You are on page 1of 19

Spesifikasi:

Ukuran: 14x21 cm Tebal: 279 hlm Harga: Rp 47.800 Terbit pertama: November 2004 Sinopsis singkat: Statistik telah terbukti sangat bermanfaat dalam kehidupan manusia. Banyak keputusan yang diambil menggunakan data statistik. Sayangnya perhitungan statistik seringkali cukup rumit dan melelahkan. Untungnya, saat ini telah banyak perangkat lunak statistik yang beredar. SPSS telah dikenal sebagai salah satu aplikasi statistik yang paling banyak digunakan. Hingga saat ini, SPSS telah mencapai rilis ke-12. Buku ini akan membahas tentang penggunaan SPSS 12 untuk memecahkan masalahmasalah statistik. Isinya disajikan dalam bahasa yang sederhana dan to the point. Pokok bahasan dalam buku ini mencakup Uji t, Chi Square, Korelasi, Regresi, Rancangan Percobaan (RANCOB), dan Uji Validitas-Reliabilitas. Buku yang membahas RANCOB masing sangat jarang sehingga buku ini dapat sangat membantu Anda. Buku ini juga memuat bahasan mengenai uji validitas dan reliabilitas instrumen yang biasanya digunakan untuk menguji kelayakan kueioner. Dalam buku ini Anda juga akan menemukan teori-teori dasar mengenai statistik sehingga dapat memudahkan Anda untuk memahami dan menginterpretasi masalah statistik.

BAB 4

KORELASI

Korelasi dapat diartikan sebagai hubungan. Analisis korelasi bertujuan untuk mengetahui pola dan keeratan hubungan antara dua atau lebih variabel. Sebagai contoh, secara umum hubungan antara diameter pohon dengan volume kayu adalah searah, artinya pohon yang berdiameter besar akan menghasilkan kayu dengan volume lebih besar. Arah hubungan antara dua variabel dapat dibedakan menjadi: 1. Direct correlation (positive correlation). Perubahan pada satu variabel diikuti perubahan variabel yang lain secara teratur dengan arah gerakan yang sama.
Y

83

2. Inverse correlation (negative correlation). Perubahan pada satu variabel diikuti perubahan variabel yang lain secara teratur dengan arah gerakan yang berlawanan.
Y

3. Nihil correlation. Arah hubungan kedua variabel yang tidak teratur. Koefisien Korelasi Persoalan akan timbul jika kita berhadapan dengan pertanyaan apakah ada hubungan antara variabel-variabel dari sekumpulan data yang sedang kita selidiki. Penyelidikan untuk mengetahui hubungan antara dua variabel biasanya diawali dengan usaha untuk menemukan bentuk terdekat dari hubungan tersebut dengan cara menyajikannya dalam bentuk diagram pencar (scatter plot). Diagam ini menggambarkan titik-titik pada bidang X dan Y dimana setiap titik ditentukan oleh pasangan nilai X dan Y. Koefisien korelasi sering dilambangkan dengan huruf (r). Koefisien korelasi dinyatakan dengan bilangan, bergerak antara 0 sampai +1 atau 0 sampai -1. Apabila korelasi mendekati +1 atau -1 berarti terdapat hubungan yang kuat, sebaliknya korelasi yang mendekati nilai 0 bernilai lemah. Apabila korelasi sama dengan 0, antara kedua variabel tidak terdapat hubungan sama sekali. Pada korelasi +1 atau -1 terdapat hubungan yang sempurna antara kedua variabel. Notasi positif (+) atau negatif (-) menunjukkan arah hubungan antara kedua variabel. Pada notasi positif (+), hubungan antara kedua variabel searah, jadi jika satu variabel naik maka variabel yang lain juga naik. Pada notasi negatif (-), kedua variabel 84

berhubungan terbalik, artinya jika satu variabel naik maka variabel yang lain justru turun.

