Korelasi

Pengertian Korelasi
• Definisi: Hubungan antara dua variabel atau lebih.
• Contoh: Hubungan antara motivasi kerja dengan
kinerja
• Tujuan dilakukan analisa korelasi:
 Untuk mencari bukti terdapat tidaknya hubungan
(korelasi) antar variabel
 Bila sudah ada hubungan untuk melihat besar-
kecilnya hubungan antarvariabel
 Untuk memperoleh kejelasan apakah hubungan
tersebut berarti atau tidak berarti
 Koefisien Korelasi
• Tidak menggambarkan hubungan sebab-akibat
• Nilainya berkisar antara -1 dan 1
• Tanda (+)/(-) menyatakan arah hubungan
 (+) searah
 (-) berlawanan arah
• Koefisien Korelasi : hubungan yang linier
• Koefisien Korelasi Spearman (rank correlation):
hubungan trend/kecenderungan
Overview
Hubungan Antar Variabel
Jenis Korelasi
Koefisien Korelasi Pearson (r)
 Pedoman umum dalam menentukan Kriteria Korelasi

Interprestasi angka korelasi menurut Prof. Sugiyono (2007)

 0 - 0,199 : Sangat lemah

 0,20 - 0,399 : Lemah
 0,40 - 0,599 : Sedang
 0,60 - 0,799 : Kuat
 0,80 - 1,0 : Sangat kuat
 Langkah Pengujian Korelasi
Langkah pengujian hipotesisnya adalah sebagai berikut:
1. Menentukan rumusan hipotesis statistic
𝐻0 : 𝜌 = 0: Tidak ada hubungan antar variabel 𝑥 dengan variabel 𝑦
𝐻1 : 𝜌 ≠ 0: Ada hubungan antara variabel 𝑥 dengan variabel 𝑦
𝑁−2
2. Menentukan uji statistik, yaitu 𝑡 = 𝑟ට
1−𝑟 2

3. Menentukan nilai kritis dan daerah kritis dengan drajat kebebasan 𝑛 − 2

4. Membandingkan nilai uji 𝑡 terhadap nilai 𝑡-tabel ሺ1 − 𝛼 Τ2ሻ(dk)
dengan kriteria pengujian: jika niai uji 𝑡 ≥ 𝑡-tabel, maka tolak 𝐻0 .
5. Membuat kesimpulan
 Contoh Aplikasi Koefisien Korelasi
Contoh sebuah penelitian dengan judul “ Hubungan antara Motivasi (X) dengan
Kinerja (Y) Guru SD 01 Samarinda”

Rumusan Masalah:
1. Apakah ada hubungan yang signifikan antara motivasi dengan kinerja guru
di SD 01 Samarinda?
2. Seberapa besar sumbangan (kontribusi) motivasi dengan kinerja guru di SD
01 Samarinda ?
Contoh Aplikasi Koefisien Korelasi
(Lanjutan)

No. Resp X Y
1 60 450
2 70 475
3 75 450
4 65 470
5 70 475
6 60 455
7 80 475
8 75 470
9 85 485
10 90 480
11 70 475
12 85 480
Contoh Aplikasi Koefisien Korelasi
(Lanjutan)

Regression Statistics
Multiple R 0,683846838
Data Analisis
R Square 0,467646497
Microsoft Excel
Adjusted R Square 0,414411147
Standard Error 9,083765348
Observations 12
 Contoh Aplikasi Koefisien Korelasi
(Lanjutan)

Langkah 1: Menentukan rumusan hipotesis statistik

𝐻0 : 𝜌 = 0: Tidak ada hubungan hubungan yang signifikan antara motivasi

dengan kinerja guru di SD 01 Samarinda.
𝐻1 : 𝜌 ≠ 0: Ada hubungan hubungan hubungan yang signifikan antara motivasi
dengan kinerja guru di SD 01 Samarinda.
Contoh Aplikasi Koefisien Korelasi
(Lanjutan)
𝑁−2
Langkah 2: Menentukan uji statistik, yaitu 𝑡 = 𝑟ට
1−𝑟 2

Dari penghitungan rumus tersebut di atas, diperoleh nilai 𝑟 : 0.684

 Berdasar hasil penghitungan tersebut (0.684), jika kita konsultasikan
dengan tabel angka kasar, hubungan antara motivasi dengan kinerja
dosen KUAT.
 Untuk mengatahui signifikansi hubungan antara motivasi dengan kinerja
𝑁−2
guru di SD 01 Samarinda, maka perlu uji 𝑡 = 𝑟ට ,
1−𝑟 2

𝑁−2 12 − 2
𝑡 = 𝑟ඨ 2
= 0.684ඨ 2
= 2.963
1−𝑟 1 − (0.684)
 Contoh Aplikasi Koefisien Korelasi
(Lanjutan)
Langkah 3: Menentukan nilai kritis dan daerah kritis dengan drajat
kebebasan 𝑛 − 2
Nilai t tabel pada df= N-2 (12-2=10) pada taraf signifikansi 5% sebesar
2.228

Langkah 4: Membandingkan nilai uji 𝑡 terhadap nilai 𝑡-tabel ሺ1 −

𝛼Τ2ሻ(df)
Nilai t tabel pada df= N-2 (12-2=10) pada taraf signifikansi 5% sebesar
2.228, berarti 2.963 > 2.228.
 Contoh Aplikasi Koefisien Korelasi
(Lanjutan)

Langkah 5: Membuat kesimpulan

Karena t hitung ≥ t tabel, Artinya ada hubungan yang signifikan antara motivasi
dengan kinerja guru di SD 01 Samarinda atau Hipotesa Alternatif DITERIMA.
Analisis Regresi
 Definisi
• Linier: Linier dalam parameter
• Sederhana: hanya ada satu peubah
penjelas
• Berganda: lebih dari satu peubah
penjelas
 Analisis Regresi
 Hubungan antar peubah:
 Fungsional (deterministik)  𝑦 = 𝑓(𝑥), misalnya: 𝑦 = 10𝑥
 Statistik (stokastik) amatan tidak jatuh pas pada kurva
Misalkan: IQ vs Prestasi, Berat vs Tinggi, Dosis Pupuk vs Produksi
 Model regresi linier sederhana:
𝑦𝑖 = 𝛽0 + 𝛽1 𝑋𝑖 + 𝜀𝑖 ; 𝑖 = 1,2, ⋯ , 𝑛
Model Regresi Linier Sederhana
The Baseline Mode
 Analisis Regresi
 Pendugaan terhadap koefisien regresi:
 𝑏0 pendugaan bagi 𝛽0 dan 𝑏1 pendugaan bagi 𝛽1
ሺσ 𝑥 ሻሺσ 𝑦 ሻ
σ 𝑥𝑦 −
𝑛
𝑏1 = ሺσ 𝑥 ሻ2
σ 𝑥 2−
𝑛
ቑ Metode Kuadrat Terkecil
𝑏0 = 𝑦ത− 𝑏1 𝑥ҧ
 Bagaimana Pengujian terhadap model regresi?
 Parsial (per koefisien) → uji-t
 Bersama  uji – F (Anova)
 Bagaimana menilai kesesuaian model?
𝑅 2 (Koef. Determinasi: % keragaman 𝑌 yang mampu dijelaskan oleh 𝑋)
 Metoda Kuadrat Terkecil
Pendugaan parameter pada regresi didapat dengan
meminimumkan jumah kuadrat galat.
Keragaman yang dapat dijelaskan dan yang
tidak dapat dijelaskan
Contoh Soal