KORELASI

Korelasi adalah istilah statistik yang

menyatakan derajat hubungan linier
(searah bukan timbal balik) antara
dua variabel atau lebih.
Korelasi menunjukkan derajat asosiasi
KORELASI atau keeratan hubungan variabel tak
bebas (terikat) dengan variabel –
variabel bebas, yang diukur dengan
koefisien korelasi (r).Variabel bebas
sering disimbolkan dengan X, dan tak
bebas dengan Y.
Misalnya, ada hubungan keeratan
atau korelasi antara biaya
pengeluaran iklan dan volume
penjualan.
CONTOH PERMASALAHAN YANG DIUJI DALAM PENELITIAN KORELASI

 Hubungan antara penggunaan metode pembelajaran (𝑥) dengan prestasi

belajar mahasiswa (𝑦) (dengan kata lain: hubungan antara 𝑥 dengan 𝑦).
 Hubungan antara penggunaan metode (𝑥1 ) dan media pembelajaran (𝑥2 )
dengan prestasi belajar mahasiswa (𝑦)(dengan kata lain: hubungan antara
𝑥1 dan 𝑥2 dengan 𝑦).
 Hubungan antara penggunaan metode (𝑥1 ) dan media pembelajaran (𝑥2 )
serta motivasi belajar mahasiswa (𝑥3 ) dengan prestasi belajar mahasiswa
(𝑦) (hubungan antara 𝑥1 , 𝑥2 dan 𝑥3 dengan 𝑦).
 Korelasi positif & negatif

JENIS-JENIS
Korelasi linier & nonlinier
KORELASI
Korelasi sederhana, parsial, atau
kompleks
1. KORELASI POSITIF VS NEGATIF

Positif: Terjadi jika pergerakan hubungan antara dua

variabel bergerak dalam arah yang sama. Jika X
mengalami kenaikan maka Y juga mengalami
kenaikan. Begitu juga sebaliknya.

Negatif: Terjadi jika pergerakan hubungan antara dua

variabel tidak bergerak dalam arah yang sama,
tetapi berlawanan arah. Bila X mengalami
kenaikan maka Y mengalami penurunan atau bila
X mengalami penurunan,Y mengalami kenaikan.
2. KORELASI LINIER VS NONLINIER

Linier: Jika perubahan absolut dua variabel

menaik atau menurun dalam perubahan
yang konstan (hubungan antar variabel
digambarkan dengan kurva berupa garis
lurus).

Nonlinier: Jika perubahan absolut dua variabel

terhadap variabel lain tidak konstan
(hubungan antar variabel digambarkan
dengan kurva berupa garis tidak lurus).
3. KORELASI SEDERHANA, PARSIAL, & KOMPLEKS

Sederhana: Korelasi yang digunakan untuk menguji hubungan antara variabel independen dan variabel
dependen saja.
Contoh: kita mencari hubungan keeratan antara biaya pengeluaran iklan dan volume
penjualan.

Parsial: Korelasi yang digunakan untuk menguji hubungan dua atau lebih variabel independen dengan
satu variabel dependen dan dilakukan pengendalian pada salah satu variabel independennya.
Contoh: ada beberapa variabel yang diketahui seperti biaya pengeluaran iklan, harga jual,
kualitas produk, harga pesaing, dll. Namun kita tertarik untuk melihat korelasi antara biaya
pengeluaran iklan dan volume penjualan saja sedangkan variabel lain dianggap tetap.

