Anda di halaman 1dari 29

Analisis Korelasi

Sebelum membahas tentang analisis korelasi, perhatikan beberapa pertanyaan berikut :

 Apakah tinggi badan seorang mahasiswa “berkaitan” No Tinggi (cm) Berat (kg)
dengan berat badan seorang mahasiswa ? 1 172 78
 Apakah tingkat pengangguran “berhubungan” degan 2 165 65
tingkat inflasi ? 3 189 85
 Apakah yield dari suatu proses produksi “berhubungan” 4 162 65
dengan kapasitas produksi dari suatu mesin ? 5 154 58
6 168 70
7 178 78
8 159 56
9 172 75
Kata kunci : berkaitan/berhubungan  ada dua variabel (umumnya X dan Y) yang diamati bagaimana karakteristik pergerakan
mereka secara bersama 10 168 66
Scatterplot

Ketika tinggi badan naik berat badan juga naik, hal sebaliknya berlaku ketika berat badan naik tinggi badan juga naik  pergerakan /perubahan bersama membentuk kecenderungan / trend secara linier baik positif (+) maupun
negatif (-)
Scatter plot atau diagram pencar digunakan untuk menunjukkan hubungan antara dua variabel melalui sebuah tampilan visual.

Hubungan Linier Positif Hubungan Linier Negatif


Hubungan Nonlinier (Kuadratik) Hubungan Nonlinier (Eksponensial)
Tidak Berhubungan (Tidak Mempunyai Trend), Polanya Acak
Secara sederhana korelasi dapat diartikan sebagai hubungan. Korelasi adalah suatu teknik dalam
statistika yang digunakan untuk mencari hubungan/keterkaitan antara dua variabel secara
linier.

Untuk mengukur tingkat/derajat hubungan antara dua variabel digunakan sebuah ukuran
statistik yang dinamakan koefisien korelasi
Sama seperti rata-rata, variansi, dan proporsi yang sudah dipelajari sebelumnya, koefisien korelasi merupakan sebuah parameter bagi populasi dan juga merupakan sebuah statistik bagi sampel.

Koefisien korelasi populasi mengukur derajat hubungan linier antara dua variabel dalam populasinya, dinotasikan dengan ρ (dibaca rho)

Koefisien korelasi sampel digunakan untuk mengestimasi ρ mengukur derajat hubungan linier antara dua variabel berdasarkan pengamatan sampel, dinotasikan dengan r.

Random sampling

Korelasi (X,Y)
ρ Korelasi (X,Y)
r

estimasi

POPULASI SAMPEL
Sifat-sifat koefisien korelasi :

 Tidak memiliki satuan


 Nilainya antara -1 dan 1
 Nilai koefisien korelasi mendekati -1 mengindikasikan terdapat hubungan linier negatif yang “kuat” antara
dua variabel
 Nilai koefisien korelasi mendekati 1 mengindikasikan terdapat hubungan linier positif yang “kuat” antara
dua variabel
 Nilai koefisien korelasi mendekati 0 mengindikasikan tidak terdapat hubungan linier antara dua variabel

Hubungan linier positif yang kuat antara X dan Y


Interpretasi Koefisien Korelasi oleh Beberapa Peneliti

Catatan : Aturan atau pedoman di atas dapat dipakai jika telah dilakukan pengujian hipotesis koefisien
korelasi dan hasilnya signifikan (H0 ditolak).
Jenis Teknik Korelasi Berdasarkan Skala Data

Skala Data Teknik Korelasi


Nominal Koefisien Kongtingensi
Ordinal Rank Spearman
Tau Kendall
Interval dan rasio Pearson / Product of Moment
Multiple Correlation
Parsial Correlatin

Pada pertemuan ini, kita hanya akan mempelajari koefisien korelasi yang paling familiar digunakan yaitu koefisein korelasi Pearson atau sering disebut koefisien korelasi product of moment.
 