4.1 Korelasi Product Moment (Pearson)


Korelasi Pearson atau disebut juga korelasi product moment merupakan analisis korelasi untuk statistik parametrik, sedangkan untuk statistik non-parametrik sering digunakan analisis korelasi Kendalls tau-b dan Spearman. Contoh Mahasiswa Fakultas Kehutanan UGM hendak menghitung korelasi antara diameter pohon dengan volume kayu. Diameter yang diukur adalah diameter setinggi dada (130 cm), sedangkan volume pohon dihitung dengan membagi pohon menjadi potongan-potongan kemudian dihitung dengan rumus Smalian. Hasil pengukuran adalah sebagai berikut: Diameter dbh (cm) 50 65 63 50 65 63 57 84 36 48 52 58 Volume (m3) 1,9 2,6 2,5 1,9 2,6 2,5 2,2 3,2 1,5 1,7 1,9 2,2 Diameter dbh (cm) 56 66 78 56 66 78 71 49 56 58 60 72 Volume (m3) 2,0 2,6 2,6 2,0 2,6 2,6 2,5 1,7 2,2 2,2 2,0 2,5

85

1. Entrilah data ke lembar kerja SPSS.

2. Klik Analyze | Correlate | Bivariate, lalu pindahkan variabel diameter dan volume ke kolom Variables. Pada Correlation Coefficients, pilihlah Pearson.

3. Klik OK.

86

Output
Correlations
Correlations DIAMETER Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N DIAMETER VOLUME 1 ,942** , ,000 18 18 ,942** 1 ,000 , 18 18

VOLUME

**. Correlation is significant at the 0.01 level (2-tailed).

Interpretasi
Angka koefisien korelasi adalah 0,942, artinya hubungan antara diameter dengan volume kayu sangat erat. Koefisien korelasi bertanda positif (+), artinya hubungan diameter pohon dengan volumenya searah sehingga jika diameter semakin besar maka volume kayu semakin besar. Tanda ** menunjukkan bahwa koefisien signifikan pada taraf kepercayaan 99%. Perhitungan Teoritis korelasi tersebut

Rumus korelasi Product Moment (Pearson):


n n n n Xi Yi Xi Yi i =1 i =1 i =1 2 2 n n n 2 Xi 2 Xi n Yi Yi i =1 i =1 i =1

r =

n n i =1

No Diameter Volume X 1 50 Y 1,9

X2

Y2

XY

2500

3,61

95 87

2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

65 63 57 84 36 48 52 58 56 66 78 71 49 56 58 60 72 1079

2,6 2,5 2,2 3,2 1,5 1,7 1,9 2,2 2 2,6 2,6 2,5 1,7 2,2 2,2 2 2,5 40

4225 6,76 169 3969 6,25 157,5 3249 4,84 125,4 7056 10,24 268,8 1296 2,25 54 2304 2,89 81,6 2704 3,61 98,8 3364 4,84 127,6 3136 4 112 4356 6,76 171,6 6084 6,76 202,8 5041 6,25 177,5 2401 2,89 83,3 3136 4,84 123,2 3364 4,84 127,6 3600 4 120 5184 6,25 180 66969 91,88 2475,7

r=

( 18 (66969) (1079) )( 18 (91,88) (40) )


2 2

18 (2475,7) (1079) (40)

r =0,9417 (sama dengan output SPSS) Uji signifikansi koefisien korelasi (r) Hipotesis Ho=korelasi kedua variabel sama dengan nol Ha=korelasi kedua variabel tidak sama dengan nol Dasar pengambilan keputusan Dengan uji t
t
hitung

n2 (1 r 2 )

88

Pengambilan keputusan Jika -ttabel<thitung<ttabel maka Ho diterima Jika thitung<-ttabel atau thitung>ttabel maka Ho ditolak

thitung

hitung

0,9417 18 2 (1 0,9417 2 )

= 66,5506

ttabel dengan taraf kepercayaan 95% Dilihat pada 0,025 (karena dilakukan uji 2 sisi) Derajad bebas=n-2=18-2=16 ttabel (0,025;16)=2,120

