KORELASI

I. KONSEP DASAR
A. Pengertian
Korelasi merupakan istilah yang digunakan untuk mengukur kekuatan hubungan antarvariabel.
Analisa Korelasi adalah teknik analisis untuk mengetahui derajat (ada atau tidaknya dan seberapa
kuat) hubungan antarvariabel. Korelasi tidak harus memiliki hubungan sebab akibat.
B. Variabel
 Variabel bebas (independent variable) adalah variable yang nilai-nilainya tidak tergantung
pada variable lainnya. Biasanya disimbolkan dengan X.
 Variabel terikat (dependent variable) adalah variable yang nilai-nilainya bergantung pada
variable lainnya. Biasanya disimbolkan dengan Y.

II. TEORI KORELASI

A. Karakteristik Korelasi
 Kisaran Korelasi
Kisaran (range) korelasi mulai dari 0 sampai dengan 1. Korelasi dapat positif dan dapat pula
negatif.
 Korelasi Sama Dengan Nol
Korelasi sama dengan 0 mempunyai arti tidak ada hubungan antara dua variabel.
Contoh: Unggul di sistem kendali dan unggul di pancasia; unggul di sistem kendali dan kurang
di pancasila; kurang di sistem kendali dan unggul di pancasila; kurang di sistem kendali dan
kurang di pancasila. Artinya tidak ada korelasi antara pancasila dan sistem kendali.
 Korelasi sama dengan Satu
Korelasi sama dengan +1 artinya kedua variabel mempunyai hubungan linier sempurna
(membentuk garis lurus) positif.
Korelasi sama dengan -1 artinya kedua variabek mempunyai hubungan linier sempurna
(membentuk garis lurus) negatif.

B. Koefisien Korelasi
Koefisien korelasi ialah pengukuran statistik kovarian atau asosiasi antara dua variabel. Koefisien
korelasi menunjukkan kekuatan (strength) dan arah hubungan antarvariabel.
 Arah Hubungan
(1) Koefisien positif, maka kedua variabel mempunyai hubungan searah. Artinya jika nilai
variabel x tinggi, maka nilai variabel y akan tinggi pula. Begitupun jika nilai variabel x
rendah, maka nilai variabel y akan rendah pula.
Contoh: Semakin banyak waktu belajar, nilai IPK akan semakin baik.
(2) Koefisien negatif, maka kedua variabel mempunyai hubungan terbalik. Artinya jika nilai
variabel x tinggi, maka nilai variabel y akan menjadi rendah. Dan bila nilai variabel x
rendah, maka nilai variabel y akan menjadi tinggi.
Contoh: Semakin banyak waktu bermain, nilai IPK akan semakin kecil.
 Kekuatan Hubungan
0 = Tidak ada korelasi/hubungan antara dua variabel
>0 – 0,25 = Korelasi sangat lemah
 >0,25 – 0,5 = Korelasi cukup
>0,5 – 0,75 = Korelasi kuat
>0,75 – 0,99 = Korelasi sangat kuat
1 = Korelasi sempurna

C. Signifikansi
Dalam bahasa Inggris umum kata “significant” mempunyai makna penting; sedangkan dalam
pengertian statistik kata tersebut mempunyai makna “benar” tidak didasarkan secara kebetulan.
Signifikansi memberikan gambaran mengenai bagaimana hasil riset itu mempunyai kesempatan
untuk benar. Contohnya: jika signifikansi sebesar 0,01 maka artinya hasil riset mempunyai
kesempatan untuk benar sebesar 99 dan untuk salah sebesar 1%.

