KORELASI SEDERHANA

OLEH :

1.
2.
3.
4.
5.
6.

DUANO SAPTA NUSANTARA

LUTHFIAH ASRI
RYA AGUSTINI
SAHALA MARTUA AMBARITA
SANTI PUSPITA DEWI
SHERLY ANGGRAINI

(06081181419067)
(06081181419022)
(06081181419012)
(06081181419009)
(06081181419004)
(06081181419005)

PENDIDIKAN MATEMATIKA
FAKULTAS KEGURURUAN DAN ILMU PENDIDIKAN
UNIVERSITAR SRIWIJAYA
2016
A.

PENDAHULUAN
Sepanjang sejarah umat manusia, orang melakukan penelitian tentang ada
tidaknya hubungan antara dua

hal, fenomena, kejadian atau lainnya. Dan ada

tidaknya pengaruh antara satu kejadian dengan kejadian yang lainnya. Karena itu
untuk mempermudah dalam melakukan penghitungan suatu kejadian maka kita
menggunakananalisiskorelasi.
Korelasi merupakan teknik analisis yang termasuk dalam salah satu teknik
pengukuran asosiasi / hubungan (Measures of association). Teknik ini berguna untuk
mengukur kekuatan hubungan antara dua variabel (kadang lebih dari dua variabel)
dengan skala-skala tertentu. Diantara sekian banyak teknik-teknik pengukuran
asosiasi, terdapat dua teknik korelasi yang sangat populer sampai sekarang, yaitu
Korelasi Pearson Product Moment dan Korelasi Rank Spearman.
Maksud dari pembuatan makalah ini adalah untuk memberikan gambaran dan
pengetahuan mengenai hubungan suatu kejadian atau lebih kita kenal dengan istilah
korelasi. Seperti yang kita ketahui bahwa suatu kejadian/fenomena pasti mempunyai
keterkaitan satu sama lain dan pengaruh bagi lingkungan sekitar.tapi tidak semua
kejadian bisa dikaitkan dengan yang lain tergantung unsur-unsur /kriteria kriteria
apa saja yang mempunyai keterkaitan dan yang mempengaruhinya.
Tujuan dari pembuatan makalah adalah Memberikan informasi dan wawasan
mengenai

korelasi dan dapat mengukur kekuatan hubungan antara dua variabel

dengan skala-skala tertentu dalam korelasi.

B.

PEMBAHASAN
1. Pengertian Korelasi

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).
Dalam Matematika, korelasi merupakan ukuran dari seberapa
dekat dua variabel berubah dalam hubungan satu sama lain.
Sebagai contoh, kita bisa menggunakan tinggi badan dan usia
siswa SD sebagai variabel dalam korelasi positif. Semakin tua
usia siswa SD, maka tinggi badannya pun menjadi semakin
tinggi. Hubungan ini disebut korelasi positif karena kedua
variabel mengalami perubahan ke arah yang sama, yakni dengan
meningkatnya usia, maka tinggi badan pun ikut meningkat.
Sementara itu, kita bisa menggunakan nilai dan tingkat
ketidak hadiran siswa sebagai contoh dalam korelasi negatif.
Semakin tinggi tingkat ketidak hadiran siswa di kelas, maka nilai
yang diperolehnya cenderung semakin rendah. Hubungan ini
disebut korelasi negatif karena kedua variabel mengalami
perubahan

ke

arah

yang

berlawanan,

yakni

dengan

meningkatnya tingkat ketidak hadiran, maka nilai siswa justru

menurun.
Korelasi adalah istilah statistik yang menyatakan derajat hubungan linear
antara dua variabel atau lebih, (Usman,2006:197). Hubungan antara dua variabel
di dalam teknik korelasi bukanlah dalam arti hubungan sebab akibat (timbal
balik), melainkan hanya merupakan hubungan searah saja. Misalnya tinggi badan
menyebabkan berat badan bertambah tetapi berat badan bertambah belum tentu
menyebabkan tinggi badan bertambah pula. Sehingga dalam korelasi dikenal
penyebab dan akibatnya. Data penyebab atau yang mempengaruhi disebut variabel

