PRESENTASI  KORELASI PRODUCT MOMENT PEARSON

Oleh: A. Nimas Kesuma Negari

D0310002

Sosiologi 2010 (B)

  1. A. Pendahuluan

Analisis korelasi digunakan untuk menjelaskan kekuatan dan arah hubungan antara dua variabel. Korelasi bersifat undirectional yang artinya tidak ada yang ditempatkan sebagai predictor dan respon (IV dan DV).
Angka korelasi berkisar antara  -1 s/d +1. Semakin mendekati 1 maka korelasi semakin mendekati sempurna. Sementara nilai negative dan positif mengindikasikan arah hubungan. Arah hubungan yang positif menandakan bahwa pola hubungan searah atau semakin tinggi A menyebabkan kenaikan pula B (A dan B ditempatkan sebagai variabel).

Hubungan antara variabel dapat linear ataupun nonlinear. Dikatakan linear, apabila pasangan semua titik (xi,yi) terlihat bergerombol disekitar garis lurus. Dikatakan non linear apabila pasangan titik-titik terletak di sekitar kurva non linear. Nilai yang dapat diperoleh dari korelasi adalah positif, negatif, ataupun tidak berkorelasi.

Nilai koefisien korelasi berkisar -1 sampai 1. apabila korelasi antar dua variabel bernilai 0, maka dua variabel tersebut saling bebas secara statistik.
Formula perhitungan koefisien korelasi pertama kali ditemukan oleh KARL PEARSON, dan umum disebut Pearsonian Coefficient Correlation atau The product Moment Coefficient Correlation.
Misalkan terdapat n data untuk variabel X, yaitu x1, x2, …, xn. Dan terdapat pula n data untuk variabel Y, yaitu y1, y2, …,yn.

Xi Yi
x1 y1
.

.

.

.

.

.

xn yn

Model yang digunakan dalam analisis korelasi adalah sebagai berikut:

Interprestasi angka korelasi menurut Prof. Sugiyono (2007)

  • 0          –           0,199   : Sangat lemah
  • 0,20     –           0,399   : Lemah
  • 0,40     –           0,599   : Sedang
  • 0,60     –           0,799   : Kuat
  • 0,80     –           1,0       : Sangat kuat

Dalam Bivariate model, korelasi yang umum digunakan adalah Pearson, Kendall, dan Rank Spearman, namun yang dibahas kali ini adalah Pearson r Correlation..

Pearson r correlation:

Pearson r correlation biasa digunakan untuk mengetahui hubungan pada dua variabel. Korelasi dengan Pearson ini mensyaratkan data berdistribusi normal.
Rumus yang digunakan adalah sebagai berikut

B. Contoh Kasus

Pak Ali ingin mengetahui apakah ada hubungan antara pengawasan (Control), kepuasan kerja (Job Satisfaction), Disiplin kerja (discipline), dan kinerja (Performance). data dapat diambil CONTOH DATA KORELASI
Jumlah data 37.

Instrumen : angket

C. Penyelesaian Kasus dengan SPSS:

Langkah 1. Pada menu Analyze pilih “correlate bivariate” . Setelah itu akan ada tampilan sbb:

Langkah 2.
Masukkan variabel yang akan dikorelasikan ke dalam variable list.
Click on “option” and select “descriptive statistics”, abaikan yang lain lalu klik “OK”

Interprestasi

Arti angka Korelasi

1.      Control – Performance. Nilai korelasi adalah positif 0.668. Besaran angka korelasi menunjukkan bahwa korelasi antara Control dan Performance berada dalam kategori “Kuat”, sementara nilai positif mengindikasikan pola hubungan antara Control dengan Performance adalah searah (semakin tinggi Control maka semakin tinggi pula Performance). Perolehan p hitung = 0.000 < 0.05 yang menandakan bahwa hubungan yang terjadi adalah signifikan.

2.      Job Satisfaction – Performance. Nilai korelasi adalah positif 0.772. Besaran angka korelasi menunjukkan bahwa korelasi antara Job satisfaction dan Performance berada dalam kategori “Kuat”, sementara nilai positif mengindikasikan pola hubungan antara adalah searah (semakin tinggi Job Sat maka semakin tinggi pula Performance). Perolehan p hitung = 0.000 < 0.05 yang menandakan bahwa hubungan yang terjadi adalah signifikan.

3.      Dicipline – Performance. Nilai korelasi adalah positif 0.749. Besaran angka korelasi menunjukkan bahwa korelasi antara Dicipline dan Performance berada dalam kategori “Kuat”, sementara nilai positif mengindikasikan pola hubungan antara dicipline dengan Performance adalah searah (semakin tinggi Control maka semakin tinggi pula Performance). Perolehan p hitung = 0.000 < 0.05 yang menandakan bahwa hubungan yang terjadi adalah signifikan.