Ganda: Korelasi yang digunakan untuk menguji hubungan dua atau lebih variabel independen dengan
satu variabel dependen secara bersamaan
Contoh: secara bersama-sama kita mencari korelasi antara volume penjualan dengan biaya
pengeluaran iklan, harga jual, kualitas produk, harga pesaing, dll.
CONTOH KORELASI PARTIAL

 Judul: Hubungan antara biaya promosi dan penjualan dengan

mengendalikan jumlah outlet
▪ Variabel 𝑥1 → biaya promosi
▪ Variabel 𝑥2 → jumlah outlet (dikendalikan)
▪ Variabel 𝑌 → penjualan

 Hipotesis:
 𝐻0 : tidak ada hubungan antara biaya promosi dengan penjualan apabila jumlah
outlet dikendalikan
 𝐻1 : ada hubungan antara biaya promosi dengan penjualan apabila jumlah outlet
dikendalikan
 CONTOH KORELASI GANDA

 Judul: Hubungan antara biaya promosi dan jumlah outlet dengan penjualan
▪ Variabel 𝑥1 → biaya promosi
▪ Variabel 𝑥2 → jumlah outlet
▪ Variabel 𝑌 → penjualan

 Hipotesis:
 𝐻0 : tidak ada hubungan antara biaya promosi dan jumlah outlet dengan penjualan
 𝐻1 : ada hubungan antara biaya promosi dan jumlah outlet dengan penjualan
O Nilai Koefisien Korelasi (r) bergerak diantara –1 s.d +1.
O Tanda negatif menyatakan korelasi negatif, artinya terjadi hubungan bertolak belakang antara
variabel X dan variabel Y. Jika variabel X naik, maka variabel Y turun.
O Tanda positif menyatakan korelasi positif, artinya terjadi hubungan searah variabel X dan variabel Y.
Jika variabel X naik, maka variabel Y naik
O r = 0 menyatakan tidak ada hubungan linier antara variabel X dan Y.

Korelasi negatif Tidak ada Korelasi positif

sempurna korelasi sempurna

-1 -0,8 -0,6 -0,4 -0,2 0 0,2 0,4 0,6 0,8 1

negatif negaif positif positif positif positif positif

negatif negatif negatif
sangat sangat sangat lemah cukup kuat sangat
kuat cukup lemah
kuat lemah lemah kuat

Korelasi negatif Korelasi positif

 Koefisien Determinasi
O Angka yang menyatakan kontribusi yang diberikan oleh satu
variabel atau lebih X terhadap variabel Y

KD = r2 × 100%

Semakin besar nilai koefisien determinasi menunjukkan semakin

baik kemampuan X mempengaruhi Y.

Akan tetapi, naik-turunnya 𝑌 adalah sedemikian sehingga nilai 𝑌

bervariasi, tidak semata-mata disebabkan oleh 𝑋, karena masih ada
faktor lain yang menyebabkannya
SKETERGRAM
Sketergram atau diagram pencar adalah suatu plot data antara satu variabel
dengan variabel lain.

Sketergram dicari dengan menghubungkan satu variabel dalam sumbu X

(independen) dan satu variabel dalam sumbu Y (dependen).

Sketergram hanya memberikan sebuah sinyal atau indikasi ada tidaknya korelasi
antara dua variable dan tidak memberikan kekuatan besar hubungan antara Membantu kita melihat
dua variable melalui angka numerik. apakah ada hubungan antara
dua variable, jika ada positif
atau negatif kah.

Sketergram berguna untuk:

Membantu kita menentukan
bentuk hubungan antardua
variabel apakah linier ataukah
nonlinier.
CONTOH 1
Tabel 1. Pengeluaran Iklan dan Volume Penjualan Perusahaan 2012-2021

Tahun Pengeluaran Volume Penjualan

Iklan (milyar) (milyar)
2012 20 12
2013 25 20
2014 35 35
2015 45 40
2016 60 55
2017 70 75
2018 80 90
2019 95 100 Keterangan Diagram Sketergram:
Titik A(20,12) menunjukkan plot data untuk tahun 2012
2020 110 125 Titik J(120,140) menunjukkan plot data untuk tahun 2021.
2021 120 140
CONTOH 2