bebas, disebut juga dengan independen yang biasa dilambangkan dengan huruf X
atau X1 X2 X3,... Xn. Sedangkan data akibat atau yang dipengaruhi disebut variabel
terikat, disebut juga dependen yang biasa dilambangkan dengan huruf Y,
(Usman,2006:197).
Dalam korelasi sederhana terdapat istilah variabel bebas
(independen) dan variabel terikat (dependen). Sesuai dengan
namanya,

variabel

independen

adalah

variabel

yang

perubahannya cenderung di luar kendali manusia. Sementara itu

variabel dependen adalah variabel yang dapat berubah sebagai
akibat dari perubahan variabel indipenden. Hubungan ini dapat
dicontohkan dengan ilustrasi pertumbuhan tanaman dengan
variabel sinar matahari dan tinggi tanaman. Sinar matahari
merupakan variabel independen karena intensitas cahaya yang
dihasilkan oleh matahari tidak dapat diatur oleh manusia.
Sedangkan tinggi tanaman merupakan variabel dependen karena
perubahan tinggi tanaman dipengaruhi langsung oleh intensitas
cahaya matahari sebagai variabel indipenden.
Variabel-variabel yang akan dihubungkan terdiri atas berbagai tingkatan data
meliputi data nominal, ordinal, interval, dan rasio. Tingkatan data tersebut
menentukan analisis korelasi mana yang paling tepat digunakan.
2. Bentuk- Bentuk Hubungan Korelasi
Korelasi

menyatakan

derajat

hubungan

antara

dua

variabel

tanpa

memperhatikan yang menjadi peubah. Karena itu hubungan korelasi belum dapat
dikatakan sebagai hubungan sebab akibat.
Berikut ini merupakan gambaran bentuk-bentuk hubungan korelasi :

Keterangan :
1. Hubungan positif menyatakan hubungan semakin besar nilai pada variabel
X, maka semakin besar pula nilai pada variabel Y.
2. Hubungan Negatif menyatakan hubungan semakin besar nilai pada
variabel X, maka semakil kecil nilai pada variabel Y.
3. r = 1.00 menyatakan hubungan yang sempurna ; r = 0.05 menyatakan
hubunganan sedang, dan r = 0.00 menyatakan tidak ada hubungan sama
sekali.
3. Jenis- Jenis Analisis Korelasi
Ada beberapa jenis analisis korelasi atau koefisien korelasi seperti pada tabel :
Teknik korelasi Simbol
Product
R

Rank

Variabel 1
Interval

Variabel 2
interval

Ordinal

ordinal

Keterangan
Teknik yang paling banyak
dipakai, khususnya untuk
mendapatkan standar
kesalahan terkecil
Sering dipakai sebagai

pengganti produk momen

terutama jika sampel
kurang dari 30
Tan Kendal

Ordinal
ordinal
Untuk pengganti jika
sampel kurang dari 10
Biserial
Interval
interval
Kadang-kadang lebih dari
Rbis
1 = standar kesalahan lebih
besar dari r umumnya
dipakai untuk analisis item
Biserial
Interval
interval
Khususnya dipakai untuk
Rwbs
perseorangan yang ekstrem
Widespread
dalam dikotomi variabel
Point Biserial
Interval
interval
Hasilnya lebih tendah
Rpbis
daripada rbis
s
Tentrachoris
S
Dikotomi
Dikotomi
Digunakan jika kedua
Artifisial
Artifisial
variabel dapat dipecah
Buatan
Buatan
pada titik kritis
Phi

Dikotomi
Dikotomi
Digunakan pada
sebenarnya
sebenarnya
perhitungan antara analisis
item
Contingensi

2 kategori
2 kategori atau Ialah kondisi khusus dapat
atau lebih
lebih
dibandingkan dengan r
berhubungan erat dengan
chi kuadrat
Rasio otomatis

