Analisis korelasi adalah analisis statistika mengenai hubungan dua variabel atau lebih.
Variabel yang dapat dikorelasikan adalah variabel yang secara teori atau logika memang
berhubungan
Korelasi antara dua buah variabel disebut korelasi bivariat (dua variabel, dua faktor).
Korelasi antar lebih dari dua variable disebut korelasi multivariat (korelasi multipel).
Variabel bebas:
variabel yang mempengaruhi (menentukan) variabel lainnya
(independent variable)
variabel X
Semakin rajin siswa belajar maka prestasi belajar siswa tersebut akan semakin baik.
Semakin tinggi tingkat kerajinan belajar siswa
semakin tinggi pula tingkat prestasi belajar siswa tersebut.
Contoh 2: Korelasi antara kerajinan belajar siswa, keaktifan siswa ke perpustakaan dan keaktifan
siswa berdiskusi terhadap prestasi belajar siswa.
Ada hubungan antara kerajinan belajar, keaktifan ke perpustakaan dan keaktifan berdiskusi siswa
dengan prestasi belajar siswa.
Maka variabel kerajinan belajar siswa (variabel X1) , keaktifan siswa ke perpustakaan (variabel X2),
dan keaktifan siswa berdiskusi (variabel X3) disebut variabel bebas
(independent variable),
variabel prestasi belajar siswa (variabel Y) disebut variabel tak bebas
(dependent variable).
Arah Korelasi
Variabel-variabel yang berkorelasi dapat bersifat searah atau berlawanan arah.
Korelasi negatif adalah korelasi dari variabel-variabel yang bersifat berlawanan arah,
yaitu jika nilai variabel X meningkat maka nilai variabel Y menurun
atau sebaliknya jika nilai variabel X menurun maka nilai variabel Y meningkat.
Disebut korelasi produk momen karena dalam penghitungan dilakukan perkalian dari
momen-momen variabel yang dikorelasikan (product of moment).
Teknik korelasi ini dikembangkan oleh Karl Pearson sehingga dikenal juga dengan
Teknik Korelasi Pearson.
rxy =
rxy = Angka indeks korelasi produk momen dari variabel X dan variabel Y
= Jumlah kasus pasangan pengamatan
= Jumlah dari perkalian skor X dan skor Y
= Jumlah seluruh skor X
= Jumlah seluruh skor Y
Interpretasi Indeks Korelasi Produk Momen.
1. Membuat Hipotesis nihil (Ho) dan Hipotesis alternatif (Ha) dari variabel X dan variabel Y
Contoh: Ho: Tidak terdapat korelasi antara variabel X dan variabel Y.
Ha: Terdapat korelasi positif (atau negatif) antara variabel X dan variabel Y.
3. Membaca nilai Koefisien Korelasi tabel (r tabel) taraf signifikan 5% dan taraf signifikan 1%
pada df = n – nr.
1. Membuat Hipotesis nihil (Ho) dan Hipotesis alternatif (Ha) dari variabel X dan variabel Y
Contoh: Ho: Tidak terdapat korelasi antara variabel X dan variabel Y.
Ha: Terdapat korelasi positif (atau negatif) antara variabel X dan variabel Y.
3. Membaca nilai Koefisien Korelasi tabel (rtabel) taraf signifikan 5% dan taraf signifikan 1% pada df = n –
nr.
Jika rhitung < rtabel taraf signifikan 5% maka Ho diterima dan Ha ditolak
Jika rhitung > rtabel, maka Ho ditolak dan Ha diterima
Jika rhitung > rtabel taraf signifikan 5% dan < rtabel taraf signifikan 1%,
berarti terdapat korelasi yang signifikan antara variabel X dan variabel Y.
rtabel 5% 1%
Contoh analisis
Apakah ada korelasi antara Nilai Tes Sumatif dan Nilai Tes Formatif Tabel 28. Nilai Tes Formatif dan
Nilai Tes Sumatif bidang
dalam bidang studi Bahasa Arab, studi Bahasa Arab pada
ditetapkan 20 siswa MA sebagai sampel. 20 siswa MA.
Nilai Bahasa Arab pada tes
Diduga Nilai Tes Formatif akan menentukan Nilai Tes Sumatif
Semakin tinggi Nilai Tes Formatif maka semakin tinggi pula Nilai Tes Sumatif. No Subjek
Formatif Sumatif
(X) (Y)
Sehingga akan terdapat korelasi positif, antara Nilai Tes Formatif (variabel X) 1 A 5 6
dan Nilai Tes Sumatif (variabel Y). 2 B 6 8
3 C 7 7
4 D 6 8
Hipotesis nihil (Ho): Tidak terdapat korelasi antara Nilai Tes Formatif (X) 5 E 5 6
dan Nilai Tes Sumatif (Y) 6 F 6 8
7 G 6 7
dalam bidang studi Bahasa Arab pada siswa MA.