Gambar 2(a). Korelasi Positif Linier Gambar 2(b). Korelasi Negatif Linier

Gambar 2(a) menggambarkan korelasi positif linier Gambar 2(b) menggambarkan korelasi negatif linier
dimana variabel X dan Y bergerak dalam arah yang dimana variabel X dan Y bergerak dalam arah yang
sama. berlawanan.
CONTOH 2 (LANJUTAN)

Gambar 2(c). Korelasi Positif Non Linier Gambar 2(d). Tidak Ada Korelasi

Gambar 2(c) menunjukkan hubungan nonlinier Gambar 2(d) menunjukkan tidak ada korelasi
antara X dan Y antara variabel X dan Y
 Teknik Korelasi
Koefisien korelasi Pearson Product Moment (r)

Koefisien Korelasi Spearman (rs)

Koefisien Korelasi Gamma (g)

Koefisien Korelasi Jaspen’s (M)

Koefisien Korelasi Eta (h)

Koefisien Korelasi Theta (q)

Koefisien Korelasi Lambada (I)

Koefisien Korelasi Kontigensi (C)

KORELASI PEARSON

✓ Dikembangkan oleh Karl Pearson berupa formula untuk menghitung

besarnya hubungan antara dua variabel yang disebut KOEFISIEN
KORELASI PEARSON atau KORELASI PRODUCT MOMENT
(KPM).
✓ Beberapa persyaratan untuk dapat menggunakan KPM, yaitu:
 Sampel dengan jumlah besar diambil dengan teknik random (acak)
 Data berskala interval atau skala rasio.
 Data yang akan diuji juga harus berdistribusi normal
 Data yang akan diuji bersifat linier
 Data yang akan diuji harus homogen
MENGHITUNG KORELASI PEARSON
(KORELASI PRODUCT MOMENT)

Formula koefisien korelasi dari KPM

𝒏 σ 𝒙𝒚−σ 𝒙 σ 𝒚
𝒓=
𝒏 σ 𝒙𝟐 − σ 𝒙 𝟐 𝒏 σ 𝒚 𝟐 − σ 𝒚 𝟐

Keterangan:
Angka korelasi berada pada: −1 ≤ 𝑟 ≤ 1
𝑟 = −1 menunjukkan korelasi negatif yang sempurna
𝑟 = 1 menunjukkan korelasi positif yang sempurna.
𝑟 mendekati ±1 menunjukkan korelasi positif atau negatif yang kuat
𝑟 mendekati 0 menunjukkan korelasi positif atau negatif yang lemah
𝑛 = jumlah observasi
 Uji asumsi digunakan untuk
mengetahui apakah data berdistribusi
normal (uji Normalitas), dan untuk
menguji kelinieritasan suatu populasi
(Uji Linieritas).

UJI ASUMSI Kedua uji asumsi ini mutlak

KORELASI dilakukan dalam penelitian korelasi
atau hubungan. Bisa juga ditambahkan
dengan Uji Homogenitas. Namun
dalam penelitian korelasi, uji
homogenitas bukan syarat penting.
Umumnya pengujian kehomogenan
digunakan pada pengujian hipotesis
penelitian untuk uji beda.
 JENIS – JENIS UJI ASUMSI YANG HARUS DIPENUHI
a. Uji Normalitas
Untuk mengetahui apakah populasi berdistribusi normal atau tidak. Uji ini digunakan pada jenis uji
hubungan dan uji beda. Bila data berdistribusi normal, maka dapat digunakan uji statistik berjenis
parametrik. Bila data tidak berdistribusi normal, maka digunakan uji berjenis nonparametrik.
Metode uji normalitas secara SPSS:
1)Metode Kolmogorov-Smirnov
Persyaratan Uji Kolmogorov Smirnov adalah:
a. Data berskala interval atau ratio (kuantitatif)
b. Data tunggal / belum dikelompokkan pada tabel distribusi frekuensi
c. Dapat untuk n besar maupun n kecil.