Kriterian signifikansi yaitu:

 Jika angka signifikansi hasil riset < 0,05 maka hubungan kedua variabel signifikan
 Jika angka signifikansi hasil riset >0,05 maka hubungan kedua variabel tidak signifikan

D. Interpretasi Korelasi
Ada tiga penafsiran hasil analisis korelasi, meliputi: pertama, melihat kekuatan hubungan dua
variabel; kedua, melihat signifikansi hubungan; dan ketiga, melihat arah hubungan.
 Kekuatan Hubungan Dua Variabel
Untuk melakukan interpretasi kekuatan hubungan dua variabel dilakukan dengan melihat
angka koefisien korelasi hasil perhitungan dengan menggunakan kriteria sebagai berikut:
(1) Jika angka koefisien korelasi menunjukkan 0, maka kedua variabel tidak mempunyai
hubungan
(2) Jika angka koefisien korelasi mendekati 1, maka kedua variabel mempunyai hubungan
semakin kuat
(3) Jika angka koefisien korelasi mendekati 0, maka kedua variabel mempunyai hubungan
semakin lemah
(4) Jika angka koefisien korelasi sama dengan 1, maka kedua variabel mempunyai hubungan
linier sempurna positif
(5) Jika angka koefisien korelasi sama dengan -1, maka kedua variabel mempunyai hubungan
linier sempurna negatif
 Signifikansi Hubungan
Interpretasi berikutnya dengan melihat signifikansi hubungan dua variabel dengan didasarkan
pada angka signifikansi yang dihasilkan dari perhitungan dengan ketentuan sebagaimana yang
sudah di bahas sebelumnya. Interpretasi ini akan membuktikan apakah hubungan kedua
variabel tersebut signifikan atau tidak.
 Arah Korelasi
Interpretasi ketiga adalah dengan melihat arah korelasi, apakah searah atau tidak searah.
Arah korelasi dilihat dari tanda nilai koefisien korelasi. Jika tanda nilai koefisien korelasi positif
maka hubungan kedua variabel searah, jika tanda negatif maka hubungannya tidak
searah/terbalik.
III. TEKNIK STATISTIK KORELASI
Terdapat bermacam-macam teknik statistic korelasi yang dapat digunakan untuk menguji hipotesis
asosiatif. Teknik koefisien yang mana yang akan dipakai tergantung pada jenis data yang dianalisis.

Uji korelasi untuk data interval dan rasio menggunakan statistic parametriks, sedangkan uji korelasi
untuk nominal dan ordinal menggunakan statistic nonparametriks.

A. Korelasi Pearson
Korelasi Pearson adalah indeks atau angka yang digunakan untuk mengukur kekuatan hubungan
antara dua variabel yang datanya berbentuk interval atau ratio. Koefisien korelasi person dapat
ditentukan dengan 2 metode.
(1) Metode Least Square
𝑛 ∑ 𝑋𝑌 − ∑ 𝑋 ∑ 𝑌
𝑟=
√(𝑛 ∑ 𝑋 2 − (∑ 𝑋)2 )(𝑛 ∑ 𝑌 2 − (∑ 𝑌)2 )
Keterangan:
r = koefisien korelasi
X = variabel x
Y = variabel y
(2) Metode Product Moment
∑ 𝑥𝑦
𝑟=
√∑ 𝑥 2 ∑ 𝑦 2
Keterangan:
r = koefisien korelasi
x = deviasi rata-rata variabel 𝑥 = 𝑋 − 𝑋̅
y = deviasi rata-rata variabel y = 𝑌 − 𝑌̅

Contoh soal: Lihat ppt!

B. Korelasi Rank Spearman

Korelasi Rank Spearman disebut juga Rank order correlation atau Rank defference corelation
adalah indeks atau angka yang digunakan untuk mengukur keeratan hubungan antara dua
variabel yang datanya berbentuk ordinal (data bertingkat/data rangking). Penemunya adalah
Charles Spearman.
6 ∑ 𝑑2
𝑟𝑠 = 1 −
𝑛(𝑛2 − 1)
 Keterangan:
rs = Koefisien korelasi rank spearman
d = selisih dalam rangking
n = banyaknya pasangan rank

Contoh soal: Lihat ppt!

