ANALISIS KORELASI

PEARSON PRDUCT MOMEN

  Analisis Korelasi adalah teknik statistik
yang bertujuan untuk mengukur kekuatan
dan arah dari relasi antar variabel.
 Korelasi dari dua variabel diartikan bahwa
keduanya mempunyai pijakan yg sama,
tidak membedakannya sebagai variabel
bebas dan lainnya sebagai variabel
bergantung.
 Kedua variabel X dan Y adalah variabel
random.
  Harga r berkisar antara -1 dan 1.
 R merupakan ukuran kekuatan dan arah
relasi dari dua variabel.
 r = 1 atau -1 berarti relasi linier sempurna dan
r = 0 tidak ada relasi linier.
 r positif menyatakan adanya relasi langsung
antar X dan Y, nilai X yg tinggi berhubungan
dengan nilai Y yg tinggi pula.
 r negatif menyatakan adanya relasi terbalik
antara X dan Y, nilai X yg tinggi berhubungan
dengan nilai Y yg rendah dan sebaliknya.
 n xy - (x)(y)
 r = ---------------------------------------
 nx2 – (x)2  ny2 – (y)2
  Untuk menguji kemaknaan (signifikansi)
koefisien korelasi (r) harus dikonsultasikan
dengan tabel nilai-nilai r product momen.
 Dengan menggunakan db = N -1, pada taraf
signifikansi 5 % maupun 1 %.
 Dikatakan bermakna apabila nilai r hitung >
nilai r tabel.
 Untuk uji pediksi lebih lanjut dapat
dipergunakan teknik statistik analisis
regresi.
  Berikut ini data (Hipotesis) dari penelitian
laboratorium untuk mengetahui hubungan
penambahan tetrasi basa dengan nilai pH pada 10
percobaan.
Tujuan penelitian adalah :
 untuk mengetahui kekuatan hubungan antara
penambahan tetrasi basa dengan nilai pH .
 Untuk mengetahui persamaan garis regresi dari
kedua variabel tersebut.
  Berikut ini data (Hipotesis) dari penelitian
mengenai penghasilan keluarga perbulan yg
diukur dalam puluhan ribu rupiah dan besarnya
pembelanjaan untuk pelayanan kesehatan
keluarga pertahun.

Tujuan penelitian adalah :

 untuk mengetahui kekuatan hubungan antara
penghasilan keluarga perbulan dan besarnya
kemampuan keluarga untuk pembelanjaan
pelayanan kesehatan.
 Untuk mengetahui persamaan garis regresi dari
kedua variabel tersebut.
 No Penghasilan Pembelanjaan      

Subjek (X) (Y) X2 Y2 XY

1 132 130      

2 138 134      

3 144 132      

4 146 140      

5 148 150      

6 152 144      

7 158 150      

8 130 122      

9 162 160      

10 168 150      

11 172 160      

12 174 178      

13 180 168      

14 180 174      

15 188 186      

16 194 172      

17 194 182      

18 200 178      

19 200 196      

20 204 188      

21 210 180      

22 210 196      

23 216 210      

24 220 190      

25 220 202      

TOTAL 4440 4172      

 KOEFISIEN KORELASI
PERINGKAT SPEARMAN
 KOEFISIEN KORELASI PERINGKAT SPEARMAN

 Methode ini ditemukan oleh Spearman pada tahun

1904.
 Prinsipnya mengukur kekuatan hubungan antara
dua variabel
 SYARAT
KOEFISIEN KORELASI PERINGKAT SPEARMAN

 Mengukur korelasi dua buah variabel, misalnya

tinggi badan dan berat badan, temperatur dan
denyut nadi, tekanan darah sistolik dan diastolik,
dll.
 Dua buah variabel yg diukur itu merupakan atribut
dari sebuah sampel yg harus dicuplik secara acak.
 Baik variabel pertama (X) dan variabel kedua (Y)
merupakan variabel 2 independen dan kontinu.
Dan distribusi pasangan variabel itu disebut
distribusi bivariat.
 SYARAT
KOEFISIEN KORELASI PERINGKAT SPEARMAN
 Pengukuran variabel X dan Y dilakukan pada
subjek yg sama, subjek2 berbeda tapi tetapi
berkaitan erat, sebagai sebuah unit asosiasi ( mis;
tinggi badan org tua dan tinggi badan anak2 atau
angka IQ antara saudara kandung ).
 Variabel minimal diukur dalam skala ordinal
 Memberikan arah hubungan variabel X dan
variabel Y, koefisien korelasi r maupun rs berkisar
antara -1 sampai dengan +1.
 Tidak otomatis bisa diinterpretasikan sebagai
hubungan sebab akibat.
 LANGKAH-LANGKAH UJI
KOEFISIEN KORELASI PERINGKAT SPEARMAN

