STATISTIKA

(Pasca UTS Materi 2)

Korelasi Pearson
Korelasi Spearman

KORELASI (1)
Adalah hubungan antara
dengan variabel lainnya.

satu

variabel

Korelasi dibedakan menjadi:

1.Korelasional
Jika tidak dapat ditentukan mana sebab dan
mana akibat
2.Kausal
Jika dapat ditentukan variabel mana yang
merupakan sebab dan yang merupakan akibat.

KORELASI (2)
Analisis korelasi adalah suatu analisis statistik

yang mengukur tingkat asosiasi atau hubungan

antara dua variabel, yaitu variabel bebas
(independent) yang disimbolkan dengan X dan
variabel terikat (dependent) yang disimbolkan
dengan Y.
Koefisien korelasi adalah suatu ukuran arah dan

kekuatan hubungan linear antara dua variabel

random = r
(Watson & Craft, 624 dalam buku Drs. Danang
Sunyoto)

Kekuatan dan arah Korelasi

Korelasi positif : hubungan variabel X dan Y searah

Korelasi negatif : hubungan variabel X dan Y tidak searah

Koefisien Determinasi
Jika koefisien korelasi dikuadratkan, maka diperoleh
R2 yang disebut Koefisien Determinasi.
Koefisien

Determinasi

dinyatakan

dengan

persentase.
Kegunaannya

untuk

menentukan

besarnya

kontribusi variabel X terhadap perubahan (naik

turunnya) variabel Y.

Korelasi Pearson

Korelasi Pearson (Product Moment

Correlation)
Persyaratan :
Pengambilan sampel dari populasi harus random
Data yang dicari berskala interval atau ratio
Variasi skor kedua variabel harus sama
Distribusi skor variabel hendaknya unimodal
Hubungan antara variabel X dan Y hendaknya linear

Kegunaan :
Untuk menyatakan ada atau tidaknya hubungan antar

variabel.
Untuk menyatakan besarnya sumbangan variabel satu
terhadap yang lainnya yang dinyatakan dalam persen.

Rumus Korelasi Pearson

Rumus 1

{( X X ).(Y Y )}
( X X ) . (Y Y )
2

Rumus 2

n XY X Y

n X 2 X . n Y 2 Y
2

Uji Signifikansi Korelasi

Pearson
Untuk sampel kecil (n < 30)

n2
tr
1 r 2

ttabel = t(;df) atau

t(;df)
df

= n2

Untuk sampel besar (n > 30)

Z r n 1
Penggunaan dengan tabel Korelasi Pearson

(rtabel)
rtabel = r(;df) atau r(;df); dimana df = n 2

Contoh Perhitungan Korelasi Pearson

Seorang peneliti ingin mengetahui hubungan lama belajar
siswa dengan prestasi yang dicapai siswa dalam satu
semester. Dalam penelitian ini diambil 10 siswa sebagai
sampel. Data yang diperoleh adalah sebagai berikut :
Mahasiswa

Lama belajar sehari

(menit)

Rata-rata nilai
ujian

60

70

50

65

70

70

120

90

90

78

45

70

30

65

100

88

60

80

10

75

82

Tabel Perhitungan
Mhs

Waktu (X) Rata2 (Y)

XY

60

70

3,600

4,900

4,200

50

65

2,500

4,225

3,250

70

70

4,900

4,900

4,900

120

90

14,400

8,100

10,800

90

78

8,100

6,084

7,020

45

70

2,025

4,900

3,150

30

65

900

4,225

1,950

100

88

10,000

7,744

8,800

60

80

3,600

6,400

4,800

10

75

82

5,625

6,724

6,150

700

758

55,650

58,202

55,020

Jumlah

Penghitungan PPM Correlation

10 x 55.020 700 x 758
r=
----------------------------------------------(10 x 55.650 - 700) x (10 x 58.202 758)
550.200 530.600
r=
-----------------------------------------------------(556.500 490.000) x (582.020
574.564)

