KORELASI

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 ?

Variabel dikatakan saling berkorelasi

jika perubahan suatu variabel diikuti
dengan perubahan variabel yang lain.
KOEFISIEN KORELASI DAN KEGUNAANNYA

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

Korelasi Sempurna Tdk ada Korelasi

Jadi, kalau variabel X dan Y ada hubungan, maka bentuk
diagram pencarnya adalah mulus/teratur. Apabila
bentuk diagram pencar tidak teratur, artinya
kenaikan/penurunan X pada umumnya tidak diikuti
oleh naik turunnya Y, maka dikatakan X dan Y tidak
berkorelasi.
Kuat dan tidaknya hubungan antara X dan Y apbila dapat
dinyatakan dengan fungsi linear(paling tidak
mendekati), diukur dengan suatu nilai yang disebut
koefisien korelasi. Nilai koefisien korelasi ini paling
sedikit –1 dan paling besar 1. Jadi jika
r = koefisien korelasi, maka r dapat dinyatakan sebagai
berikut :
-1 r  1
Jika r =1, hubungan X dan Y sempurna dan positif, r
= -1, hubungan X dan Y sempurna dan negatif, r
mendekati 1, hubungan sangat kuat dan positif, r
mendekati –1, hubungan sangat kuat dan negatif.
Disini X dikatakan mempengaruhi Y, jika berubahnya
nilai X akan menyebabkan perubahan nilai Y
Akan tetapi, naik turunnya Y adalah sedemikian rupa
sehingga nilai Y bervariasi, tidak semata-mata
disebabkan oleh X, karena masih ada faktor lain
yang menyebabkannya. Jadi untuk mengetahui
berapa besar kontribusi dari X terhadap naik
turunnya nilai Y maka harus dihitung dengan
koefisien penentuan.
KORELASI
Korelasi yang terjadi antara dua variable dapat berupa korelasi :
 Positif ; korelasi dua variable apabila variable yang satu (X) meningkat atau menurun
maka variable Y menurun atau meningkat.
 Negatif ; korelasi dari dua variable apabila variable yang satu (X) meningkat Y menurun
maka variable X menurun atau Y meningkat.
 Tidak ada ; apabila kedua variable (X dan Y) menunjukkan tidak dad hubungan.

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

 Kekuatan hubungan diukur dengan suatu nilai disebut Koefisien

Korelasi. Nilai koefisien korelasi ini paling sedikit -1 dan paling
besar 1, jadi jika “ r = Koefisien korelasi, maka nilai r dapat
dinyatakan sbb :

-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

5,75 42,50 Biaya Iklan

6,50 50,00

a. Buatlah diagram pencar dari b. Jenis korelasinya adalah korelasi positif

data-data tersebut ?
b. Sebutkan jenis korelasi yang
terjadi ?
 NILAI KOEFISIEN KORELASI (R)
PENGERTIAN KOEFISIEN KORELASI SEDERHANA
Koefisien korelasi sederhana merupakan indeks atau bilangan yang digunakan
untuk mengukur keeratan (kuat, lemah atau tidak ada) hubungan antarvariabel.
Koefisien korelasi memiliki nilai antara -1 dan +1.

Jika r bernilai positif maka variabel-variabel berkorelasi positif. Semakin dekat

nilai r ke +1 semakin kuat korelasinya, demikian pula sebaliknya.
Jika r bernilai negatif maka variabel berkorelasi negatif. Semakin dekat nilai r
ke -1 semakin kuat korelasinya, demikian pula sebaliknya.
Jika r bernilai 0 (nol) maka variabel-variabel tidak menunjukkan korelasi
Jika r bernilai +1 atau -1 maka variabel-variabel menunjukkan korelasi positif
atau negatif yang sempurna.
Untuk menentukan keeratan korelasi antarvariabel berikut ini berikat
nilai-nilai dari koefisien korelasi (r)
1. r = 0 maka tidak ada korelasi
0 < r ≤ 0,20 maka korelasi sangat lemah
0,20 < r ≤ 0,40 maka korelasi rendah
0,40 < r ≤ 0,70 maka korelasi yang cukup berarti
0,70 < r ≤ 0,90 maka korelasi yang tinggi, kuat
0,90 < r < 1,00 maka korelasi sangat kuat
R = 1 maka korelasi sempurna
 JENIS-JENIS KOEFISIEN KORELASI LINEAR SEDERHANA
Koefisien Korelasi Pearson
Koefisien Korelasi Pearson adalah indeks atau angka yang digunakan untuk
mengukur keeratan hubungan antara dua variabel yang datanya berbentuk data
interval atau rasio. Koefisien korelasi person dapat ditetukan dengan 2 metode :

Metode least square Metode Product Moment

n XY   X . Y
r  xy
 n X 2

   X  n Y    Y 
2 2 2
 r
 x . y
2 2

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


 51014   41113 
 5 395   41 2 . 5 2709  113  2 
437

228144
 0,91

Jenis korelasinya adalah korelasi positif sangat kuat, artinya

hubungan antara pemupukan dan hasil pan padi bersifat positif. Jika
pemupukan bertambah maka hasil panen pun akan naik.
 KOEFISIEN KORELASI RANK SPEARMAN
Koefisien Korelasi Rank Spearman adalah indeks atau angka yang digunakan
untuk mengukur keeratan hubungan antara dua variabel yang datanya
berbentuk ordinal (data bertingkat/data rangking).

