UJI

KORELASI

KELOMPOK 4
ADE YANTI (180631010)
PRIMA AGUSTIN (180631018)
ZHILAL HAFIDZOH (180631026)
Pengertian Korelasi
1. Pengertian Korelasi:

Korelasi adalah suatu hubungan, yakni bagian dari teknik analisis dalam
statistik yang dipakai guna mencari hubungan di antara dua variabel yang sifatnya
kuantitatif. Hubungan dua variabel ini bisa terjadi sebab adanya hubungan sebab
akibat maupun bisa pula terjadi sebab kebetulan saja. Dua variabel ini dapat
dikatakan berkorelasi jika perubahan pada variabel satu akan diikuti perubahan di
variabel lainnya dengan teratur yang arahnya sama (korelasi positif) maupun
berlawanan (korelasi negative).

Istilah dari korelasi sendiri biasa dipakai guna mengilustrasikan dari ada
tidaknya dari hubungan suatu hal dengan hal yang lain. Di dalam matematika,
korelasi adalah ukuran pada seberapa dekatnya diantara dua variabel yang berubah
dalam hubungan satu dengan lainnya. Sebagai contohnya, kita dapat memakai
tinggi badan serta usia dari siswa SD menjadi variabelny korelasi positif. Jika
semakin tua usia dari siswa SD, maka tinggi dari badannya juga menjadi semakin
tinggi. Hubungan tersebut ini disebut korelasi positif sebab dari kedua variabel terjadi
perubahan menuju arah yang sama, yaitu dengan meningkatnya usia, sehingga
tinggi badan juga akan ikut meningkat.
 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.
KORELASI
Beberapa jenis korelasi berdasarkan diagram pencar

Korelasi Positif

Korelasi Negatif

Korelasi Sempurna Tdk ada Korelasi

 KORELASI
Koefisien Korelasi Pearson

1. Metode Least square

n XY   X Y
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

Jika X adalah persentase kenaikan biaya iklan dan Y adalah

persentase kenaikan hasil penjualan, maka berdasarkan table di
bawah ini, hitunglah koefisien korelasi :

X 1 2 4 5 7 9 10 12
Y 2 4 5 7 8 10 12 14
PENYELESAIAN
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
3. Product
Korelasi Moment
Product Moment Person:

Korelasi Pearson atau sering disebut Korelasi Product Moment (KPM)

merupakan alat uji statistik yang digunakan untuk menguji hipotesis asosiatif (uji
hubungan) dua variabel bila datanya berskala interval atau rasio. KPM
dikembangkan oleh Karl Pearson (Hasan, 1999).

KPM merupakan salah satu bentuk statistik parametris karena menguji data
pada skala interval atau rasio. Oleh karena itu, ada beberapa persyaratan untuk
dapat menggunakan KPM, yaitu :

1. Sampel diambil dengan teknik random (acak)

2. Data yang akan diuji harus homogen
3. Data yang akan diuji juga harus berdistribusi normal
4. Data yang akan diuji bersifat linier
Korelasi Product Moment Person

Berikut Tabel klasifikasi nilai koefisien korelasi r pearson:

Berdasarkan tabel di atas, dapat kami jelaskan tentang nilai koefisien korelasi uji
pearson product moment dan makna keeratannya dalam sebuah analisis statistik
atau analisis data. Berikut penjelasannya:

1. Nilai koefisien 0 = Tidak ada hubungan sama sekali (jarang terjadi),

2. Nilai koefisien 1 = Hubungan sempurna (jarang terjadi),
3. Nilai koefisien > 0 sd < 0,2 = Hubungan sangat rendah atau sangat lemah,
4. Nilai koefisien 0,2 sd < 0,4 = Hubungan rendah atau lemah,
5. Nilai koefisien 0,4 sd < 0,6 = Hubungan cukup besar atau cukup kuat,
6. Nilai koefisien 0,6 sd < 0,8 = Hubungan besar atau kuat,
7. Nilai koefisien 0,8 sd < 1 = Hubungan sangat besar atau sangat kuat.
8. Nilai negatif berarti menentukan arah hubungan, misal: koefisien korelasi
antara penghasilan dan berat badan bernilai -0,5. Artinya semakin tinggi nilai
penghasilan seseorang maka semakin rendah berat badannya dengan
besarnya keeratan hubungan sebesar 0,5 atau cukup kuat (lihat tabel di atas).
Rumus Uji Pearson Product Moment

