ANALISIS KORELASI

1. ANALISIS KORELASI PARAMETRIK

1
 Pengantar

• Hipotesis asosiatif mrpkn dugaan tentang adanya

hubungan antar variabel dalam populasi yang akan
diuji melalui hubungan antar variabel dalam
sampel yang diambil dari populasi tersebut
• Langkah awal pembuktiannya adalah dihitung
terlebih dahulu koefisien korelasi antar variabel
dalam sampel, baru koefisien yang ditemukan itu
diuji signifikansinya
• Jd menguji hipotesis asosiatif adalah menguji
koefisien korelasi yang ada pd sampel untuk
diperlakukan pd seluruh populasi di mana sampel
diambil
2
• Terdapat 3 macam hubungan antar variabel,yaitu
hubungan simetris, hubungan sebab-akibat
(kausal) dan hubungan interaktif (saling
mempengaruhi)
• Utk mencari hubungan antara 2 variabel atau
lebih dilakukan dengan menghitung korelasi antar
variabel yang akan dicari hubungannya
• Korelasi mrpkn angka yang menunjukkan arah dan
kuatnya hubungan antar dua variabel atau lebih
• Arah dinyatakan dlm bentuk hubungan positif /
negatif, sedangkan kuat hubungan dinyatakan
dengan kuatnya hubungan korelasi yang
dinyatakan dalam koefisien korelasi

3
 ANALISIS KORELASI ?????

Analisis korelasi merupakan salah satu teknik

statistik yang digunakan untuk mencari arah
dan kuatnya hubungan antara dua variabel atau
lebih yang sifatnya kuantitatif

4
 Dasar Pemikiran Analisis Korelasi

• Bahwa adanya perubahan sebuah variabel disebabkan

atau akan diikuti dengan perubahan variabel yang lain

• Berapa besar koefisien tersebut ?

a. Dinyatakan dalam koefisien korelasi
b. Semakin besar koefisien korelasi maka
semakin besar keterkaitan perubahan suatu
variabel dengan variabel yang lain

5
 Hubungan Positif ???

• Hubungan dua variabel / lebih dikatakan

hubungan positif, bila nilai satu variabel dinaikkan
maka akan menaikkan nilai variabel yang lain dan
sebaliknya bila satu variabel diturunkan maka
akan menurunkan nilai variabel yang lain

• Ex: ada hubungan yang positif antara tinggi

badan dengan kecepatan lari, hal ini berarti
semakin tinggi badan orang maka akan semakin
cepat larinya dan semakin pendek orang maka
akan semakin lambat larinya

6
 Hubungan Negatif ???

• Hubungan dua variabel atau lebih dikatakan

hubungan negatif, bila nilai satu variabel
dinaikkan maka akan menurunkan nilai variabel
yang lain dan juga sebaliknya bila nilai satu
variabel diturunkan, maka akan menaikkan
variabel yang lain

• Ex: ada hubungan yang negatif antara curah

hujan dengan es yang terjual. Hal ini berarti
semakin tinggi curah hujan, maka akan semakin
sedikit es yang terjual dan semakin sedikit curah
hujan, maka akan semakin banyak es yang terjual
7
 Contoh Lain 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
8
 Contoh Korelasi

• Investasi
Pupuk dengan
nasional
produksi
dengan
panen
pendapatan nasional
• Biaya iklan
Jumlah akseptor
dengandgn
hasil
jumlah
penjualan
kelahiran
• Berat badan
Harga barangdengan
dengantekanan
permintaan
darahbarang
• Pendapatan masyarakat dengan kejahatan ekonomi

9
Kapan Suatu Variabel dikatakan saling berkorelasi ???

• Variabel dikatakan saling berkorelasi jika

perubahan suatu variabel diikuti dengan
perubahan variabel yang lain

10
 Beberapa Sifat Penting dari Konsep Korelasi

• Nilai korelasi berkisar Interval TK hub

-1 sd 1
0,00-0,199 Sgt Rendah
• Koef.korelasi 1 =
hubungan sempurna 0,20-0,399 Rendah
• Koef.korelasi 0,40-0,599 Sedang
mendekati 0 = 0,60-0,799 Kuat
hubungannya lemah
0,80-0,999 Sgt Kuat
1,00 Sempurna

