Makalah Uji Asumsi Korelasi Sederhana (Kelompok 1)
Makalah Uji Asumsi Korelasi Sederhana (Kelompok 1)
Makalah Uji Asumsi Korelasi Sederhana (Kelompok 1)
MAKALAH
Disusun Oleh :
Dosen Pengampu :
TAHUN 2021
1
KATA PENGANTAR
Penulis menyadari makalah ini masih jauh dari kata sempurna. Oleh karena
itu, kritik dan saran yang membangun akan penulis terima demi kesempurnaan
makalah ini.
Penulis
Kelompok 1 (satu)
2
DAFTAR ISI
A. Kesimpulan ........................................................................................... 18
B. Saran ...................................................................................................... 19
3
BAB I
PENDAHULUAN
A. Latar Belakang
Hubungan antar variabel sering menjadi objek yang akan diamati bentuknya
dalam sebuah pemodelan. Dua buah variabel yang diduga mempunyai hubungan
sebab akibat, atau dalam bahasa statistik disebut hubungan antar variabel terikat
(dependen) dan variabel bebas (independen). Analisis statistik yang sering
digunakan untuk melihat hubungan antara dua jenis variabel tersebut adalah
analisis korelasi dan analisis regresi. Analisis korelasi berkaitan dengan
pengukuran tingkat keeratan hubungan di antara variabel – variabel baik di
antara variabel terikat dengan variabel bebas maupun sesama variabel bebas.
Variabel bebas yaitu variabel yang dipakai untuk memprediksi nilai variabel
terikat, sedangkan variabel terikat yaitu variabel yang diprediksi (Setiawan dan
Dwi,2010:60). Analisis korelasi sederhana (Bivariate Correlation) digunakan
untuk mengetahui keeratan hubungan antara dua variabel dan untuk mengetahui
arah hubungan yang terjadi.
Koefisien korelasi sederhana menunjukkan seberapa besar hubungan yang
terjadi antara dua variabel. Dalam SPSS ada tiga metode korelasi sederhana
(bivariate correlation) diantaranya Pearson Correlation, Kendall’s tau-b, dan
Spearman Correlation. Pearson Correlation digunakan untuk data berskala
interval atau rasio, sedangkan Kendall’s tau-b, dan Spearman Correlation lebih
cocok untuk data berskala ordinal. Pada bab ini akan dibahas analisis korelasi
sederhana dengan metode Pearson atau sering disebut Product Moment Pearson.
Nilai korelasi (r) berkisar antara 1 sampai -1, nilai semakin mendekati 1 atau -1
berarti hubungan antara dua variabel semakin kuat, sebaliknya nilai mendekati 0
berarti hubungan antara dua variabel semakin lemah. Nilai positif menunjukkan
hubungan searah (X naik maka Y naik) dan nilai negatif menunjukkan hubungan
terbalik (X naik maka Y turun).
Banyak analisis data bertujuan untuk mengetahui apakah ada hubungan
antara dua atau lebih peubah. Bila hubungan demikian ini dapat dinyatakan
4
dalam bentuk rumus matematik, maka kita akan dapat menggunakannya untuk
keperluan identifikasi selanjutnya.
Masalah identifikasi dapat dilakukan dengan menerapkan persamaan regresi
dan menentukan korelasi (hubungan) data. Sekarang ini, istilah regresi
ditetapkan pada semua jenis peramalan, dan tidak harus berimplikasi suatu
regresi mendekati nilai tengah populasi. Sedangkan Teknik korelasi merupakan
teknik analisis yang melihat kecenderungan pola dalam satu variabel
berdasarkan kecenderungan pola dalam variabel yang lain. Maksudnya, ketika
satu variabel memiliki kecenderungan untuk naik maka kita melihat
kecenderungan dalam variabel yang lain apakah juga naik atau turun atau tidak
menentu. Jika kecenderungan dalam satu variabel selalu diikuti oleh
kecenderungan dalam variabel lain, kita dapat mengatakan bahwa kedua variabel
ini memiliki hubungan atau korelasi.
Data yang baik adalah data yang memiliki keakuratan maksimal dan adanya
keterikatan dengan data lain yang masih bersangkutan. Untuk menciptakan data
yang baik data mentah perlu di distribusikan dan diolah. Data yang baik akan
mempermudah dalam menganalisis atau mengidentifikasi karakteristik data dan
mengulangi percobaan jika diperlukan.
B. Rumusan Masalah
Adapun rumusan masalah yang akan dibahas pada makalah ini adalah
sebagai berikut :
1. Apa yang dimaksud dengan korelasi sederhana?
C. Tujuan Penulisan
1. Mengetahui apa yang dimaksud dengan korelasi sederhana.
2. Mengetahui bagaimana analisis/uji korelasi sederhana.
3. Untuk mengetahui langkah-langkah dalam menguji hipotesis untuk ρ (rho).
4. Untuk mengetahui maksud dari korelasi antar jenjang.
5
BAB II
PEMBAHASAN
A. Pengertian Korelasi Sederhana
Secara sederhana, korelasi dapat diartikan sebagai hubungan. Namun ketika
dikembangkan lebih jauh, korelasi tidak hanya dapat dipahami sebatas
pengertian tersebut. Korelasi merupakan salah satu teknik analisis dalam statistik
yang digunakan untuk mencari hubungan antara dua variabel yang bersifat
kuantitatif. Hubungan dua variabel tersebut dapat terjadi karena adanya
hubungan sebab akibat atau dapat pula terjadi karena kebetulan saja. Dua
variabel dikatakan berkolerasi apabila perubahan pada variabel yang satu akan
diikuti perubahan pada variabel yang lain secara teratur dengan arah yang sama
(korelasi positif) atau berlawanan (korelasi negatif).