2) Metode Shapiro Wilk

Syarat dari uji shapiro wilk adalah:
a. Data berskala interval atau ratio (kuantitatif)
b. Data tunggal / belum dikelompokkan pada tabel distribusi frekuensi
c. Sampel (n) kecil
Langkah-langkah uji normalitas:
1. Membuat hipotesis dalam bentuk kalimat
𝐻0 : data berdistribusi normal
𝐻1 : data tidak berdistribusi normal
2. Menentukan risiko taraf kesalahan
menentukan besar peluang membuat risiko kesalahan dalam mengambil keputusan
menolak hipotesis yang benar. Lambang 𝛼 atau sering disebut dengan istilah taraf
signifikan.
3. Kaidah pengujian normalitas
Nilai Asymp. Sig. > 0,05 (atau 0,01), maka 𝐻0 diterima (data berdistribusi normal)
Nilai Asymp. Sig. < 0,05 (atau 0,01), maka 𝐻0 ditolak (data tidak berdistribusi normal)
 b. Uji Linearitas
JENISUntuk mengetahui
– JENIS apakahYANG
UJI ASUMSI antara variabel
HARUStidak bebas 𝑌 dan variabel bebas 𝑋
DIPENUHI
mempunyai hubungan linier atau menunjuk pada suatu garis sejajar.

Langkah-langkah uji linieritas:

1. Membuat hipotesis dalam bentuk kalimat
𝐻0 : ada hubungan linier antara kedua variabel yang diuji
𝐻1 : tidak ada hubungan linier (non linier) antara kedua variabel yang diuji
2. Menentukan risiko taraf kesalahan
Menentukan besar peluang membuat risiko kesalahan dalam mengambil keputusan
menolak hipotesis yang benar. Lambang 𝛼 atau sering disebut dengan istilah taraf
signifikan.
3. Kaidah pengujian
Nilai Sig. > 0,05, maka 𝐻0 diterima
Nilai Sig. < 0,05, maka 𝐻0 ditolak.
 c. Uji Homogenitas
Uji homogenitas bertujuan untuk mencari tahu apakah dari beberapa kelompok data
JENIS –penelitian
JENIS UJImemiliki
ASUMSI YANG
varians yangHARUS DIPENUHI
sama atau tidak. Perhitungan uji homogenitas
menggunakan software SPSS adalah dengan Uji Levene Statistics. Dengan
menggunakan taraf signifikansi 5%. Langkah-langkah uji linieritas:
1. Membuat hipotesis dalam bentuk kalimat
𝐻0 : tidak ada perbedaan pada data penelitian (data penelitian yang homogen)
𝐻1 : ada perbedaan pada data penelitian (data penelitian tidak homogen)
2. Menentukan risiko taraf kesalahan
Menentukan besar peluang membuat risiko kesalahan dalam mengambil keputusan
menolak hipotesis yang benar. Lambang 𝛼 atau sering disebut dengan istilah taraf
signifikan.
3. Kaidah pengujian
Nilai Sig. > 0,05 (atau 0,01), maka 𝐻0 diterima
Nilai Sig. < 0,05 (atau 0,01), maka 𝐻0 ditolak.
 PENGUJIAN HIPOTESIS UJI KORELASI
Analisis data penelitian untuk menguji hipotesis korelasi bisa menggunakan SPSS . Output yang dibutuhkan dari
pengujian tersebut adalah Tabel Correlation dan Tabel Coefficients.
Tabel Correlations menunjukkan nilai koefisien korelasi antara variabel bebas 𝑥 dan variabel terikat 𝑦 juga
nilai pengujian signifikansi statistik (Sig. (1-tailed) yaitu pengujian satu arah sebagaimana dihipotesiskan yaitu
koefisien korelasi yang diharapkan signifikan). Langkah-langkah:
1. Membuat hipotesis dalam bentuk kalimat
𝐻0 : Tidak terdapat hubungan prositif yang signifikan
𝐻1 : Ada hubungan yang signifikan
2. Menentukan risiko taraf kesalahan
menentukan besar peluang membuat risiko kesalahan dalam mengambil keputusan menolak hipotesis
yang benar. Lambang 𝛼 atau sering disebut dengan istilah taraf signifikan.
3. Kaidah pengujian (menggunakan SPSS)
Nilai Asymp. Sig. > 0,05 (atau 0,01), maka 𝐻0 diterima
Nilai Asymp. Sig. < 0,05 (atau 0,01), maka 𝐻0 ditolak.
Selain dapat dihitung nilai statistik uji koefisien korelasi product moment, dapat pula
dilakukan dengan uji-𝑡. Dengan ketentuan
 𝑡ℎ𝑖𝑡𝑢𝑛𝑔 > 𝑡𝑡𝑎𝑏𝑒𝑙 artinya Tolak Ho, terima H1 (ada hubungan yang signifikan)
 𝑡ℎ𝑖𝑡𝑢𝑛𝑔 < 𝑡𝑡𝑎𝑏𝑒𝑙 artinya Tidak Tolak H0 (tidak ada hubungan yang signifikan)