1. Beri peringkat untuk nilai2 X dari 1 sampai n ( n

ialah jumlah pasangan nilai pengamatan X dan
Y). Berikan pula peringkat terhadap nilai2 Y.
2. Hitung di untuk masing2 pasangan pengamatan,
yaitu Xi – Yi.
3. Kuadratkan masing-masing di dan jumlahkan
semua di2
4. Koefisien korelasi peringkat Spearman ialah.
6  di 2
rs = 1 -
n2 – n
5. Pengambilan keputusan Ho ditolak pada tingkat k
emaknaan α, bila rs hitung lebih besar dari pada r
s tabel (tabel peringkat spearman) atau rs hitung l
ebih kecil dari pada -rs tabel
 Jika terdapat nilai2 teramati yang sama, kita perlu
memperhitungkan nilai2 teramati yang sama itu d
engan cara berikut :

1. Jika nilai2 teramati yang sama sedikit, maka peri

ngkat yang diberikan ialah rata2 peringkat nilai2 t
eramati yang sama tersebut
2. Jika ada nilai2 pengamatan yang sama, maka rs
perlu dikoreksi dengan faktor T ( Siegel, 1956)
 Jika dikoreksi, tahap2 perhitungan adalah sbb :
tx3 _ tx

Tx =
12

ty 3 _ t y
Ty =
12

Dengan tx dan berturut2 adalah banyaknya nilai

pengamatan X dan banyaknya nilai pengamatan Y
Koefisien korelasi peringkat Spearman ialah.
x2 + y2 - di2
rs ( dengan koreksi ) =
2 √x2 y2

Dengan :
n3 – n
x2 = -  tx
12
n3 – n
y2 = -  ty
12
X (PRESENTASI BESI Y (PRESENTASI TIMAH H di di2
YG DISERAP) ITAM YG DISERAP)

(X) Ringkat (Y) Ringkat

17 1 8 1 0
22 2 17 2 0-
35 3 18 3 0
43 4 25 4 0
80 5 50 5 0
85 6 59 6 0
91 7 64 10 3
92 8 62 8 0
96 9 63 9 0
100 10 60 7 3
 UMUR DLM THN DENYUT JTG (FRK/MNT) di di2
Umur (X) Ringkat Denyut (Y) Ringkat
2 1 110 15 14 196
4 2 108 14 11 121
5 3 108 13
6 4 108 12
18 5 72 10
20 6 72 9
25 7 80 11
30 8 70 7 1,5
36 9 70 6 2,5
40 10 68 5
43 11 72 8
50 12 66 4
55 13 60 3
61 14 58 2
69 15 52 1
KOEFESIEN KORELASI
KENDAL
 PENDAHULUAN
 Kendal tau, adalah ukuran korelasi yang setara
dengan Spearman R, terkait dengan asumsi
yang mendasarinya serta kekuatan statistiknya.
Namun, besaran Spearman R dan Kendal tau
akan berbeda karena perbedaan dalam logika
mendasari serta formula perhitungannya.
 Jika Spearman R setara dengan koefisien
korelasi Pearson Product Moment, yaitu
koefisien korelasinya pada dasarnya
menunjukkan proporsi variabilitas (dimana untuk
Spearman R dihitung dari ranks sedangkan
korelasi Pearson dari data aslinya),
 PENDAHULUAN
 sebaliknya ukuran Kendal tau merupakan
probabilita perbedaan antara probabilita
data dua variabel dalam urutan yang sama
dengan probabilita dua variabel dalam
urutan yang berbeda.
 Berdasarkan logika perhitungan ini,
Noether (1981) dalam (Daniel,1991)
mengemukakan bahwa koefisien Kendal
tau lebih mudah ditafsirkan dibandingkan
Spearman R.
 Korelasi dilakukan terhadap peringkat nilai yang
diberikan oleh dua penilai, misalkan, penilai X
dan penilai Y
 Salah satu nilai, misalnya, dari X disusun dalam
urutan peringkat naik; nilai lainnya mengikutinya
 Peringkat pada setiap nilai dari satu penilai
diperbandingkan secara berpasangan; jika
urutan adalah naik diberi +1 dan jika urutan
adalah turun diberi  1
Peringkat 1 2 (naik) + 1
Peringkat 4 1 (turun)  1
 Untuk tiap penilai, semua nilai urutan
dijumlahkan
 Perhitungan Urutan

