Tinjauan Pustaka Statistika Modul 2
II.
2.1
TINJAUAN PUSTAKA
Korelasi
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.Korelasi merupakan teknik analisis yang termasuk dalam salah satu
teknik pengukuran asosiasi atau hubungan (measures of association). Pengukuran asosiasi
merupakan istilah umum yang mengacu pada sekelompok teknik dalam statistik bivariat yang
digunakan untuk mengukur kekuatan hubungan antara dua variabel. 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. Pengukuran
asosiasi mengenakan nilai numerik untuk mengetahui tingkatan asosiasi atau kekuatan
hubungan antara variabel. Dua variabel dikatakan berasosiasi jika perilaku variabel yang satu
mempengaruhi variabel yang lain. Jika tidak terjadi pengaruh, maka kedua variabel tersebut
disebut independen.Korelasi adalah metode untuk mengetahui tingkat keeratan hubungan dua
peubah ataulebih yang digambarkan oleh besarnya koefisien korelasi.Koefisien korelasi adalah
koefisien yang menggambarkan tingkat keeratan hubungan antar dua peubah atau lebih.
Besaran dari koefisien korelasi tidak menggambarkan hubungan sebab akibat antara dua peubah
atau lebih, tetapi semata-mata menggambarkan keterkaitan linier antar peubah (Mattjik &
Sumertajaya, 2000).
Salah satu yang paling sering digunakan adalah Korelasi Pearson. Ini merupakan
Metode Parametrik sehingga memerlukan pengujian asumsi, yaitu Data memiliki skala
pengukuran interval atau rasio (harus numerik bukan kategorik), Mengikuti Distribusi
NormaldanMemiliki hubungan linier (Mattjik & Sumertajaya, 2000).
Variable yang nilainya akan diramalkan disebut variable tidak bebas (dependent
variable), sedangkan variabel C yang nilainya dipergunakan untuk meramalkan nilai Y disebut
variable bebas (independent variable) atau variable peramal (predictor) atau seringkali disebut
variable yang menerangkan (explanatory). Jadi jelasanalisis korelasi ini memungkinkan kita
untuk mengetahui suatu di luar hasil penyelidikan, Salah satu cara untuk melakukan peramalan
adalah dengan menggunakan garis regresi. (Supranto, 1987).
2.2
Kegunaan Korelasi
Korelasi bermanfaat untuk mengukur kekuatan hubungan antara dua variabel (kadang lebih
dari dua variabel) dengan skala-skala tertentu, misalnya Pearson data harus berskala interval atau
rasio; Spearman dan Kendal menggunakan skala ordinal. Kuat lemah hubungan diukur
menggunakan jarak (range) 0 sampai dengan 1. Korelasi mempunyai kemungkinan pengujian
hipotesis dua arah (two tailed). Korelasi searah jika nilai koefesien korelasi diketemukan positif;
sebaliknya jika nilai koefesien korelasi negatif, korelasi disebut tidak searah. Yang dimaksud
dengan koefesien korelasi ialah suatu pengukuran statistik kovariasi atau asosiasi antara dua
variabel. Jika koefesien korelasi diketemukan tidak sama dengan nol (0), maka terdapat hubungan
antara dua variabel tersebut. Jika koefesien korelasi diketemukan +1. maka hubungan tersebut
disebut sebagai korelasi sempurna atau hubungan linear sempurna dengan kemiringan (slope)
positif. Sebaliknya. jika koefesien korelasi diketemukan -1. maka hubungan tersebut disebut
sebagai korelasi sempurna atau hubungan linear sempurna dengan kemiringan (slope) negatif.
Dalam korelasi sempurna tidak diperlukan lagi pengujian hipotesis mengenai signifikansi antar
variabel yang dikorelasikan, karena kedua variabel mempunyai hubungan linear yang sempurna.