Keputusan Karena thitung>ttabel maka ho ditolak atau dengan kata lain hubungan kedua variabel tersebut signifikan.
Ho ditolak Ho ditolak

Ho diterima

-2,120

+2,120

66,5506

4.2 Korelasi Rank Spearman


Ada kalanya kita ingin mengukur kuatnya hubungan antara dua variabel tidak berdasarkan pasangan nilai data yang sebenarnya,

89

tetapi berdasarkan rankingnya. Hubungan tersebut dinamankan rank correlation coefficient. Analisis korelasi Spearman termasuk dalam statistik non-parametrik. Metode korelasi ini ditemukan Carl Spearman pada tahun 1904. Rumus

n 2 6 di i =1 r =1 n(n 2 1)
dimana: n=banyaknya pasangan data d=selisih dari tiap pasangan ranking

Contoh Perusahaan mebel Kreasi Utama ingin mengetahui seberapa kuat hubungan antara harga dengan pendapatan bulanan perusahaan. Harga/unit (x 000) X 700 750 775 800 900 1000 1200 1200 1250 1500 Pendapatan (x 000.000) Y 680 670 690 685 700 720 725 730 725 729 Ranking X 1 2 3 4 5 6 7,5 7,5 9 10 Jumlah Ranking Y 2 1 4 3 5 6 7,5 10 7,5 9

d2

1 -1 1 -1 0 0 0 2,5 -1,5 -1

1 1 1 1 0 0 0 6,25 2,25 1 13,5

90

Apabila angka-angka X atau Y ada yang sama maka akan terjadi jenjang kembar (tied rank) sehingga angka-angka yang sama juga harus diberi ranking yang sama. Dihitung menggunakan rumus

R =1

6 (13,5) =0,91818 10 (10 2 1)

Dengan program SPSS 1. Entrilah data

2. Klik Analyze | Correlate | Bivariate, lalu pindahkan variabel Harga dan Pendapatan ke kolom Variables. Pada Correlation Coefficients, pilihlah Spearman. 91

3. Klik OK.

Output
Nonparametric Correlations
Correlations Harga/unit (x 000) 1,000 , 10 ,918** ,000 10 Pendapatan Perusahaan (x 000.000 ,918** ,000 10 1,000 , 10

Spearman's rho

Harga/unit (x 000)

Pendapatan Perusahaan (x 000.000

Correlation Coefficient Sig. (2-tailed) N Correlation Coefficient Sig. (2-tailed) N

**. Correlation is significant at the .01 level (2-tailed).

Interpretasi
Angka koefisien korelasi adalah 0,918, artinya hubungan antara harga dengan pendapatan sangat erat. Koefisien korelasi bertanda positif (+), artinya hubungannya searah sehingga jika harga dinaikkan maka pendapatan perusahaan juga akan mengalami kenaikan. Tanda ** menunjukkan bahwa koefisien signifikan pada taraf kepercayaan 99%. Grafik
740 730 720 710 700 690 680 670 660 700 750 775 800 900 1000 1200 1250 1500

korelasi

tersebut

Mean Pendapatan Perusahaan (x 000.000

Harga/unit (x 000)

92

4.3 Korelasi Kendall Tau


Selain koefisien korelasi Spearman, terdapat metode analisis korelasi lain yang menguji keeratan hubungan antara variabel X dan Y dimana X dan Y tidak terdistribusi normal atau tidak diketahui distribusinya. Metode ini disebut Kendall rankcorrelation. Korelasi Kendall Tau juga didasarkan atas ranking data. Korelasi ini diberi simbol ( ) dan dirumuskan sebagai berikut:

2 S n ( n 1)

dimana S=selisih antara jumlah data yang lebih besar dengan jumlah data yang lebih kecil n=jumlah data

