NAMA : DEWI PUSPITASARI

NPM : 1513022049
NO. HP : 085384699334

CORRELATION PEARSON
Seorang peneliti ingin mengetahui hubungan antara prestasi belajar dengan motivasi belajar
IPA. Prestasi belajar diukur dengan tes,motivasi di ukur dengan angket. Analisis data angket
dengan cara menjumlahkan skor dari setiap item angket. Adapun hipotesis yang digunakan
dalam penelitian ini adalah :
H0 = Tidak ada hubungan korelasi antara prestasi belajar dengan motivasi belajar IPA.

H1 = ada hubungan korelasi antara prestasi belajar dengan motivasi belajar IPA.

Data antara prestasi belajar siswa dan motivasi belajar siswa yaitu :
PRESTA ABSEN
SI SI
70 0
75 1
76 1
67 0
74 2
78 0
76 2
77 2
71 1
72 0
68 0
80 1
83 2
82 1
70 0
85 1
80 0
75 0
78 1
80 0
Asumsi awal yang harus dipenuhi adalah data tersebut berdistribusi normal. Untuk melihat
apakah data tersebut berdistribusi normal atau tidak maka dilakukan dilakukan uji distribusi
normal terlebih dahulu,langkah-langkahnya yaitu sebgai berikut :
1. Membuka aplikasi SPSS, pilih Type Data >> Oke
2. Langkah awal untuk membuat data di atas yaitu,membuka Variabel View kemudian
mengisi tabel pada Name > Prestasi dan Motivasi, Type > Numeric, Label > Prestasi
dan Absensi, dan Measure > scale.
3. Kemudian buka data view lalu mengisi data yang telah ditulis di atas.
 4. Klik Analyze >> Nonparametric tests >> Legacy Dialog >> 1-Simple K-S
5. Masukkan nama PRESTASI dan ABSENSI pada Test Variable List, klik Ok.
(pastikan terceklis pada bacaan normal)

Hasil yang diperoleh adalah sebagai berikut :

One-Sample Kolmogorov-Smirnov Test

PRESTASI ABSENSI

N 20 20
Mean 75,85 ,75
Normal Parametersa,b
Std. Deviation 5,060 ,786
Absolute ,094 ,280
Most Extreme Differences Positive ,081 ,280
Negative -,094 -,175
Kolmogorov-Smirnov Z ,420 1,252
Asymp. Sig. (2-tailed) ,995 ,087

a. Test distribution is Normal.

b. Calculated from data.

Tabel diatas menunjukkan nilai Asymp Sign (2-tailed) 0,995, artinya data tersebut
berdistribusi normal karena asymp sig > 0,05. Setelah data diketahui berdistribusi normal,
selanjutnya uji korelasi.
Langkah-langkah untuk menguji Corellation Pearson yaitu :
1. Klik Analyze >> Corellate >> lalu pilih Bivariate>> Pearson
2. Memindahkan nama PRESTASI dan ABSENSI pada Variabel lalu klik Ok

Hasil yang diperoleh adalah sebagai berikut :

Correlations

PRESTASI ABSENSI

Pearson Correlation 1 ,387

PRESTASI Sig. (2-tailed) ,092

N 20 20
Pearson Correlation ,387 1

ABSENSI Sig. (2-tailed) ,092

N 20 20
Koefisien korelasinya adalah 0,387 artinya korelasinya tinggi dan Sig.(2-tailed) 0,092 > 0,05
artinya Tidak berkorelasi sehingga H0 diterima dan H1 dittolak. Jadi kesimpulannya adalah
tidak ada hubungan korelasi antara prestasi dengan absensi pada pelajaran IPA.

