UJI ANALISIS KORELASI

DENGAN PROGRAM SPSS

DEWI HIDAYATI, M.M

 PENGERTIAN ANALISIS KORELASI

• Korelasi merupakan istilah yang biasa digunakan untuk

menggambarkan ada tidaknya hubungan suatu hal dengan hal lain.
Secara sederhana memang seperti itulah pengertian korelasi.
• Analisis korelasi adalah suatu cara atau metode untuk mengetahui
ada atau tidaknya hubungan linear antar variabel.
• Apabila terdapat hubungan maka perubahan-perubahan yang terjadi
pada salah satu variabel X akan mengakibatkan terjadinya perubahan
pada variabel lainnya (Y).
• Istilah tersebut dikatakan istilah sebab akibat, dan istilah tersebut
menjadi ciri khas dari analisis korelasi.
Contoh Kasus yang Memiliki Korelasi
• Hubungan antara kenaikan harga BBM (X) dengan harga kebutuhan
pokok (Y)
• Hubungan tingkat pendidikan (X) dengan tingkat pendapatan (Y)
• Hubungan umur pernikahan pertama (X) dengan jumlah anak yang
dilahirkan (Y)
• Hubungan tingkat pendidikan ibu (X) dengan tingkat
kesehatan/tingkat gizi bayi (Y), dsb.
ANALISIS KORELASI
• Analisis korelasi  merupakan studi pembahasan tentang derajad keeratan
hubungan antar variabel yang dinyatakan dengan nilai koefisien korelasi.
• Hubungan antara variabel tersebut dapat bersifat bersifat positif dan negatif.
A. Positif, artinya jika X naik, maka Y naik.
B. Negatif, artinya jika X naik, maka Y turun.
C. Apabila kedua variabel tidak memiliki hubungan, maka nilainya akan
menunjukkan angka 0 (nol)
• Derajad hubungan biasanya dinyatakan dengan huruf "r" atau disebut juga
dengan koefisien korelasi sampel yang merupakan penduga bagi koefisien
populasi. Sedangkan r2 atau r square disebut dengan koefisien determinasi
(koefisien penentu).
KORELASI POSITIF

• Korelasi positif atinya suatu hubungan antara variabel X dan Y yang ditunjukan
dengan hubungan sebab akibat dimana apabila terjadi penambahan nilai
pada variabel X maka akan diikuti terjadinya penambahan nilai variabel Y.
Contoh Korelasi Positif
• Dalam pernaian, jika dilakukan penambahan pupuk (X), maka produksi padi
akan meningkat (Y)
• Tentu saja semakain tinggi badan (X) seorang anak maka, berat badannya
akab bertambah pula(Y)
• Semakin luas lahan yang ditanami coklat (X) maka produksi coklat akan
meningkat
ILUSTRASI KORELASI POSITIF
KORELASI NEGATIVE

• Jika pada korelasi positif peningkatan nilai X akan diikuti penambahan

nilai Y, korelasi negatif berlaku sebaliknya. Jika nilai variabel X
meningkat nilai variabel Y justru mengalami penurunan.
Contoh Korelasi Negatif
• Apabila harga barang (X) meningkat maka kemungkinan permintaan
terhadap barang tersebut mengalami penurunan.
ILUSTRASI KORELASI NEGATIF
 TIDAK ADA KORELASI ATAU KORELASI SANGAT
LEMAH

• Korelasi ini terjadi apabila kedua variabel (X dan Y) tidak menunjukkan

adanya hubungan linear.
Contoh
• Panjang rambut (X) dengan tinggi badan (tidak bisa dihitung
hubungannya atau tidak ada hubungannya)
ILUSTRASI TIDAK ADA KORELASI ATAU KORELASI
SANGAT LEMAH
• Kekuatan korelasi linear antara variabel yang dihubungkan dapat
disajikan dengan rxy yang didefinisikan dengan rumus:

• Formula tersebut disebut merupakan formula koefisien korelasi

momen produk (product moment karl pearson).
• Dalam penelitian analisis korelasi bivariate pearson digunakan untuk
menguji hubungan antara dua varibel yang menggunakan data
berkala rasio atau interval.
• Sementara untuk data ordinal pakai Uji Korelasi Rank Spearman
PERYARATAN DALAM ANALISIS KORELASI BIVARIATE
PEARSON
• Ada beberapa persyaratan atau asumsi dasar yang harus terpenuhi
ketika kita hendak memakai analisis korelasi bivariate pearson untuk
menguji hipotesis penelitian kita.
1. Data penelitian untuk masing-masing variabel setidak-tidaknya
berskala rasio atau interval (yaitu data yang berbentuk angka
sesungguhnya atau data metrik (data kuantitatif). Namun demikian
analisis ini bisa juga dipakai untuk data kuesioner dengan skala
likert.
2. Data untuk masing-masing variabel yang dihubungkan berdistribusi
normal.
3. Terdapat hubungan yang linear antar variabel penelitian.
 ARTI ANGKA KORELASI (PEARSON CORRELATIONS)

1. Koefisien korelasi atau Pearson Correlations memiliki nilai paling kecil -1 dan paling besar 1.
• Berkenaan dengan besaran angka ini, jika 0 maka artinya tidak ada korelasi sama sekali.
• Jika korelasi 1 berarti ada korelasi sempurna. Hal ini menunjukkan bahwa semakin nilai
pearson correlations mendekati 1 atau -1 maka hubungan antara dua variabel adalah
semakin kuat.
• Sebaliknya, jika nilai r atau pearson correlations mendekati 0 berarti hubungan dua
variabel menjadi semakin lemah.
• Sebenarnya tidak ada ketentuan yang benar-benar tepat mengenai apakah angka korelasi
tertentu menunjukkan tingkat korelasi yang tinggi atau lemah.
• Namun, hal berikut ini dapat kita dijadikan pedoman sederhana bahwa jika angka korelasi
di atas 0,5 maka menunjukkan korelasi yang cukup kuat sedangkan jika di bawah 0,5 maka
menunjukkan korelasi yang lemah.
2. Selain besarnya korelasi, tanda korelasi juga berpengaruh pada penafsiran hasil dalam analisis
ini. Dimana, tanda negatif (-) pada tabel output SPSS menunjukkan adanya arah yang
berlawanan, sedangkan tanda positif (+) menunjukkan arah yang sama atau korelasi searah.
DASAR KEPUTUSAN DALAM ANALISIS KORELASI
BIVARIATE PEARSON
• Ada tiga cara yang dapat kita gunakan sebagai pedoman atau dasar pengambilan keputusan dalam analisis
korelasi bivariate pearson ini yaitu
1. Berdasarkan Nilai Signifikansi Sig. (2-tailed): 
a. Jika nilai Sig. (2-tailed) < 0,05 maka terdapat korelasi antar variabel yang dihubungkan.
b. Sebaliknya jika nilai Sig. (2-tailed) > 0,05 maka tidak terdapat korelasi.
2. Berdasarkan Nilai r hitung (Pearson Correlations):
a. Jika nilai r hitung > r tabel maka ada korelasi antar variabel.
b. Sebaliknya jika nilai r hitung < r tabel maka artinya tidak ada korelasi antar variabel.
3. Berdasarkan Tanda Bintang (*) yang diberikan SPSS:
a. Jika terdapat tanda bintang (*) atau (**) pada nilai pearson correlation maka antara variabel yang di analisis
terjadi korelasi.
b. Sebaliknya jika tidak terdapat tanda bintang pada nilai pearson correlation maka antara variabel yang di
analisis tidak terjadi korelasi.
• Catatan: Tanda bintang satu (*) menujukkan korelasi pada signifikansi 1% atau 0,01. Sedangkan tanda bintang dua
(**) menunjukkan korelasi pada signifikansi 5% atau 0,05.
