1

ANALISIS KORELASI
Tujuan Belajar :
1. Menjelaskan pentingnya analisis hubungan
2. Menghitung koefisien korelasi
3. Menjelaskan arti koefisien korelasi
4. Menggunakan teknik ramalan
2
ANALISIS HUBUNGAN
Korelasi Hubungan antar kejadian (variabel) yang satu dengan
kejadian (variabel) lainnya (dua variabel atau lebih), yang ditemukan
oleh Karl Pearson pada awal 1900
Apabila dua variabel X dan Y mempunyai hubungan, maka nilai variabel
X yang sudah diketahui dapat dipergunakan untuk mempekirakan /
menaksir Y.
Variabel Y yang nilainya akan diramalkan disebut Variabel tak bebas
(dependent variabel), sedangkan variabel X yang nilainya dipergunakan
untuk meramalkan nilai Y disebut Variabel Bebas (independent variabel)
3
Kuat dan tidaknya hubungan antara X dan Y dapat dinyatakan dengan
fungsi linier (paling tidak mendekati), diukur dengan suatu nilai yang
disebut Koefisien Korelasi ( r ) .
Nilai Koefisien korelasi paling kecil 1 dan paling besar 1
-1 r 1
Artinya :
jika r = 1, hubungan X dan Y sempuna dan positif (mendekati 1, yaitu
hubungan sangat kuat dan positif)
r = -1, hubungan X dan Y sempurna dan negatif (mendekati 1,
yaitu hubungan sangat kuat dan negatif)
r = 0, hubungan X dan Y lemah sekali atau tidak ada hubungan
4
Untuk menentukan berapa besarnya kontribusi dari X terhadap naik
turunnya nilai Y dapat dihitung dengan suatu koefisien yaitu koefisien
penentuan (KP).
2
r KP =
Misalnya r = 0.9, maka nilai KP = (0.9)
2
= 0.81 (81%), yaitu kontrabusi
variabel X terhadap naik turunnya Y adalah 81%, sedangkan 19%
disebabkan oleh faktor lainnya.
5
Mencari r untuk data belum berkelompok:
) )

2
2
2
2
2 2
i i i
i i i i
i i i i
i i
i i
Y X X n
Y X Y X n
r
atau
Y Y y X X x
y x
y x
r
i
-
; ;
.
6
Contoh
Jika X adalah persentase kenaikan biaya iklan dan Y adalah persentase
kenaikan hasil penjualan, maka berdasarkan tabel dibawah ini, hitunglah
koefisien korelasinya (r )
X - X Y - Y
(x) (y)
1 2 -5.25 -5.75 27.56 33.06 30.19
2 4 -4.25 -3.75 18.06 14.06 15.94
4 5 -2.25 -2.75 5.063 7.56 6.188
5 7 -1.25 -0.75 1.563 0.56 0.938
7 8 0.75 0.25 0.563 0.06 0.188
9 10 2.75 2.25 7.563 5.06 6.188
10 12 3.75 4.25 14.06 18.06 15.94
12 14 5.75 6.25 33.06 39.06 35.94
Total 50 62 0 0 107.5 117.50 111.5
X 6.25
Y 7.75
xy X Y x^2 y^2
7
99 . 0
5 . 117 5 . 107
5 . 115
= =

r

2 2
i i
i i
y x
y x
r
.
Hubungan antara X dan Y sangat kuat dan positif, artinya kenaikan
biaya iklan akan menaikkan hasil penjualan.
Dari nilai r, dicari KP = (0.99)
2
= 0.98 (98%),
Artinya sumbangan biaya iklan terhadap naik turunnya hasil penjualan
adalah 98% sedangkan sisanya 2% disebabkan oleh faktor lainnya.
8
X Y X^2 Y^2 XY
1 2 1 4 2
2 4 4 16 8
4 5 16 25 20
5 7 25 49 35
7 8 49 64 56
9 10 81 100 90
10 12 100 144 120
12 14 144 196 168
Total 50 62 420 598 499
) )



2
2
2
2
i i i
i i i i
Y X X n
Y X Y X n
r
i
-
) ) )
99 . 0
) 62 ( ) 598 ( 8 ) 50 ( ) 420 ( 8
62 50 499 8
2 2