CORRELATION KENDALLS

Data antara prestasi belajar siswa dan Absensi siswa yaitu :

MOTIVA ABSEN
SI SI
70 0
71 1
72 1
68 0
76 2
76 0
75 2
77 2
80 1
73 0
70 0
82 1
86 2
77 1
68 0
83 1
79 0
76 0
80 1
67 0

Asumsi awal yang harus dipenuhi adalah data tersebut berdistribusi normal. Untuk melihat
apakah data tersebut berdistribusi normal atau tidak maka dilakukan dilakukan uji distribusi
normal terlebih dahulu,langkah-langkahnya yaitu sebgai berikut :
1. Membuka aplikasi SPSS, pilih Type Data >> Oke
2. Langkah awal untuk membuat data di atas yaitu,membuka Variabel View kemudian
mengisi tabel pada Name > Prestasi dan Motivasi, Type > Numeric,Label > Prestasi
dan Absensi, dan Measure > scale.
3. Kemudian buka data view lalu mengisi data yang telah ditulis di atas.
4. Klik Analyze >> Nonparametric tests >> Legacy Dialog >> 1-Simple K-S
5. Masukkan nama MOTIVASI dan ABSENSI pada Test Variable List, klik Ok.
(pastikan terceklis pada bacaan normal)
Hasil yang diperoleh adalah sebagai berikut :

One-Sample Kolmogorov-Smirnov Test

MOTIVASI ABSENSI

N 20 20
Mean 75,30 ,75
Normal Parametersa,b
Std. Deviation 5,381 ,786
Absolute ,102 ,280
Most Extreme Differences Positive ,088 ,280
Negative -,102 -,175
Kolmogorov-Smirnov Z ,455 1,252
Asymp. Sig. (2-tailed) ,986 ,087

a. Test distribution is Normal.

b. Calculated from data.

Tabel diatas menunjukkan nilai Asymp Sign (2-tailed) 0,986, artinya data tersebut
berdistribusi normal karena asymp sig > 0,05. Setelah data diketahui berdistribusi normal,
selanjutnya uji korelasi.
Langkah-langkah untuk menguji Corellation Pearson yaitu :
1. Klik Analyze >> Corellate >> lalu pilih Bivariate>> Kendalls
2. Memindahkan nama MOTIVASI dan ABSENSI pada Variabel lalu klik Ok

Hasil yang diperoleh adalah sebagai berikut :

Correlations

MOTIVASI ABSENSI

Correlation Coefficient 1,000 ,446*

MOTIVASI Sig. (2-tailed) . ,016

N 20 20
Kendall's tau_b
Correlation Coefficient ,446* 1,000

ABSENSI Sig. (2-tailed) ,016 .

N 20 20

*. Correlation is significant at the 0.05 level (2-tailed).

Koefisien korelasinya adalah 0,446 artinya korelasinya rendah dan Sig.(2-tailed)

0,016 < 0,05 artinya berkorelasi sehingga H0 ditolak dan H1 diterima. Jadi
kesimpulannya adalah ada hubungan korelasi antara Motivasi dengan Absensi belajar
IPA.
CORRELATION PARTIAL

Kasus ini untuk mengetahui hubungan korelasi antara Prestasi Belajar dan Motivasi belajar
siswa terhadap variabel kontrol yaitu tidak hadir kuliah (absensi).

Motivasi Prestasi Absensi

70 70 0
71 75 1
72 76 1
68 67 0
76 74 2
76 78 0
75 76 2
77 77 2
80 71 1
73 72 0
70 68 0
82 80 1
86 83 2
77 82 1
68 70 0
83 85 1
79 80 0
76 75 0
80 78 1
67 80 0

Membuka Variabel View kemudian mengisi tabel pada Name dengan Absensi, Type >
Numeric, Label > Tidak hadir kuliah, dan Measure > Ordinal. Lalu buka data view lalu
mengisi data Absensi yang telah ditulis di atas.

Langkah-langkah untuk menguji Corellation Partial yaitu :

1. Klik Analyze >> Corellate >> lalu pilih Partial
2. Memindahkan nama Prestasi dan Motivasi pada Variabel dan Absensi pada
Controlong For lalu klik Ok
Hasil yang diuperoleh yaitu,

Correlations

Control Variables MOTIVASI PRESTASI

Correlation 1,000 ,595

MOTIVASI Significance (2-tailed) . ,007

df 0 17
ABSENSI
Correlation ,595 1,000

PRESTASI Significance (2-tailed) ,007 .

df 17 0

Dari data output diatas korelasi variable tidak hadir kuliah terhadap prestasi belajar dan
motivasi belajar yaitu 0,595 dan Sig 0,007 < 0,05, Artinya Ada kolerasi antara prestasi dan
motivasi Karena terkontrol oleh ketidak hadiran.
REGRESI LINEAR

Uji Regresi Linear 1 Variabel

Dengan data diatas maka sekarang akan dilakukan uji regresi,langkah-langkahnya yaitu
1. Klik Analyze >> Regression >> lalu pilih Linear
2. Memindahkan nama Prestasi pada Dependent dan Motivasi pada Independent (S)
lalu klik Ok

Hasilnya yaitu sebagai berikut

Variables Entered/Removeda

Model Variables Variables Method

Entered Removed

1 PRESTASIb . Enter

a. Dependent Variable: MOTIVASI

b. All requested variables entered.

