Biostatistik

Uji Korelasi
ALFIAN FAWZI
 Uji Korelasi

Korelasi : hubungan keterkaitan antara dua atau lebih variabel.

Angka koefisien korelasi ( r ) bergerak -1 ≤ r ≤ +1

POSITIF
makin besar nilai variabel 1
menyebabkan makin besar
pula nilai variabel 2
Contoh : makin banyak waktu
belajar, makin tinggi skor
Ulangan  korelasi positif
antara waktu belajar
dengan nilai ulangan
NEGATIF
makin besar nilai variabel 1
menyebabkan makin kecil
nilai variabel 2
contoh : makin banyak waktu
bermain, makin kecil skor
Ulangan  korelasi negatif
antara waktu bermain
dengan nilai ulangan

NOL
tidak ada atau tidak menentunya hubungan dua variabel
contoh : pandai matematika dan jago olah raga ; pandai
matematika dan tidak bisa olah raga ; tidak pandai
matematika dan tidak bisa olah raga
 korelasi nol antara matematika dengan olah raga
Analisis Korelasi
BERTUJUAN UNTUK MENGETAHUI
HUBUNGAN DUA VARIABEL ATAU LEBIH .

KORELASI SEDERHANA: JIKA

VARIABEL ADA 2

KORELASI BERGANDA: JIKA

VARIABEL LEBIH DARI 2
Koefisien Korelasi
DI DALAM PERHITUNGAN / ANALISIS
KORELASI AKAN DIDAPATKAN
KOEFISIEN KORELASI ,
YANG DIGUNAKAN UNTUK
MENGETAHUI KEERATAN HUBUNGAN ,
ARAH HUBUNGAN , DAN BERARTI
ATAU TIDAKNYA HUBUNGAN
TERSEBUT.
Contoh:
Penelitian tentang hubungan antara kontrol
diri dengan perilaku.
Penelitian tentang hubungan antara
kepribadian siswa dengan prestasi belajar.
Penelitian tentang hubungan antara nilai
statistik dengan nilai matematika.
Penelitian tentang hubungan antara jenis
kelamin dengan kinerja
Uji korelasi tidak membedakan jenis variabel

KORELASI = HUBUNGAN
ANALISIS KORELASI: SUATU ANALISIS YANG
DIGUNAKAN UNTUK MELIHAT HUBUNGAN
ANTAR VARIABEL.
ANALISIS KORELASI TIDAK
MEMPERSOALKAN PENGARUH ANTAR
VARIABEL.
Uji korelasi tidak membedakan jenis variabel

ANALISIS SIGNIFIKANSI
HUBUNGAN (UJI KORELASI)
BERTUJUAN UNTUK MENGUJI
HUBUNGAN ANTAR VARIABEL YANG
TIDAK MENUNJUKKAN HUBUNGAN
FUNGSIONAL (BERHUBUNGAN
BUKAN BERARTI DISEBABKAN )
Pengelompokan Nilai Korelasi
0,00-0,20 korelasi keeratan sangat lemah
0,21-0,40 korelasi keeratan lemah
0,41-0,70 korelasi keeratan kuat
0,71-0,90 korelasi keeratan sangat kuat
0.91-0,99 korelasi keeratan sangat kuat
sekali
1 berarti korelasi keeratan sempurna
Macam Analisis
Korelasi
DALAM SPSS, ANALISIS KORELASI
YANG BANYAK DIGUNAKAN ANTARA
LAIN:
KORELASI PRODUCT MOMENT
(PEARSON), KORELASI KENDALL’S
TAU, KORELASI SPEARMAN.
PEMILIHAN TERGANTUNG UKURAN/
JENIS DATA: NOMINAL, ORDINAL,
ATAU SCALE (INTERVAL ATAU
RASIO)
 Korelasi Ukuran Data
Macam Analisis Korelasi
Variabel 1 Variabel 2
Product Momen scale scale
(Pearson)
Kendall’s Tau ordinal ordinal
Spearman ordinal ordinal
Kontingensi nominal nominal
Eta nominal scale
 Uji Korelasi

1. KORELASI PEARSON :
apakah di antara kedua variabel terdapat hubungan, dan jika ada hubungan bagaimana
arah hubungan dan berapa besar hubungan tersebut.
Digunakan jika data variabel kontinyu dan kuantitatif