Interval
interval
Digunakan untuk
mengetahui hubungan
nonlinear
(Disadur dari Usman, H, 2006, hal 199)
Selain itu, jenis- jenis analisis korelasi dapat dibagi dalam bentuk :
- Statistik Parametrik
Korelasi Product Moment (Pearson)
Korelasi Parsial
Korelasi Semi Parsial
Korelasi Ganda, dsb
- Statistik Non Parametrik
Korelasi Rank Spearmen
Korelasi Tau Kendall
Koefisien Kontingensi, dsb.
Analisis Korelasi betujuan untuk mengetahui keeratan hubungan (kuatlemahnya) hubungan antara variabel bebas X dengan variabel terikat Y, tanpa
melihat bentuk hubungannya, apakah linear atau tidak linear. Kuat-lemahnya
hubungan antara dua variabel dilihat dari koefisisen korelasinya.
4. Koefisien Korelasi
4.1 Pengertian Koefisien Korelasi (KK)

Koefisien korelasi merupakan indeks atau bilangan yang digunakan

untuk mengukur keeratan (kuat, lemah, atau tidak ada) hubungan
antarvariabel. Koefisien korelasi ini memiliki nilai antara -1 dan +1
.
1. Jika KK bernilai positif, maka variabel-variabel berkorelasi positif.
Semakin dekat nilai KK ini ke +1 semakin kuat korelasinya,
demikian pula sebaliknya.
2. Jika KK bernilai negatif, maka variabel-variabel berkolerasi
negatif. Semakin dekat nilai KK ini ke -1 semakin kuat
korelasinya, demikian pula sebaliknya.
3. Jika

KK

bernilai

(nol),

maka

variabel-variabel

tidak

menunjukkan korelasi.
4. Jika KK bernilai +1 atau -1, maka variabel menunjukkan korelasi
positif atau negatif yang sempurna.
Untuk menentukan keeratan hubungan/korelasi antarvariabel tersebut,
berikut ini diberikan nilai-nilai dari KK sebagai patokan.
1.
KK = 0, tidak ada korelasi.
2.

0 < KK

0,20, korelasi sangat rendah/lemah sekali.

3.

0,20 < KK

0,40, korelasi rendah/lemah tapi pasti.

4.

0,40 < KK

0,70, korelasi yang cukup berarti/sedang.

5.

0,70 < KK

0,90, korelasi yang tinggi/kuat.

6.

0,90 < KK < 1,00, korelasi sangat tinggi; kuat sekali, dapat

7.

diandalkan.
KK = 1, korelasi sempurna.

4.2 Jenis- Jenis Koefisien Korelasi

a) Koefisien Korelasi Pearson Product Moment (r)
Korelasi Product moment termasuk teknik statistik para metrik yang
menggunakan interval dan ratio dengan persyaratan tertentu. Misalnya:
data dipilih secara acak (random); datanya berdistribusi normal; data yang
dihubungkan berpola linier; dan data yang dihubungkan mempunyai
pasangan yang sama sesuai dengan subjek yang sama. Kalau salah satu

tidak terpunuhi persaratan tersebut analisis korelasi tidak dapat dilakukan.

(Sudjana (2002:369)
Rumus yang digunakan Korelasi Product Moment adalah:

Langkah-langkah menghitung Korelasi Product Moment :

-

Membuat Ha dan Ho dalam bentuk kalimat

Membuat Tabel

Mencari rhitung

Mencari besarnya sumbangan variabel X terhadap variabel Y

Menghitung signifikansi dengan rumus thitung

Membuat kesimpulan

b) Koefisien Korelasi Rank Spearman (P)

