Vous êtes sur la page 1sur 12

ANALISIS KORELASI

A. Pengertian Korelasi

Persoalan pengukuran, atau pengamatan hubungan antara dua peubah X dan Y, berikut

ini akan kita bicarakan sesuai dengan referensi yang kami peroleh dalam beberapa literatur.

Tulisan ini tentu saja tidak selengkap seperti halnya tulisan tentang Pengertian Korelasi dalam

buku Statistika yang ditulis oleh, Ronald E. Walpole, Sugiono, Murray R. Spiegel, atau

beberapa Statistikawan yang memang saya kagumi ke-pakar-annya. Akan tetapi setidaknya

bisa dijadikan bacaan tambahan bagi mahasiswa yang ingin mengetahui lebih jauh tentang

persoalan korelasi atau persoalan-persoalan lain yang berkaitan dengan hubungan antar dua

peubah.

Kita tidak akan dan bukan meramalkan nilai Y dari pengetahuan mengenai peubah

bebas X seperti dalam regresi linier. Sebagai misal, bila peubah X menyatakan besarnya biaya

yang dikeluarkan untuk membeli Pupuk dan Y adalah besarnya hasil Produksi Padi dalam

satu kali musim tanam, barangkali akan muncul pertanyaan dalam hati kita apakah penurunan

biaya yang dikeluarkan untuk membeli Pupuk juga berpeluang besar untuk diikuti dengan

penurunan hasil Produksi Padi dalam satu musim tanam. Dalam studi empiris lain, bila X

adalah harga suatu barang yang ditawarkan dan Y adalah jumlah permintaan terhadap barang

tersebut yang dibeli oleh konsumen, maka kita membayangkan jika nilai-nilai X yang besar

tentu akan berpasangan dengan nilai-nilai Y yang kecil.

Dalam hal ini kita tentu saja mempunyai bilangan yang menyatakan proporsi

keragaman total nilai-nilai peubah Y yang dapat dijelaskan oleh nilai-nilai peubah X melalui

hubungan linear tersebut. Jadi misalkan suatu korelasi memiliki besaran r = 0,36 bermakna

bahwa 0,36 atau 36% di antara keragaman total nilai-nilai Y dalam contoh kita, dapat

dijelaskan oleh hubungan linearnya dengan nilai-nilai X.


Contoh lainnya adalah, misal koefisien korelasi sebesar 0,80 menunjukkan adanya

hubungan linear yang sangat baik antara X dan Y. Karena r2 = 0,64, maka kita dapat

mengatakan bahwa 64 % di antara keragaman dalam nilai-nilai Y dapat dijelaskan oleh

hubungan linearnya dengan X.

Besaran koefisien korelasi contoh r merupakan sebuah nilai yang dihitung dari n

pengamatan sampel. Sampel acak berukuran n yang lain tetapi diambil dari populasi yang

sama biasanya akan menghasilkan nilai r yang berbeda pula. Dengan demikian kita dapat

memandang r sebagai suatu nilai dugaan bagi koefisien korelasi linear yang sesungguhnya

berlaku bagi seluruh anggota populasi. Misalkan kita lambangkan koefisien korelasi populasi

ini dengan . Bila r dekat dengan nol, kita cenderung menyimpulkan bahwa = 0. Akan

tetapi, suatu nilai contoh r yang mendekati + 1 atau 1 menyarankan kepada kita untuk

menyimpulkan bahwa 0.

Masalahnya sekarang adalah bagaimana memperoleh suatu peng-uji-an yang akan

mengatakan kepada kita kapan r akan berada cukup jauh dari suatu nilai tertentu o, agar kita

mempunyai cukup alasan untuk menolak hipotesis nol (Ho) bahwa = o, dan menerima

alternatifnya. Hipotesis alternatif bagi H1 biasanya salah satu di antara < o, > o, atau

o.

B. Analisis Korelasi Sederhana

Analisis korelasi sederhana (Bivariate Correlation) digunakan untuk mengetahui

keeratan hubungan antara dua variabel dan untuk mengetahui arah hubungan yang terjadi.