11
 Korelasi Berdasarkan Arah Hubungannya Dapat
Dibedakan Jadi Berapa ????

1. Korelasi Positif
Jika arah hubungannya searah

2. Korelasi Negatif
Jika arah hubungannya berlawanan arah

12
3. Korelasi Nihil
Jika perubahan kadang searah tetapi
kadang berlawanan arah atau Mempunyai
arti tidak ada hubungan antara dua
variabel. Bentuk Scatter plot nya di
tunjukkan pada gambar berikut :

13
14
 1. Analisis Korelasi Parametrik
• Analisis korelasi dengan variabel –
variabelnya mempunyai bentuk
distribusi/sebaran, mempunyai skala interval
atau rasio dan memiliki jumlah sampel
besar, atau bisa juga jumlah sampel kecil
tetapi memenuhi asumsi bentuk distribusi
(normal)

Analisis Korelasi Parametrik yang Akan Kita Pelajari

adalah Korelasi Product Moment (Pearson)

15
 Syarat uji korelasi parametrik:

• Sampel berasal dari populasi dengan

distribusi normal
• Sampel diambil secara random
• Sampel mempunyai varians yang
sama
• Skala pengukuran interval atau rasio
 Untuk menguji apakah sampel berdistribusi normal dapat
dilakukan Uji Normalitas Kolmogorov Smirnov menggunakan
SPSS dengan melihat nilai p-value atau sig asym (2-tiled).
 Jika p-value atau sig > signifikansi (0.05) maka sampel
berdistribusi normal.
16
 Korelasi Product Moment
• Digunakan untuk menentukan besarnya koefisien
korelasi jika data yang digunakan data interval atau
rasio
• Rumus yang digunakan adalah: r   xy
( x 2 y 2 )
xy

• Atau

Koefisien
Determinasi
(KD) = r2

17
18
 Contoh Kasus

Seorang mahasiswa melakukan survei untuk meneliti

apakah ada korelasi antara pendapatan mingguan dan
besarnya jumlah tabungan mingguan di kota Cirebon

Untuk menjawab permasalahan tersebut, diambil sampel

sebanyak 10 kepala keluarga

19
 Pemecahannya ???

1. Judul
Hubungan antara pendapatan dan tabungan
masyarakat di kota Cirebon

2. Pertanyaan Penelitian
Apakah terdapat korelasi positif antara
pendapatan dan tabungan masyarakat ?

3. Hipotesis
Terdapat korelasi positif antara pendapatan dan
tabungan masyarakat

20
 4. Kriteria Penolakan Hipotesis dan pengambilan
keputusan
• Ho : Tidak terdapat korelasi positif antara
tabungan mingguan dengan pendapatan
• Ha : Terdapat korelasi positif antara tabungan
mingguan dengan pendapatan

• Ho ditolak jika
r hitung > r tabel (α, n-2) atau
t hitung > t tabel (α, n-2)

Dengan menggunakan SPSS pengambilan keputusan

analisis korelasi yakni dengan melihat nilai pearson
correlation yang ber bintang (*) atau dengan
melihat nilai signifikansi (jika nilai sig < 0.05)
artinya terdapat korelasi yang signifikan 21
5. Sampel
Diambil 10 kepala keluarga secara random

6. Data yang dikumpulkan (tabel bantuan)

Responden 1 2 3 4 5 6 7 8 9 10

Saving 2 4 6 6 8 8 9 8 9 10

Income 10 20 50 55 60 65 75 70 81 85

22
7. Uji Normalitas Data
Dengan menggunakan SPSS
Input data – Analyze – regression – linear - masukkan
variabel Y ke dependent dan variabel X ke independent
– (muncul kotak dialog Linear Regression ) – save
(centang Unstandardized ada residual) – continue – OK
(akan mucul variabel baru RES_1) abaikan output yang
muncul, kemudian