Rumus Menghitung Uji−𝑡

𝒏−𝟐
𝒕 = 𝒕𝐡𝐢𝐭𝐮𝐧𝐠 = 𝒓
𝟏−𝒓𝟐

Note: nilai 𝑡ℎ𝑖𝑡𝑢𝑛𝑔 dalam SPSS dapat dilihat dari hasil analisis regresi Tabel Coefficients
Namun apabila yang diuji berupa hipotesis korelasi berganda, misalnya hubungan 𝑥1 , 𝑥2 ,
dan 𝑥3 dengan 𝑦 maka harus dihitung dengan uji F. Dengan ketentuan:
 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 > 𝐹𝑡𝑎𝑏𝑒𝑙 artinya Tolak Ho, terima H1 (ada hubungan yang signifikan)
 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 < 𝐹𝑡𝑎𝑏𝑒𝑙 artinya Tidak Tolak H0 (tidak ada hubungan yang signifikan)

Note: nilai 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 dalam SPSS dapat dilihat dari hasil analisis regresi Tabel ANOVA
 Contoh 3 (diasumsikan telah memenuhi syarat uji korelasi)
Seorang mahasiswa ingin mengetahui hubungan antara jumlah SKS dan IP yang diperolehnya dalam

beberapa semester. Data yang diperoleh sbb:

Jumlah SKS (X) IP (Y)

10 3,00
10 2,50
15 2,00
10 1,50
5 1,00

a) Berapa besar korelasi antara jumlah SKS dan IP ?

b) Berapa besar pengaruh jumlah SKS terhadap IP?

c) Gunakan taraf signifikan α = 5%, ujilah apakah ada hubungan yang signifikan antara jumlah SKS

dengan IP?
 Sketergram permasalahan
Korelasi Jumlah SKS dengan IP
3,5

2,5

y = 0,1x + 1
2 R² = 0,2
IP

1,5 Series1 Linear (Series1)

0,5

0
0 2 4 6 8 10 12 14 16
Jumlah SKS

Dari sketergram menunjukkan jumlah SKS dan IP berkorelasi positif

 Penyelesaian:
Berapa besar korelasi antara jumlah SKS dan IP ?
O Tabel Bantuan Perhitungan
Data Jlh SKS (X) IP (Y) XY X2 Y2
1 10 3,00 30 100 9,00
2 10 2,50 25 100 6,25
3 15 2,00 30 225 4,00
4 10 1,50 15 100 2,25
5 5 1,00 5 25 1,00
Jumlah 50 10 105 550 22,50

n  XY − ( X) ( Y)
r=
(n ( X 2
)(
) − ( X) 2 n ( Y 2 ) − ( Y) 2 )
5 105 − 50 10
O r= = 0,447
5 550 − 50 2 5 22,50 − 10 2

O Jadi, hubungan antara jumlah SKS dengan IP sebesar r = 0,447. Nilai korelasi ini
menyatakan korelasi positif cukup (beradasarkan slide hal.10), berarti semakin
tinggi jumlah SKS akan semakin tinggi juga IP.
 Berapa besar pengaruh jumlah SKS terhadap IP?