Korelasi Sederhana merupakan suatu Teknik Statistik yang dipergunakan
untuk mengukur kekuatan hubungan 2 Variabel dan juga untuk dapat
mengetahui bentuk hubungan antara 2 Variabel tersebut dengan hasil yang
sifatnya kuantitatif. Kekuatan hubungan antara 2 variabel yang dimaksud disini
adalah apakah hubungan tersebut erat, lemah, ataupun tidak erat sedangkan
bentuk hubungannya adalah apakah bentuk korelasinya Linear Positif ataupun
Linear Negatif.
Kekuatan Hubungan antara 2 Variabel biasanya disebut dengan Koefisien
Korelasi dan dilambangkan dengan symbol “r”. Nilai Koefisian r akan selalu
berada di antara -1 sampai +1.
Perlu diingat :
Jika ditemukan perhitungan diluar Range tersebut, berarti telah terjadi kesalahan
perhitungan dan harus di koreksi terhadap perhitungan tersebut.
6
B. Analisis/Uji Korelasi Sederhana
Analisa korelasi pada garis besarnya dibedakan kepada dua, yaitu: 1.
Korelasi antara dua variabel (bivariate correlation) misalnya hubungan antara
rambu-rambu lalu lintas dengan kecelakaan lalu lintas. 2. Korelasi antara tiga
variabel atau lebih (multivariate correlation) misalnya hubungan antara
kecerdasan dan motif belajar dengan prestasi belajar.
Analisa yang membahas kuatnya hubungan antara variable-variable disebut
“Analisa Korelasi”, sedangkan angka yang menunjukkan kuat tidaknya (derajat)
hubungan antara variable-variable itu disebut dengan “Koefisien Korelasi” yang
diberi notasi “r”.
Apabila arah hubungan variable itu positif, disebut korelasi positif dan dua
variable itu cenderung akan berubah dengan arah yang sama. Apabila arah
hubungan variable itu negative maka disebut korelasi negative dan dua variable
itu cenderung akan berubah dengan arah yang berlawanan. Tetapi jika kedua
variable itu cenderung berubah dengan arah yang tidak menentu, maka dikatakan
tidak berhubungan.
Besarnya harga koeisien korelasi akan berada dalam interval -1 dan +1 atau
-1 ≤ r ≤ 1 1) Jika r = 1 atau mendekati, dikatakan bahwa dua variable itu
mempunyai hubungan yang kuat dan positif. 2) Jika r= -1 atau mendekati,
dikatakan bahwa bahwa dua variable itu mempunyai hubungan yang kuat dan
negatif. 3) Jika r = 0 atau mendekati, dikatakan bahwa dua variable itu tidak
berkorelasi atau berhubungan. Contoh sebaran diagram di bawah ini
menunjukkan adanya hubungan atau korelasi antara dua variable, yaitu variable
x dan y.
7
Keterangan:
1. Diagram sebaran yang menunjukkan korelasi linear positif.
2. Diagram sebaran yang menunjukkan korelasi linear negative.
3. Diagram sebaran yang menunjukkan korelasi nol.
Contoh: Suatu perusahaan mengadakan test masuk untuk calon karyawan.
Dari peserta tersebut, ternyata yang diterima sebagai karyawan hanya 10 orang
saja, dengan nilai test masing-masing adalah sebagai berikut: 63 67 61 72 70 60
74 64 69 75 Setelah mereka bekerja dalam waktu tertentu, tercatat nilai-nilai
hasil kerja merekaa adalah: 230 235 220 270 245 225 260 240 250 265
Dari diagram sebaran di atas(dengan sumbu x dan y), didapat empat kuadran,
yaitu:
8
perkalian antara x dan y yang negatif. Karena itu apabila sebagian besar data
tersebar di kuadra II dan IV maka dikatakan bahwa antara variable x dan y
berkorelasi positif, tetapi jika sebagian besar data tersebar di kuadran I dan II,
maka dikatakan bahwa antara variable x dan y itu berkorelasi negatif, dan jika
data itu tersebar secara rambang di semua kuadran, maka dapat dikatakan
bahwavariable x dan y itu tidak berkorelasi. Jadi dari uraian di atas dapat
dikatakan pula bahwa:
9
Koefisien Korelasi Sederhana disebut juga dengan Koefisien Korelasi
Pearson karena rumus perhitungan Koefisien korelasi sederhana ini
dikemukakan oleh Karl Pearson yaitu seorang ahli Matematika yang berasal dari
Inggris.