-
9
Koefisien Korelasi data berkelompok
) ) )
) ) ) )
2
2
2
2



-

v v u u
v u
vf f v n uf f u n
vf uf uvf n
r
100 mahasiswa dari jurusan informatika mengambil ujian, diantaranya
mata kuliah statistik dan matematika. Ada suatu pendapat, bahwa pada
umumnya mahasiswa yang kemampuan matematikanya lemah akan
mengalami kesulitan dalam belajar statistik, artinya kalau nilai matematika
yang diperoleh tinggi, nilai statistik juga tinggi. Sebaliknya kalau nilai
matematikanya rendah, nilai statistiknya juga rendah. Hitunglah koefisien
korelasinya untuk membukti nilai keduanya saling mempengaruhi. Dimana
ujian matematika (X) dan ujian Statisstik (Y)
10
Matematika
Stattistik
3 5 4 12
3 6 6 2 17
1 4 9 5 2 21
5 10 8 1 24
1 4 6 5 16
2 4 4 10
7 15 25 23 20 10 100
40 - 49
50 - 59
60 - 69
70 - 79
80 - 89
90 - 99
jumlah
80 - 89 90 - 99 jumlah 40 - 49 50 - 59 60 - 69 70 - 79
Cara baca tabel : jumlah mahasiswa yang mendapat nilai matematika
antara 70 79 dan nilai statistik antara 70 79 sebanyak 10 orang.
11
40 - 49 44.5 -2 7
50 - 59 54.5 -1 15
60 - 69 64.5 0 25
70 - 79 74.5 1 23
80 - 89 84.5 2 20
90 - 99 94.5 3 10
Kelas nilai
Matematika
Nilai
Tengah (X)
u f
u
40 - 49 44.5 -3 12
50 - 59 54.5 -2 17
60 - 69 64.5 -1 21
70 - 79 74.5 0 24
80 - 89 84.5 1 16
90 - 99 94.5 2 10
Kelas nilai
Statistik
Nilai
Tengah (X)
v f
v
( I ) ( II ) ( III ) ( IV ) ( V )
v fv v fv v
2
fv uvf
3 5 4 -3 12 -36 108 33
3 6 6 2 -2 17 -34 68 20
1 4 9 5 2 -1 21 -21 21 -3
5 10 8 1 0 24 0 0 0
1 4 6 5 1 16 16 16 31
2 4 4 2 10 20 40 44
( VI ) u -2 -1 0 1 2 3 100 -55 253 125
( VII ) fu 7 15 25 23 20 10 100
( VIII ) u fu -14 -15 0 23 40 30 64
( IX ) u
2
fu 28 15 0 23 80 90 236
( X ) uvf 32 31 0 -1 24 39 125
Kemudian untuk menghitung r, harus dibuat tabel dibawah ini :
12
Dari tabel korelasi diatas didapat hasil sebagai berikut :

6 23 ; 64 ; 100
2
u u
f u uf n
253 ; 55 ; 125
2
! ! !
v v
f v vf vuf
) ) )
) ) ) )
) ) )
) ) ) )
77 . 0
20844
16020
22275 19504
16020

3025 25300 4096 23600
) 3520 ( 12500
55 253 100 64 236 100
55 64 125 100


2 2
2
2
2
2
= =
= =
=
=
v v u u
v u
vf f v n uf f u n
vf uf uvf n
r
13
KORELASI RANK (PERINGKAT)
Korelasi Rank disebut juga korelasi Spearman, korelasi ini disebut juga
korelasi bertingkat, korelasi berjenjang, korelasi berurutan, atau korealsi
berpangkat.
) 1
6
1
2
2
=
n n
d
i
rank
r
Dimana : di = selisih dari pasangan rank ke i
n = banyaknya pasangan rank
14
mentos 8 9 -1 1
relaxa 3 5 -2 4
sugus 9 10 -1 1
kiss 2 1 1 1
kopiko 7 8 -1 1
hexos 10 7 3 9
yupi 4 3 1 1
Alpenliebe 6 4 2 4
Xylitol 1 2 -1 1
Palgoda 5 6 -1 1
d^2
Merk
Permen
Rank dari
joni
Rank dari
tono
d
Cari koefisien korelasi rank antara rank tono dan rank joni di dalam
menilai merek permen
0,85 0,1455 - 1
1) - 10(100
1) ... 1 4 6(1
r
rank
= =
+ + + +
= 1
) 1
6
1
2
2
=
n n
d
i
rank
r
Contoh
15
Contoh :
2 1.5 18 1 0.5 0.25
11 6 35 7 -1 1
2 1.5 20 2 -0.5 0.25
5 3 23 3.5 -0.5 0.25
15 7.5 35 7 0.5 0.25
15 7.5 31 5 2.5 6.25
9 5 23 3.5 1.5 2.25
7 4 35 7 -3 9
19.5
d^2 X
Rank
(X)
Y
Total
Rank
(Y)
d
Jika X adalah biaya periklanan dalam jutaan rupiah (tahunan), dan Y
adalah hasil penjualan dalam jutaan rupiah (tahunan), maka berdasarkan
data pada tabel berikut, tentukan koefisien rank antara biaya periklanan
dan hasil penjualan
0,7679 0,2321 - 1