Contoh 1: Untuk mengetahui hubungan prestasi kerja dengan tingkat kecerdasan (IQ) pegawai Departemen Kehutanan, biro kepegawaian mengadakan penelitian dengan mengambil beberapa sampel. Berikut ini adalah data-datanya. IQ X 120 122 123 124 128 129 132 133 134 Nilai Prestasi Y 61 60 63 64 65 66 71 69 72 Ranking Y 2 1 3 4 5 6 8 7 9 Jumlah Jumlah

lebih besar lebih kecil dari Y 8 8 7 6 5 4 2 2 1 dari Y 1 0 0 0 0 0 1 0 0 93

135

74 Jumlah

10

0 43

0 2

Pengisian kolom Jumlah lebih besar dari Y Pada baris pertama Y=2 akan dihitung jumlah angka yang lebih besar dari 2. Pada kolom Ranking Y dapat dilihat bahwa angka yang lebih besar dari 2 (3, 4, 5, 6, 7, 8, 9, dan 10) berjumlah 8. Pada baris kedua untuk Y=1 akan dihitung jumlah angka yang lebih besar dari 1. Pada kolom Ranking Y dapat dilihat bahwa angka yang lebih besar dari 1 adalah angka 2, 3, 4, 5, 6, 7, 8, 9, dan 10, namun angka 2 yang terletak di atasnya tidak dipakai lagi sehingga angka yang lebih besar dari 1 hanya angka 3, 4, 5, 6, 7, 8, 9, dan 10, serta berjumlah 8. Pada baris ketiga untuk Y=3 akan dihitung jumlah angka yang lebih besar dari 3. Pada kolom Ranking Y dapat dilihat bahwa angka yang lebih besar dari 3 adalah angka 4, 5, 6, 7, 8, 9, dan 10, serta jumlahnya adalah 7. dan seterusnya.

Pengisian kolom Jumlah lebih kecil dari Y Pada baris pertama Y=2 akan dihitung jumlah angka yang lebih kecil dari 2. Pada kolom Ranking Y dapat dilihat bahwa angka yang lebih kecil dari 2 adalah angka 1 yang berjumlah 1. Pada baris kedua untuk Y=1 akan dihitung jumlah angka yang lebih kecil dari 1. Pada kolom Ranking Y dapat dilihat bahwa angka yang lebih kecil dari 1 tidak ada atau jumlahnya 0. Pada baris ketiga untuk Y=3 akan dihitung jumlah angka yang lebih kecil dari 3. Pada kolom Ranking Y dapat dilihat bahwa angka yang lebih kecil dari 3 adalah angka 1 dan 2, namun angka 1 dan 2 letaknya di atas sehingga tidak diperhitungkan, akibatnya jumlah angka yang lebih kecil dari 3 adalah 0.

94

dan seterusnya.

S=selisih jumlah lebih besar dari Y dan jumlah lebih kecil dari Y S=43-2=41 sehingga koefisien korelasi Kendall Tau dicari sebagai berikut:

2 S n (n 1) 2 41 = 0,9111 = 10 (10 1) =

Prosedur komputasi dengan SPSS 1. Entri data dengan format sebagai berikut:

2. Klik Analyze | Correlate | Bivariate, lalu pindahkan variabel IQ dan Prestasi ke kolom Variables. Pada Correlation Coefficients, pilih Kendalls tau-b, lalu aktifkan Flag significant correlations.

95

3. Klik OK.

Output
Nonparametric Correlations
Correlations Kendall's tau_b IQ Correlation Coefficient Sig. (2-tailed) N Correlation Coefficient Sig. (2-tailed) N IQ PRESTASI 1,000 ,911** , ,000 10 10 ,911** 1,000 ,000 , 10 10

PRESTASI

**. Correlation is significant at the .01 level (2-tailed).

Interpretasi
Angka koefisien korelasi adalah 0,911 (sama dengan hasil perhitungan manual di atas). Dengan melihat nilai probabilitas (Sig)<0,05 atau bahkan lebih kecil dari 0,01 maka dapat disimpulkan bahwa hubungan kedua variabel sangat signifikan, artinya hubungan antara IQ dengan Prestasi Kerja sangat erat. Koefisien korelasi bertanda positif (+), artinya hubungannya searah sehingga jika tingkat intelegensi (IQ) pegawai naik maka prestasi kerja pegawai juga akan mengalami peningkatan.