Agar anda bisa menghitung uji pearson product moment secara manual,
maka kenali rumus uji pearson product moment terlebih dahulu. Berikut adalah
rumus uji pearson product moment tersebut:

Uji Pearson Product Moment

Di mana:

 rxy: koefisien korelasi r pearson

 n: jumlah sampel/observasi
 x: variabel bebas/variabel pertama
 y: variabel terikat/variabel kedua.
 KORELASI
2. Product Moment

X Y X - X (x) Y - Y (y) x² y² xy

1 2 -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
X  50  Yi  62  i  117,5
2
y
i

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

KESIMPULAN :
HUBUNGAN X (BIAYA IKLAN) DENGAN Y (HASIL PENJUAL) SANGAT
KUAT DAN POSITIF, BIAYA IKLAN PADA UMUMNYA MENAIKAN HASIL
PENJUALAN
 KORELASI

Koefisien Korelasi Rank Spearman

6 d 2
rs  1 

n n2 1 
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
Tujuan Analisis Spearman
1. Melihat tingkat kekuatan (keeratan) hubungan dua variabel
2. Melihat arah (jenis) hubungan dua variabel
3. Melihat apakah hubungan tersebut signifikan atau tidak

Dalam menentukan tingkat kekuatan hubungan antar variabel, kita dapat

berpedoman pada nilai koefisien korelasi yang merupakan hasil dari output SPSS,
dengan ketentuan:
1. Nilai koefisien korelasi sebesar 0,00 - 0,25 = hubungan sangat lemah
2. Nilai koefisien korelasi sebesar 0,26 - 0,50 = hubungan cukup
3. Nilai koefisien korelasi sebesar 0,51 - 0,75 = hubungan kuat
4. Nilai koefisien korelasi sebesar 0,76 - 0,99 = hubungan sangat kuat
5. Nilai koefisien korelasi sebesar 1,00 = hubungan sempurna
 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

Ilustrasi

Ranking Ranking
X Y d d²
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

6(12)
rs  1   0.858
88  1
2

KESIMPULAN :
HUBUNGAN X (BIAYA IKLAN) DENGAN Y (HASIL PENJUAL)
SANGAT KUAT DAN POSITIF, BIAYA IKLAN PADA UMUMNYA
MENAIKAN HASIL PENJUALAN
 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

Keterangan :
 
2
kai kuadrat 2
n = Jumlah semua frekwensi C 
C= Koefisien korelasi Bersyarat   n
2

n q n  ij 

ij
 2

i 1 j 1 ij

n i . nj 
Frekwensi Harapan : ij 
n
KOEFISIEN KORELASI UNTUK
DATA KUALITATIF

Ilustrasi :
Penelitian hubungan tingkat pendidikan dengan kebiasaan rekreasi. Peneliti
mengambil sebanyak 400 sampel dari masyarakat. Dengan data sbb:

Rekreasi
Pendidikan
tdk pernah Jarang Sering
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

Penyelesaian

Rekreasi
Pendidikan Jumlah
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
Penyelesaian
(n1) (n1.) (211) (243)
ℓ 11 = n 400
= 128,2

(n1) (n2.) (211) (103)

ℓ 12 = 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
Nilai Kai Kuadrat

(145 - 128.18)² (27 - 15.80)²

X² = 2,21 = 1,71
128,18 15,8
(58 - 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
C   0.36
59,7  400

Kesimpulan :

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 pengaruh nilai suatu variable ( variabel X)
terhadap naik turunnya (variasi) nilai variabel lainya (variabel Y).

KP² = r² x 100%

R² = 0.99² x 100% = 98,01%