PENGERTIAN KORELASI
Korelasi merupakan istilah yang digunakan untuk mengukur kekuatan
hubungan antarvariabel. Analisis korelasi adalah cara untuk mengetahui ada
atau tidak adanya hubungan antarvariabel. Terdapat dua variabel dalam
korelasi yaitu :
Variabel bebas (independent variable)
adalah variable yang nilai-nilainya tidak tergantung pada variable lainnya.
Biasanya disimbolkan dengan X
Variabel terikat (dependent variable)
adalah variable yang nilai-nilainya bergantung pada variable lainnya,
bisasanya disimbolkan dengan Y.
KORELASI LINEAR SEDERHANA
analisis korelasi dapat diketahui hubungan antarvariabel tersebut, yaitu merupakan
suatu hubungan kebutuhan atau memang hubungan yang sebenarnya.
Korelasi positif adalah korelasi dari dua variabel, yaitu apabila variabel yang
satu (X) meningkat atau menurun maka variabel lainnya (Y)
cenderung untuk meningkat atau menurun pula.
Korelasi negatif adalah korelasi dari dua variabel, yaitu apabila variabel yang
satu (X) meningkat atau menurun maka variabel lainnya (Y)
cenderung menurun atau meningkat.
Korelasi sempurna adalah korelasi dari dua variabel, yaitu apabila kenaikan atau
penurunan variabel yang satu (variabel X) berbanding dengan
kenaikan atau penurunan variabel lainnya (variabel Y)
Tidak ada korelasi terjadi apabila kedua variabel (X dan Y) tidak menunjukkan
adanya hubungan
Contoh Bentuk Korelasi
Korelasi Positif:
Hubungan antara harga dengan penawaran.
Hubungan antara jumlah pengunjung dengan
jumlah penjualan.
Hubungan antara jam belajar dengan IPK.
Korelasi Negatif:
Hubungan antara harga dengan permintaan.
Hubungan antara jumlah pesaing dengan jumlah
penjualan.
Hubungan antara jam bermain dengan IPK.
Contoh Korelasi
Pupuk dengan produksi Jumlah akseptor dengan
panen jumlah kelahiran
Biaya iklan dengan hasil Harga barang dengan
penjualan permintaan barang
Berat badan dengan Pendapatan masyarakat
tekanan darah dengan kejahatan
Pendapatan dengan ekonomi
konsumsi
Investasi nasional dengan
pendapatan nasional
Kapan suatu variabel dikatakan saling
berkorelasi ?
Hubungan dua variabel ada yang positif dan negatif. Hubungan X dan Y
dikatakan positif apabila kenaikan (penurunan) X pada umumnya diikuti oleh
kenaikan (penurunan) Y. Sebaliknya dikatakan negatif kalau kenaikan
(penurunan) X pada umumnya diikuti oleh penurunan (kenaikan) Y.
DIAGRAM PENCAR
Diagram pencar atau diagram serak (scatter diagram) adalah suatu
alat berupa diagram untuk menunjukkan ada atau tidaknya korelasi
(hubungan) antara dua variabel (variabel X dan Y) yang berupa
penggambaran nilai-nilai dari variabel-variabel tersebut.
KORELASI
Beberapa jenis korelasi berdasarkan diagram pencar
Korelasi Positif
Korelasi Negatif
Hubungan Positif
X = Pupuk Y = Produksi
X = Biaya iklan Y = Hasil Penjualan
X = Berat Badan Y = Tekanan Darah tinggi
Hubungan Negatif
X = Jumlah Akseptor Y = Jumlah Kelahiran
X = Harga Suatu Barang Y = Permintaan Barang
X = Pendapatan Masyarakat Y = Kejahatan ekonomi
KORELASI
Kekuatan hubungan Korelasi
-1≤r≤1
Artinya :
r = 1, hubungan antara X dan Y sempurna dan positif
( mendekati 1, yaitu hubungan sangat kuat dan positif.
r = -1, hubungan antara X dan Y sempurna dan Negatif
( mendekati 1, yaitu hubungan sangat kuat dan negative)
r = 0, hubungan X dan Y lemah sekali atau tidak ada hubungan.