Koefisien korelasi sederhana menunjukkan seberapa besar hubungan yang terjadi antara dua

variabel. Dalam SPSS ada tiga metode korelasi sederhana (bivariate correlation)

diantaranya Pearson Correlation, Kendalls tau-b, dan Spearman Correlation. Pearson

Correlation digunakan untuk data berskala interval atau rasio, sedangkan Kendalls tau-

b, dan Spearman Correlation lebih cocok untuk data berskala ordinal.


Pada bab ini akan dibahas analisis korelasi sederhana dengan metode Pearson atau

sering disebut Product Moment Pearson. Nilai korelasi (r) berkisar antara 1 sampai -1, nilai

semakin mendekati 1 atau -1 berarti hubungan antara dua variabel semakin kuat, sebaliknya

nilai mendekati 0 berarti hubungan antara dua variabel semakin lemah. Nilai positif

menunjukkan hubungan searah (X naik maka Y naik) dan nilai negatif menunjukkan

hubungan terbalik (X naik maka Y turun).

Menurut Sugiyono (2007) pedoman untuk memberikan interpretasi koefisien korelasi

sebagai berikut:

0,00 - 0,199 = sangat rendah

0,20 - 0,399 = rendah

0,40 - 0,599 = sedang

0,60 - 0,799 = kuat

0,80 - 1,000 = sangat kuat

Contoh kasus:

Seorang mahasiswa bernama Andi melakukan penelitian dengan menggunakan alat

ukur skala. VITA ingin mengetahui apakah ada hubungan antara kecerdasan dengan prestasi

belajar pada siswa SMU NEGRI xxx dengan ini VITA membuat 2 variabel yaitu kecerdasan

dan prestasi belajar. Tiap-tiap variabel dibuat beberapa butir pertanyaan dengan menggunakan

skala Likert, yaitu angka 1 = Sangat tidak setuju, 2 = Tidak setuju, 3 = Setuju dan 4 = Sangat

Setuju. Setelah membagikan skala kepada 12 responden didapatlah skor total item-item yaitu

sebagai berikut:
Tabel. Tabulasi Data (Data Fiktif)

Subjek Kecerdasan Prestasi Belajar


1 33 58
2 32 52
3 21 48
4 34 49
5 34 52
6 35 57
7 32 55
8 21 50
9 21 48
10 35 54
11 36 56
12 21 47

Setelah diolah, maka hasil output yang didapat adalah sebagai berikut:

Tabel. Hasil Analisis Korelasi Bivariate Pearson

Dari hasil analisis korelasi sederhana (r) didapat korelasi antara kecerdasan dengan

prestasi belajar (r) adalah 0,766. Hal ini menunjukkan bahwa terjadi hubungan yang kuat

antara kecerdasan dengan prestasi belajar. Sedangkan arah hubungan adalah positif karena

nilai r positif, berarti semakin tinggi kecerdasan maka semakin meningkatkan prestasi belajar.

Uji Signifikansi Koefisien Korelasi Sederhana (Uji t)

Uji signifikansi koefisien korelasi digunakan untuk menguji apakah hubungan yang

terjadi itu berlaku untuk populasi (dapat digeneralisasi). Misalnya dari kasus di atas

populasinya adalah siswa SMU NEGRI XXX dan sampel yang diambil dari kasus di atas

adalah 12 siswa SMU NEGRI XXX, jadi apakah hubungan yang terjadi atau kesimpulan yang

diambil dapat berlaku untuk populasi yaitu seluruh siswa SMU Negeri XXX.

Langkah-langkah pengujian sebagai berikut:

1. Menentukan Hipotesis

Ho : Tidak ada hubungan secara signifikan antara kecerdasan dengan prestasi belajar
Ha : Ada hubungan secara signifikan antara kecerdasan dengan prestasi belajar

2. Menentukan tingkat signifikansi

Pengujian menggunakan uji dua sisi dengan tingkat signifikansi a = 5%. (uji dilakukan 2

sisi karena untuk mengetahui ada atau tidaknya hubungan yang signifikan, jika 1 sisi

digunakan untuk mengetahui hubungan lebih kecil atau lebih besar). Tingkat signifikansi

dalam hal ini berarti kita mengambil risiko salah dalam mengambil keputusan untuk

menolak hipotesa yang benar sebanyak-banyaknya 5% (signifikansi 5% atau 0,05 adalah

ukuran standar yang sering digunakan dalam penelitian)

3. Kriteria Pengujian

Ho diterima jika Signifikansi > 0,05

Ho ditolak jika Signifikansi < 0,05

4. Membandingkan signifikansi

Nilai signifikansi 0,004 < 0,05, maka Ho ditolak.

