Analisis korelasi

1. St. Risma Ayu Nirwana
1111140009
Analisis Korelasi Dengan SPSS
Pengertian Analisis Korelasi
Merupakan teknik statistik yang digunakan untuk meguji ada/tidaknya hubungan serta arah
hubungan dari dua variabel atau lebih
Korelasi yang akan dibahas adalah:
 Korelasi sederhana pearson
 Korelasi partial
Didalam analisis korelasi terdapat koefisien korelasi. Koefisien korelasi ini digunakan untuk
menunjukkan hubungan antara peubah X dan peubah Y dalam model linear, artinya dalam
analisis korelasi ini memperlakukan peubah X dan peubah Y secara simetris, analisis korelasi
tidak mengenal adanya peubah bebas dan peubah terikat. Beda dengan regresi
Adapun variabel yang akan diuji korelasinya adalah panjang bayi dan bobot bayi pada saat
lahir.
Hubungan antara intensitas belajar dengan prestasi mata kuliah statistik
 Variabel X : Panjang Bayi pada saat lahir (dalam Cm)
 Variabel Y : Bobot Bayi pada saat lahir (dalam Kg)
Hipotesa:
 Ho: Tidak ada hubungan antara panjang bayi dengan bobot bayi pada saat lahir
 Ha: Ada hubungan antara panjang bayi dengan bobot bayi pada saat lahir
Data yang akan dianalisis:
Panjang(Dalam
Cm)
Bobot(Dalam
Kg)
57,5 2,75
52,8 2,15
61,3 4,41
67 5,52
53,5 3,21
62,7 4,32
56,2 2,31
68,5 4,3
69,2 3,71

2. St. Risma Ayu Nirwana
1111140009
1. Buka aplikasi SPSS, pilih type in data lalu OK
2. Maka akan muncul tampilan seperti ini:
Ada dua view dalam SPSS
 Data View : digunakan untuk memasukkan data yang akan dianalisis
 Variabel View : digunakan untuk memberi nama variabel dan pemberian koding
3. Pilih variabel view. Ada dua variabel yang akan digunakan, variabel panjang dan
variabel bobot.

3. St. Risma Ayu Nirwana
1111140009
4. Pilih data view. Input datanya ke SPSS,

4. St. Risma Ayu Nirwana
1111140009
5. Kemudian sebelum kita akan menghitung koefisien korelasinya, terlebih dahulu kita
lakukan uji normalitas, pilih Analyze Descriptive Statistics  Explore
Maka akan muncul tampilan seperti ini:
Masukkan variabel yang akan diuji normalitasnya kekotak dependent list.
Klik plots  centang Normality Plots with test Continue  OK
6. Interpretasi Normalitas.

5. St. Risma Ayu Nirwana
1111140009
Dapat dilihat pada test of normality nilai Sig. Kolmogorov = 0,2. Normal apabila nilai Sig. >
0,05
Tidak normal apabila nilai Sig. <
0,05
7. Setelah itu kita hitung koefisien korelasinya, pilih Analyze Correlate  Bivariate,

6. St. Risma Ayu Nirwana
1111140009
Masukkan variabel yang akan dianalisis. Centang box pearson. Lalu klik OK
Akan muncul output seperti ini
Nilai koefisien korelasinya = 0,761 dan sig. (2-tailed) = 0,017
INTERPRETASI
Untuk pengambilan keputusan statistik, dapat digunakan 2 cara:
1. Koefisien Korelasi dibandingkan dengan nilai r tabel (korelasi tabel).
 Apabila Koefisien Korelasi > r tabel, Maka ada korelasi yang signifikan (Ha
Diterima)
 Apabila Koefisien Korelasi < r tabel, Maka tidak ada korelasi yang signifikan (H0
Diterima)

7. St. Risma Ayu Nirwana
1111140009
2. Melihat Sig.
 Apabila nilai Sig. < 0,05 Maka ada korelasi yang signifikan (Ha Diterima)
 Apabila nilai Sig. > 0,05 Maka tidak ada korelasi yang signifikan (H0 Diterima)
Arah hubungan:
Dilihat dari tanda koefisien korelasi
 Tanda (-) berarti apabila variabel X tinggi maka variabel Y rendah
 Tanda (+) berarti apabila variabel X tinggi maka variabel Y juga tinggi
1. Positif (koefisien 0 sd 1)
2. Negatif (0 sd -1)
3. Nihil (koefisien nol)
Besar kecilnya hubungan antara dua variabel dinyatakan dalam bilangan yang disebut
koefisien korelasi
1. Besarnya koefisien korelasi antara -1 0 +1
2. Besara koefisien -1 & 1 adalah korelasi yang sempurna
3. Koefisien korelasi 0 atau mendekati 0 dianggap tidak berhubungan antara dua
variabel yang diuji
Kesimpulan: karena nilai sig. (2-tailed) = 0,017 < 0,05 maka ada korelasi yang signifikan (Ha
diterima)

8. St. Risma Ayu Nirwana
1111140009
Koefisien Korelasi parsial
Korelasi yang digunakan untuk menguji hubungan dua atau lebih variabel independen dengan
satu variabel dependen dan dilakukan pengendalian pada salah satu variabel independennya
Akan diamahkan satu variabel (variabel umur) untuk menguji hubungan ketiga variabel
(panjang, bobot dan umur)
Panjang(Dalam
Cm)
Bobot(Dalam
Kg)
Umur (Dalam
Hari)
57,5 2,75 78
52,8 2,15 69
61,3 4,41 77
67 5,52 88
53,5 3,21 67
62,7 4,32 80
56,2 2,31 74
68,5 4,3 94
69,2 3,71 102
Hipotesa:
Ho= tidak ada hubungan antara panjang dan bobot apabila umur dikendalikan
Ha= ada hubungan antara panjang dan bobot apabila umur dikendalikan
1. Tambahkan variabel umur pada variabel view
2. Masukkan datanya ke data view.

9. St. Risma Ayu Nirwana
1111140009
3. Lakukan uji normalitas
4. Tahap analisis. Pilih analyze  corelate  partial
Maka akan muncul tampilan seperti ini:

10. St. Risma Ayu Nirwana
1111140009
Masukkan variabel panjang dan bobot ke kotak variables dan variabel umur ke
kotak Controlling for. Pilih OK.
Akan muncul tampilan output seperti ini.
Interpretasi korelasi partial pada dasarnya sama dengan koefisien korelasi sederhana.
Karena nilai sig. < 0.05 maka Ha diterima. Kesimpulan: ada hubungan antara panjang dan
bobot apabila umur dikendalikan