Contoh soal :
Hubungan antara hasil penjualan
dan biaya iklan sebuah
perusahaan
Jawaban :
Biaya iklan Biaya penjualan
a. Diagram pencar
0,50 5,00 60
1,00 10,00 50
1,75 12,50
Biaya Penjualan
40
2,50 20,00 30
3,25 30,00 20
4,00 35,00 10
0
5,50 40,00 0 1 2 3 4 5 6 7
6,50 50,00
Keterangan :
r = koerfisien korelasi
x = deviasi rata-rata variable X = X-X
y = deviasi rata-rata variable Y = Y-Y
Contoh :
Berikut ini diberikan hasil pengamatan pemupukan dan hasil panen padi untuk 5
percobaan :
X 3 6 9 10 13
Y 12 23 24 26 28
a. Tentukan koefisien korelasinya (r) dengan metode least square dan metode
product moment
b. Sebutkan jenis korelasinya dan apa artinya ?
Penyelesaian :
Metode Least Square
Metode least
Metode Product Momen
Square
X Y X*X Y*Y X*Y x y x*x y*y x*y
3 12 9 144 36 -5.2 -10.6 27.04 112.4 55.12
6 23 36 529 138 -2.2 0.4 4.84 0.16 -0.88
9 24 81 576 216 0.8 1.4 0.64 1.96 1.12
10 26 100 676 260 1.8 3.4 3.24 11.56 6.12
13 28 169 784 364 4.8 5.4 23.04 29.16 25.92
Jumlah 41 113 395 2709 1014 58.8 155.2 87.4
metode least square metode product moment
n XY X . Y xy 87,4
r r 0,91
n X 2 2
X n Y Y
2 2
x . y
2 2
58,8 x 155,2
51014 41113
5 395 41 2 . 5 2709 113 2
437
228144
0,91
6 d 2
rs 1
n n 1 2
Keterangan :
rs = koefisien korelasi rank spearman
Contoh
Data berikut mengenai nilai matematika dan statistika :
Matematika 82 75 85 70 77 60 63 66 80 89
Statistik 79 80 89 65 67 62 61 68 81 84
82 79 8 6 2 4
75 80 5 7 -2 4
85 89 9 10 -1 1
70 65 4 3 1 1
77 67 6 4 2 4
60 62 1 2 -1 1
63 61 2 1 1 1
66 68 3 5 -2 4
80 81 7 8 -1 1
89 84 10 9 1 1
Jumlah 22
S
1
2 N N 1
Langkah-langkah dalam menyelesikan koefisien korelasi rank kendall
a. Nilai pengamatan dari variable yang akan diukur diberi ranking dari
terbesar sampai terkecil. Jika rangking sama diambil nilai rata-ratanya.
b. Tentukan nilai patokan berurut dengan menyusun salah satu dari
nilai rangking tersebut secara berurutan, dimulai dari pertama, kedua
dan seterusnya dalam menghitung nilai konkordansi dan diskordansi.
c. Tentukan nilai konkordansi (+1) dan nilai diskordansi (-1) dari nilai-
nilai rangking yang bukan patokan.
d. Tentukan nilai S dengan menjumlahkan nilai konkordasi dan
diskordansi tersebut.
e. Hitunglah nilai koefisien korelasi rank kendall dengan rumus diatas.
Contoh :
Berikut ini adalah nilai statistic dan matematika dari lima orang mahasiswa :
Nama Subjek
Mata Pelajaran P Q R S T
Nilai Matematika 9 8 7 5 3
Nilai Statistik 6 8 5 7 4
2
C
2 n
Dimana :
n q n eij 2
2 ij
i 1 j 1 eij
n i nj
eij frekuensi harapan
n
Contoh Soal :
Seseorang ingin mengetahui apakah ada hubungan yang positif antara tingkat
pendidikan dan kebiasaan rekreasi. Untuk maksud itu diambil sample sebanyak 400
orang untuk diteliti. Datanya adalah sebagai berikut :
Rekreasi
Pendidikan Tidak Pernah Jarang Sering
(1) (2) (3)
Tidak ada (I) 145 58 8
Menengah (II) 77 13 27
Sarjana (III) 21 32 19
Beberapa Soal
Pembahasan Berdasarkan
jenis korelasi
KORELASI
n XY X Y
1. Metode Least square
r
(n X 2 X ) n Y Y
2 2 2
Correlations
X Y
X Pearson Correlation 1 ,918*
Sig. (2-tailed) , ,028
N 5 5
Y Pearson Correlation ,918* 1
Sig. (2-tailed) ,028 ,
N 5 5
*. Correlation is significant at the 0.05 level (2-tailed).