) 1 8(8
) 9 ... 25 . 0 1 6(0.25
- 1 r
2
rank
! !

!
) 1
6
1
2
2

!

n n
d
i
r k
r
16
KORELASI DATA KUALITATIF
Untuk data kualitatif dalam mengukur kuatnya hubungan disebut
Contingency Coefficient (koefisien bersyarat,Cc), biasanya disajikan dalam
bentuk p x q tabel.
Dimana nilai Cc sebesar nol, yang berarti tidak ada hubungan, batas atas
Cc tidak sebesar satu, tergantung banyaknya baris atau kolom.
Batas tertinggi nilai Cc ialah (r-1) / r , dimana nilai r ialah banyaknya
baris atau kolom. Kalau baris atau kolom tidak sama pilih nilai terkecil.
observasi banyaknya
e
e f
n

ij
ij ij
n ; ; C
2
c
= =
+
=
2
2
2
) (
,
17
f
11
f
12
f
13
f
1j
e
11
e
12
e
13
e
1j
f
21
f
22
f
23
f
2j
e
21
e
22
e
23
e
2j
f
i1
f
i2
f
i3
f
i j
e
i1
e
i2
e
i3
e
i j
n
1
n
2
n
3
n
1 2 3 j
n
1
I n
2
1
2 n
2
.
II
I
fij = frek. Kategoi i dan j
eij = frek. Harapan kategori i & j
n
n n
j i
) )( (
!
ij
Cc < 0.50 hubungan l mah
antara 0,50 dan 0,75
hubungan s dang / cukup
antara 0,75 dan 0,90
hubungan kuat
antara 0.90 dan 1 hubungan
sangat kuat
= 1 hubungan s mpurna
18
Contoh :
Untuk mengetahui apakah ada hubungan antara tingkat pendidikan ibu
rumah tangga dengan konsumsi susu dari anggota keluarga mereka,
dilakukan penelitian yang hasilnya sebagai berikut :
kurang Cukup Sangat Cukup
(1) (2) (3) (4)
Tdk tamat SMA 82 65 12
Tamat SMA 59 112 24
Konsumsi
Pendidkan
Pernah Masuk
perguruan
37 94 42
19
=
11
e
(1) (5)
Jumlah n1 = 178 n2 = 271 n3 = 78
1 Jumlah
(2)
2
(3)
3
(4)
1
2
527
(58,43)
65
(81,76)
112
(100,28)
94
(88,96)
3
159
195
82
(53,70)
59
(65,86)
37
173
n1
n2
n3
42
(25,61)
12
(23,53)
24
(28,86)
II
I
53,7
527
( 7 ) - 59) .
! ! !
(
20
) ) )
33
2
33 33
12
2
12 12
2
11 11
2
2
) (
e
e f
e
e f
e
e f
e
e f
ii ij
ij ij

!

.....
) ) )
45,54
25,61
16,39
....
81,76
16,76 -
53,70
28,30
! !
2 2 2
0,28
527 45,54
45,54
C
c
=
+
=
+
=
n
2
2
,
,
Karena jumlah baris dan kolom = 3, maka r = 3. Batas Cc ialah (3 1)/3
= 0,82. Karena nilai perbandingan Cc adalah 0.28 / 0.82 = 0.34 maka
nilainya adalah < 0.50 maka hubungan atau korelasi antara tingkat
pendidikan ibu rumah tangga dengan tingkat konsumsi susu anggota rumah
tangga lemah