Dari data output diatas dapat dikatakan bahwa metode diatas adalah metode enter dengan
variable bebas nya adalah PRESTASI dan variable terikat nya adalah MOTIVASI.

Model Summary

Model R R Square Adjusted R Std. Error of the

Square Estimate
a
1 ,670 ,450 ,419 4,102

a. Predictors: (Constant), PRESTASI

R menunjukkan korelasi, nilainya yaitu 0,670 dan R square adalah koefisien determinasi
yang nilainya yaitu 0,450. Koefisien determinasi dijadikan persen yaitu 45% menujukkan
angka kontribusi dari PRESTASI terhadap MOTIVASI ( dari variable bebas ke variable
terikat).

Coefficientsa

Model Unstandardized Coefficients Standardized t Sig.

Coefficients

B Std. Error Beta

(Constant) 21,221 14,135 1,501 ,151

1
PRESTASI ,713 ,186 ,670 3,834 ,001

a. Dependent Variable: MOTIVASI

Karena sig 0,001 < 0,05,maka data linear yang artinya H0 ditolak dan H1 diterima, jadi
berregresi antara Prestasi dan Motivasi yang terkontrol oleh ketidak hadiran.

Coefficientsa

Model Unstandardized Coefficients Standardized t Sig.

Coefficients

B Std. Error Beta

(Constant) 21,221 14,135 1,501 ,151

1
PRESTASI ,713 ,186 ,670 3,834 ,001

a. Dependent Variable: MOTIVASI

 REGRESI LINIER 2 FAKTOR

Berikut ini adalah langkah analisis dengan SPSS :

1. Pada halaman SPSS mengeklik tab Variable View. Pada kolom Name baris pertama
mengetik MOTIVASI, baris kedua PRESTASI, dan baris ketiga ABSENSI Untuk kolom
Decimals diubah menjadi 0. Pada kolom label dikosongkan. Pada kolom Measure untuk
baris 1-2 diberi Scale dan untuk baris 3 diberi Ordinal.

2.
Kemudian
mengisi datanya sesuai variablenya. Berikut hasil pengisian data pada halaman Data
Editor :

Motivasi Prestasi Absensi

70 70 0
71 75 1
72 76 1
68 67 0
76 74 2
76 78 0
75 76 2
77 77 2
80 71 1
73 72 0
70 68 0
82 80 1
86 83 2
77 82 1
68 70 0
83 85 1
79 80 0
76 75 0
80 78 1
67 80 0
3. Untuk menguji sampel ini, maka mengeklik Analyze >> Linier

4. Memindahkan PRESTASI SISWA ke kotak

Dependent, kemudian memindahkan
MOTIVASI BELAJAR dan ABSENSI ke
kotak Independent(s), selanjutnya klik tombol OK, maka hasil output yang didapat
adalah sebagai berikut :

5. Maka hasil output sebagai berikut :

Regression

Variables Entered/Removeda

Model Variables Variables Method

Entered Removed

ABSENSI, . Enter
1 b
PRESTASI

a. Dependent Variable: MOTIVASI

b. All requested variables entered.

Model Summary

Model R R Square Adjusted R Std. Error of the

Square Estimate
 1 ,737a ,543 ,489 3,847

a. Predictors: (Constant), ABSENSI, PRESTASI

ANOVAa

Model Sum of Squares df Mean Square F Sig.

Regression 298,657 2 149,328 10,092 ,001b

1 Residual 251,543 17 14,797

Total 550,200 19

a. Dependent Variable: MOTIVASI

b. Predictors: (Constant), ABSENSI, PRESTASI