Uji Korelasi Pearson Product

Moment
Oleh:
Mohammad Abdullah
Batasan-batasan:
- Merupakan uji statistik parametrik
- Persyaratan Uji:
* Data kuantitatif (berskala interval dan ratio)
* Data berdistribusi normal
- Fungsi: untuk menggambarkan besar dan arah
suatu hubungan antara 2 variabel atau lebih.
- Korelasi tidak menunjukkan suatu hubungan sebab
akibat, melainkan menggambarkan derajat keeratan
hubungan antara 2 variabel yg saling independen.
- Namun demikian, dg adanya korelasi yang signifikans,
ada kemungkinan hubungan sebab akibat yg perlu
dibuktikan dg design studi analitik
 Macam-macam Uji Korelasi
Bila data berskala interval atau ratio yang
berdistribusi normal:
- uji korelasi pearson product moment
Bila data berskala ordinal, atau skala interval-
ratio yang distribusinya tidak normal bivariat:
- uji korelasi rank spearman
Bila data berskala ordinal yang penyajiannya
dalam bentuk kategori : Koefisien korelasi
gamma, Somer, Kendall
Bila data berskala nominal bisa digunakan :
Koefisien kontingensi (contingency Coefficient),
Koefisien korelasi Phi, Cramer, C atau Lambda
 Rumus Korelasi Pearson
r
xy x y / n
x x / n y y
2 2 2 2
/n
r = koefisien korelasi pearson
x dan y = nilai-nilai variabel yang diamati, yaitu variabel x
dan variabel y
n = jumlah sampel yang diamati
Untuk mempermudah perhitungan, bisa digunakan tabel
pembantu

Koefisien korelasi memiliki nilai antara -1 s/d 1

 Arah Korelasi
1. Korelasi Positif, bila variabel X semakin besar
nilainya, maka juga diikuti semakin besarnya
nilai variabel y (korelasi searah)
2. Korelasi Negatif, bila variabel X semakin besar
nilainya, maka diikuti oleh semakin kecilnya
nilai variabel y (korelasi berlawanan arah)
3. Tidak ada Korelasi, bila kenaikan atau
penurunan nilai variabel X tidak diikuti oleh
kenaikan atau penurunan variabel y. Jadi nilai
variabel x dan y memiliki pola yang tidak
beraturan.
 Untuk menentukan signifikansi
Bila n 150, maka nilai koefisien r hitung
dibandingkan dengan nilai r tabel (appendix
A10)
Bila n >150, maka untuk menentukan
signifikansi, dihitung dulu nilai t kemudian
dibandingkan dengan nilai t tabel (distribusi
student) (apendik A2)
Dihitung nilai t dengan rumus:
t hitung ini dibandingkan dg
r n2
t nilai t tabel (t1-1/2) dengan
1 r 2
dk = n-2
 H0 ditolak bila:
- t hitung t tabel, atau
- t hitung - t tabel
Tabel yg digunakan adalah tabel distribusi t
dengan dk = n - 2
Hipotesis dapat dibuat sebagai berikut:
H1 : 0
H0 : = 0
Perhitungan koefisien r tidak relevan bila:
Kedua variabel tidak memiliki hubungan linear
Bila ada individu yang diobservasi lebih dari
satu kali
Bila terdapat outlier
Data terdiri dari sub kelompok individu-
individu yang memiliki nilai mean observasi
yang salah satu variabelnya berbeda
 Besaran Korelasi:
r=0 Tidak ada korelasi
r = 0,25 Korelasi kecil/lemah
r = 0,5 Korelasi sedang
r = 0,75 Korelasi kuat/baik
r =0,9 Korelasi sangat kuat
r=1 Korelasi sempurna
Sedangkan nilai negatif hanya menggambarkan arah
korelasinya.
r2 menggambarkan seberapa besar variabilitas dari
variabel y dapat dijelaskan oleh variabel x dalam
hubungan linear tersebut.
Contoh Soal:
Hubungan antara kematian kasar laki-laki penderita Ca Paru
dengan konsumsi rokok perkapita di 11 negara tahun 1950
NAMA NEGARA KONSUMI ROKOK JUMLAH KEMATIAN
PERKAPITA ($) PERSEJUTA
Islandia 225 60
Norwegia 250 90
Swedia 300 115
Denmark 375 175
Australia 450 180
Canada 500 150
Belanda 450 240
Swiss 550 250
Finlandia 1.100 350
Inggris 1.150 470
Amerika Serikat 1.300 190
 Pertanyaan
1. Tentukan nilai koefisien korelasi antara biaya
konsumsi rokok perkapita dengan jumlah
kematian karena Ca paru persejuta penduduk
2. Tentukan arah dan intensitas korelasinya
3. Tentukan adakah hubungan (korelasi) yang
bermakna antara biaya konsumsi rokok
perkapita dengan jumlah kematian karena Ca
paru dengan nilai = 0.05?
4. Seberapa besar variabilitas varibel Y dapat
dijelaskan oleh variabel X?
 Tabel Pembantu
NEGARA X Y X2 Y2 XY
Islandia 225 60 50.625 3.600 13.500
Norwegia 250 90 62.500 8.100 22.500
Swedia 300 115 90.000 13.225 34.500
Denmark 375 175 140.625 30.625 65.625
Australia 450 180 202.500 32.400 81.000
Canada 500 150 250.000 22.500 75.000
Belanda 450 240 202.500 57.600 108.000
Swiss 550 250 302.500 62.500 137.500
Finlandia 1.100 350 1.210.000 122.500 385.000
Inggris 1.150 470 1.322.500 220.900 540.500
Amerika 1.300 190 1.690.000 36.100 247.000
Serikat
6.650 2.270 5.523.750 610.050 1.710.125
total
 HA : 0
H0 : = 0
r
xy x y / n
x x / n y y
2 2 2 2
/n
1.710.125 (6.650 X 2.270) / 11
r
5.523.750 (6.650) 2