C. Korelasi Kendall Tau

Koefisien korelasi kendall tau merupakan pengembangan dari koefisien korelasi rank spearman.
Disimbolkan dengan 𝜏 Korelasi ini digunakan pada pasangan variabel atau data x dan y dalam hal
ketidaksesuaian rank, yaitu untuk mengukur ketidakteraturan. Koefisien kendall tau dirumuskan:
𝑆
𝜏=
1
2 𝑁(𝑁 − 1)
Keterangan:
𝜏 = Koefisien korelasi kendall tau
S = Pembilang dari jumlah konkordansi dan disonkordasi secara keseluruhan
N = banyaknya pasangan rank

Langkah-langkah penyelesaian kendall tau:

(1) Nilai pengamatan dari variabel yang akan diukur diberi ranking darii terkecil sampai terbesar.
Jika ranking sama diambil nilai rata-ratanya.
(2) Tentukan nilai patokan berurut dengan menyusun salah satu variabel dari ranking tersebut
secara berurutan.
(3) Beri nilai konkordasi (+1) jika urutan ranking wajar, dan diskordansi (-1) jika uruan ranking
tidak wajar, dari nilai-nilai ranking yang bukan patokan.
(4) Tentukan nilai s dengan menjumlahkan nilai konkordasi dan diskordansi tersebut.
(5) Hitunglah nilai koefisien korelasi kendall tau dengan rumus sebelumnya.

Contoh soal: Lihat ppt!

D. Korelasi Kontingensi
Disebut juga korelasi bersyarat. Jenis korelasi ini digunakan untuk menghitung hubungan antara
variabel bila datanya berbentuk nominal. Korelasi ini dirumuskan dengan:
𝑋2
𝐶=√ 2
𝑋 +𝑛
Dimana:
𝑛 𝑞 2
2
(𝑛𝑖𝑗 − 𝑒𝑖𝑗 )
𝑋 = ∑∑
𝑒𝑖𝑗
𝑖=1 𝑗=1
(𝑛𝑖 − 𝑛𝑗 )
𝑒𝑖𝑗 = = 𝑓𝑟𝑒𝑘𝑢𝑒𝑛𝑠𝑖 ℎ𝑎𝑟𝑎𝑝𝑎𝑛
𝑛

Contoh soal: Lihat ppt!

E. Korelasi Berganda
Disebut juga korelasi bersyarat. Korelasi ganda merupakan angka yang menunjukkan arah dan
kuatnya hubungan antara dua variabel secara bersama-sama atau lebih dengan variabel lain. Dan
dirumuskan sebagai berikut:
𝒓𝟐𝒚𝒙𝟏 + 𝒓𝟐𝒚𝒙𝟐 − 𝟐𝒓𝒚𝒙𝟏 . 𝒓𝒚𝒙𝟐 . 𝒓𝒙𝟏𝒙𝟐
𝒓𝒚.𝒙𝟏.𝒙𝟐 = √
𝟏 − 𝒓𝟐𝒙𝟏𝒙𝟐
Dimana:
ry.x1.x2 = Korelasi antara variabel x1 dan x2 secara bersama-sama dengan variabel y
ryx1 = Korelasi product moment antara x1 dan y
ryx2 = Korelasi product moment antara x2 dan y
rx2x1 = Korelasi product moment antara x1 dan x2

Contoh soal: Lihat ppt!

F. Korelasi Parsial
Korelasi ganda merupakan angka yang menunjukkan arah dan kuatnya hubungan antara dua
variabel secara bersama-sama atau lebih setelah satu variabel yang diduga dapat mempengaruhi
hubungan tersebut dikendalikan untuk dibuat tetap keberadaannya. Korelasi parsial digunakan
untuk mengetahui pengaruh atau hubungan antara variabel independen dengan variabel
dependen, dimana satu variabel independen yang lain dibuat tetap/dikendalikan.
𝑹𝒚𝒙𝟏 − 𝒓𝒚𝒙𝟐 . 𝒓𝒙𝟏𝒙𝟐
𝑹𝒚.𝒙𝟏.𝒙𝟐 =
√(𝟏 − 𝒓𝟐𝒙𝟏𝒙𝟐 ) − √(𝟏 − 𝒓𝟐𝒚𝒙𝟐 )
(Bila X2 dikendalikan)
𝑹𝒚𝒙𝟐 − 𝒓𝒚𝒙𝟏 . 𝒓𝒙𝟏𝒙𝟐
𝑹𝒚.𝒙𝟐.𝒙𝟏 =
√(𝟏 − 𝒓𝟐𝒙𝟏𝒙𝟐 ) − √(𝟏 − 𝒓𝟐𝒚𝒙𝟏 )
(Bila X1 dikendalikan)