UJI KORELASI

Farid AGUSHYBANA
Bagian Biostatistik & Kependudukan
FKM UNDIP
 Pendahuluan
 Uji korelasi atau uji hubungan antar dua variabel
atau lebih bermanfaat untuk menganalisa apakah
suatu variabel berhubungan satu sama lain. Uji
hubungan untuk banyak kelompok disebut
sebagai korelasi antarvariabel (intercorrelation).
 Jika dalam korelasi antarvaribel itu terdapat
variabel yang dikontrol, maka hal ini akan
menjadi korelasi parsial (partial correlation).
 Sedangkan, jika satu variabel dikorelasikan
dengan beberapa variabel, maka disebut uji
korelasi ganda (multiple correlation).

Uji Korelasi - Farid Agushybana 2

 Koefisien Korelasi
 Koefisien korelasi (r) bersarnya berkisar
antara 0,000 sampai dengan + 1,000.

besar r interpretasi
0,800– 1,000 tinggi
0,600 - 0,799 Cukup tinggi
0,400- 0,599 Agak rendah
0,200- 0,399 rendah
0,000- 0,199 Sangat rendah

Uji Korelasi - Farid Agushybana 3

 Uji Korelasi Product Moment
 Uji korelasi Pearson product moment digunakan untuk
menganalisa hubungan dua variabel yang mempunyai skala
pengukuran interval. Dari data yg berdistribusi normal.

n
N  X iYi   X i  Yi 
r i 1

 n 2  n  2  n 2  n  2 
 N X   X   N Y   Y  
  i

 i
   i

 i
 
 i 1 i 1
 i 1 i 1

Uji Korelasi - Farid Agushybana 4
 Rumus Singkat
r 
 xy
 x  y  2 2

 n  n 
n
  X i   Yi 
 i 1  i 1 
 
xy 
i 1
X Y
i i 
N

2 2
 n
  n

n
 
 i 1
X i 
 n
  Y i 
 i 1 
 x 2
 
i 1
X i
2

N  y 2
  Yi
2

N
i 1

Uji Korelasi - Farid Agushybana 5

 Uji Kemaknaan
 Apabila r hitung lebih besar daripada r
tabel maka H0 ditolak atau signifikan.
Cukup bukti untuk mengatakan bahwa
terdapat hubungan antara variabel X
dengan Variabel Y pada derajat
kemaknaan α.

Uji Korelasi - Farid Agushybana 6

 Contoh Kasus
Suatu penelitian dilakukan untuk mengetahui apakah ada hubungan antara
skor pengatahuan tentang hygene perorangan dengan skor perilaku hidup
sehat di suatu Kelurahan Sendang Mulyo, Kota Semarang. Skor pengetahuan
dan skor perilaku penduduk diperoleh dengan cara wawancara pada 16 orang
responden yang diambil secara acak dari populasinya.

9 70 75
No Skor Skor 10 80 76
Pengetahuan Perilaku
11 60 71
1 80 75
2 81 90 12 68 70
3 75 80 13 78 82
4 84 75 14 82 80
5 60 70 15 70 79
6 65 75 16 73 81
7 90 92
Uji Korelasi - Farid Agushybana 7

8 75 70 Jumlah 1.191 1.241

 Penyelesaian
1692.944   1.1911.241
r
1689.753  1191 1696.907  1241 
2 2

9.073
r  0,670
13.536,66

koefiesien ini bermakna maka dibandingkan dengan r tabel pada

derajat kebebasan n-2 = 16-2 = 14; dan pada derajat kemaknaan
5%, yakni 0,497. Karena r hitung lebih besar daripada r tabel
maka H0 ditolak atau signifikan

Uji Korelasi - Farid Agushybana 8

 Print out komputer
Correlations
** Correlation is significant at the 0.01 level (2-tailed).