5. Kesimpulan

Oleh karena nilai Signifikansi (0,004 < 0,05) maka Ho ditolak, artinya bahwa ada

hubungan secara signifikan antara kecerdasan dengan prestasi belajar. Karena koefisien

korelasi nilainya positif, maka berarti kecerdasan berhubungan positif dan signifikan

terhadap pretasi belajar. Jadi dalam kasus ini dapat disimpulkan bahwa kecerdasan

berhubungan positif terhadap prestasi belajar pada siswa SMU Negeri XXX

C. Analisis Koefisien Korelasi Linear Berganda

Adalah indeks atau angka yang diigunakan untuk mengukur keeratan hubungan antara

3 variabel/lebih. Koefisien korelasi berganda dirumuskan:

Ry1.2 =
Keterangan:

Ry1.2 : koefisien linier 3 variabel

ry1 : koefisien korelasi y dan X1

ry2 : koefisien korelasi variabel y dan X2

r1.2 : koefisien korelasi variabel X1 dan X2

Dimana :

ry1 =

ry2 =

r1.2 =

Ry1.2 =

D. Analisis Korelasi Parsial

Koefisien korerasi parsial adalah indeks atau angka yang digunakan untuk mengukur

keeratan hubungan antara 2 variabel, jika variabel lainnya konstanta, pada hubungan yang

melibatkan lebih dari dua variabel. Koefisien korelasi parsial untuk tiga variabel dirumuskan

oleh:

a. Koefisien korelasi parsial antara Y dan X1 apabila X2 konstanta.

ry1.2 =
b. Koefisien korelasi parsial antara Y dan X2 apabila X1 konstanta

ry2.1 =

c. Koefisien korelasi parsial antara X1 dan X2 apabila Y konstanta

r2.1Y =

Analisis korelasi parsial (Partial Correlation) digunakan untuk mengetahui hubungan

antara dua variabel dimana variabel lainnya yang dianggap berpengaruh dikendalikan atau

dibuat tetap (sebagai variabel kontrol). Nilai korelasi (r) berkisar antara 1 sampai -1, nilai

semakin mendekati 1 atau -1 berarti hubungan antara dua variabel semakin kuat, sebaliknya

nilai mendekati 0 berarti hubungan antara dua variabel semakin lemah. Nilai positif

menunjukkan hubungan searah (X naik maka Y naik) dan nilai negatif menunjukkan

hubungan terbalik (X naik maka Y turun). Data yang digunakan biasanya berskala interval

atau rasio.

Menurut Sugiyono (2007) pedoman untuk memberikan interpretasi koefisien korelasi

sebagai berikut:

0,00 - 0,199 = sangat rendah

0,20 - 0,399 = rendah

0,40 - 0,599 = sedang

0,60 - 0,799 = kuat

0,80 - 1,000 = sangat kuat

Contoh kasus :

Kita mengambil contoh pada kasus korelasi sederhana di atas dengan menambahkan satu

variabel kontrol. Seorang mahasiswa bernama Andi melakukan penelitian dengan


menggunakan alat ukur skala. Andi ingin meneliti tentang hubungan antara kecerdasan

dengan prestasi belajar jika terdapat faktor tingkat stress pada siswa yang diduga

mempengaruhi akan dikendalikan. Dengan ini Andi membuat 2 variabel yaitu kecerdasan dan

prestasi belajar dan 1 variabel kontrol yaitu tingkat stress. Tiap-tiap variabel dibuat beberapa

butir pertanyaan dengan menggunakan skala Likert, yaitu angka 1 = Sangat tidak setuju, 2 =

Tidak setuju, 3 = Setuju dan 4 = Sangat Setuju. Setelah membagikan skala kepada 12

responden didapatlah skor total item-item yaitu sebagai berikut :