Untuk penilai X, perbandingan berpasangan

Obyek a b c d
Peringkat X 1 2 3 4
Urutan

Urutan 1  2 (naik) +1
Urutan 1  3 (naik) +1
Urutan 1  4 (naik) +1
Urutan 2  3 (naik) +1
Urutan 2  4 (naik) +1
Urutan 3  4 (naik) +1
Jumlah sX = +6

Dengan rumus s = ½ n (n  1)
Untuk penilai Y, perbandingan berpasangan

Obyek a b c d
Peringkat Y 2 4 3 1
Urutan

Urutan 2  4 (naik) +1
Urutan 2  3 (naik) +1
Urutan 2  1 (turun) 1
Urutan 4  3 (turun) 1
Urutan 4  1 (turun) 1
Urutan 3  1 (turun) 1
Jumlah sY = 2
Koefisien korelasi Kendall Tanpa Peringkat Sama

 Kendall menggunakan notasi  sehingga dikenal

sebagai  Kendall. Untuk

Obyek a b c d
Peringkat X 1 2 3 4
Peringkat Y 2 4 3 1

 Rumus koefisien korelasi  Kendall adalah

s = =

 Melalui perbandingan berpasangan, dengan +1 untuk

naik dan  1 untuk turun, s dihitung dari sampel yang
ada
Pada contoh di atas s =  2 / 6 =  0,33
 Contoh 2
Skor hasil belajar Statistik & Teori Tes Mahasiswa PEP

Mahasiswa A B C D E F G H I J K L
Skor Statistik 42 46 39 37 65 88 86 56 62 92 54 81
Teori Tes 82 98 87 40 116 113 11 83 85 126 106 11
1 7

Ranking berdasarkan urutan Mahasiswa

Mahasiswa A B C D E F G H I J K L
Skor Statistik 3 4 2 1 8 11 10 6 7 12 5 9
Teori Tes 2 6 5 1 10 9 8 3 4 12 7 11
 Ranking berdasarkan peringkat

Mahasiswa D C A B K H I E L G F J
Skor Statistik 1 2 3 4 5 6 7 8 9 10 11 12
Teori Tes 1 5 2 6 7 3 4 10 1 8 9 12
1

Sesudah mengatur rangking-rangking itu, variabel X dalam urutan yang

wajar, kita tetapkan harga S untuk ranking yang saling berhubungan
dengan variabel Y:
S = (11 - 0) + (7 - 3) + (9 - 0) + (6 - 2) + (5 – 2) + (6 - 0) + (5 - 0) + (2 - 2)
+ (1- 2) + (2 - 0) + (1 - 0)
= 44
Ranking Statistik Non Parametrik yang paling kiri adalah ranking 1, ini
memiliki 11 ranking yang lebih besar sebelah kanannya dan 0 ranking
yang lebih kecil di sebelah kirinya, jadi skornya (11-0), begitu
seterusnya sehingga didapat harga S = 44
 Rumus koefisien korelasi  Kendall adalah

s =

=
= 0,67
s = 0,67 merepresentasekan tingkat
hubungan antara teori tes dengan statistik
yang diperlihatkan 12 mahasiswa PEP
Koefisien Korelasi Kendall dengan Peringkat Sama

 Jika terdapat peringkat sama maka perlu dilakukan

koreksi peringkat sama

 Jika pada satu peringkat sama terdapat t data maka

koreksi peringkat sama adalah

T = ½ Σ t (t – 1)

 Koefisien korelasi Kendall dengan koreksi peringkat

sama adalah
s
s 
1 1
n( n  1)  TX n( n  1)  TY
2 2
 Contoh 3
Skor hasil belajar Statistik & jumlah mahasiswa yang menyerah
setiap pengujian pada Mahasiswa PEP

Mahasiswa A B C D E F G H I J K L
Skor Statistik 42 46 39 37 65 88 86 56 62 92 54 81

Menyerah 0 0 1 1 3 4 5 6 7 8 8 12

Ranking berdasarkan urutan Mahasiswa

Mahasiswa A B C D E F G H I J K L
Skor Statistik 3 4 2 1 8 11 10 6 7 12 5 9
Teori 1,5 1,5 3,5 3,5 5 6 7 8 9 10, 10,5 12
Tes 5
 Ranking berdasarkan peringkat