Dimana :
Contoh Kasus
X Y
178 105
224 105
160 130
315 130
229 130
250 150
10
181 150
306 170
257 170
300 180
Hitunglah koefisien korelasi pada kasus tersebut dan bagaimana arti dari hasil
koefisien korelasi yang didapat !
Jawaban
Berikut ini hasil perhitungan tabel untuk mendapatkan nilai total untuk X, Y,
X2,Y2,dan XY:
Data X Y X2 Y2 XY
11
9 257 170 66049 28900 43690
Dengan memasukan nilai total dari semua variabel pada tabel dan jumlah
data ke dalam rumus korelasi Pearson Product Moment maka didapat hasil
sebagai berikut:
Sebagai contoh, kita akan menjuri ρ terhadap r yang telah dihitung di muka,
dengan langkah-langkah sebagai berikut:
12
1. Ho : ρ (rho) = 0
5. Tolak Ho karena th > ttab. Kesimpulannya bahwa ada korelasi positif yang
signifikan antara nilai test dengan nilai hasil kerja.
13
Untuk menguji r dari hasil perhitungan diatas, maka terlebih dahulu kita
cari harga kritik r dalam tabel untuk n = 10 dengan taraf keyakinan 95%. Dari
tabel harga kritik r product moment diperoleh harga kritik r = 0,632. Ternyata
harga r hasil perhitungan = 0,93, lebih besar dari harga kritik r = 0,632, maka
Ho ditolak. Jadi harga r = 0,93 itu signifikan dan disimpulkan ada korelasi
positif antara nilai tes dengan nilai hasil kerja secara meyakinkan.
Koefisien korelasi antar jenjang ini biasanya diberi notasi “ r’ “ dan oleh
Spearman dirumuskan sebagai berikut :
Di mana :
d = selisih antar angka jenjang (ranking) dari variable yang satu dengan
variabel yang lain.
Contoh:
Catatan :
Ʃ jenjang X harus = Ʃ
jenjang YƩ d harus = nol
r’=1-(6∑d^2)/(n(n^21))
= 1(6(12))/10(10^2-1)
= 0,93
15
Jika dibandingkan taraf keyakinan 95%, maka r dalam tabel sebesar 0,648.
Karena r’ > r tabel, maka kesimpulannya bahwa ada korelasi yang meyakinkan
antara variable x dengan variable y. Apabila dalam variable x maupun variable
y terdapat data observasi yang sama, maka jenjang (ranking) untuk variable-
variable tersebut harus diadakan penyesuaian.
Dari data diatas ditentukan koefisien korelasi antar jenjang untuk kelima
salesman tersebut diatas!
Penyelesaian:
Perhitungan korelasi antar jenjang dari nilai ujian (x) dan hasil penjualan (y)
dari 5 orang salesman adalah sebagai berikut:
16
Oleh karena Badu, Tono dan Tini mempunyai nilai ujian (variable x) yang
sama dan jatuh pada jenjang ke 2, 3, 4 maka angka jenjang nilai ujian (x)
mereka masing-masing juga harus sama, yaitu: (2+3+4)/3=3
Sedangkan Badu dan Umar mempunyai angka hasil penjualan (variabley)
yang sama dan jatuh pada jenjang ke 1 dan 2 sehingga angka jenjang hasil
penjualan (y) masing-masing adalah: (1+2)/2=1,5
Menurut Spearman besarnya harga kritik r pada n-5 dengan taraf signifikasi
5% atau taraf keyakinan 95% adalah 1. Jadi karena harga r’ < rtab, maka dapat
disimpulkan bahwa tidak ada hubungan (korelasi) yang meyakinkan antara nilai
ujian dengan penjualan dari salesman.
17
BAB III
PENUTUP
A. Kesimpulan
Hubungan antar variabel sering menjadi objek yang akan diamati bentuknya
dalam sebuah pemodelan. Dua buah variabel yang diduga mempunyai hubungan
sebab akibat, atau dalam bahasa statistik disebut hubungan antar variabel terikat
(dependen) dan variabel bebas (independen). Analisis statistik yang sering
digunakan untuk melihat hubungan antara dua jenis variabel tersebut adalah
analisis korelasi dan analisis regresi. Analisis korelasi berkaitan dengan
pengukuran tingkat keeratan hubungan di antara variabel – variabel baik di
antara variabel terikat dengan variabel bebas maupun sesama variabel bebas.
Variabel bebas yaitu variabel yang dipakai untuk memprediksi nilai variabel
terikat, sedangkan variabel terikat yaitu variabel yang diprediksi (Setiawan dan
Dwi,2010:60). Analisis korelasi sederhana (Bivariate Correlation) digunakan
untuk mengetahui keeratan hubungan antara dua variabel dan untuk mengetahui
arah hubungan yang terjadi.
18
B. Saran
Dengan adanya penulisan makalah ini diharapkan kepada pembaca agar
dapat memahami materi tentang Uji Asumsi Korelasi Sederhana.
19
DAFTAR PUSTAKA
20