ANALISIS KORELASI

M. NAJIB MUBARROK, S.SI, M.SC.

KORELASI
• KORELASI MERUPAKAN ISTILAH YANG DIGUNAKKAN UNTUK MENGUKUR
KEKUATAN/KEERATAN HUBUNGAN ANTAR VARIABEL.
• KARENA MEMBAHAS TENTANG HUBUNGAN ANTAR VARIABEL, KORELASI
JUGA ERAT DENGAN REGRESI *akan kita bahas pada materi selanjutnya*
• ANALISIS KORELASI ADALAH CARA/TEKNIK UNTUK MENGETAHUI KEKUATAN
HUBUNGAN ANTAR VARIABEL.
• PADA PERKULIAHAN KALI INI AKAN DIBAHAS 2 TEKNIK ANALISIS KORELASI:
KORELASI PEARSON & KORELASI SPEARMAN
KOEFISIEN KORELASI
• KOEFISIEN KORELASI (r) ADALAH BILANGAN YANG MENYATAKAN KEKUATAN
HUBUNGAN ANTAR VARIABEL ATAU ARAH HUBUNGAN DARI VARIABEL-
VARIABEL.

• NILAI r BERADA PADA INTERVAL [-1, +1]

• BESAR ANGKA MENYATAKAN KEKUATAN HUBUNGAN, SEDANGKAN TANDA

POSITIF(+) /NEGATIF (-) MENUNJUKKAN ARAH HUBUNGAN
TABEL NILAI KORELASI
NILAI KORELASI (r) TINGKAT HUBUNGAN
0 Tidak berkorelasi
0,01-0,20 Sangat Rendah
0,21-0,40 Rendah
0,41-0,60 Agak rendah
0,61-0,80 Cukup
0,81-0,99 Tinggi
1 Sangat tinggi
KOEFISIEN DETERMINASI
• KOEFISIEN DETERMINASI (KD) MERUPAKAN ANGKA YANG MENUNJUKKAN
KONTRIBUSI DARI SATU ATAU LEBIH VARIABEL BEBAS (INDEPENDEN)
TERHADAP VARIABEL TERIKAT (DEPENDEN)

• RUMUS:
STATISTIKA PARAMETRIK DAN NON
PARAMETRIK
PARAMETRIK
Suatu Uji statistic yang menetapkan adanya
asumsi-asumsi tertentu seperti: data berdistribusi
normal, varansi data sama/homogen, dan skala
pengukuran interval/ rasio.
Contoh Uji statistic parametrik dalam korelasi:
KORELASI PEARSON.
NON PARAMETRIK
Suatu uji statistic yang mengabaikan asumsi-
asumsi yang ditetapkan pada statistika
parametrik
Contoh Uji statistic non parametrik dalam
korelasi: KORELASI SPEARMAN.
ASUMSI KORELASI PEARSON
• SAMPEL DIAMBIL SECARA ACAK (RANDOM)
• DATA SETIAP VARIAEL BERDISTRIBUSI NORMAL
• DATA INTERVAL/RASIO
UJI HIPOTESIS
• MERUMUSKAN HIPOTESIS
• MENENTUKAN ALFA
• MENENTUKAN KRITERIA PENOLAKAN
• MENGHITUNG NILAI STATISTIK

• KESIMPULAN
KORELASI PEARSON
• Rumus untuk menghitung nilai r:
Tabel penolong
• Jika dengan Tabel penolong berikut, maka r dapat ditentukan dengan rumus:

No Xi Yi
1.
Dst.
Contoh
• SEORANG MANAGER INGIN MENGETAHUI APAKAH ADA KORELASI ANTARA
MOTIVASI BERPRESTASI DENGAN KINERJA KARYAWAN DI PERUSAHAANNYA.
DATANYA ADALAH SEBAGAI BERIKUT:
RESPONDEN SKOR MOTIVASI SKOR PERFORMANCE
1 9 8
2 6 7
3 5 6
4 7 8
5 4 5
6 3 4
7 2 2
8 8 9
9 7 8
10 6 6
KORELASI RANK SPEARMAN
• Koefisien Korelasi Rank Spearman adalah indeks atau angka yang digunakan
untuk mengukur keeratan hubungan antara dua variabel yang berskala ordinal
(data bertingkat/data ranking).

Keterangan :
=koefisien korelasi rank spearman
=selisih dalam ranking (Rx-Ry)
=banyaknya pasangan rank
 Prosedur Hitung
• Nilai pengamatan yang diukur diberi ranking dari terkecil ke terbesar
• Setiap pasangan ranking dihitung perbedaannya
• Perbedaan setiap pasang ranking dikuadratkan dan dihitung jumlahannya
• Hitung nilai
Contoh:
Berikut nilai matematika dan statistika dari 10 mahasiswa prodi PMAT:
Matema 82 75 85 70 77 60 63 66 80 89
tika
Statistik 79 80 89 65 67 62 61 68 81 84
a

Hitung koefisien korelasi rank spearmannya

KORELASI BERGANDA
• Analisis Korelasi Berganda adalah analisis untuk mengetahui derajat atau
kekuatan hubungan antara tiga variabel atau lebih, serta untuk mengetahui
kontribusi yang diberikan secara simultan oleh variabel X1 dan X2 terhadap
Variabel Y serta kontribusi secara simultan antara Var X1 terhadap Y dan X2
terhadap Y
Untuk 2 variabel bebas (X1 dan X2 ) maka r dihitung dengan rumus:

r 2
y x1 r 2
y x2  2 ry x1 ry x2 rx1 x 2
ry x1 x 2 
1 r 2
x1 x 2

dimana : ry x1 x 2 = Koefisien korelasi ganda antara variable X 1 dan X2 secara

bersama-sama dengan variable Y
ry x1 = Koefisien korelasi X1 dengan Y

ry x2 = Koefisien korelasi X2 dengan Y

rx1 x 2 = Koefisien korelasi X1 dengan X2

Contoh
Misalkan kita melakukan pengamatan terhadap 10 keluarga mengenai:
X1 = pendapatan dalam ribuan rupiah
X2 = jumlah keluarga dalam satuan jiwa
Y = pengeluaran untuk membeli barang A dalam ratusan rupiah

X1 10 2 4 6 8 7 4 6 7 6
X2 7 3 2 4 6 5 3 3 4 3
Y 23 7 15 17 23 22 10 14 20 19

Akan dibuktikan ada hubungan linier positif dan signifikan antara variabel X 1
dan X2 secara bersama-sama dengan variabel Y.