NΣXY – (ΣX) (ΣY) Di mana : ΣXY = jumlah perkalian X dan Y

r= ΣX2 = jumlah kuadrat X
√ NΣX2 – (ΣX)2 x √ NΣY2 – (ΣY)2 ΣY2 = jumlah kuadrat Y
N= banyak pasangan nilai
Pearson
Syarat penting Korelasi Product Moment
(Pearson)
Asumsi yang mendasari analisis Korelasi Product Moment adalah
bahwa distribusi data kedua variabel adalah normal.
Pada Korelasi Kendall’s Tau dan Spearman tidak mensyaratkan
distribusi data normal
Korelasi Product
Moment
KARENA KORELASI PRODUCT
MOMENT MENSYARATKAN
DISTRIBUSI DATA NORMAL, MAKA
DILAKUKAN UJI NORMALITAS
DATA TERLEBIH DAHULU
UJI NORMALITAS DAPAT
MENGGUNAKAN UJI
KOLGOMOROV-SMIMOV ATAU
SAPHIRO WILK
 Uji Korelasi

2. KORELASI SPEARMAN (rho) dan Kendall (tau) :

Digunakan jika data variabel ordinal (berjenjang atau peringkat). Disebut juga korelasi
non parametrik

6Σd2 Di mana : N = banyak pasangan

rp = 1 -
N(N2 – 1) d = selisih peringkat
KORELASI
KONTINGENSI
DIGUNAKAN UNTUK MENUNJUKKAN
KEERATAN ANTARA DUA VARIABEL
YANG BERSKALA NOMINAL.
 Uji Chi-Square (X2)

Chi-Square (tes independensi) : menguji apakah ada hubungan antara baris dengan
kolom pada sebuah tabel kontingensi. Data yang digunakan adalah data kualitatif.

(O – E)2
X2 = Σ E
Di mana
O = skor yang diobservasi
E = skor yang diharapkan (expected)

Contoh :
Terdapat 20 siswa perempuan dan 10 siswa laki-laki yang fasih berbahasa Inggris, serta
10 siswa perempuan dan 30 siswa laki-laki yang tidak fasih berbahasa Inggris.
Apakah ada hubungan antara jenis kelamin dengan kefasihan berbahasa Inggris ?
Ho = tidak ada hubungan antara baris dengan kolom
H1 = ada hubungan antara baris dengan kolom
P L Σ O E (O-E) (O-E)2 (O-E)2/E
a b a 20 (a+b)(a+c)/N
Fasih
b 10 (a+b)(b+d)/N
c d
Tidak fasih c 10 (c+d)(a+c)/N

Σ d 30 (c+d)(b+d)/N

df = (kolom – 1)(baris – 1)
Jika X2 hitung < X2 tabel, maka Ho diterima
Jika X2 hitung > X2 tabel, maka Ho ditolak
 Uji Chi-Square (X2)
Chi-Square dengan menggunakan SPSS
KASUS : apakah ada hubungan pendidikan dengan status marital responden
Ho = tidak ada hubungan antara baris dengan kolom atau tidak ada hubungan pendidikan
dengan status marital
H1 = ada hubungan pendidikan dengan status marital
Dasar pengambilan keputusan :
1. X2 hitung < X2 tabel  Ho diterima ; X2 hitung > X2 tabel  Ho ditolak
2. probabilitas > 0.05  Ho diterima ; probabilitas < 0.05  Ho ditolak
pendidikan terakhir Asymp. Sig.
Value df (2-sided)
S1 S2 S3 Total
Pearson Chi-Square 9,431 6 ,151
status belum kawin 21 3 1 25
perkawinan Likelihood Ratio 9,541 6 ,145
kawin 32 9 6 47
Linear-by-Linear
janda 5 3 2 10 3,070 1 ,080
Association
duda 4 4 0 8 N of Valid Cases
Total 62 19 9 90 90

Value Approx. Sig.

Nominal by Nominal Contingency Coefficient ,308 ,151
N of Valid Cases 90

Hasil : tingkat signifikansi = 5% ; df = 6 ; X2 tabel = 9.431 ; X2 hitung = 12.592 ;

asymp. sig = 0.000 ; contingency coeff. = 0.526
Karena : X2 hitung < X2 tabel maka Ho diterima
asymp. Sig > 0.05 maka Ho diterima
Artinya tidak ada perbedaan tingkat pendidikan berdasarkan status maritalnya
dan hal ini diperlihatkan dengan kuatnya hubungan yang hanya 30.8%
 sebaran normal
pearson

parametrik
sebaran tidak
normal tidak diuji
dan tidak linear

speraman
ordinal-ordinal gamma
Korelatif somers"d

ordinal-nominal chi-square
non eta
parametr
ik

interval-nominal
eta

koef. kontingensi
nominal-nominal
lamda
phi & cramers

Skema uji korelasi

Seorang peneliti ingin mengetahui hubungan peran kader dengan
kepatuhan control di posyandu lansia, peran kader di kategorikan baik,
cukup, kurang dan kepatuhan dikategorikan patuh tidak patuh, apakah
uji statistic yang akan digunakan