Koefisien korelasi Pearson / product of moment
Koefisien korelasi Pearson untuk sampel yaitu r diformulasikan sebagai berikut :

atau
Pengujian Hipotesis Koefisien Korelasi
(Uji Signifikansi Koefisien Korelasi)
  1. H0 : ρ = 0 (Tidak terdapat hubungan linier signifikan antara X dan Y)

2. H1 : ρ ≠ 0 ( Terdapat hubungan linier signifikan antara X dan Y)  uji dua sisi


pada kasus tertentu, bisa saja berlaku uji satu sisi (H1 : H1 : ρ < 0 atau H1 : H1 : ρ > 0

3. Statistik Uji :

4. Daerah kritis dan kriteria uji :


Pada taraf nyata sebesar α dan derajat bebas v = n-2, dari tabel T :
ttabel = tα/2 ; n-2
Tolak H0 jika t ≤ - ttabel atau t ≥ ttabel (uji dua sisi)
Tidak tolak H0 jika sebaliknya

5. Kesimpulan
Selain pengujian hipotesis untuk mengetahui signifikansi koefisien korelasi Pearson, kita
juga dapat melakukan uji signifikansi koefisien korelasi Pearson pada suatu nilai tertentu,
misalkan nilai taksirannya sebesar ρ0 secara ringkas sebagai berikut :

Uji Signifikansi Koefisien Korelasi Taksiran


Contoh
Sebuah penelitian dilakukan untuk mengetahui hubungan antara konsumsi bahan bakar (X) dan jarak tempuh
(Y) dari sepeda motor merk tertentu. Sampel acak sebanyak 8 unit sepeda motor diamati, kemudian diukur
konsumsi bahan bakar (dalam satuan liter) dan jarak tempuh (dalam satuan kilometer) diperoleh data sebagai
berikut :
No 1 2 3 4 5 6 7 8
Bahan bakar (X) 1 1.5 1.8 3 1.5 2 2.5 3.5
Jarak tempuh (Y) 22.4 33.8 48.2 63.6 34.2 46.2 58.2 74.2

o Hitung koefisien korelasi sampel (r) antara konsumsi bahan bakar (X) dan jarak tempuh (Y) !

o Berdasarkan perhitungan koefisien korelasi sampel, lakukan pengujian hipotesis untuk mencari bukti
bahwa terdapat hubungan linier yang signifikan antara konsumsi bahan bakar dan jarak tempuh pada taraf
nyata 5% !
Solusi
Sebelum menghitung koefisien korelasi, langah awal, kita dapat melakukan analisis
eksplorasi menggunakan scatterplot sebagai berikut :
 

  Formula koefisien korelasi Pearson data sampel :

∑ ( 𝑥 𝑖 − 𝑥´ ) ( 𝑦 𝑖 − ´𝑦 )
𝑖=1
𝑟=
Hitung rata-rata sampel untuk X dan Y : 𝑛 𝑛

√ [ ∑
𝑖=1
( 𝑥𝑖 − ´
𝑥)
2
][∑𝑖=1
( 𝑦𝑖 − 𝑦
´ )
2
]
Setelah diperoleh rata-rata sampel untuk X dan Y, selanjutnya dihitung simpangan / selisih setiap nilai X terhadap rata-rata X dan setiap nilai Y terhadap rata-rata Y dengan bantuan tabel perhitungan sebagai berikut :
 
Sehingga :

Nilai koefisien korelasi mendekati 1, menjadi indikasi awal bahwa terdapat hubungan linier positif
sangat kuat antara X dan Y.
Uji Signifikansi Koefisien Korelasi
  1. H0 : ρ = 0 (Tidak terdapat hubungan linier antara Bahan bakar dan Jarak tempuh)