Koefisien Korelasi rank dipakai apabila: (1) kedua variabel yang akan
dikorelasikan itumempunyai tingkatan data ordinal, (2) jumlah anggota
sampel di bawah 30 (sampel kecil), (3) data tersebut memang diubah dari
interval ke ordinal, dan (4) data interval tersebut ternyata tidak
berdistribusi normal.
Korelasi rank ini ditemukan oleh Spearman, sehingga disebut juga
sebagai korelasi Spearman. Korelasi .ini dapat juga disebut sebagai
korelasi bertingkat, korelasi berjenjang, korelasi berurutan, ataukorelasi
berpangkat.
Besarnya hubungan antara dua variabel atau derajat hubungan yang
mengukur korelasi berpangkat disebut koefisien korelasi berpangkat atau
koefisien korelasi Spearman yang dinyatakan dengan lambang rs.Makna dan
kelayakan nilai r seperti halnya dengan yang diuraikan dalam korelasi
Product moment.
Rumus yang digunakan Korelasi Spearman adalah:

Keterangan :

Rumus yang digunakan Korelasi Spearman adalah:

rii 1

2rs
1 rs

Langkah-langkah menghitung Korelasi Spearman :

-

Tulis Ha dan Ho dalam bentuk kalimat

Tulis Ha dan Ho dalam bentuk statistic

Membuat table

Mencari dengan rumus

Menentukan taraf signifikan

Bandingkan rs hirung dengan rtabel

Membuat kesimpulan

c) Koefisien Korelasi Penentu (KP) atau Koefisien Determinasi (KD)

Apabila koefisien korelasi dikuadratkan, akan menjadi koefisien
penentu (KP) atau koefisien determinasi, yang artinya penyebab perubahan
pada variabel Y yang datang dari variabel X, sebesar kuadrat koefisien
korelasinya. Koefisien penentu ini menjelaskan besarnya pengaruh nilai
suatu variabel (variabel X) terhadap naik turunnya (variasi) nilai variabel
lainnya (variabel Y).
Dirumuskan:
Nilai koefisien penentu ini terletak antara 0 dan +1 (0 KP +1). Jika
koefisien korelasinya adalah koefisien korelasi Pearson (r) maka koefisien
penentunya
Dalam bentuk rumus, koefisien penentu (KP) dituliskan:

d) Koefisien Korelasi Kontingensi

Koefisien korelasi ini digunakan untuk mengukur keeratan hubungan

antara dua variabel yang datanya berbentuk data nominal (data kualitatif).
Disimbolkan dengan C dan dirumuskan:

Keterangan:
= chi kuadrat
= jumlah semua frekuensi

5. Pendugaan dan Pengujian Hipotesis Koefisien Korelasi ( )

Koefisien korelasi populasi dari variabel X dan Y yang keduanya merupakan
variabel random dan memiliki distribusi bivariat, dirumuskan:

Cov (X,Y) =

= E(XY) E(X). E(Y)

Koefisien korelasi populasi ( ) tidak diketahui, namun dapat diduga dengan

koefisien korelasi sampel (r). Dengan demikian, r merupakan penduga dari . Di
mana

= koefisien korelasi sebenarnya dari X dan Y.

5.1 Pendugaan Koefisien Korelasi Populasi

Pendugaan koefisien korelasi populasi (interval keyakinan

menggunakan distribusi Z. Pendugaannya dapat dilakukan dengan terlebih

dahulu mengubah koefisien korelasi sampel r menjadi nilai Zr, yang dalam
bentuk persamaan dituliskan:

Variabel Zr akan mendekati distribusi normal dengan rata-rata dan

varians sebagai berikut:

Untuk

, pendugaan intervalnya secara umum dirumuskan:

Atau:
Dengan melakukan transformasi nilai

, maka diperoleh pendugaan

interval bagi koefisien korelasi populasi ( ) dengan tingkat keyakinan

Selain menggunakan pendugaan interval

, interval bagi koefisien korelasi

populasi ( ) dapat pula dibuat dengan menggunakan tabel hubungan antara Zr

dan r.
5.2 Pengujian Hipotesis Koefisien Korelasi Populasi ( )
Untuk asumsi
1. Untuk asumsi
Pengujian hipotesis dengan asumsi

menggunakan distribusi t

sebagai uji statistiknya. Prosedur pengujiannya adalah sebagai berikut:

2.Menentukan formula hipotesis

(ada hubungan positif)

(ada hubungan negatif)
(tidak ada hubungan antara X dan Y)
(ada hubungan)
Apabila

, maka varians r adalah

3.Menentukan taraf nyata ( ) beserta t tabel, dengan derajat bebas (db)=n-2

atau
4.Menentukan kriteria pengujian
Untuk

dan

diterima jika

ditolak jika
Untuk

dan

diterima jika

ditolak jika
Untuk

dan

diterima jika

ditolak jika

atau

5.Menentukan nilai uji statistik

6.Membuat kesimpulan
Menyimpulkan

diterima atau ditolak (sesuai dengan kriteria

pengujian).
Untuk asumsi
1.

Untuk asumsi

Pengujian hipotesis dengan asumsi

menggunakan

distribusi Z sebagai uji statistiknya. Prosedur pengujiannya

adalah sebagai berikut:
2.

Menentukan formula hipotesis

(

(
3.

Menentukan taraf nyata ( ) beserta Z tabel

atau

4.

Menentukan kriteria pengujian

Untuk

dan

diterima jika

:
,

ditolak jika
Untuk

dan

diterima jika

:
,

ditolak jika
Untuk

dan

diterima jika
ditolak jika

,
atau

5.

Menentukan nilai uji statistik

6.

Membuat kesimpulan
Menyimpulkan H0 diterima atau ditolak (sesuai dengan kriteria
pengujian).

CONTOH SOAL KOEFISIEN KORELASI PEARSON :

Berikut ini merupakan tabel hubungan motivasi guru dan kinerja guru
Hubungan Motivasi dengan Kinerja Guru

Motivasi

Kinerja

(X)

(Y)

60

450

70

475

75

450

65

470

70

475

60

455

80

475

75

470

85

485

90

480

70

475

85

480

Pertanyaan ;
a. Berapakah besar hubungan motivasi dengan kinerja dosen?
b. Berapakah besar sumbangan (kontribusi) motivasi dengan kinerja dosen?
c. Buktikan apakah ada hubungan yang signifikan motivasi dengan kinerja
dosen?

Pembahasan :
Langkah-langkah menjawab :
Langkah 1. Membuat Ha dan Ho dalam bentuk kalimat :
Ha : ada hubungan yang signifikan motivasi dengan kinerja dosen.
Ho : Tidak ada hubungan yang signifikan motivasi dengan kinerja dosen.
Langkah 2. Membuat Ha dan Ho dalam bentuk statistik
Ha : r 0
Ho : r = 0
Langkah 3. Membuat tabel penolong untuk menghitung Korelasi PPM :
No

X2

1.

60

450

3600

2.

70

475

4900

3.

75

450

5625

4.

65

470

4225

5.

70

475

4900

6.

60

455

3600

7.

80

475

6400

8.

75

470

5625

9.

85

485

7225

10.

90

480

8100

11.

70

475

4900

12.

85

480

7225

Statistik

X2

Y2

XY

885

5640

66325

2652350

416825

Jumlah

Y2
202500
225625
202500
220900
225625
207025
225625
220900
235225
230400
225625
230400

XY
27000
33250
33750
30550
33250
27300
38000
35250
41225
43200
33250
40800

Mencari rhitung dengan cara masukkan angka statistik dari tabel penolong dengan
rumus ;

n X Y ( X )( Y )

{nX (X) }{nY (Y) }

2 2 2 2

12(416.825) (885).(5.460)

{12.(66.325) (885) 2 }.{12.(2.652.350) (5.640) 2 }

r

169.900
133.463.835.000

169.00
0,465
365.327,02

Langkah 4. Mencari besarnya sumbangan (konstribusi) variabel X terhadap Y

dengan rumus :
KP = r2 x 100% = 0,4652 x 100% = 21,62 %.
Artinya motivasi memberikan konstribusi terhadap kinerja dosen sebesar 21,62%
dan sisanya 78,38% ditentukan oleh variabel lain.
Langkah 5. Menguji signifikan dengan rumus thitung :
t

hitung

r n2
1 r2

0,465 12 2
1 0,684

2,15
3,329
0,88

Kaidah pengujian :
Jika thitung ttabel, maka tolak Ho artinya signifikan
Jika thitung ttabel, terima Ho artinya tidak signifikan.