Tabel. Tabulasi Data (Data Fiktif)

Subjek Kecerdasan Prestasi Belajar Tingkat Stress


1 33 58 25
2 32 52 28
3 21 48 32
4 34 49 27
5 34 52 27
6 35 57 25
7 32 55 30
8 21 50 31
9 21 48 34
10 35 54 28
11 36 56 24
12 21 47 29

Dari hasil analisis korelasi parsial (ry.x1x2) didapat korelasi antara kecerdasan dengan

prestasi belajar dimana tingkat stress dikendalikan (dibuat tetap) adalah 0,4356. Hal ini

menunjukkan bahwa terjadi hubungan yang sedang atau tidak terlalu kuat antara kecerdasan

dengan prestasi belajar jika tingkat stress tetap. Sedangkan arah hubungan adalah positif

karena nilai r positif, artinya semakin tinggi kecerdasan maka semakin meningkatkan prestasi

belajar.

Uji Signifikansi Koefisien Korelasi Parsial (Uji t)

Uji signifikansi koefisien korelasi parsial digunakan untuk menguji apakah hubungan

yang terjadi berlaku untuk populasi (dapat digeneralisasi). Langkah pengujiannya berikut ini.
1. Menentukan Hipotesis

Ho : Tidak ada hubungan secara signifikan antara kecerdasan dengan prestasi belajar

jika tingkat stress tetap

Ha : Ada hubungan secara signifikan antara kecerdasan dengan prestasi belajar jika

tingkat stress tetap

2. Menentukan tingkat signifikansi

Pengujian menggunakan uji dua sisi dengan tingkat signifikansi a = 5%. (uji dilakukan 2

sisi karena untuk mengetahui ada atau tidaknya hubungan yang signifikan, jika 1 sisi

digunakan untuk mengetahui hubungan lebih kecil atau lebih besar). Tingkat signifikansi

dalam hal ini berarti kita mengambil risiko salah dalam mengambil keputusan untuk

menolak hipotesa yang benar sebanyak-banyaknya 5% (signifikansi 5% atau 0,05 adalah

ukuran standar yang sering digunakan dalam penelitian)

3. Kriteria Pengujian

Berdasar probabilitas:

Ho diterima jika P value > 0,05

Ho ditolak jika P value < 0,05

4. Membandingkan probabilitas

Nilai P value (0,181 > 0,05) maka Ho diterima.

5. Kesimpulan

Oleh karena nilai P value (0,181 > 0,05) maka Ho diterima, artinya bahwa tidak ada

hubungan secara signifikan antara kecerdasan dengan prestasi belajar jika tingkat stress

dibuat tetap. Hal ini dapat berarti terdapat hubungan yang tidak signifikan, artinya

hubungan tersebut tidak dapat berlaku untuk populasi yaitu seluruh siswa SMU Negeri

XXX, tetapi hanya berlaku untuk sampel. Jadi dalam kasus ini dapat disimpulkan bahwa

kecerdasan tidak berhubungan terhadap prestasi belajar pada siswa SMU Negeri XXX.
E. Korelasi Rank Spearman

Korelasi Rank Spearman digunakan untuk mencari hubungan atau untuk menguji

signifikansi hipotesis asosiatif. Dengan syarat bila masing-masing variabel yang dihubungkan

berbentuk Ordinal.

Contoh:

Ada 10 orang responden yang diminta untuk mengisi daftar pertanyaan tentang

Motivasi dan Prestasi dalam sebuah kantor. Jumlah responden yang diminta mengisi daftar

pertanyaan itu 10 karyawan, masing-masing diberi nomor 1, 2, 3, 4, 5, 6, 7, 8, 9, 10. Nilai

yang diberikan oleh kesepuluh responden tentang Motivasi dan Prestasi itu diberikan pada

contoh berikut. Yang akan diketahui adalah apakah ada hubungan antara Motivasi dengan

Prestasi.