6 d 2

rs  1 

n n 1 2

Keterangan :
rs = koefisien korelasi rank spearman

d = selisih dalam ranking

n = banyaknya pasangan rank
Untuk menghitung koefisien korelasi rank dapat digunakan langkah-langkah
sebagai berikut :
a. Nilai pengamatan yang akan diukur diberi ranking dari terkecil sampai
terbesar.
b. setiap pasangan rangkin dihitung perbedaannya
c. Perbedaan setiap pasang ranking dikuadratkan dan dihitung jumlahnya
d. nilai rs dihitung dengan rumus diatas.

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

a. Hitunglah koefisien korelasi ranknya ?

b. Sebutkan jenis korelasi dan apa artinya ?
Jawab : X Y Ranking X Ranking Y D d*d

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

a. Korelasi Rank spearman

 KOEFISIEN KORELASI RANK KENDALL
Koefisien korelasi rank kendall merupakan pengembangan dari koefisien

korelasi rank spearman. Disimbolkan dengan koefisien korelasi ini digunakan
pada pasangan variabel atau data X dan Y dalam hal ketidaksesuaian rank, yaitu
untuk mengukur ketidakteraturan. Keofisien korelasi rank kendall dirumuskan :

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

a. Tentukan nilai koefisien korelasi rank kendallnya?

b. Apa artinya ?
 KOEFISIEN KORELASI BERSYARAT (KOEFISIEN
KONTINGENSI)
Koefisien korelasi bersyarat digunakan untuk data kualitatif, dirumuskan
dengan :

 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

Hitunglah koefisien korelasi bersyaratnya dan apa artinya ?

KORELASI

Beberapa Soal
Pembahasan Berdasarkan
jenis korelasi
KORELASI

 Koefisien Korelasi Pearson

 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  6,25 Y  7,75  i  107,5

x 2

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 :

Hubungan X (biaya Iklan) dengan Y (Hasil penjual) sangat kuat dan

positif, biaya iklan pada umumnya menaikan hasil penjualan
6(12)
rs  1   0.858
8 8 1
2
 
 KORELASI
Korelasi data Kelompok

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 korelasi2

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

 Hitung koefisien korelasi bersyarat dan apa artinya !

Koefisien Korelasi untuk data
Kualitatif
Rekreasi
Pendidikan Jumlah
 Penyelesaian tdk pernahJarang Sering
Tdk sekolah (A) 145 58 8 211 n1
ℓ = frekwensi Harapan128,18 54,33 28,49
Menengah (B) 77 13 27 117 n2
ℓ = frekwensi Harapan 71,08 30,13 15,80
Sarjana © 21 32 19 72 n3
ℓ = frekwensi Harapan 43,74 18,54 9,72
243 103 54 400 n
n1. n2. n3.
Koefisien Korelasi untuk data
Kualitatif
(n ) (n .) (211) (243)
ℓ
1 1
11 = = 128,2
n 400
(n1) (n2.) (211) (103)
 ℓ 12 =
Penyelesaian n 400
= 54,3

(n1) (n3.) (211) (54)

ℓ 13 = n 400
= 28,5

(n2) (n1.) (117) (243)

ℓ 21 = n 400
= 71,1

(n2) (n2.) (117) (103)

ℓ 22 = n 400
= 30,1

(n2) (n3.) (117) (54)

ℓ 23 = n 400
= 15,8

(n3) (n1.) (72) (243)

ℓ 31 = n 400
= 43,7

(n3) (n2.) (72) (103)

ℓ 32 = n 400
= 18,5

(n3) (n3.) (72) (54)

ℓ 33 = n 400
= 9,7
Koefisien Korelasi untuk data
Kualitatif
(145 - 128.18)² (27 - 15.80)²
X² = 2,21 = 1,71
128,18 15,8
 Nilai Kai
(58 -Kuadrat
54.33)²
= 0,25
54,33 (21- 43.74)²
(8 - 28.49)² = 11,82
= 14,74 43,74
28,49 (32 - 18.54)²
= 9,77
18,54
(77- 71.08)²
= 0,49 (19 - 9.72)²
71,08 = 8,86
9,72
(13 - 30.13)²
= 9,89
30,13

 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)

 Artinya penyebab perubahan pada variable Y yang

datang dari variable X, sebesar kuadrat koefisien
korelasinya. Koefisien penentu ini menjelaskan besarnya
KP² = r² x 100%
pengaruh nilai suatu variable ( variabel X) terhadap naik
turunnya (variasi) nilai variabel lainya (variabel Y).

R² = 0.99² x 100% = 98,01%

 KORELASI LINEAR BERGANDA
Pada hubungan linear dua variabel, perubahan satu variabel dipengaruhi oleh
lebih dari satu variabel lain. Korelasi linear berganda merupakan alat ukur
mengenai hubungan yang terjadi antara variabel terikat (Y) dengan dua atau
lebih variabel bebas (X1,X2,...,Xn).

KOEFISIEN KORELASI LINEAR BERGANDA

Koefisien Korelasi Linear Berganda adalah indeks atau angka yang digunakan
untuk mengukur keeratan hubungan antara tida variabel atau lebih.
Kalau koefisien penentuan ditulis KP, maka untuk menghitung KP digunakan rumus berikut : KP
= r2.
 Cara menghitung r adalah sebagai berikut:

 
 
 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

40,30 91,50 293,4850 134,2400 648,6050

 47,66
rxy   0,983
(25,97)(90,46)

Dari data yang kita miliki terlihat bahwa terdapat

hubungan yang cukup kuat antara luas tanah dan
harganya. Karena tandanya +, maka semakin luas
tanah, semakin tinggi harganya
Koefisien Penentuan

 Untuk mengetahui berapa besar kontribusi dari X

terhadap naik turunnya nilai Y maka harus dihitung
dengan koefisien penentuan.
 KP= r2 = 0,966 x 100% = 96,6%
Jadi besarnya kontribusi dari X terhadap perubahan nilai
Y adalah 96,6%