Artinya variabel X mempunyai hubungan sangat kuat dengan variabel Y. Jika korelasi sama
dengan nol (0), maka tidak terdapat hubungan antara kedua variabel tersebut (Anonim, 2010).
2.3
Teori Korelasi
2.3.1
Korelasi Dan Kausalitas
Ada perbedaan mendasar antara korelasi dan kausalitas. Jika kedua variabel dikatakan
berkorelasi, maka kita tergoda untuk mengatakan bahwa variabel yang satu mempengaruhi
variabel yang lain atau dengan kata lain terdapat hubungan kausalitas. Kenyataannya belum tentu.
Hubungan kausalitas terjadi jika variabel X mempengaruhi Y. Jika kedua variabel diperlakukan
secara simetris (nilai pengukuran tetap sama seandainya peranan variabel-variabel tersebut ditukar)
maka meski kedua variabel berkorelasi tidak dapat dikatakan mempunyai hubungan kausalitas.
Dengan demikian, jika terdapat dua variabel yang berkorelasi, tidak harus terdapat hubungan
kausalitas (Sarwono,2006).
Terdapat dictum yang mengatakan “correlation does not imply causation”. Artinya korelasi
tidak dapat digunakan secara valid untuk melihat adanya hubungan kausalitas dalam variabelvariabel. Dalam korelasi aspek-aspek yang melandasi terdapatnya hubungan antar variabel
mungkin tidak diketahui atau tidak langsung. Oleh karena itu dengan menetapkan korelasi dalam
hubungannya dengan variabel-variabel yang diteliti tidak akan memberikan persyaratan yang
memadai untuk menetapkan hubungan kausalitas kedalam variabel-variabel tersebut. Sekalipun
demikian bukan berarti bahwa korelasi tidak dapat digunakan sebagai indikasi adanya hubungan
kausalitas antar variabel. Korelasi dapat digunakan sebagai salah satu bukti adanya kemungkinan
terdapatnya hubungan kausalitas tetapi tidak dapat memberikan indikasi hubungan kausalitas
seperti apa jika memang itu terjadi dalam variabel-variabel yang diteliti, misalnya model recursive,
dimana X mempengaruhi Y atau non-recursive, misalnya X mempengaruhi Y dan Y
mempengaruhi X (Sarwono,2006).
Dengan untuk mengidentifikasi hubungan kausalitas tidak dapat begitu saja dilihat dengan
kaca mata korelasi tetapi sebaiknya menggunakan model-model yang lebih tepat, misalnya regresi,
analisis jalur atau structural equation model (Sarwono,2006).
2.3.2
Korelasi dan Linieritas
Korelasi produk momen dan turunannya, mengasumsikan hubungan antar variabelnya
bersifat linear. Jika ternyata pola hubungannya tidak linear, maka teknik korelasi produk momen
akan cenderung melakukan underestimasi kekuatan hubungan antara dua variabel. Jadi sangat
mungkin sebenarnya kedua variabel memiliki hubungan yang kuat tetapi diestimasi oleh produk
momen sebagai tidak ada hubungan atau memiliki hubungan yang lemah, hanya karena pola
hubungannya tidak linear.Terdapat hubungan erat antara pengertian korelasi dan linieritas. Korelasi
Pearson, misalnya, menunjukkan adanya kekuatan hubungan linier dalam dua variabel. Sekalipun
demikian jika asumsi normalitas salah maka nilai korelasi tidak akan memadai untuk membuktikan
adanya hubungan linieritas. Linieritas artinya asumsi adanya hubungan dalam bentuk garis lurus
antara variabel. Linearitas antara dua variabel dapat dinilai melalui observasi scatterplots bivariat.
Jika kedua variabel berdistribusi normal dan behubungan secara linier, maka scatterplot berbentuk
oval; jika tidak berdistribusi normal scatterplot tidak berbentuk oval (Sarwono,2006).