Klik Menu Analyze – Non Parametric test – legacy

dialog – pilih sub menu 1 – Sample K-S – (muncul
Kotak dialog dengan nama Sampel Kolmogorov
Smirnov) masukan variabel Undstandardized residual –
centang Normal – OK

Diperoleh hasil output sebagai berikut :

23
Dari Output terlihat Asymp Sig (2-tiled) bernilai 0.977
(lebih dari 0.05) artinya sampel berdistribusi normal.
24
 8. Analisis Data, dengan menggunakan Excel

N xi yi xi2 yi2 xy
1 2 10 4 100 20
2 4 20 16 400 80
3 6 50 36 2500 300
4 6 55 36 3025 330
5 8 60 64 3600 480
6 8 65 64 4225 520
7 9 75 81 5625 675
8 8 70 64 4900 560
9 9 81 81 6561 729
10 10 85 100 7225 85025
Jumlah 70 571 546 38161 4544
 nΣxiyi – (Σxi)( Σyi)
9. rxy = ----------------------------------------
√[nΣxi² – (Σxi)²] [nΣyi² – (Σyi)²]

10(4544) – (70)( 571)

rxy = ---------------------------------------- =
0,981
√[10(546) – (70)²] [10(38161) – (571)²]
Pengujian hipotesis:
•Dengan kriteria r hitung:
r hitung (0,981) > r tabel (0,707)

•Dengan kriteria t hitung:

rxy √n-2 0,981 √n-2 t
thitung = ---------- t = ------------- = 14,233
√[1–r2] √(1-0,962)
t hitung (14,233) > t tabel (2.306)
26
Rumus T tabel (dengan Excel) =TINV(0.05,10-2) = TINV(0.05,8)
  Menghitung Koefisien Korelasi dengan menggunakan
Excel menggunakan rumus :
= correl(array1, array2) atau =Pearson((array1, array2)
dimana array 1 = variabel x dan array2 = variabel Y

 Menghitung Koefisien Korelasi dengan menggunakan

SPSS
Input Data - Analyze – Correlate – bivariat – pindahkan
data ke variabel – OK

27
 10. Kesimpulan ???
• Karena r hitung > dari r tabel maka H0 ditolak
• Karena t hitung > dari t tabel maka H0 di tolak
• Karena nilai pearson correlation ber (*)
dan nilai sig (2-tiled) = 0.000 < 0.05

• KESIMPULAN:
Terdapat korelasi yang positif antara pendapatan
mingguan dengan tabungan mingguan di kota
Cirebon
Untuk menentukan nilai koefisien determinasi
(KD) = r2= (0.981)2=0.962, artinya variabel x
mempengaruhi variabel y sebesar 96,2 %
28
Latihan 1
Benarkah bahwa semakin lama waktu belajar siswa
semakin tinggi nilai prestasinya? Tentukan nilai
korelasi dan Ujilah dengan menggunakan taraf
signifikansi 5%, serta tentukan nilai KD nya !
Lama 40 55 60 75 87 95 120
Belajar (X)
Nilai 25 40 50 55 65 73 90
Prestasi (y)

29
Latihan 2

Sampel yang diambil secara acak dari 5 mahasiswa, didapat data nilai
Ekonometrika dan Statistik sebagai berikut. Untuk mengetahui apakah
terdapat pengaruh kemampuan Ekonometrika terhadap nilai statistika.
Tentukan nilai korelasi dan koefisien determinasi nya serta interpretasikan
hasilnya.

