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).
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
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
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
9.073
r 0,670
13.536,66
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
X p Xq
rpq pq
S
N 2
t rpq
1 rpq
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)
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)
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
Z = p Vn-1
Z = 0,964. V 7-1
Z = 0.964.2.449 = 2,361
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
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
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