KORELASI
X 1 2 4 5 7 9 10 12
Jika X adalah persentase kenaikan biaya iklan dan Y
Y 2 4 5 7 8 10 12 14
adalah persentase kenaikan hasil penjualan, maka
berdasarkan table di bawah ini, hitunglah koefisien
PENYELESAIAN
korelasi : X Y X² Y² XY
1 2 1 4 2,00
2 4 4 16 8,00
4 5 16 25 20,00
5 7 25 49 35,00
7 8 49 64 56,00
9 10 81 100 90,00
10 12 100 144 120,00
12 14 144 196 168,00
50 62 420 598 499
KORELASI
(8 . 499) (50)(62)
r
(8 . 420) 50 2 ) 8 . 598) 62 2
892
r 0,99
808.400
KORELASI
2. ProductrMoment
xy
x y
2 2
Keterangan :
r = Koefisien Korelasi
x = Deviasi rata-rata X ↔ x X X
y = Deviasi rata-rata Y ↔
y Y Y
KORELASI
X Y X - X (x) Y - Y (y) x² y² xy
2. Product
1 2 Moment
-5,25 -5,75 27,56 33,06 30,19
2 4 -4,25 -3,75 18,06 14,06 15,94
4 5 -2,25 -2,75 5,06 7,56 6,19
5 7 -1,25 -0,75 1,56 0,56 0,94
7 8 0,75 0,25 0,56 0,06 0,19
9 10 2,75 2,25 7,56 5,06 6,19
10 12 3,75 4,25 14,06 18,06 15,94
12 14 5,75 6,25 33,06 39,06 35,94
50 62 0 0 107,5 117,5 111,5
Kesimpulan :
Hubungan X (biaya Iklan) dengan Y (Hasil penjual)
X i 50 i 117 ,5
2
sangat kuat dan positif,
Yi
biaya
62iklan pada umumnya
y
menaikan hasil penjualan
x y i i 111,5
r
111,5 0,99
107,7 117 ,5
KORELASI
6 d 2
rs 1
n n2 1
3. Koefisien Korelasi Rank Spearman
Keterangan :
rs = Koefisien Korelasi Rank
d = Selisih dalam Rangking
n = Banyaknya pasangan rank
Langkah-langkah menghitung Koefisien Rank
Data dirangking dari data terbesar atau terkecil, jika
rangking sama, diambil rata-ratanya
Setiap pasang rangking dihitung perbedaannya.
Perbedaan setiap pasangan rangking dikuadratkan dan
hitung
jumlahnya
Correlations
X Y
X Pearson Correlation 1 ,953**
Sig. (1-tailed) , ,006
N 5 5
Y Pearson Correlation ,953** 1
Sig. (1-tailed) ,006 ,
N 5 5
**. Correlation is significant at the 0.01 level
(1-tailed).
Correlations
X Y
Spearman's rho X Correlation Coefficient 1,000 1,000**
Sig. (1-tailed) , ,
N 5 5
Y Correlation Coefficient 1,000** 1,000
Sig. (1-tailed) , ,
N 5 5
**. Correlation is significant at the .01 level (1-tailed).
KORELASI
Ranking Ranking
X Y d d²
Ilustrasi X Y
63 478 1 1 0,00 0,00
80 643 6 8 -2,00 4,00
78 620 5 6 -1,00 1,00
67 514 2 2 0,00 0,00
83 597 7 5 2,00 4,00
90 635 8 7 1,00 1,00
75 579 4 3 1,00 1,00
72 593 3 4 -1,00 1,00
608 4659 36 36 0 12 0
KORELASI
Kesimpulan :
r
n f x C x C y f C f C
x x y y
n f C2
x x f C n f C f C
x x
2
y
2
y y y
2
KORELASI
Diketahui data Hasil ujian statistik (Y)
dan matematika (X). Berdasar tabel ini
hitunglah koefisien korelasinya.