Dalam praktinya kadang data yang digunakan akan menghasilkan korelasi tinggi tetapi
hubungan tidak linier atau sebaliknya korelasi rendah tetapi hubungan linier. Dengan demikian
agar linieritas hubungan dipenuhi, maka data yang digunakan harus mempunyai distribusi normal.
Dengan kata lain, koefesien korelasi hanya merupakan statistik ringkasan sehingga tidak dapat
digunakan sebagai sarana untuk memeriksa data secara individual (Sarwono,2006).
2.3.3
Koefisien Korelasi
Koefisien korelasi adalah nilai yang menunjukan kuat/tidaknya hubungan linier antar dua
variabel. Koefisien korelasi biasa dilambangkan dengan huruf r dimana nilai r dapat bervariasi dari
-1 sampai +1. Nilai r yang mendekati -1 atau +1 menunjukan hubungan yang kuat antara dua
variabel tersebut dan nilai r yang mendekati 0 mengindikasikan lemahnya hubungan antara dua
variabel tersebut. Sedangkan tanda + (positif) dan – (negatif) memberikan informasi mengenai
arah hubungan antara dua variabel tersebut. Jika bernilai + (positif) maka kedua variabel tersebut
memiliki hubungan yang searah. Dalam arti lain peningkatan X akan bersamaan dengan
peningkatan Y dan begitu juga sebaliknya. Jika bernilai – (negatif) artinya korelasi antara kedua
variabel tersebut bersifat berlawanan. Peningkatan nilai X akan dibarengi dengan penurunan Y.
Koefisien korelasi rangking Spearman atau Spearman rank correlation coeficient
merupakan nilai yang menunjukan keeratan hubungan linier antara dua variabel dengan skala data
ordinal. Koefisien Spearman biasa dilambangkan dengan . Rumusnya yang digunakan adalah
Dimana
di=selisih dari pasangan ke-i atau Xi – Yi ;
n = banyaknya pasangan rank
Jika variabel X dan Y independen maka nilai r = 0, akan tetapi jika nilai r=0, X dan Y tidak
selalu independen. Variabel X dan Y hanya tidak berasosiasi.
Untuk memudahkan melakukan interpretasi mengenai kekuatan hubungan antara dua
variabel penulis memberikan kriteria sebagai berikut:0 : Tidak ada korelasi antara dua variabel, >0
– 0,25: Korelasi sangat lemah, >0,25 – 0,5: Korelasi cukup, >0,5 – 0,75: Korelasi kuat, >0,75 –
0,99: Korelasi sangat kuat dan 1: Korelasi sempurna (Sarwono,2006)
2.3.4
Interpretasi Korelasi
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.Menurut Sarwono (2006) Ada tiga penafsiran hasil analisis korelasi, meliputi: pertama,
melihat kekuatan hubungan dua variabel; kedua, melihat signifikansi hubungan; dan ketiga, melihat
arah hubungan. Untuk melakukan interpretasi kekuatan hubungan antara dua variabel dilakukan
dengan melihat angka koefesien korelasi hasil perhitungan dengan menggunakan kriteria sbb:
Jika angka koefesien korelasi menunjukkan 0, maka kedua variabel tidak mempunyai hubungan
Jika angka koefesien korelasi mendekati 1, maka kedua variabel mempunyai hubungan semakin
kuat
Jika angka koefesien korelasi mendekati 0, maka kedua variabel mempunyai hubungan semakin
lemah
Jika angka koefesien korelasi sama dengan 1, maka kedua variabel mempunyai hubungan linier
sempurna positif.
Jika angka koefesien korelasi sama dengan -1, maka kedua variabel mempunyai hubungan linier
sempurna negatif.
Interpretasi berikutnya melihat signifikansi hubungan dua variabel dengan didasarkan pada
angka signifikansi yang dihasilkan dari penghitungan dengan ketentuan sebagaimana sudah dibahas
di bagian 2.7. di atas. Interpretasi ini akan membuktikan apakah hubungan kedua variabel tersebut
signifikan atau tidak (Mufida,2012).