Sampel X Y
(Ekonometrika) (Statistika )
1 2 3
2 5 4
3 3 4
4 7 8
5 8 9
Jumlah 25 28

30
 UJI KORELASI
NON PARAMETRIK

Analisis Koefisien Korelasi peringkat

Rank Spearman
 Pengantar
• Statistika Nonparametrik :

− Cocok untuk data yang tidak memenuhi asumsi

statistika parametrik (berdistribusi normal) atau yang
berjenis kualitatif
− Disebut juga distribution-free statistics
− Didasarkan atas lebih sedikit asumsi mengenai populasi
dan parameter dibandingkan dengan statistika
parametrik
− Ada yang dapat digunakan untuk data nominal
− Ada yang dapat digunakan untuk data ordinal
 Keuntungan dan Kekurangan Statistika
Nonparametrik
• Keuntungan :
− Kadang-kadang tidak ada alternatifnya pada
statistika parametrik
− Uji nonparametrik tertentu dapat digunakan
untuk analisis data nominal
− Uji nonparametrik tertentu dapat digunakan
untuk analisis data ordinal
− Proses perhitungan pada statistika
nonparametrik biasanya lebih sederhana
dibandingkan pada statistika parametrik,
khususnya untuk sampel kecil
• Kekurangan :
− Uji nonparametrik menjadi tak berguna apabila
uji parametrik untuk data yang sama tersedia
− Uji nonparametrik pada umumnya tidak
tersedia secara luas dibandingkan dengan uji
parametrik
− Untuk sampel besar, perhitungan untuk
statistika nonparametrik menjadi rumit

• Metode uji nonparametrik pada bab ini, yaitu Uji

tanda, Mann-Whitney, Wilcoxon, dan Rank
Spearman.
UJI KORELASI RANK SPEARMAN
• Uji Rank Spearman digunakan untuk menguji hipotesis
korelasi dengan skala pengukuran variabel minimal
ordinal.
• Uji Rank Spearman diperkenalkan oleh Spearman pada
tahun 1904.
• dalam Uji Rank Spearman, skala data untuk kedua
variabel yang akan dikorelasikan dapat berasal dari
skala yang berbeda (skala data ordinal dikorelasikan
dengan skala data numerik) atau sama (skala data
ordinal dikorelasikan dengan skala data ordinal).
• Data yang akan dikorelasikan tidak harus membentuk
distribusi normal.
• Jadi Uji korelasi Rank Spearman adalah
uji yang bekerja untuk skala data ordinal
atau berjenjang atau rangking, dan bebas
distribusi
Langkah-langkah Uji Rank Spearman

1. Berikan peringkat pada nilai-nilai variabel x dari 1

sampai n. Jika terdapat angka-angka sama, peringkat
yang diberikan adalah peringkat rata-rata dari angka-
angka yang sama.
2. Berikan peringkat pada nilai-nilai variabel y dari 1
sampai n. Jika terdapat angka-angka sama, peringkat
yang diberikan adalah peringkat rata-rata dari angka-
angka yang sama.
3. Hitung di (selisih) untuk tiap-tiap sampel (di=peringkat
xi - peringkat yi)
Langkah-langkah Uji Rank Spearman

4. Kuadratkan masing-masing di dan jumlahkan semua di2

5. Hitung Koefisien Korelasi Rank Spearman (ρ) baca
rho:
• Statistik sampel:
6∑di2
ρ = 1- z n 1
n(n2 – 1)
6. Bila terdapat angka-angka sama. Nilai-nilai
pengamatan dengan angka sama diberi ranking rata-
rata.
 Aturan mengambil keputusan
No Parameter Nilai Interpretasi

1. ρhitung dan ρtabel. ρtabel ρhitung ≥ Ho ditolak Ha diterima

dapat dilihat pada Tabel J ρtabel
(Tabel Uji Rank Spearman)
yang memuat ρtabel, pada ρhitung < Ho diterima Ha ditolak
berbagai n dan tingkat ρtabel
kemaknaan α

2. Kekuatan korelasi ρhitung 0.000-0.199 Sangat Lemah

0.200-0.399 Lemah
0.400-0.599 Sedang
0.600-0.799 Kuat
0.800-1.000 Sangat kuat
3. Arah Korelasi ρhitung + (positif) Searah, semakin besar nilai
xi semakin besar pula nilai
yi
- (negatif) Berlawanan arah, semakin
besar nilai xi semakin kecil
nilai yi, dan sebaliknya
 TABEL NILAI-NILAI RHO

