s/d 8.
Hasil pengurutan X sbb. :

X Y Rx_awal Ry_awal Rx Ry d = Rx - Ry d2

3 2 4

4 3 6

2 2 2

3 2 5

4 3 7

4 2 8

1 1 1

2 1 3

• Dari Rx terlihat bahwa ada data yang sama tetapi

mempunyai nilai ranking yang berbeda. Hal ini tidak boleh
terjadi. Dari tabel terlihat nilai x = 2 ada 2 data dengan Rx
= 2 dan 3. Maka nilai Rx untuk x = 2 menjadi (2+3)/2 =
2.5
Hasil Rx
• Untuk Rx = 3 ada 2 nilai yaitu 4 dan 5. Jadi nilai Rx nya adalah
(4+5)/2 = 4.5
• Untuk Rx= 4 ada 3 nilai yaitu 6, 7, dan 8. Jadi nilai Rx nya
adalah (6+7+8)/3 = 7

X Y Rx_awal Ry_awal Rx Ry d = Rx - Ry d2

3 2 4 4.5

4 3 6 7

2 2 2 2.5

3 2 5 4.5

4 3 7 7

4 2 8 7

1 1 1 1

2 1 3 2.5
Hasil pengurutan Y sbb. :

X Y Rx_awal Ry_awal Rx Ry d = Rx - Ry d2

3 2 3

4 3 7

2 2 4

3 2 5

4 3 8

4 2 6

1 1 1

2 1 2

• Dari Ry_awal terlihat nilai y = 1 ada 2 data dengan

Ry = 1 dan 2. Maka nilai Ry untuk y = 1 menjadi
(1+2)/2 = 1.5
Hasil Rx
• Untuk Ry_awal = 2 ada 4 nilai yaitu 3,4,5, dan 6. Jadi nilai Ry
nya adalah (3+4+5+6)/4 = 4.5
• Untuk Ry_awal= 3 ada 2 nilai yaitu 7 dan 8. Jadi nilai Ry nya
adalah (7+8)/3 = 7.5

X Y Rx_awal Ry_awal Rx Ry d = Rx - Ry d2

3 2 3 4.5

4 3 7 7.5

2 2 4 4.5

3 2 5 4.5

4 3 8 7.5

4 2 6 4.5

1 1 1 1.5

2 1 2 1.5
Tabel nilai Rx dan Ry

X Y Rx_awal Ry_awal Rx Ry d = Rx - Ry d2

3 2 4 3 4.5 4.5

4 3 6 7 7 7.5

2 2 2 4 2.5 4.5

3 2 5 5 4.5 4.5

4 3 7 8 7 7.5

4 2 8 6 7 4.5

1 1 1 1 1 1.5

2 1 3 2 2.5 1.5

• Tabel tersebut adalah tabel gabungan hasil Rx dan Ry

• Setelah Rx dan Ry diperoleh baru dihitung d = Rx - Ry
Tabel lengkap

• . X Y Rx_awal Ry_awal Rx Ry d = Rx - Ry d2

3 2 4 3 4.5 4.5 0 0

4 3 6 7 7 7.5 -0.5 0.25

2 2 2 4 2.5 4.5 -2 4

3 2 5 5 4.5 4.5 0 0

4 3 7 8 7 7.5 -0.5 0.25

4 2 8 6 7 4.5 2.5 6.25

1 1 1 1 1 1.5 -0.5 0.25

2 1 3 2 2.5 1.5 1 1

• Jumlah d2 : 12
Perhitungan r
6 d i 2
r = 1−
n(n 2 − 1)
6 (12 )
= 1−
8(82 − 1)
72
= 1−
8 ( 63)
72
= 1− = 1 − 0.143 = 0.857
504

• Dari hasil perhitungan diperoleh nilai r = 0.857.

• Ini menunnjukkan bahwa korelasi antara Pendidikan (X) dan
Prestasi kerja (Y) bisa dikatakan sangat kuat.
Contoh 1

NOMOR URUT JUMLAH KREDIT INDEKS PRESTASI

MAHASISWA YANG DIAMBIL
1 20 3,1
2 18 4,0
3 15 2,8
4 20 4,0
5 10 3,0
6 12 3,6
7 16 4,0
8 14 3,2
9 18 3,5
10 12 4,0
.
SISWA KE X Y XY X2 Y2
1 20 3,1 62 400 9,61
2 18 4,0 72 324 16
3 15 2,8 42 225 7,84
4 20 4,0 80 400 16
5 10 3,0 30 100 9
6 12 3,6 43,2 144 12,96
7 16 4,0 64 156 16
8 14 3,2 44,8 196 10,24
9 18 3,5 63 324 12,25
10 12 4,0 48 144 16
N=10 155 35,2 549 2513 125,90
. n = 10  X = 155  Y = 35.2
 = 2513
X 2
 Y = 125.9
2
 XY = 549
• Sehingga perhitungan korelasinya :
•
10 ( 549 ) − (155 )( 35.2 )
r=
10 ( 2513) − (155 ) 10 (125.9 ) − ( 35.2 )
2 2

5490 − 5456
=
25130 − 24025 1259 − 1239.04
34
=
1105 19.96
34
=
( 33.24 )( 4.47 )
34
= = 0.228 = 0.23
148.58
Contoh 2

• Contoh Soal 2 : Hubungan Motivasi dengan Kinerja di Politeknik Citra Widya Edukasi
•
• Motivasi (X) : 60; 70; 75; 65; 70; 60; 80; 75; 85; 90; 70; dan 85
• Kinerja (Y) : 450; 475; 450; 470; 475; 455; 475; 470; 485; 480; 475;dan 480.

No X Y X2 Y2 XY
1. 60 450 3600 202500 27000
2. 70 475 4900 225625 33250
3. 75 450 5625 202500 33750
4. 65 470 4225 220900 30550
5. 70 475 4900 225625 33250
6. 60 455 3600 207025 27300
7. 80 475 6400 225625 38000
8. 75 470 5625 220900 35250
9. 85 485 7225 235225 41225
10. 90 480 8100 230400 43200
11. 70 475 4900 225625 33250
12. 85 480 7225 230400 40800
Statistik X Y X2 Y2 XY
Jumlah 885 5640 66325 2652350 416825
 n = 12  X = 885  Y = 5640
. X 2
= 66325  Y = 2652350  XY = 416825
2

12 ( 416825 ) − ( 885 )( 5640 )

r=
12 ( 66325 ) − ( 885 ) 12 ( 2652350 ) − ( 5640 )
2 2

5001900 − 4991400
=
795900 − 783225 31828200 − 31809600
10500
=
12675 18600
10500
=
(112.58 )(136.38 )
10500
= = 0.6839 = 0.68
15353.66