96

Tanda ** menunjukkan bahwa koefisien signifikan pada taraf kepercayaan 99%. Grafik
80
76 74

korelasi

tersebut

74

72

PRESTASI KERJA

PRESTASI KERJA

70

71 69 66

72
70 68 66 64 62 60

63 60 61 60

64

65

50 120 122 123 124 128 129 132 133 134 135

58 120 122 123 124 128 129 132 133 134 135

IQ

IQ

Contoh 2: Berikut ini adalah data-data skor test sewaktu penerimaan pegawai, prestasi kerja, dan motivasi kerja karyawan PT. MAJU BARENG. Dari data-data tersebut akan dicari korelasinya.
Test 78 76 70 79 82 85 86 80 80 72 69 Prestasi 77 75 69 81 83 89 92 83 86 71 70 Motivasi 75 73 70 80 83 91 93 81 74 82 59

97

1. Entrilah data pada lembar kerja SPSS:

2. Klik Analyze | Correlate | Bivariate, lalu pindahkan variabel Test, Prestasi, dan Motivasi ke kolom Variables. Pada Correlation Coefficients, pilih Kendalls tau-b, lalu aktifkan Flag significant correlations.

3. Klik OK.

98

Output
Nonparametric Correlations
Correlations Kendall's tau_b test Correlation Coefficient Sig. (2-tailed) N Correlation Coefficient Sig. (2-tailed) N Correlation Coefficient Sig. (2-tailed) N test prestasi motivasi 1,000 ,907** ,734** . ,000 ,002 11 11 11 ,907** 1,000 ,624** ,000 . ,008 11 11 11 ,734** ,624** 1,000 ,002 ,008 . 11 11 11

prestasi

motivasi

**. Correlation is significant at the 0.01 level (2-tailed).

Interpretasi
Korelasi antara Test dengan Prestasi Angka koefisien korelasi adalah 0,907 dengan melihat nilai probabilitas (Sig) 0,000<0,05 atau bahkan lebih kecil dari 0,01 maka dapat disimpulkan bahwa hubungan kedua variabel sangat signifikan, artinya hubungan antara skor tes dengan prestasi kerja sangat erat. Koefisien korelasi bertanda positif (+), artinya hubungannya searah sehingga ada kecenderungan pegawai dengan skor tes tertinggi memiliki prestasi kerja yang baik juga. Tanda ** menunjukkan bahwa koefisien korelasi tersebut signifikan pada taraf kepercayaan 99%. Korelasi antara Test dengan Motivasi Angka koefisien korelasi adalah 0,734 dengan melihat nilai probabilitas (Sig) 0,002<0,05 atau bahkan lebih kecil dari 0,01 sehingga dapat disimpulkan bahwa hubungan kedua variabel sangat signifikan, artinya hubungan antara skor tes dengan motivasi kerja sangat erat. Koefisien korelasi bertanda positif (+), artinya hubungannya searah sehingga ada kecenderungan pegawai dengan skor test tinggi akan memiliki motivasi kerja yang tinggi juga. 99

Tanda ** menunjukkan bahwa koefisien korelasi tersebut signifikan pada taraf kepercayaan 99%.

Korelasi antara Prestasi dengan Motivasi Angka koefisien korelasi adalah 0,624 dengan melihat nilai probabilitas (Sig) 0,008 (<0,05). Tanda ** berarti koefisien korelasi tersebut signifikan, artinya hubungan antara prestasi dengan motivasi kerja sangat erat. Koefisien korelasi bertanda positif (+), artinya hubungannya searah, jadi kecenderungan pegawai yang memiliki motivasi tinggi maka prestasi kerjanya juga bagus. Tanda ** menunjukkan bahwa koefisien korelasi tersebut signifikan pada taraf kepercayaan 99%.

100

You might also like