LANGKAH-LANGKAH ANALISIS KORELASI
BIVARIATE PEARSON DENGAN SPSS
1. Buka data penelitian yang sudah ada, tampilan datanya
sebagaimana gambar di bawah ini.
2. Buka program SPSS, klik Variable View. Selanjutnya, pada bagian
Name tulis saja X1, X2 dan Y, pada Decimals ubah semua menjadi
angka 0, pada bagian Label tuliskan Motivasi, Minat dan Prestasi.
Pada bagian Measure ganti menjadi Scale
3. Setelah itu, klik Data View, dan masukkan data Motivasi (X1), Minat
(X2) dan Prestasi (Y) yang sudah dipersiapkan tadi ke program SPSS.
4. Selanjutnya, dari menu utama SPSS, pilih menu Analyze, lalu klik
Correlate, dan klik Bivariate...
5. Muncul kotak dialog dengan
nama "Bivariate Correlations".
Masukkan variabel Motivasi
(X1), Minat (X2) dan Prestasi
(Y) pada kotak Variables:.
Selanjutnya, pada kolom
"Correlation Coefficient" pilih
Pearson, lalu untuk kolom
"Test of Significant" pilih Two-
tailed, dan centang pada Flag
Significant Correlations,
terakhir klik Ok untuk
mengakhiri perintah.
• Setelah selasai, maka akan muncul tampilan output SPSS
"Correlations" tinggal kita interpretasikan saja.
INTERPRETASI ANALISIS KORELASI BIVARIATE PEARSON
• Berdasarkan tabel output di atas, kita akan melakukan pernarikan
kesimpulan dengan merujuk pada ke-3 dasar pengambilan keputusan
dalam analisis korelasi bivariate pearson di atas.
1. Berdasarkan Nilai Signifikansi Sig. (2-tailed):
• Dari tabel output di atas diketahui nilai Sig. (2-tailed) antara
Motivasi (X1) dengan Prestasi (Y) adalah sebesar 0,002 < 0,05, yang
berarti terdapat korelasi yang signifikan antara variabel Motivasi
dengan variabel Prestasi.
• Selanjutnya, hubungan antara Minat (X2) dengan Prestasi (Y)
memiliki nilai Sig. (2-tailed) sebesar 0,000 < 0,05, yang berarti
terdapat korelasi yang signifikan antara variabel Minat dengan
variabel Prestasi.
2. Berdasarkan Nilai r hitung (Pearson Correlations):
• Diketahui nilai r hitung untuk hubungan Motivasi (X1) dengan
Prestasi (Y) adalah sebesar adalah sebesar 0,796 > r tabel 0,576,
maka dapat disimpulkan bahwa ada hubungan atau korelasi antara
variabel Motivasi dengan variabel Prestasi.
• Selanjutnya, diketahui nilai r hitung untuk hubungan Minat (X2)
dengan Prestasi (Y) adalah sebesar adalah sebesar 0,908 > r tabel
0,576, maka dapat disimpulkan bahwa ada hubungan atau korelasi
antara variabel Minat dengan variabel Prestasi.
• Karena r hitung atau Pearson Correlations dalam analisis ini bernilai
positif maka itu artinya hubungan antara kedua variabel tersebut
bersifat positif atau dengan kata lain semakin meningkatnya
Motivasi dan Minat maka akan meningkat pula Prestasi belajar
siswa.
• Catatan: Rumus menghitung
nilai r tabel product moment
adalah dengan melihat nilai N
pada distribusi nilai r tabel
product moment statistik.
Karena N atau jumlah sampel
yang digunakan dalam analisis
ini ada 12 orang siswa dengan
signifikansi 5% maka ketemu
nilai r tabel adalah sebesar
0,576. lihat gambar di bawah
ini.
3. Berdasarkan Tanda Bintang (*) SPSS:
• Dari output di atas diketahui bahwa nilai
Pearson Correlation antara masing-masing
variabel yang dihubungkan mempunyai dua
tanda bintang (**), ini berarti terdapat korelasi
antara variabel yang dihubungkan dengan
taraf signifikansi 1%.