Taraf Signif Taraf Signif

N N
5% 1% 5% 1%
5 1.000   16 0.506 0.665
6 0.886 1.000 18 0.475 0.626
7 0.786 0.929 20 0.450 0.591
8 0.738 0.881 22 0.428 0.562
9 0.683 0.833 24 0.409 0.537
10 0.648 0.794 26 0.392 0.515
12 0.591 0.777 28 0.377 0.496
14 0.544 0.715 30 0.364 0.478
Contoh 1
M dan R adalah dua orang analis yang meranking kualitas 12 stok.
Hasil disajikan dalam tabel berikut.

Kode stok Rank M Rank R M-R=d d2

A 5 4 1 1
B 8 6 2 4
C 3 1 2 4
D 10 8 2 4
E 7 9 -2 4
F 1 2 -1 1
G 9 5 4 16
H 2 7 -5 25
I 11 10 1 1
J 4 3 1 1
K 6 11.5 -5.5 30.25
L 12 11.5 0.5 0.25
∑d2=91.5

Rank 11+12/2 = 11.5

 Dengan taraf nyata 5%, ujilah apakah ada kecenderungan
kecocokan pada rank kedua analis.

Jawab:

Ada kecenderungan cocok dapat diartikan kedua rank berkorelasi

positif.
1. H0: ρ≤0 H1: ρ>0
2. Uji satu arah
3. Taraf nyata 5%
4. Wilayah kritis: z > z 0.05= 1.64
5. Nilai hitung
6 d
2
6(91.5)
  1 2
 1 2
 0.68 tabel   (12, 0.05)  0.591
n(n  1) 12(12  1)

z  0.68 12  1  2.26

6. Kesimpulan:
z>z tabel (2.26>1.64) dan ρ > ρ tabel (0.68 > 0.591) maka H0 ditolak
Artinya: ada kecenderungan kecocokan pada rank kedua analis.
Contoh 2
• Sebuah penelitian dilakukan untuk mengetahui korelasi
antara Kadar SGOT dengan Kolesterol HDL
(mg/100ml) pada 7 sampel yang diambil secara
random. Hasil pengumpulan data dapat dilihat pada
Tabel. Bagaimana kesimpulan yang dapat diambil dari
data tersebut?α=0.01
Sampel Kadar SGOT Kadar HDL
1 5,7 40,0
2 11,3 41,2
Ctt : Hasil uji
3 13,5 42,3
normalitas,
4 15,1 42,8 data tidak
5 17,9 43,8 terdistribusi
normal
6 19,3 43,6
7 21,0 46,5
Prosedur Uji
1. Tetapkan hipotesis
H0 : Tidak ada korelasi antara kadar SGOT dengan
HDL
Ha : Ada korelasi antara kadar SGOT dengan HDL
2. Tentukan nilai ρ tabel pada n=7, α=0,01 0.929
3. Hitung nilai ρ hitung
Sampel Kadar SGOT Ranking Kadar HDL Ranking di di2
(xi) x yi y
1 5,7 1 40,0 1 0 0