8 H 5 6
9 I 6 6
Hipotesis alternatif (Ha): Terdapat korelasi positif antara Nilai Tes Fomatif (X) 10 J 7 8
dan Nilai Tes Sumatif (Y) dalam bidang studi 11 K 6 7
12 L 6 6
Bahasa Arab pada siswa MA
13 M 5 6
14 N 6 7
15 O 7 6
16 P 5 6
17 Q 7 8
18 R 6 7
19 S 7 9
20 T 6 8
Tabel 29. Perhitungan indeks korelasi Nilai Tes Formatif (X)
dan Nilai Tes Sumatif (Y)
Subjek X Y XY X2 Y2 rxy =
A 5 6 30 25 36
B 6 8 48 36 64 n = 20; ∑X = 120; ∑Y = 140;
C 7 7 49 49 49 ∑XY = 848; ∑X2 = 730; ∑Y2 = 998
D 6 8 48 36 64
E 5 6 30 25 36
F 6 8 48 36 64
G 6 7 42 36 49 rxy =
H 5 6 30 25 36
I 6 6 36 36 36 =
J 7 8 56 49 64
K 6 7 42 36 49
L 6 6 36 36 36
=
M 5 6 30 25 36
N 6 7 42 36 49 =
O 7 6 42 49 36
P 5 6 30 25 36
Q 7 8 56 49 64 =
R 6 7 42 36 49
7
S
6
9 63 49 81
rxy = 0,596
T 8 48 36 64
20 120 140 848 730 998
=n = ∑X = ∑Y = ∑XY = ∑X2 = ∑Y2
Tabel Nilai Koefisien Korellasi “r” pada
signifikansi 5% dan 1%
(untuk dua variabel yang dikorelasikan) Interpretasi dengan tabel koefisien korelasi:
Nilai “r” Nilai “r”
df sigifikansi df sigifikansi df = n – nr
5% 1% 5% 1% n = 20; nr = 2 (jumlah varibel yang dikorelasikan)
1 0,997 1,000 24 0,388 0,496 maka
2 0,950 0,990 25 0,381 0,487
3 0,878 0,959 26 0,374 0,478
df = n – nr
4 0,811 0,917 27 0,367 0,470 = 20 – 2 = 18.
5 0,754 0,874 28 0,361 0,463
6 0,707 0,834 29 0,355 0,456 Pada df = 18, nilai rtabel taraf signifikan 5% = 0,444
7 0,666 0,798 30 0,349 0,449 nilai rtabel taraf signifikan 1% = 0,561
8 0,632 0,765 35 0,325 0,418
9 0,602 0,735 40 0,304 0,393
10 0,576 0,708 45 0,288 0,372
11 0,553 0,684 50 0,273 0,354
Karena rxy > rtabel 5% (0,596 > 0,444),
12 0,532 0,661 60 0,250 0,325
13 0,514 0,641 70 0,232 0,302 Karena rxy > rtabel 1% (0,596 > 0,561),
14 0,497 0,623 80 0,217 0,283
15 0,482 0,606 90 0,205 0,267 maka Ho ditolak dan Ha diterima.
16 0,468 0,590 100 0,195 0,254
ada
adakorelasi
korelasiyang
yangsignifikan
sangat signifikan
17 0,456 0,575 125 0,174 0,228 (Ha): Terdapat korelasi positif antara Nilai Tes
Berarti terdapat korelasi positif yang sangat signifikan
18 0,444 0,561 150 0,159 0,208 Fomatif (X) dan Nilai Tes Sumatif (Y) dalam
19 0,433 0,549 200 0,138 0,181 antara Nilai Tes Formatif dan Nilai Tes Sumatif dalam
bidang studi Bahasa Arab pada siswa MA.
20 0,423 0,537 300 0,113 0,148 bidang studi Bahasa Arab pada siswa MA.
21 0,413 0,526 400 0,098 0,128
22 0,404 0,515 500 0,088 0,115
23 0,396 0,505 1000 0,062 0,081
rhitung tidak ada korelasi korelasi signifikan korelasi sangat signifikan
0,596 0,596 0,596 0,596 0,596
rtabel 0,444 0,561
5% 1%
Interpretasi dengan tabel koefisien korelasi:
df = n – nr
n = 20; nr = 2 (jumlah varibel yang dikorelasikan)
maka
df = n – nr
= 20 – 2 = 18.
df = n – nr df = n – nr
n = 20; nr = 2 (jumlah varibel yang dikorelasikan) n = 20; nr = 2 (jumlah varibel yang dikorelasikan)
maka maka
df = n – nr df = n – nr
= 20 – 2 = 18. = 20 – 2 = 18.
Pada df = 18, nilai rtabel taraf signifikan 5% = 0,444 Pada df = 18, nilai rtabel taraf signifikan 5% = 0,444
nilai rtabel taraf signifikan 1% = 0,561 nilai rtabel taraf signifikan 1% = 0,561
Karena rxy > rtabel 5% ( > ), Karena rxy < rtabel 5% ( < ),