19.600
r =
------------------------- 66.500 x 7.456

19.600
19.600
= --------------------- = -------------- = 0,88
257,88 x 86,35
22.267,94

Jadi korelasinya adalah 0,88

(jumlah jam BERKORELASI terhadap nilai ujian)

Menguji Korelasi Pearson

t

=
r

n
2
1
r2

10 2
=
0,88

1
0,882

= 0,88 x :
= 0,88 x 5,89 =
Kesimpulan
t
5,18
Pada34,78
tabel t diketahui
bahwa pada df = 8 dan = 0,05.
Daerah penerimaan H0 adalah di antara -2,306 dan +2,306.
Karena t dari hasil pengujian adalah berada diluar daerah
penerimaan, maka H0 ditolak, yakni menolak hipotesis bahwa
lama
belajar
tidak
berkorelasi
terhadap
nilai
ujian.
Hipotesis/simpulan yang diambil adalah H 1, yakni LAMA
BELAJAR SISWA BERKORELASI terhadap NILAI UJIAN
SECARA SIGNIFIKAN.

Grafik

2,306

-2,306
Ho
ditolak

Ho diterima

Ho
ditolak

Latihan
Suatu penelitian akan melihat hubungan

antara banyaknya SKS yang diambil

dengan IP yang dicapai mahasiswa. Diambil
10
sampel, dengan
Mahasis
SKS data sbbIP:
wa
1
2
3
4
5
6
7
8
9
10

20
18
15
20
10
12
16
14
18
12

3.1
4.0
2.8
4.0
3.0
3.6
4.0
3.2
3.5
4.0

Z Skor Untuk Korelasi

Pearson

Digunakan apabila kedua variabel mempunyai rentangan yang

sangat berbeda.
Pengubahan ke dalam Z skor merupakan tindakan yang hatihati.
Korelasi dihitung setelah kedua variabel diubah ke bentuk Z
Skor.
Contoh korelasi yang perlu diubah ke Z skor :
Lama belajar dengan Indeks Prestasi
Pertumbuhan tinggi badan dengan dengan konsumsi makanan
Uang saku sebulan dengan nilai ujian yang dicapai siswa
Rumus :

ZY

Latihan
Suatu penelitian akan melihat hubungan

antara banyaknya jam belajardengan IP

yang dicapai mahasiswa. Diambil 10
sampel,
data sbb : IP
Mahasis dengan
Jam belajar
wa
1
2
3
4
5
6
7
8
9
10

40
35
30
25
25
25
20
15
10
5

3.8
3.6
3.25
3.00
2.95
3.05
2.50
2.00
1.50
1.00

Korelasi Spearman

KORELASI SPEARMAN
Digunakan untuk data dengan skala ordinal

(ranking)
Rumus :

rs (rho ) 1

6 D

n n 2 1

rs : koefisien korelasi Spearman

D : selisih X dan Y
n : jumlah anggota sampel

Contoh Perhitungan Korelasi

Spearman
Random sampel untuk 10 mahasiswa telah
diambil untuk mengetahui korelasi nilai antara
rangking saat mereka masuk menjadi mahasiswa
dengan rangking di kelas saat diterima kuliah.
Data yang diperoleh:
Mhs

Rangki
ng
Masuk

10

Rangki
ng
Kelas

10

Tentukan nilai korelasinya?

Jawaban
Perubahan menjadi skala ordinal, maka data
yang diperoleh menjadi
X

D2

10

81

25

25

dst (Silakan dilanjutkan)

Uji Signifikansi Korelasi

Spearman
Untuk sampel kecil (n < 30)

n2
t rs
2
1 rs

ttabel = t(;df) atau

t(;df)
df

= n2

Untuk sampel besar (n > 30)

Z rs n 1
Penggunaan dengan tabel Korelasi

Spearman (rtabel)
rtabel = r(;df) atau r(;df); dimana df = n 2

TERIMA KASIH