Berdasarkan perhitungan di atas , = 0,05 dan n = 12, uji dua pihak;

dk = n - 2 = 12 2 = 10 sehingga diperoleh ttabel = 2,228
Ternyata thitung lebih besar dari ttabel, atau 3,329 > 2,228, maka Ho ditolak, artinya
ada hubungan yang signifikan motivasi dengan kinerja dosen.

Langkah 6. Membuat Kesimpulan

1. Berapakah besar hubungan motivasi dengan kinerja dosen? rxy sebesar
0,465 kategori cukup kuat.
2. Berapakah besar sumbangan (konstribusi) motivasi dengan kinerja dosen?
KP = r2 x 100% = 0,4652 x 100% = 21,62%. Artinya motifasi memberikan
konstribusi terhadap kinerja dosen sebesar 21,62% dan sisanya 78,38%
ditentukan oleh variable lain.
3. Buktikan apakah ada hubungan yang signifikan motivasi dengan kinerja
dosen? terbukti bahwa ada hubungan yang signifikan motivasi dengan
kinerja dosen.Ternyata thitung lebih besar dari ttabel, atau 3,329 > 2,228,
maka Ho ditolak, artinya ada hubungan yang signifikan motivasi dengan
kinerja dosen.

CONTOH SOAL KOEFISIEN KORELASI SPEARMAN :

Diketahui terdapat data antara hubungan X dan Y
X

1. Bagaimana hubungan X dengan Y?

2. Jika X sebagai penilaian juri A dan Y sebagai penilaian juri B.Apakah kedua
penilaian itu ada kesesuaian (kecocokan)?
3. Jika X sebagai jumlah nilai genap dan Y jumlah nilai ganjil. Apakah alat
pengumpul data tersebut reliabel?

Pembahasan :
Jawaban No.1 dan No. 2
1. Tulis Ha dan Ho dalam bentuk kalimat.
H a Terdapat hubungan yang positif den signifikan, antara variabel X dengan Y.
Ho Tidak terdapat hubungan yang positif dan signifikan antara variabel X dengan
Y
2. Tulis Ha dan Ho dalam bentuk statistik
Ha :

r0

Ho :

r=0

3. Tabel penolong analisis korelasi rank spearman.

Nilai
Genap
2
3
2
3
3
1

Nilai
Rank
Ganjil
Genap
2
4,50
3
2
1
4,50
2
2
2
2
3
6
JUMLAH

Rank
Ganjil
4
1,50
6
4
1,50
4

Beda(b)

(b2)

0,50
0,50
-1,50
-2
0,50
2
0

0,25
0,25
2,25
4
0,25
4
11

Cara menghitung rank genap.

a. Urutkan data genap mulai yang terbesar sampai terkecil, sehingga data genap
(X) menjadi sebagai berikut:
Urutan ke-

Nilai Data

Rangking

b.

4,5

4,5

Periksa dulu apakah nilai data yang diurutkan sudah cocok dengan banyaknya
anggota ota sampel? Dalam halini sudahada enam urutanmentah. Setelah cocok
lanjutkan menghitung urutan matang (ranking ke-) dengan cara, sebagai berikut.
Nilai 3 Merupakan ranking ke

1 2 3
2
3

Nilai 2 Merupakan ranking ke

45
4,50
2

Nilai 1 Merupakan ranking ke- -

c. Masukkan ranking tersebut ke dalam tabel penolong sesuai dengan nilai data
masing masing. Dengan cara yang sama maka ranking ke- n, untuk data
nilai ganjil dapat di hitung.
d. Cari selisih ranking nilai genap dengan rangkin nilai ganjil.
e. Jumlahkan semua selisih rankin tersebut,jika = 0 berarti perhitungan betul dan
lanjutkan.
f. Kuadratkan selisih ranking(b) tersebut, kemudian jumlahkan sehingga
menjadi b2.
4. Masukkan

nilai yang di dapat dalam tabel penolong itu ke dalam rumus

Spearman, sehingga di dapat.