2. H1 : ρ ≠ 0 ( Terdapat hubungan linier antara Bahan bakar dan Jarak tempuh)  (uji dua sisi)

3. Statistik Uji :

4. Daerah kritis dan kriteria uji :


Pada taraf nyata sebesar 0.05 dan derajat bebas v = 8-2=6, dari tabel T
ttabel = t0.05/2 ; 6 = 2.447
Tolak H0 jika t ≤ - 2.447 atau t ≥ 2.447
Tidak tolak H0 jika sebaliknya

5. Ternyata t = 13.11 > 2.447 sehingga H0 ditolak.


Pada taraf nyata 5%, cukup bukti untuk menyatakan bahwa terdapat hubungan linier yang signifikan antara konsumsi bahan bakar dan jarak tempuh.
Karena diketahui berdasarkan scatterplot antara variabel Bahan bakar dan Jarak
tempuh membentuk hubungan positif, uji signifikansi koefisien korelasi dapat
dilakukan dengan uji satu sisi sebelah kanan
  1. H0 : ρ = 0 (Tidak terdapat hubungan linier antara Bahan bakar dan Jarak tempuh)

2. H1 : ρ > 0 ( Terdapat hubungan linier positif antara Bahan bakar dan Jarak tempuh)

3. Statistik Uji :

4. Daerah kritis dan kriteria uji :


Pada taraf nyata sebesar 0.05 dan derajat bebas v = 8-2=6, dari tabel T
ttabel = t0.05 ; 6 = 1.943
Tolak H0 jika t ≥ 1.943
Tidak tolak H0 jika t<1.943

5. Ternyata t = 13.11 > 1.943 sehingga H0 ditolak.


Pada taraf nyata 5%, cukup bukti untuk menyatakan bahwa terdapat hubungan linier positif yang signifikan antara konsumsi bahan bakar dan jarak tempuh.
Apakah berdasarkan sampel acak yang diperoleh dan pada taraf nyata 5%, koefisien
korelasi antara variabel Bahan bakar dan Jarak tempuh melebihi 0.9 ?
  1. H0 : ρ = 0.9 (Koefisien korelasi antara Bahan bakar dan Jarak tempuh adalah 0.9)

2. H1 : ρ > 0.9 (Koefisien korelasi antara Bahan bakar dan Jarak tempuh melebihi 0.9)

3. Statistik Uji :

4. Daerah kritis dan kriteria uji :


Pada taraf nyata sebesar 0.05 dari tabel Z diperoleh
Ztabel = Z0.05 = 1.645
Tolak H0 jika Z≥ 1.645
Tidak tolak H0 jika Z<1.645

5. Ternyata Z= 2.03> 1.645 sehingga H0 ditolak.


Pada taraf nyata 5%, cukup bukti untuk menyatakan bahwa koefisien korelasi antara variabel Bahan bakar dan Jarak tempuh melebihi 0.9.
Korelasi Parsial
 
Ketika korelasi menyatakan hubungan antara X dan Y, korelasi antara X dan Y boleh jadi
dijelaskan oleh variabel lain, misalnya variabel Z yang berhubungan dengan X dan Y.

Sebuah korelasi parsial digunakan untuk mengontrol efek dari varibel ketiga (Z) terhadap
hubungan antara X dan Y.

Jika korelasi antara X dan Y menjadi lebih rendah nilainya, hal ini menjadi indikasi bahwa
variabel Z memberikan efek terhadap hubungan antara X dan Y.

Korelasi parsial untuk data sampel antara variabel X dan Y dengan mengontrol variabel Z
dinyatakan dalam formula :
Contoh
Data berikut merupakan sampel acak 10 orang siswa berdasarkan nilai ujian Fisika (X), Kimia
(Y), dan Matematika (Z).
No Fisika (X) Kimia (Y) Matematika (Z)
1 65 57 70
2 82 75 85
3 75 81 83
4 92 88 85
5 52 65 63
6 67 71 65
7 82 80 80
8 69 62 65
9 87 85 77
10 55 57 60

Tentukan korelasi antara nilai Fisika (X) dan nilai Kimia (Y) dengan justifikasi bahwa kemampuan Fisika dan Kimia siswa berkaitan dengan kemampuan Matematikanya !
 