Mahasiswa D C A B K H I E L G F J
Skor Statistik 1 2 3 4 5 6 7 8 9 10 11 12
Teori Tes 3,5 3,5 1,5 1,5 10,5 8 9 5 12 7 6 10,5

Sesudah mengatur rangking-rangking itu, variabel X dalam urutan yang

wajar, kita tetapkan harga S untuk ranking yang saling berhubungan
dengan variabel Y:
S = (8 - 2) + (8 - 2) + (8- 0) + (8 - 0) + (1 – 5) + (4 - 2) + (3 - 2) + (4 - 0) +
(0- 3) + (2 - 0) + (1 - 4)
= 27
Ranking Statistik Non Parametrik yang paling kiri adalah ranking 3,5
(pasangannya di ranking X adalah ranking merepresentasekan,yaitu 4),
ini memiliki 2 ranking yang lebih besar sebelah kanannya dan 0 ranking
yang lebih kecil di sebelah kirinya, jadi skornya (8-2), begitu seterusnya
sehingga didapat harga S = 27
Setelah menentukan harga S = 27 , selanjutnya
menentuka harga Tx dan Ty. Tidak terdapat angka-angka
sama diantara skor-skor pada variabel statistik yaitu pada
ranking X, dengan demikian Tx = 0
Pada variabel menyerah (Y), ada 3 himpunan ranking
berangka sama dan t masing-masing = 2, dengan
demikian Ty dapat dihitung:
Ty = ½ Σ t (t – 1) = ½ {2(2-1) + 2(2-1) + 2(2-1)} = ½ (6) = 3
Dengan S = 27, N = 12, Tx = 0, dan Ty = 3, maka dapat dihitung harga
s
s 27
s  s 
1 1 1 1
n(n  1)  TX n(n  1)  TY 12(12  1)  0 12(12  1)  3
2 2 2 2

s 
27
s 
27
s 
27
  0,42
66 63 4158 64,48 s
Seandainya kita tidak melakukan koreksi dengan adanya
angka yang sama, yakni jika kita menggunakan rumus

s =

Maka kita menemukan harga yang berbeda

s = = = 0,41

Perhatikan bahwa akibat koreksi untuk angka yang

sama itu relatif kecil
 Uji Hipotesis Koefisien Korelasi Kendall

Pendahuluan

 Hipotesis dapat berbentuk

>0 <0 ≠0

 Pengujian dapat dilakukan untuk sampel besar atau sampel

kecil

 Pada sampel kecil (n  10) disediakan tabel nilai kritis khusus

 Pada sampel besar (n > 10), distribusi probabilitas

pensampelan mendekatai distribusi probabilitas normal
 Pada sampel kecil (n  10)
Untuk sampel-sampel kecil, signifikansi suatu
hubungan yang diobservasi antara dua sampel
yang ranking dapat ditentukan dengan hanya
menemukan harga S dan kemudian melihat tabel
kritisnya untuk menetapkan kemungkinan (satu
sisi) yang berkaitan harga tersebut. Kalau p ≤ α,
Ho dapat ditolak.
Sebagai contoh, misalkan N = 8 dan S = 10. tabel
kritisnya menunjukkan bahwa suatu S ≥ 10 untuk
N = 8 mempunyai kemungkinan kemunculan di
bawah Ho sebesar p = 0,138
 Uji Hipotesis pada Sampel Besar

Pada sampel besar, n > 10

Distribusi probabilitas pensampelan
mendekati distribusi probabilitas normal
Rerata
 = 0
Kekeliruan baku
2( 2n  5)
 
9n( n  1)
Statistik uji
s  
z

 Contoh 3
Skor hasil belajar Statistik & Teori Tes Mahasiswa PEP

Mahasiswa A B C D E F G H I J K L
Skor Statistik 42 46 39 37 65 88 86 56 62 92 54 81
Teori 82 98 87 40 116 113 111 83 85 126 106 117
Tes

Telah kita tentukan bahwa diantara kedua belas

mahasiswa, korelasi antara mata kuliah statistik
dengan teori tes adalah s = 0,67, jadi
s  
z = = = =


z  3,03
Dengan melihat tabel harga-harga z, kita
mengetahui bahwa z > 3,03 mempunyai
kemungkinan kemunculan, di bawah Ho
sebesar p = 0,0012. dengan demikian , kita
dapat menolak Ho pada tingkat signifikansi α
= 0,01, dan menyimpulkan bahwa kedua
variabel berasosiasi dalam populasi yang
merupakan asal-usul sampel ini.