ra hitung

= 1

6.11
63 6

= 1 66/212
= 0,678
5. Taraf signifikansi () = 0,05
6. Tentukan kriterianya yaitu:

rs table <rs

hitung

<rs tabel, maka Ho diterima atau korelasinya tidak signifikan.

7. Tentukan dk = 6 2= 4 dan taraf signifikan ( = 0,05) pada tabel t di dapat nilai

ttabel = 2,776
8. Ternyata 2,776 < 0,499 < 2,776 atau t tabel< thitung< ttabel sehingga Ho diterima

atau korelasinya tidak signifikan.

9. Kesimpulan : hubungan

antara variabel X dengan variabel Y ternyata positif

(agak cukup) dan tidak signifikan.

Note : Jawaban No.2 langkah langkanya sama dengan di atas hanya istilah
signifikan dengan kesesuaian. (redaksi kata)
Jawaban No.3
1. Dimulai dari langkah langkah 4 dan lanjutkan dengan memasukkan nilai r ke
rumus Spearmaan Brown, sehingga di dapat.
rii

2.0,687
1 0,687

= 0,814
2. Tentukan kriterianya yaitu:
Jika t ii tabel< t ii hitung < t tabel sehingga Ho diterima atau tidak reliable.
rii tabel pada daftar r kritis untuk Spearman dengan = 0.05 dan n = 6 didapat
r ii tabel = 0.829
-0,829 < 0,814 < 0,829
Atau rs tabel<rs hitung< rs tabel sehingga Ho. diterima atau alat pengumpul datanya tidak
reliabel.
3. Kesimpulan : Alat pengumpul data tersebut tidak reliabel untuk mengukur variabel
tertentu.

C. PENUTUP
1. Kesimpulan
Korelasi merupakan hubungan antara dua kebijakan dimana kejadian
yang satu dapat mempengaruhi eksistensi kejadian yang lain. Misalnya
kejadian X mempengaruhi kejadian Y. Apabila dua variable X dan Y
mempunyai hubungan, maka nilai variable X yang sudah diketahui dapat
dipergunakan untuk memperkirakan, menaksir atau meramalkan Y. Ramalan
pada dasarnya merupakan perkiraan, taksiran mengenai terjadinya suatu
kejadian (nilai variable) untuk waktu yang akan datang. Variable yang nilainya
akan diramalkan disebut variable tidak bebas (dependent variable), sedangkan
variable X yang nilainya dipergunakan untuk meramalkan nilai Y disebut
variable bebas (independent variable) atau variable peramal (predictor) atau
seringkali disebut variable yang menerangkan (explanatory). Jadi jelas analisis
korelasi ini memungkinkan kita untuk mengtahui suatu diluar hasil
penyelidikan, Salah satu cara untuk melakukan peramalan adalah dengan
menggunakan garis regresi. untuk menghitung parameter yang akan dijadikan
dalam penentuan hubungan antara dua variable, terdapat beberapa cara, yaitu:
koefisien determinasi dan koefisien korelasi.

DAFTAR PUSTAKA

Hasan, Iqbal. 2003. Pokok-Pokok Materi Statistik 2 (Statistik Inferensial). Jakarta : Bumi
Aksara.
Hasan, Iqbal. 2006. Analisis Data Penelitian dengan Statistik. Jakarta : Bumi Aksara.
Furqon. 2009. Statistika Terapan untuk Penelitian. Cetakan ketujuh. Bandung : Alfabeta.
Sudjana .1996 . Metoda Statistika. Bandung : Tarsito Bandung
Usman, Husaini. 2006 . Pengantar Statistika. Jakarta : PT Bumi Aksara