Interpretasi ketiga melihat arah korelasi. Dalam korelasi ada dua arah korelasi, yaitu searah
dan tidak searah. Pada SPSS hal ini ditandai dengan pesan two tailed. Arah korelasi dilihat dari
angka koefesien korelasi. Jika koefesien korelasi positif, maka hubungan kedua variabel searah.
Searah artinya jika variabel X nilainya tinggi, maka variabel Y juga tinggi. Jika koefesien korelasi
negatif, maka hubungan kedua variabel tidak searah. Tidak searah artinya jika variabel X nilainya
tinggi, maka variabel Y akan rendah (Mufida,2012).
Dalam kasus, misalnya hubungan antara kepuasan kerja dan komitmen terhadap organisasi
sebesar 0,86 dengan angka signifikansi sebesar 0 akan mempunyai makna bahwa hubungan antara
variabel kepuasan kerja dan komitmen terhadap organisasi sangat kuat, signifikan dan searah.
Sebaliknya dalam kasus hubungan antara variabel mangkir kerja dengan produktivitas sebesar -0,86,
dengan angka signifikansi sebesar 0; maka hubungan kedua variabel sangat kuat, signifikan dan
tidak searah (Mufida,2012).
DAFTAR PUSTAKA
J. Supranto, 1987, Statistik: Teori dan Aplikasi, Jilid I, Jakarta : erlangga
Jonathan, Sarwono. 2006. Metode Penelitian Kuantitatif dan Kualitatif. Yogyakarta. :Graha Ilmu
Mattjik, A. A & Sumertajaya, I. M. 2000. Perancangan Percobaan dengan Aplikasi SAS dan Minitab
Jilid I. Bogor: IPB Press.
Mufida, Afif W. 2012. Cara
Membaca Korelasi Pada SPSS. www.http://w-afif-mufida-
fk12.web.unair.ac.id. (Diakses pada 26 Oktober 2015 pukul 00:07)
2.1
TINJAUAN PUSTAKA
Korelasi
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.Korelasi merupakan teknik analisis yang termasuk dalam salah satu
teknik pengukuran asosiasi atau hubungan (measures of association). Pengukuran asosiasi
merupakan istilah umum yang mengacu pada sekelompok teknik dalam statistik bivariat yang
digunakan untuk mengukur kekuatan hubungan antara dua variabel. 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. Pengukuran
asosiasi mengenakan nilai numerik untuk mengetahui tingkatan asosiasi atau kekuatan
hubungan antara variabel. Dua variabel dikatakan berasosiasi jika perilaku variabel yang satu
mempengaruhi variabel yang lain. Jika tidak terjadi pengaruh, maka kedua variabel tersebut
disebut independen.Korelasi adalah metode untuk mengetahui tingkat keeratan hubungan dua
peubah ataulebih yang digambarkan oleh besarnya koefisien korelasi.Koefisien korelasi adalah
koefisien yang menggambarkan tingkat keeratan hubungan antar dua peubah atau lebih.
Besaran dari koefisien korelasi tidak menggambarkan hubungan sebab akibat antara dua peubah
atau lebih, tetapi semata-mata menggambarkan keterkaitan linier antar peubah (Mattjik &
Sumertajaya, 2000).
Salah satu yang paling sering digunakan adalah Korelasi Pearson. Ini merupakan
Metode Parametrik sehingga memerlukan pengujian asumsi, yaitu Data memiliki skala
pengukuran interval atau rasio (harus numerik bukan kategorik), Mengikuti Distribusi
NormaldanMemiliki hubungan linier (Mattjik & Sumertajaya, 2000).