Pengetahuan Perilaku
Pengetahuan Pearson Correlation 1,000 ,670**
Sig. (2-tailed) , ,004
N 16 16
Perilaku Pearson Correlation ,670** 1,000
Sig. (2-tailed) ,004 ,
N 16 16

Uji Korelasi - Farid Agushybana 9

 Korelasi Point Beserial
Metode korelasi point biserial ini digunakan untuk menganlisa
hubungan dua buah variabel dimana variabel yang satu adalah
variabel dengan skala pengukuran interval dan yang lain adalah
variabel dengan skal pengukuran nominal yang dikotomis.

X p  Xq
rpq  pq
S

Uji Korelasi - Farid Agushybana 10

 Uji kemaknaan
 Untuk menguji kemaknaan koefisien korelasi point biserial rpq
maka dilakukan perbandingan dengan tabel titik kritis t.
 Nilai tabel titik kritis t dilihat dengan derajat kebebasan (df) = n –
2 pada derajat kemaknaan  sebesar 5% atau 1%. H0 ditolak
apabila t hitung lebih besar daripada t tabel.

N 2
t  rpq
1  rpq

Uji Korelasi - Farid Agushybana 11

 Contoh kasus (1)
Suatu penelitian dilakukan untuk
melihat apakah ada korelasi No tahu Sex Skor 1 Skor 0
antara pengetahuan tentang 1 95 1 95 72
kesehatan reproduksi dengan 2 72 0 92 66
jenis kelamin (pria dan wanita). 3 92 1 86 80
Sampel diambil dari populasi 4 66 0 90 64
yang berdistribusi normal. Besar 5 86 1 88 70
sampel tersebut sebanyak 12 6 90 1 75
responden. Data lengkap hasil 7 80 0 90
8 64 0
wawancara tersebut adalah
9 88 1
sebagai berikut:
10 75 1
11 70 0
12 90 1
rerata 80.67 88 70.4
S 10.89

Uji Korelasi - Farid Agushybana 12

 Contoh kasus (2)
88  70,4
rpq  0,580,42 
10,89
17,6
rpq  0,2436
10,89
rpq  0,7975

12  2
t  0,7975
1  0,7975
t  0,7975.7,0273
t  5,604
Uji Korelasi - Farid Agushybana 13
=PEARSON(B2:B17;C2:C17)

Uji Korelasi - Farid Agushybana 14

Langkah-langkah Uji Rank Spearman
4. Kuadratkan masing-masing di dan jumlahkan semua di2
5. Hitung Koefisien Korelasi Rank Spearman (ρ) baca rho:

6∑di2
ρ =1-
n3 - n
6. Bila terdapat angka-angka sama. Nilai-nilai
pengamatan dengan angka sama diberi ranking
rata-rata.
 Aturan mengambil keputusan
No Parameter Nilai Interpretasi
1. ρ hitung dan ρtabel. ρtabel ρhitung ≥ Ho ditolak
dapat dilihat pada Tabel J ρtabel
(Tabel Uji Rank Spearman) ρhitung < Ho gagal ditolak
yang memuat ρtabel, pada ρtabel
berbagai n dan tingkat
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
Contoh Kasus
 Sebuah penelitian dilakukan untuk mengetahui
korelasi antara Kadar SGOT (Unit /100ml)
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 pada α=0.05
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 dengan α=0,05
(pada tabel rho) yaitu 0,786
3. Hitung nilai ρ hitung
Ket : tidak perlu membuat peringkat dengan tanda desimal
karena tidak ada nilai yang ties (sama)

