BAB XII

UJI KORELASI PEARSON

A. Tujuan Instruksional
1. Umum
Setelah Setelah menyelesaikan mata kuliah ini mahasiswa akan dapat menjelaskan
konsep statistik dan menggunakan konsep tersebut dalam pengolahan dan analisis data
baik parametrik maupun non parametrik dalam bidang kesehatan
2. Khusus
Setelah mengikuti mata kuliah ini mahasiswa akan dapat melakukan pengujian hipotesis
dua sampel yaitu pengujian hipotesis dan analisis menggunakan uji korelasi Pearson.
B. Pokok Bahasan
Uji korelasi Pearson
C. Sub Pokok Bahasan
1. Uji korelasi Pearson
2. Tujuan
3. Syarat
4. Rumus
5. Contoh kasus

D. Uji Korelasi Pearson

Korelasi digunakan untuk mengetahui hubungan antara dua variabel numerik atau kontinu
atau kuantitatif (X dan Y). Metode yang digunakan adalah korelasi linier dan regresi
linier. Korelasi digunakan jika ingin mengetahui seberapa kuat hubungan antara variabel
bebas dan terikat, sedang Regresi digunakan jika ingin memprediksi variabel terikat (Y)
bila variabel bebas (X) diketahui.
Contoh :
 Jika ingin mengetahui seberapa kuat hubungan antara umur dengan tekanan darah
ibu hamil  uji korelasi.
 Jika ingin memprediksi tekanan darah ibu hamil pada umur tertentu  uji regresi
Asumsi Korelasi Pearson
 Populasi berdistribusi normal
 Skala data interval/rasio (data numerik)

Biostatistik 18
 Asumsi untuk Rank Spearman dan Kendall Tau
 Populasi berdistribusi tidak normal
 Skala data interval/rasio (data numerik)
Korelasi Pearson selain untuk mengetahui keeratan hubungan antara variabel bebas dan
terikat dapat juga untuk mengetahui arah hubungan antara variabel bebas dan terikat.
 Berpola positif (hubungan searah) artinya semakin tinggi nilai X semakin tinggi
nilai Y
 Berpola negatif (hubungan berlawanan arah) artinya semakin rendah nilai X
semakin tinggi nilai Y
Secara sederhana atau visual hubungan dua variabel dapat dilihat pada diagram
pencar/tebar (scatter plot). Diagram pencar adalah grafik yang menunjukkan titik-titik
perpotongan nilai data dua variabel (X dan Y), dengan X diletakkan pada sumbu
horisontal dan Y pada sumbu vertikal.
D. Diagram Tebar
 Mengetahui pola hubungan variabel X dan Y
 Derajat hubungan (kuat lemahnya hubungan ) dengan melihat tebaran d

100 1600
90
1400
80
1200
70
60 1000

50 800
40
600
30
400
20
10 200

0 0
0 5 10 15 20 25 0 20 40 60 80

Diagram tebar berpola negatif Diagram tebar berpola positif

Biostatistik 19
F. Koefisien Korelasi Pearson’s
Koefisien korelasi disimbulkan dengan r, dapat diperoleh rumus :

  XY        n
 X Y 

  n   XY     X   Y  
r atau r 
 X 2    X  2   Y 2    Y  2   n  X 2    X 2   n  Y 2    Y 2 
              
 n   n 

 Dari nilai r dapat ditentukan

1. Kekuatan hubungan ( nilai 0 s/d 1)
2. Arah hubungan ( + atau -)
 Kisaran nilai r antara 0 s/d 1

Biostatistik 20
 1. 0 : tidak ada hubungan linier
2. +1 : ada hubungan linier sempurna
 Arah Hubungan
1. + : korelasi positif
2. - : korelasi negative
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

 Asumsi
 Koefisien korelasi Pearson valid bila dipenuhi
1. Untuk setiap X, nilai Y berdistribusi normal
2. Untuk setiap Y, nilai X berdistribusi normal
3. Perkalian antara X dan Y berdistribusi normal
G. Prosedur Uji korelasi Pearson
1. Buat hipotesis nol dan hipotesis alternatif
Ho:  = 0 ( koefisien korelasi populasi tidak sama dengan nol atau tidak ada
hubungan yang signifikan antara variabel bebas dan variabel terikat)
Ha:   0 ( koefisien korelasi populasi sama dengan nol atau ada hubungan yang
signifikan antara variabel bebas dan variabel terikat)
2. Menentukan Level of significance ( )  5% atau 1%
3. Menghitung nilai r

  XY        n
 X Y 

r  
 X 2    X  2   Y 2    Y  2 
      
 n   n 
atau
n   XY     X   Y  
r
 n  X 2    X 2   n  Y 2    Y 2 
       
Biostatistik 21
  Uji hipotesis
a. Uji t

n2 r
tr atau t  , dengan df =n-2
1 r2 1  r 
2

 n  2

4. Keputusan  ho ditolak atau gagal ditolak ?

Kriteria pengujian :
Uji Hipotesis
a. r hitung dibanding dengan r tabel
b. Pengujian dengan pendekatan distribusi t
 Ho ditolak jika  thitung  ≥ t tabel (/2, df =n-2)
Jika menggunakan SPSS sudah didapatkan langsung nilai r dan nilai
signifikansinya (p value)
 Ho ditolak jika p value < 
5. Kesimpulan
 Koefisien Determinasi (r2)
Untuk melihat besarnya variasi Y (dalam proporsi) yang dapat dijelaskan oleh variabel X
 Contoh :
r =0.8 maka r2 = 0.64 artinya sebesar 64 % variasi nilai Y dapat dijelaskan oleh
variabel X.
 Batasan Uji Korelasi Pearson
1. Hubungan kedua variabel linier
2. Kedua variabel berdistribusi normal
3. Adanya outliermempengaruhi hubungan kedua variabel
4. Hubungan kedua variabel bukan hubungan sebab akibat