Untuk mencari seberapa besar pengaruh ini maka kita

gunakan konsep Koefisien Determinasi

O KD = r2 × 100% = (0,447)2 × 100% = 19,98%

Artinya pengaruh jumlah SKS terhadap IP sebesar

19,98% dan selebihnya (80,02%) ditentukan oleh
variabel lain.
 Gunakan taraf signifikan α = 5%, ujilah apakah ada hubungan yang
signifikan antara jumlah SKS dengan IP?
Uji hipotesis korelasi (menghitung manual)
a. Membuat hipotesis
Ho : r = 0
H1 : r ≠ 0
b. Taraf signifikan (α= 5%), dan Menentukan ttabel menggunakan tabel distribusi T dengan cara
ttabel = t(0,05/2,5-2) = t(0,025,3) = 3,182
5−2
c. Menghitung thitung = 0,447 × = 0,866
1−(0,447)2

e. Membandingkan nilai thitung dan ttabel. Diperoleh 0,866 < 3,182 maka terima Ho

Ttabel = 3,182
Kesimpulan : Tidak terdapat hubungan signifikan antara jumlah SKS dengan IP
 CONTOH 4 (DIASUMSIKAN TELAH MEMENUHI SYARAT UJI KORELASI)
Tabel 2. Tabel Bantuan Perhitungan
Kembali ke Contoh 1 (hubungan antara pengeluaran iklan dan
volume penjualan suatu perusahaan periode 2012 – 2021). Tahun 𝒙 𝒚 𝒙𝒚 𝒙𝟐 𝒚𝟐
Sketergramnya mengindikasikan adanya korelasi positif linier 2012 20 12 240 400 144
antara pengeluaran iklan dan volume penjualan dalam periode 2013 25 20 500 625 400
tersebut. Hitunglah besarnya koefisien korelasi dan
interpretasikan nilai koefisien korelasi Pearson tersebut! 2014 35 35 1260 1225 1296

Jawab: 2015 45 40 1800 2025 1600

2016 60 55 3300 3600 3025
𝑛 σ 𝑥𝑦−σ 𝑥 σ 𝑦
𝑟= 2017 70 75 5250 4900 5625
𝑛 σ 𝑥2 − σ𝒙 𝟐 𝑛 σ 𝑦2 − σ𝒚 𝟐
2018 80 90 7280 6400 8281
10 59800 −660 695 2019 95 100 9500 9025 10000
𝑟=
10 54700 − 660 2 10 65877 − 695 2 2020 110 125 13750 12100 15625
𝒓 = 𝟎, 𝟗𝟗𝟓𝟔 2021 120 140 16920 14400 19881
Jumlah () 660 695 59800 54700 65877

Nilai koefisien korelasi = 0,995 dan bertanda positif, menunjukkan bahwa adanya korelasi positif yang sangat kuat antara
pengeluaran iklan dan volume penjualan periode 2012-2021. Jika pengeluaran iklan naik maka volume penjualan naik dan sebaliknya bila
pengeluaran iklan menurun maka volume penjualan menurun.
CONTOH 5

Silahkan hitung koefisien determinasi dan uji

Korelasi nya dari contoh 4
LATIHAN

a) Berapa besar korelasi antara biaya promosi dan volume penjualan?

b) Berapa besar pengaruh biaya promosi dan volume penjualan?
c) Gunakan taraf signifikan α = 5%, ujilah apakah ada hubungan yang signifikan antara biaya promosi dan volume penjualan?