Variable yang nilainya akan diramalkan disebut variable tidak bebas (dependent
variable), sedangkan variabel C yang nilainya dipergunakan untuk meramalkan nilai Y disebut
variable bebas (independent variable) atau variable peramal (predictor) atau seringkali disebut
variable yang menerangkan (explanatory). Jadi jelasanalisis korelasi ini memungkinkan kita
untuk mengetahui suatu di luar hasil penyelidikan, Salah satu cara untuk melakukan peramalan
adalah dengan menggunakan garis regresi. (Supranto, 1987).
2.2
Kegunaan Korelasi
Korelasi bermanfaat untuk mengukur kekuatan hubungan antara dua variabel (kadang lebih
dari dua variabel) dengan skala-skala tertentu, misalnya Pearson data harus berskala interval atau
rasio; Spearman dan Kendal menggunakan skala ordinal. Kuat lemah hubungan diukur
menggunakan jarak (range) 0 sampai dengan 1. Korelasi mempunyai kemungkinan pengujian
hipotesis dua arah (two tailed). Korelasi searah jika nilai koefesien korelasi diketemukan positif;
sebaliknya jika nilai koefesien korelasi negatif, korelasi disebut tidak searah. Yang dimaksud
dengan koefesien korelasi ialah suatu pengukuran statistik kovariasi atau asosiasi antara dua
variabel. Jika koefesien korelasi diketemukan tidak sama dengan nol (0), maka terdapat hubungan
antara dua variabel tersebut. Jika koefesien korelasi diketemukan +1. maka hubungan tersebut
disebut sebagai korelasi sempurna atau hubungan linear sempurna dengan kemiringan (slope)
positif. Sebaliknya. jika koefesien korelasi diketemukan -1. maka hubungan tersebut disebut
sebagai korelasi sempurna atau hubungan linear sempurna dengan kemiringan (slope) negatif.
Dalam korelasi sempurna tidak diperlukan lagi pengujian hipotesis mengenai signifikansi antar
variabel yang dikorelasikan, karena kedua variabel mempunyai hubungan linear yang sempurna.
Artinya variabel X mempunyai hubungan sangat kuat dengan variabel Y. Jika korelasi sama
dengan nol (0), maka tidak terdapat hubungan antara kedua variabel tersebut (Anonim, 2010).
2.3
Teori Korelasi
2.3.1
Korelasi Dan Kausalitas
Ada perbedaan mendasar antara korelasi dan kausalitas. Jika kedua variabel dikatakan
berkorelasi, maka kita tergoda untuk mengatakan bahwa variabel yang satu mempengaruhi
variabel yang lain atau dengan kata lain terdapat hubungan kausalitas. Kenyataannya belum tentu.
Hubungan kausalitas terjadi jika variabel X mempengaruhi Y. Jika kedua variabel diperlakukan
secara simetris (nilai pengukuran tetap sama seandainya peranan variabel-variabel tersebut ditukar)
maka meski kedua variabel berkorelasi tidak dapat dikatakan mempunyai hubungan kausalitas.
Dengan demikian, jika terdapat dua variabel yang berkorelasi, tidak harus terdapat hubungan
kausalitas (Sarwono,2006).
Terdapat dictum yang mengatakan “correlation does not imply causation”. Artinya korelasi
tidak dapat digunakan secara valid untuk melihat adanya hubungan kausalitas dalam variabelvariabel. Dalam korelasi aspek-aspek yang melandasi terdapatnya hubungan antar variabel
mungkin tidak diketahui atau tidak langsung. Oleh karena itu dengan menetapkan korelasi dalam
hubungannya dengan variabel-variabel yang diteliti tidak akan memberikan persyaratan yang
memadai untuk menetapkan hubungan kausalitas kedalam variabel-variabel tersebut. Sekalipun
demikian bukan berarti bahwa korelasi tidak dapat digunakan sebagai indikasi adanya hubungan
kausalitas antar variabel. Korelasi dapat digunakan sebagai salah satu bukti adanya kemungkinan
terdapatnya hubungan kausalitas tetapi tidak dapat memberikan indikasi hubungan kausalitas
seperti apa jika memang itu terjadi dalam variabel-variabel yang diteliti, misalnya model recursive,
dimana X mempengaruhi Y atau non-recursive, misalnya X mempengaruhi Y dan Y
mempengaruhi X (Sarwono,2006).