Solusi :
Dari hasil perhitungan diperoleh :

; ;

; ;

Sehingga :
Korelasi nilai Fisika (X) dan nilai Kimia (Y) dengan justifikasi bahwa nilai Fisika dan
 

Kimia siswa berkaitan dengan nilai Matematika (Z) :

Terlihat bahwa korelasi nilai Fisika (X) dan nilai Kimia (Y) dengan justifikasi bahwa nilai
Fisika dan Kimia siswa berkaitan dengan nilai Matematika (Z) sebesar 0.529 lebih kecil
dari Korelasi nilai Fisika (X) dan nilai Kimia (Y) tanpa justifikasi bahwa nilai Fisika dan
Kimia siswa berkaitan dengan nilai Matematika (Z) sebesar 0.863
Uji Signifikansi Koefisien Korelasi Parsial

  1. H0 : ρxy .z = 0
2. H1 : ρxy .z ≠ 0
pada kasus tertentu, bisa saja berlaku uji satu sisi (H1 : H1 : ρxy .z < 0 atau H1 : H1 : ρxy .z > 0)

3. Statistik Uji :

4. Daerah kritis dan kriteria uji :


Pada taraf nyata sebesar α dan derajat bebas v = n-3, dari tabel T :
ttabel = tα/2 ; n-3
Tolak H0 jika t ≤ - ttabel atau t ≥ ttabel (uji dua sisi)
Tidak tolak H0 jika sebaliknya

5. Kesimpulan
Contoh (Soal Sebelumnya)
Ujilah pada taraf nyata 5% jika nilai Fisika (X) dan nilai Kimia (Y) mempunyai hubungan yang positif dengan memperhatikan nilai Matematika (Z) siswa !

  1. H0 : ρxy .z = 0
2. H1 : ρxy .z > 0 (uji satu sisi kanan, karena diketahui mempunyai hubungan positif)

3. Statistik Uji : 1.649


4. Daerah kritis dan kriteria uji :
Pada taraf nyata sebesar α dan derajat bebas v = n-3, dari tabel T :
ttabel = t0.05 ; 10-3 = 1.896
Tolak H0 t ≥ 1.896
Tidak tolak H0 jika t < 1.896

5. t = 1.649 < 1.896 H0 tidak ditolak


Tidak cukup bukti untuk menyatakan bahwa nilai Fisika (X) dan nilai Kimia (Y) mempunyai hubungan yang positif dengan memperhatikan nilai Matematika (Z)
Latihan
Data berikut merupakan sampel acak dari 10 orang pekerja diperoleh keterangan
mengenai pendapatan tahunan (X) dan harga pembelian mobil yang digunakan untuk
pergi bekerja (Y) dihitung dalam ribuan dolar.

a. Buatlah scatterplot antara X dan Y !


b. Tentukan koefisien korelasi antara X dan Y !
c. Ujilah pada taraf nyata 5% bahwa terdapat hubungan antara X dan Y !
d. Apakah berdasarkan data sampel, dapat dibuktikan pada taraf nyata 5% jika X dan Y
memiliki hubungan yang mendekati sempurna katakanlah koefisien korelasi sebesar
0.98
Latihan

Data berikut merupakan waktu yang dihabiskan oleh 5 orang atlet untuk menyelesaikan
3 jenis latihan (dalam menit) pada suatu lintasan latihan

X 23 25 25 22 25
Y 22 28 24 24 25
Z 23 27 24 23 24

a. Tentukan koefisien korelasi parsial rxy .z berdasarkan data tersebut !


b. Lakukan uji signifikansi pada taraf nyata 5% berdasarkan koefisien korelasi yang
diperoleh pada (a) !