/ 11 610.050 2.270 / 11
2

r = 0,732
Nilai r tabel pd = 0,05 dan dk ( atau n-2) = 9 (lihat
tabel korelasi pearson) diperoleh r tabel = 0,602
 Jawab
1. Nilai koefisien korelasi (r) = 0.732
2. Arah korelasinya adalah positif (ada korelasi searah antara biaya
konsumsi rokok perkapita dengan kematian karena Ca paru per
sejuta penduduk) (bila konsumsi rokok perkapita semakin
meninkat, maka akan diikuti pula dengan peningkatan kematian
oleh karena ca paru per sejuta penduduk) . Intensitas
korelasinya adalah kuat
3. Karena r hitung > r tabel, maka Ho ditolak
(0,732) (0,602)
Jadi terdapat korelasi yang signifikans antara biaya konsumsi rokok
perkapita dengan kematian akibat ca paru per 1 juta penduduk.
4. Nilai r2 sebesar 0,53 berarti bahwa 53% perubahan (variasi) pada
kematian penduduk karena ca paru persejuta dapat dijelaskan
oleh adanya perubahan pada konsumsi rokok perkapita.
 Jawaban lain no 4
Kontribusi konsumsi rokok perkapita terhadap
kematian oleh karena ca paru sebesar 53%,
sisanya yang 47% dipengaruhi oleh faktor lain.
 Penggunaan Software SPSS
Contoh:
Ingin diketahui apakah ada korelasi antara
jumlah kecelakaan lalu lintas dengan jumlah
mobil, jumlah motor dan jumlah polantas di
suatu kota
H1: ada korelasi antara masing-masing variabel
H0: tidak ada korelasi antara masing-masing
variabel
Correlation
Mean Std. Deviation N
Kecelakaan Lalu Lintas 27.3500 12,15806 20
Jumlah mobil 4171,0000 1989,08482 20
Jumlah motor 8340,1000 3965,86916 20
Jumlah polisi 184,9000 98,57399 20

Kecelakaan lalu Jumlah mobil Jumlah motor Jumlah polisi

lintas
Kecelakaan Pearson Correlation 1 .949 .949 .920
Lalu Lintas Sig. (2 tailed) . .000 .000 .000
N 20 20 20 20
Jumlah mobil Pearson Correlation .949 1 1.000 .985
Sig. (2 tailed) .000 . .000 .000
N 20 20 20 20
Jumlah motor Pearson Correlation .949 1.000 1 .987
Sig. (2 tailed) .000 .000 . .000
N 20 20 20 20
Jumlah polisi Pearson Correlation .920 .985 0.967 1
Sig. (2 tailed) .000 .000 .000 .
N 20 20 20 20
 Interpretasi:
Jumlah kecelakaan lalu lintas BERKORELASI
sangat kuat dengan jumlah mobil (0,949),
jumlah motor (0,949) dan jumlah polisi (0,920)