Matematika (Y)
Stt (X)
40-49 50-59 60-69 70-79 80-89 90-99
90-99 2 4 4
80-89 1 4 6 5
70-79 5 10 8 1
60-69 1 4 9 5 2
50-59 3 6 6 2
KORELASI
Diketahui data Hasil ujian statistik (Y)
dan matematika (X). Berdasar tabel ini
hitunglah koefisien korelasinya.
Matematika (x) Jumlah
Stt (Y)
40-49 50-59 60-69 70-79 80-89 90-99 (fy) cy fycy Cy² fyCy² fycycx
90-99 2 4 4 10 2 20 4 40 44
80-89 1 4 6 5 16 1 16 1 16 31
70-79 5 10 8 1 24 0 0 0 0 0
60-69 1 4 9 5 2 21 -1 -21 1 21 -3
50-59 3 6 6 2 17 -2 -34 4 68 20
40-49 3 5 4 12 -3 -36 9 108 33
fx 7 15 25 23 20 10 100 -55 253 125
cx -2 -1 0 1 2 3
fxcx -14 -15 0 23 40 30 64
cx² 4 1 0 1 4 9
fxcx² 28 15 0 23 80 90 236
fxcxcy 32 31 0 -1 24 39 125
KORELASI
r
100.(125) 64 55 0,77
100.(236) 64 2
100.(253 55 2
Koefisien Korelasi untuk data
Kualitatif
2 2
C
Keterangan : 2 n
kai kuadrat
n = Jumlah semua frekwensi
n ij
n q
ij
C = Koefisien korelasi2
Bersyarat
i 1 j 1 ij
n i . nj
Frekwensi ij
Harapan : n
Koefisien Korelasi untuk data
Kualitatif
Ilustrasi :
Penelitian hubungan tingkat pendidikanRekreasi
dengan
Pendidikan
kebiasaan rekreasi. Peneliti mengambil sebanyak 400
tdk pernah Jarang Sering
sampel dari masyarakat. Dengan data sbb:
Tdk sekolah 145 58 8
Menengah 77 13 27
Sarjana 21 32 19
2 2.2 0.2 17.74 0.49 9.89 1.71 11 .82 9.77 8.86 59,7
Koefisien Korelasi untuk data
Kualitatif
59,7
:
CKesimpulan
0.36
59,7 400
Hubungan antara tingkat pendidikan dengan kebiasaan
rekreasi positif tetapi lemah
Koefisien Korelasi untuk data
Kualitatif
Koefisien Penentu (KP) /Koefisien Determinasi (R²)
n n
n
xi yi
i 1 i 1
x y
i i
n
rxy i 1
n
2
n
2
n xi n yi
x 2 i 1 y 2 i 1
i 1
i
n
i 1
i
n
Contoh
Dari sebuah survai yang Luas Harga
0,75 2,45
dilakukan di kampung Maju 0,55 2,20
Makmur digunakan untuk 1,00 2,80
mengetahui hubungan 1,25 3,60
fungsional antara luas tanah 2,50 5,80
3,00 7,40
(hektar) dan harganya (Rp. 00 4,50 9,00
Juta). Bila data berpasangan 3,75 8,50
tentang luasan dan harga tanah 5,00 10,00
diperoleh, bagaimana hubungan 3,25 8,00
3,25 7,50
fungsionalnya ?
2,75 6,00
2,75 6,25
2,00 4,00
4,00 8,00
Luas X Harga Y XY X2 Y2
0,75 2,45 1,8375 0,5625 6,0025
0,55 2,20 1,2100 0,3025 4,8400
1,00 2,80 2,8000 1,0000 7,8400
1,25 3,60 4,5000 1,5625 12,9600
2,50 5,80 14,5000 6,2500 33,6400
3,00 7,40 22,2000 9,0000 54,7600
4,50 9,00 40,5000 20,2500 81,0000
3,75 8,50 31,8750 14,0625 72,2500
5,00 10,00 50,0000 25,0000 100,0000
3,25 8,00 26,0000 10,5625 64,0000
3,25 7,50 24,3750 10,5625 56,2500
2,75 6,00 16,5000 7,5625 36,0000
2,75 6,25 17,1875 7,5625 39,0625
2,00 4,00 8,0000 4,0000 16,0000
4,00 8,00 32,0000 16,0000 64,0000