Dokumen ini membahas perbandingan antara analisis korelasi Spearman dan Pearson, termasuk asumsi, penggunaan, serta interpretasi hasil dari kedua metode tersebut. Penekanan diberikan pada kekuatan dan arah hubungan antara variabel, serta penggunaan SPSS untuk menguji hipotesis. Contoh kasus menunjukkan penerapan metode korelasi dalam konteks hubungan antara kualitas produk, kepuasan konsumen, motivasi, dan prestasi belajar.

1. KORELASI SPEARMAN RHO DAN
PEARSON
Aesthetica Islamy, S.KM, M.P.H.

2. JENIS HIPOTESIS

3. PARAMETRIK VS NON PARAMETRIK

4. ILUSTRASI SKALA DATA
NOMINAL
ORDINAL
INTERVAL
RASIO
SKALA
DATA
NUMERIK
SKALA
DATA
KATEGORIK

5. KORELASI SPEARMAN

6. KORELASI RANK SPEARMAN
• Uji non parametrik dari Korelasi Pearson
• Skala data: minimal ordinal dan tdk harus
memenuhi asumsi distribusi normal data

7. KEGUNAAN RANK SPEARMAN
1. Melihat tingkat kekuatan hubungan
2. Melihat arah hubungan
3. Melihat apakah hubungan tsb sig

8. KRITERIA TINGKAT KEKUATAN KORELASI
Nilai koefisien korelasi:
• 0,00 – 0,25 : lemah
• 0,26 – 0,50 : cukup
• 0,51 – 0,75 : kuat
• 0,76 – 0,99 : sangat kuat
• 1,00 : sempurna

9. PENARIKAN KESIMPULAN
• Jk nilai Sig (2-tailed) < 0,05, maka tdpt korelasi
• Jk nilai Sig (2-tailed) > 0,05, maka tdk tdpt
korelasi

10. CONTOH KASUS
• Apakah ada
hubungan
antara kualitas
produk dgn
tingkat
kepuasan
konsumen?
1
2
3
4
5
6
7
8
9
10

11. Entry Data Hasil Coding Ke SPSS

12. Step 1

13. Step 2

14. Step 3
• Centang
spearman

15. Step 4

16. Step 5 Output

17. INTERPRETASI OUTPUT
1. Tdpt tanda ** artinya terdapat korelasi dgn p value
=0,002  Sig (2-tailed) < 0,05 artinya ada hub
antara kualitas produk dgn kepuasan
2. Tingkat Kekuatan Hub: koef korelasi=0,838 artinya
tingkat kekuatan hubungan sebesar 0,838 (sangat
kuat)
3. Arah Hubungan: 0,838 bernilai positif artinya
hubungan searah. Jd jika kualitas produk semakin
meningkat maka kepuasan konsumen semakin
meningkat pula

18. KORELASI PEARSON
• Kegunaan: mengukur kekuatan dan arah
hubungan linier antara dua variabel
• Catatan:
• Koefisien korelasi hanya mengukur kekuatan
hubungan linier dan tidak pada non linier
• Hubungan linier yg kuat tidak berarti
menunjukkan hubungan kausalitas

19. ASUMSI KORELASI PEARSON
• Data berpasangan (x, y) berasal dari sampel
acak dan merupakan data kuantitatif  skala
data interval atau rasio
• Data berdistribusi normal
• Catatan: jika skala data adalah ordinal gunakan
SPEARMAN (Dist tdk normal)

20. OUTPUT
• Koefisien Korelasi / Pearson Correlations
(nilai r) antara -1 s/d +1
Interpretasi:
• >0,5 menunjukkan korelasi yg cukup kuat
• <0,5 menunjukkan korelasi lemah
• Tanda (-) dan (+) menunjukkan arah hubungan

21. PENARIKAN KESIMPULAN
1. Lihat nilai Sig. (2-tailed), jika p<0,05
menunjukkan ada korelasi/hubungan
2. Lihat nilai r hitung (Pearson Correlations), jika
r hitung>r tabel menunjukkan ada korelasi
3. Lihat tanda bintang (*) di output spss:
• * menunjukkan korelasi pd signifikansi 1%
atau 0,01
• ** menunjukkan korelasi pd signifikansi 5%

22. Apakah ada hubungan antara Motivasi dan
Minat dgn Prestasi Belajar?
ENTRY DATA
DI SPSS

23. Step 1

24. Step 2

25. Step 3

26. Step 4Output
r hitung

27. PENARIKAN KESIMPULAN
(Hub antara Motivasi dgn Prestasi Belajar)
1. Nilai Sig. (2-tailed) antara motivasi dgn prestasi
adalah 0,002<0,05 artinya tdpt korelasi antara
motivasi dgn prestasi
2. Berdasarkan r hitung (Perason Correlation) antara
motivasi dgn prestasi adalah 0,796> r tabel 0,576
artinya ada korelasi antara motivasi dgn prestasi
3. Berdasarkan tanda (*) menunjukkan bahwa nilai
Pearson Correlation mempunyai ** yg berarti tdpt
korelasi dgn taraf sig 5%

28. PENARIKAN KESIMPULAN
(Hub antara Minat dgn Prestasi Belajar)
 p value=0.000; p value<α artinya: H0 ditolak
berarti ada hubungan antara minat dgn prestasi
 r hitung=0.908; r hitung>r tabel artinya: H0
ditolak berarti ada hub antara minat dgn
prestasi (ada **)

29. terimakasih