Berdasarkan hal tersebut maka:

1. Judul penelitian adalah : Hubungan antara Motivasi dengan Prestasi.

2. Variabel penelitiannya adalah : nilai jawaban dari 10 responden tentang Motivasi (Xi)

dan Prestasi (Yi)

3. Rumusan masalah: apakah ada hubungan antara variabel Motivasi dan Prestasi?

4. Hipotesis:

Ho: tidak ada hubungan antara variabel Motivasi dan Prestasi.

Ha: ada hubungan antara variabel Motivasi dan Prestasi

5. Kriteria Pengujian Hipotesis

Ho ditolak bila harga hitung > dari tabel

Ho diterima bila harga hitung dari tabel

Penyajian data

Jawaban responden yang telah terkumpul ditunjukkan pada Tabel. 1 berikut ini:
Tabel 1. Nilai Motivasi dan Prestasi

Nomor
Jumlah Skor Jumlah skor
responden
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

6. Perhitungan untuk pengujian Hipotesis

Data tersebut diperoleh dari sumber yang berbeda yaitu Motivasi (Xi) dan Prestasi (Yi).

Karena sumber datanya berbeda dan berbentuk ordinal, maka untuk menganalisisnya

digunakan Korelasi Rank yang rumusnya adalah:

= 1 ( 6bi 2 : N ( N2 1 )

= koefisien korelasi Spearman Rank

di = beda antara dua pengamatan berpasangan

N = total pengamatan

Korelasi Spearman rank bekerja dengan data ordinal. Karena jawaban responden

merupakan data ordinal, maka data tersebut diubah terlebih dahulu dari data ordinal dalam

bentuk ranking yang caranya dapat dilihat dalam Tabel 2.

Bila terdapat nilai yang sama, maka cara membuat peringkatnya adalah: Misalnya

pada Xi nilai 9 adalah peringkat ke 1, nilai 8 pada peringkat ke 2, selanjutnya disini ada nilai

7 jumlahnya dua. Mestinya peringatnya kalau diurutkan adalah peringkat 3 dan 4. tetapi

karena nilainya sama, maka peringkatnya dibagi dua yaitu: (3 + 4) : 2 = 3,5. akhirnya dua

nilai 7 pada Xi masing-masing diberi peringkat 3,5. Selanjutnya pada Yi disana ada nilai 8

jumlahnya tiga. Mestinya peringkatnya adalah 2, 3 dan 4. Tetapi karena nilainya sama maka
peringkatnya dibagi tiga yaitu: (2 + 3 + 4) : 3 = 3. Jadi nilai 8 yang jumlahnya tiga masing-

masing diberi peringkat 3 pada kolom Yi. Selanjutnya nilai 7 diberi peringkat setelah

peringkat 4 yaitu peringkat 5.

Tabel 2. Tabel penolong untuk menghitung koefisien korelasi Spearman Rank

Nilai Nilai
Nomor Motivasi Prestasi Peringkat Peringkat
bi bi2
Responden Resp. I dari Resp. (Xi) (Yi)
(Xi) II (Yi)
1 9 8 1 3 -2 4
2 6 7 5,5 5 0,5 0,25
3 5 6 7 6,5 0,5 0,25
4 7 8 3,5 3 0,5 0,25
5 4 5 8 8 0 0
6 3 4 9 9 0 0
7 2 2 10 10 0 0
8 8 9 2 1 1 1
9 7 8 3,5 3 0,5 0,25
10 6 6 5,5 6,5 -1 1
0 7

Selanjutnya harga bi2 yang telah diperoleh dari hitungan dalam tabel kolom terakhir

dimasukkan dalam rumus korelasi Spearman Rank:

= 1 6.7 : ( 10 x 102 -1 ) = 1 0,04 = 0,96

Sebagai interpretasi, angka ini perlu dibandingkan dengan tabel nilai-nilai (dibaca: rho)

dalamTabel 3. Dari tabel itu terlihat bahwa untuk n = 10, dengan derajat kesalahan 5 %

diperoleh harga 0,648 dan untuk 1 % = 0,794. Hasil hitung ternyata lebih besar dari tabel

Derajat kesalahan 5 %.. 0,96 > 0,648

Derajat kesalahan 1 %.. 0,96 > 0,794

Hal ini berarti menolak Ho dan menerima Ha.