2 11,3 2 41,2 2 0 0

3 13,5 3 42,3 3 0 0

4 15,1 4 42,8 4 0 0

5 17,9 5 43,8 6 -1 1

6 19,3 6 43,6 5 1 1

7 21,0 7 46,5 7 0 0

∑di2=
2
 6∑di2 6x2 12
P = 1- = 1- = 1-
n3 - n 73 - 7 336
336 - 12
=
336
= 0,964
4. Kesimpulan
Karena nilai ρhitung (0,964) ≥ ρtabel (0,929), maka
Ho ditolak artinya Ada korelasi yang sangat kuat dan
positif antara Kadar SGOT dengan Kadar HDL.
 Dengan menggunakan SPSS
• Input data – beri nama variabel di variabel view
– beri nama pada label – klik dta view
• Klik analze – correlate – bivariate – mucul kotak
bivariate correlation – masukan variabel x dan y
– kemudian pada bagian “correlation coefficient”
beri tanda centang pada pilihan Spearmen,
pada bagian “Test of Significant” pilih two tiled,
selanjutnya beri centang pada Flag significance
correlations lalu klik options dan pada bagian
“missing Values” pilih Exclude cases Pairwse,
lalu klik ok,
• sehingga muncul output sebagai berikut :
Interpretasi :
* Melihat kekuatan hubungan antara variabel kadar SGOT dan kadar HDL
Dari Hasii Output di atas terlihat bahwa nilai korelasi antara kadar SGOT
dan kadar HDL sebesar 0.964 atau sangat kuat. Tanda bintang (**) artinya
korelasi bernilai signifikan pada taraf signifikansi 0.01.
• Melihat signifikansi kedua variabel
Berdasarkan Hasii Output di atas diketahui bahwa nilai signifikansi atau sig
(2 tiled) sebesar 0.000 < 0.05 atau 0.01, artinya ada hubungan yang
signifikan antara kadar SGOT dan kadar HDL.

* Pembuatan Kesimpulan
Dari interpretasi atau pembahsan di atas, dapat disimpulkan bahwa
terdapat hubungan signifikan yang sangat kuat dan searah antara kadar
SGOT dan kadar HDL
Latihan 1
• Sebuah penelitian dilakukan untuk mengetahui korelasi
antara Kualitas Produk dengan Kepuasan Konsumen.
Hasil pengumpulan data dapat dilihat pada tabel
dibawah. Bagaimana kesimpulan yang dapat diambil
dari data tersebut? α=0.05
• Hasil uji normalitas, data tidak terdistribusi normal
Maha Kulaitas Kepuasan Ranking Ranking di di2
siswa Produk Konsumen x y

1 2 3
2 3 3
3 4 4
4 4 5
5 3 4
6 5 5
7 5 5
8 4 5
9 5 5
10 4 4
Prosedur Uji
1. Tetapkan hipotesis
H0 : Tidak ada korelasi antara kadar keotoriterian
mahasiswa dengan perjuangan status sosialnya
Ha : Ada korelasi antara kadar keotoriterian
mahasiswa dengan perjuangan status sosialnya
2. Tentukan nilai ρ tabel pada n=10 α=0,05 ….
3. Hitung nilai ρ hitung
 6∑di2 …x… ….
P = 1- = 1- = 1-
n3 - n … - .… ….
…. - ….
=
…..
= …..
4. Kesimpulan
…….
Latihan 2
• Sebuah penelitian dilakukan untuk mengetahui korelasi
antara Keotoriterian mahasiswa dengan Perjuangan
untuk Status Sosial. Hasil pengumpulan data dapat
dilihat pada tabel dibawah. Bagaimana kesimpulan
yang dapat diambil dari data tersebut? α=0.01
• Hasil uji normalitas, data tidak terdistribusi normal
Maha Perjuangan
Skor Ranking Ranking di di2
sisw Status
Keotoriterian x y
a Sosial
1 82 42
2 98 46
3 87 39
4 40 37
5 116 65
6 113 88
7 111 86
8 83 56
9 85 62
10 126 92
11 106 54
12 117 81
Prosedur Uji
1. Tetapkan hipotesis
H0 : Tidak ada korelasi antara kadar keotoriterian
mahasiswa dengan perjuangan status sosialnya
Ha : Ada korelasi antara kadar keotoriterian
mahasiswa dengan perjuangan status sosialnya
2. Tentukan nilai ρ tabel pada n=12 α=0,01 ….
3. Hitung nilai ρ hitung
 6∑di2 …x… ….
P = 1- = 1- = 1-
n3 - n … - .… ….
…. - ….
=
…..
= …..
4. Kesimpulan
…….