Dengan untuk mengidentifikasi hubungan kausalitas tidak dapat begitu saja dilihat dengan
kaca mata korelasi tetapi sebaiknya menggunakan model-model yang lebih tepat, misalnya regresi,
analisis jalur atau structural equation model (Sarwono,2006).
2.3.2
Korelasi dan Linieritas
Korelasi produk momen dan turunannya, mengasumsikan hubungan antar variabelnya
bersifat linear. Jika ternyata pola hubungannya tidak linear, maka teknik korelasi produk momen
akan cenderung melakukan underestimasi kekuatan hubungan antara dua variabel. Jadi sangat
mungkin sebenarnya kedua variabel memiliki hubungan yang kuat tetapi diestimasi oleh produk
momen sebagai tidak ada hubungan atau memiliki hubungan yang lemah, hanya karena pola
hubungannya tidak linear.Terdapat hubungan erat antara pengertian korelasi dan linieritas. Korelasi
Pearson, misalnya, menunjukkan adanya kekuatan hubungan linier dalam dua variabel. Sekalipun
demikian jika asumsi normalitas salah maka nilai korelasi tidak akan memadai untuk membuktikan
adanya hubungan linieritas. Linieritas artinya asumsi adanya hubungan dalam bentuk garis lurus
antara variabel. Linearitas antara dua variabel dapat dinilai melalui observasi scatterplots bivariat.
Jika kedua variabel berdistribusi normal dan behubungan secara linier, maka scatterplot berbentuk
oval; jika tidak berdistribusi normal scatterplot tidak berbentuk oval (Sarwono,2006).
Dalam praktinya kadang data yang digunakan akan menghasilkan korelasi tinggi tetapi
hubungan tidak linier atau sebaliknya korelasi rendah tetapi hubungan linier. Dengan demikian
agar linieritas hubungan dipenuhi, maka data yang digunakan harus mempunyai distribusi normal.
Dengan kata lain, koefesien korelasi hanya merupakan statistik ringkasan sehingga tidak dapat
digunakan sebagai sarana untuk memeriksa data secara individual (Sarwono,2006).
2.3.3
Koefisien Korelasi
Koefisien korelasi adalah nilai yang menunjukan kuat/tidaknya hubungan linier antar dua
variabel. Koefisien korelasi biasa dilambangkan dengan huruf r dimana nilai r dapat bervariasi dari
-1 sampai +1. Nilai r yang mendekati -1 atau +1 menunjukan hubungan yang kuat antara dua
variabel tersebut dan nilai r yang mendekati 0 mengindikasikan lemahnya hubungan antara dua
variabel tersebut. Sedangkan tanda + (positif) dan – (negatif) memberikan informasi mengenai
arah hubungan antara dua variabel tersebut. Jika bernilai + (positif) maka kedua variabel tersebut
memiliki hubungan yang searah. Dalam arti lain peningkatan X akan bersamaan dengan
peningkatan Y dan begitu juga sebaliknya. Jika bernilai – (negatif) artinya korelasi antara kedua
variabel tersebut bersifat berlawanan. Peningkatan nilai X akan dibarengi dengan penurunan Y.
Koefisien korelasi rangking Spearman atau Spearman rank correlation coeficient
merupakan nilai yang menunjukan keeratan hubungan linier antara dua variabel dengan skala data
ordinal. Koefisien Spearman biasa dilambangkan dengan . Rumusnya yang digunakan adalah
Dimana
di=selisih dari pasangan ke-i atau Xi – Yi ;
n = banyaknya pasangan rank
Jika variabel X dan Y independen maka nilai r = 0, akan tetapi jika nilai r=0, X dan Y tidak
selalu independen. Variabel X dan Y hanya tidak berasosiasi.