Sampel Kadar SGOT Ranking x Kadar HDL Ranking y di di2

(xi) yi
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

∑di 2=2
 6∑di2 6x2 12
P =1 =1 =1
- n3 - - 73 - - 336
336n - 7
= 12
336
= 0,964

4. Kesimpulan
Karena nilai ρhitung (0,964) ≥ ρtabel
(0,786) Ho ditolak (Ada korelasi yang sangat
kuat dan positif antara Kadar SGOT dengan
Kadar HDL)
Uji Korelasi - Farid Agushybana 22
 Aplikasi SPSS
 Klik menu Analyze –Correlate-Bivariate
 Masukkan semua variabel yang akan
dikorelasikan
 Pilih Correlation Coefficients dengan
mencentang Spearman
 Klik Ok
 Lihat nilai koefisien korelasi pada output di
tabel correlation
 Jika nilai koefisien korelasi mendekati 1 dan
ada 2 tanda asterix maka artinya hubungan
yang terjadi antara 2 variabel itu bersifat
positif dan hubungannya sangat kuat
 Lihat nilai P (p value) pada baris Sig (2
tailed)
 Jika < 0,05  H0 ditolak (ada hubungan…)
dan sebaliknya
 Output SPSS

P = 0,964 (sama dengan p hitung)

P value = 0,000 < α (0,05)
Ksimpulan : Ho ditolak, berarti ada korelasi (hubungan) yang
sangat kuat dan positif antara kadar SGOT dengan kadar
HDL
 Cek tabel p dalam tabel z

Z = p Vn-1

Z = 0,964. V 7-1
Z = 0.964.2.449 = 2,361

Bandingkan dengannilai z dengan α 0,05 (1,96)

2.361 > 1,96  Ho tolak
Uji Korelasi Kendall Tau (τ)
 Pengertian dan Penggunaan Uji
Kendal Tau (τ)
 Digunakan untuk mencari hubungan dan
menguji hipotesis dua variabel atau lebih bila
datanya berbentuk ordinal/ranking
 Kelebihannya dapat digunakan pada sampel
> 10
 Konsep dasar: pembuatan ranking dari
pengamatan terhadap objek dengan
pengamatan yang berbeda Untuk
mengetahui kesesuaian terhadap urutan
objek yang diamati
 Bila diberikan urutan (ranking) pasangan data
(xi,yi) sehingga kedua variabel tersebut dapat
berpasangan sebagaimana tabel berikut :
 Rumus : T = 2S

n(n-1)
Ket :
 τ = Koef korelasi Kendall tau (besarnya
antara -1 s/d 1)
 S = selisih jumlah rank X dan Y
 n = Banyaknya sampel
Menggunakan data yg sama SGOT dan HDL, rangking dirurutkan
berdasarkan ranking x

Sampel Kadar Rankin Kadar Ranking y Jml lbh Jumlah

SGOT (xi) gx HDL yi besar dari y lebh kecil
dari y
1 5,7 1 40,0 1 6 0

2 11,3 2 41,2 2 5 0

3 13,5 3 42,3 3 4 0

4 15,1 4 42,8 4 3 0

5 17,9 5 43,8 6 1 1

6 19,3 6 43,6 5 1 0

7 21,0 7 46,5 7 0 0

Total 20 1

S = 20-1 = 19
 Hitung t
T = 2S
n(n-1)
T = 2.19
7(7-1)
= 38/42
= 0,905
 Aplikasi SPSS
 Klik menu Analyze –Correlate-Bivariate
 Masukkan semua variabel yang akan
dikorelasikan
 Pilih Correlation Coefficients dengan
mencentang Kendall’s tau-b
 Klik Ok
 Output SPSS

P = 0,905 (sama dengan p hitung)

P value = 0,004 < α (0,05)
Ksimpulan : Ho ditolak, berarti ada korelasi (hubungan) yang
sangat kuat dan positif antara kadar SGOT dengan kadar
HDL
 Uji signifikansi koefisien korelasi
menggunakan rumus z karena
distribusinya mendekati distribusi normal

Z= 3T V n(n-1)
V 2 (2n+5)

Z = 3.0.905 V 7(7-1)
V 2(2.7+5)
= 43.099 / 6
= 7,183

Bandingkan dengan nilai Z 95% CI (1,96),

7,183> 1,96 , Ho ditolak