F. Contoh Kasus dan Interpretasi

Suatu studi ingin mengetahui hubungan antara variabel berat badan ibu dengan berat
badan bayi yang dilahirkan,. Kemudian diambil sampel 10 ibu hamil datanya sebagai
berikut :

Biostatistik 22
 ibu BB ibu (kg) BB bayi (gram)
1 49.4 3515
2 63.5 3742
3 68.0 3629
4 52.5 2880
5 54.4 3008
6 70.3 4068
7 50.8 3373
8 73.9 4124
9 65.8 3572
10 54.4 3359

Penyelesaian :
1. Hipotesis
Ho :  =0 (tidak ada hubungan yang signifikan BB ibu hamil dengan BB bayi lahir)
Ha :  ≠ 0 (Ada hubungan yang signifikan BB ibu hamil dengan BB bayi lahir)
2. Menentukan Level of significance ( )  5%
3. Menghitung koefisien korelasi r :
X Y X2 Y2 XY
49.4 3,515 2,440.36 12,355,225 173,641.0
63.5 3,742 4,032.25 14,002,564 237,617.0
68.0 3,629 4,624.00 13,169,641 246,772.0
52.5 2,880 2,724.84 8,294,400 150,3360
54.4 3,008 2,959.36 9,048,064 163,635.2
70.3 4,068 4,942.09 16,548,624 285,980.4
50.8 3,373 2,580.64 11,377,129 171,348.4
73.9 4,124 5,461.21 17,007,376 304,763.6
65.8 3,572 4,329.64 12,759,184 235,037.6
54.4 3,359 2,959.36 11,282,881 182,729.6
602.7 35,270 37,053.75 125,845,088 2,152,860.8 TOTAL

Biostatistik 23
 X 603  XY=311860.8 Y 2
 125845088
 Y  35270  X  37053.75
2

n   XY     X   Y  
r
 n  X 2    X 2   n  Y 2    Y 2 
       
10  2151860.8   602.7  35270  
r  0.8045
10  37053.75    602.7 2  10 125845088    35270 2 
  

Interpretasi :
• besaran r mendekati angka 1 berarti semakin kuat hubungannya
• Berpola linier positif, artinya semakin besar BB ibu semakin besar BB bayi

4. Keputusan
Kriteria pengujian :
Ho ditolak jika  r hitung  ≥ r tabel (/2, df =n-2)= r tabel (0,025, 8)=0,632
Ho ditolak jika  t hitung  ≥ t tabel (/2, df =n-2)=t tabel (0,025, 8)= 2.306
a. Jika menggunakan nilai r
• r hitung =0.8045
• r tabel dengan df = 10-2=8, alpha =0.05 two tail = 0.632
• Keputusan : r hitung > r tabel Ho ditolak
• Ada hubungan yang signifikan antara BB ibu hamil dengan BB bayi lahir
b. Jika menggunakan tabel t

n2 10  2
tr =0.8045 =3.83
1 r2 1   0.8045
2

t hitung > t tabel (alpha/2=0.025, df = 8)

3.83 > 2.306 Ho ditolak

5. Kesimpulan :
Ho ditolak (Ada hubungan yang signifikan antara BB ibu hamil dengan BB bayi lahir)
Arah hubungan adalah positif dapat dilihat dari diagram tebar di bawah ini :

Biostatistik 24
 Dagram Tebar

4500
4000
Dari gambar terlihat ada
3500 kecenderungan bila BB
Berat badan bayi

3000
2500
ibu hamil makin
2000 meningkat maka BB bayi
1500
1000
lahir juga semakin
500 meningkat dan berpola
0
0 20 40 60 80
linier
Berat badan ibu

Soal
1. Tabel berikut menunjukkan data Y = Tekanan darah sistole dari 12 wanita dan X umur :

X 56 42 72 36 63 47 55 49 38 42 68 60

Y 147 125 160 118 149 128 150 145 115 140 152 155

a. Buktikan apakah ada hubungan antara umur dengan tekanan darah systole !
b. Tentukan koefisien determinasi dan apa artinya ?

2. Tabel dibawah ini menunjukkan Resting Metabolic Rate (RMR) (kcal/24 jam) dan berat
badan (kg) dari 20 wanita (Owen, et, al, 1996)
Berat Badan RMR Berat Badan RMR
49.9 1079 52.2 1132
50.8 1146 53.5 1172
51.8 1115 55.0 1034
52.6 1161 55.0 1155
57.6 1325 56.0 1392
61.4 1351 57.8 1090
62.3 1402 59.0 982
64.9 1365 59.0 1178
43.1 870 59.2 1342
48.1 1372 59.5 1027

Biostatistik 25
 a. Buktikan apakah ada hubungan antara umur dengan tekanan darah systole !
b. Tentukan koefisien determinasi dan apa artinya ?

2. Tabel di bawah ini menunjukkan 15 data hasil survei diperoleh data umur (tahun) dengan
denyut jantung (frekuensi/menit) sebagai berikut :

Umur Denyut jantung

a. Buktikan apakah ada hubungan antara umur dengan
2 110
tekanan darah systole !
4 108
b. Tentukan koefisien determinasi dan apa artinya ?
5 108
6 108
18 72
20 72
25 80
30 70
36 70
40 68
43 72
50 66
55 60
61 58
69 52

Biostatistik 26