Untuk memudahkan melakukan interpretasi mengenai kekuatan hubungan antara dua
variabel penulis memberikan kriteria sebagai berikut:0 : Tidak ada korelasi antara dua variabel, >0
– 0,25: Korelasi sangat lemah, >0,25 – 0,5: Korelasi cukup, >0,5 – 0,75: Korelasi kuat, >0,75 –
0,99: Korelasi sangat kuat dan 1: Korelasi sempurna (Sarwono,2006)
2.3.4
Interpretasi Korelasi
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.Menurut Sarwono (2006) Ada tiga penafsiran hasil analisis korelasi, meliputi: pertama,
melihat kekuatan hubungan dua variabel; kedua, melihat signifikansi hubungan; dan ketiga, melihat
arah hubungan. Untuk melakukan interpretasi kekuatan hubungan antara dua variabel dilakukan
dengan melihat angka koefesien korelasi hasil perhitungan dengan menggunakan kriteria sbb:
Jika angka koefesien korelasi menunjukkan 0, maka kedua variabel tidak mempunyai hubungan
Jika angka koefesien korelasi mendekati 1, maka kedua variabel mempunyai hubungan semakin
kuat
Jika angka koefesien korelasi mendekati 0, maka kedua variabel mempunyai hubungan semakin
lemah
Jika angka koefesien korelasi sama dengan 1, maka kedua variabel mempunyai hubungan linier
sempurna positif.
Jika angka koefesien korelasi sama dengan -1, maka kedua variabel mempunyai hubungan linier
sempurna negatif.
Interpretasi berikutnya melihat signifikansi hubungan dua variabel dengan didasarkan pada
angka signifikansi yang dihasilkan dari penghitungan dengan ketentuan sebagaimana sudah dibahas
di bagian 2.7. di atas. Interpretasi ini akan membuktikan apakah hubungan kedua variabel tersebut
signifikan atau tidak (Mufida,2012).
Interpretasi ketiga melihat arah korelasi. Dalam korelasi ada dua arah korelasi, yaitu searah
dan tidak searah. Pada SPSS hal ini ditandai dengan pesan two tailed. Arah korelasi dilihat dari
angka koefesien korelasi. Jika koefesien korelasi positif, maka hubungan kedua variabel searah.
Searah artinya jika variabel X nilainya tinggi, maka variabel Y juga tinggi. Jika koefesien korelasi
negatif, maka hubungan kedua variabel tidak searah. Tidak searah artinya jika variabel X nilainya
tinggi, maka variabel Y akan rendah (Mufida,2012).
Dalam kasus, misalnya hubungan antara kepuasan kerja dan komitmen terhadap organisasi
sebesar 0,86 dengan angka signifikansi sebesar 0 akan mempunyai makna bahwa hubungan antara
variabel kepuasan kerja dan komitmen terhadap organisasi sangat kuat, signifikan dan searah.
Sebaliknya dalam kasus hubungan antara variabel mangkir kerja dengan produktivitas sebesar -0,86,
dengan angka signifikansi sebesar 0; maka hubungan kedua variabel sangat kuat, signifikan dan
tidak searah (Mufida,2012).
DAFTAR PUSTAKA
J. Supranto, 1987, Statistik: Teori dan Aplikasi, Jilid I, Jakarta : erlangga
Jonathan, Sarwono. 2006. Metode Penelitian Kuantitatif dan Kualitatif. Yogyakarta. :Graha Ilmu
Mattjik, A. A & Sumertajaya, I. M. 2000. Perancangan Percobaan dengan Aplikasi SAS dan Minitab
Jilid I. Bogor: IPB Press.
Mufida, Afif W. 2012. Cara
Membaca Korelasi Pada SPSS. www.http://w-afif-mufida-
fk12.web.unair.ac.id. (Diakses pada 26 Oktober 2015 pukul 00:07)