Ada beberapa hal yang harus diperhatikan dalam penggunaan analisis korelasi product moment, yaitu:

1.Penelitian terdiri dari satu varibel bebas (biasa disebut variabel X atau Independent variabel) dan satu variabel terikat (biasa disebut variabel Y, atau dependent variabel).

2.Data kedua variabel berbentuk data kuantitatif (interval atau rasion).
3.Data berasal dari populasi yang berdistribusi normal.Untuk itu sebelum melakukan analisis korelasi ada uji asumsi yang harus dilakukan, yaitu uji normalitas sebaran dan uji linieritas hubungan.

CONTOH KASUS:

SEORANG PENELITI INGIN MENGETAHUI HUBUNGAN ANTARA PROKRASTINASI AKADEMIK DENGAN PRESTASI BELAJAR SISWA, setelah dilakukan penyebaran SKALA PROKRASTINASI AKADEMIK dan menggunakan nilai PRESTASI BELAJAR SISWA, diperoleh data sebagai berikut:

PROKRASTINASI AKADEMIK PRESTASI BELAJAR
46 5
56 7
57 6
84 4
53 6
88 9
51 5
96 9
86 9
75 7
63 9
68 7
70 7
65 8
70 6
54 5
76 5
86 8
90 8
70 9
80 9
67 9
56 6
68 6
54 5
68 5
65 8
77 8
66 8
98 9

PENELITI MENENTUKAN HIPOTESIS PENELITIANNYA “ADA HUBUNGAN POSITIF ANTARA PROKRASTINASI AKADEMIK DENGAN PRESTASI BELAJAR SISWA” DENGAN MENGGUNAKAN TARAF SIGNIFIKANSI 5% ATAU P=0.05.

CARA ANALISIS DATA

  1. Klik File – New – Data
  2. Klik Variabel View (Kanan bawah)
  3. Isikan nama variabel pada kolom name (Misal X untuk prokrastinasi akademik dan Y untuk prestasi belajar)
  4. Kolom Type, Klik Numeric karena penghitungannya berupa angka.
  5. Kolom width isikan 8 dan Decimals isikan 2
  6. 6. Kolom Label isikan keterangan untuk melengkapi kolom Name (Misal: Prokrastinasi dan Prestasi belajar).
  7. Klik Data View – Isikan data tersebut diatas, 30 data pada kolom X untuk varibael prokrastinasi dan 30 data pada kolom Y untuk variabel Prestasi belajar.
  8. Klik File – Save untuk menyimpan data (beri nama yang anda inginkan, misal prokrastinasi).
  9. Klik Analyze – Correlation – Bivariate.

10.  Klik variabel X dan Y – pindahkan ke kotak Variables

11.  Pilih Pearson pada kolom Correlation Coefficents

12.  Pilih Two Tailed pada kolom Test of Significant

13.  Klik Continue

14.  Klik OK

AKAN DIPEROLEH OUTPUT SEPERTI DIBAWAH INI, Klik File – Save untuk menyimpan hasil.

INTERPRETASI HASIL ANALISIS

1. Hasil penghitungan yang telah dilakukan diperoleh koefisien korelasi sebesar r=0.541.

2. Langkah selanjutnya, lihat nilai r dalam tabel korelasi product moment dengan N=30 dan taraf signifikansi P=0.05. Diperoleh nilai r tabel sebesar 0.361. Dengan demikian koefisien korelasi yang diperoleh (0.541) adalah lebih besar dari nilai r dalam tabel (0.361), yang berarti ada hubungan yang signifikan antara Prokrastinasi akademik dengan Prestasi belajar siswa.
3. Karena nilai koefisien korelasi yang diperoleh bertanda positif, berarti ada hubungan positif antara prokrastinasi akademik dengan prestasi belajar. Artinya semakin tinggi prokrastinasi akademik siswa akan semakin tinggi nilai prestasi belajarnya.

KESIMPULAN
Dari analisis yang telah dilakukan, dapat ditarik kesimpulan bahwa hipotesis penelitian yang berbunyi ADA HUBUNGAN POSITIF ANTARA PROKRASTINASI AKADEMIK DENGAN PRESTASI BELAJAR SISWA adalah benar.

CATATAN:
JIKA NILAI KOEFISIEN KORELASI YANG DIPEROLEH BERTANDA NEGATIF BERARTI HUBUNGAN ANTAR VARIABEL ADALAH NEGATIF.

Daftar Pustaka

Prof. Dr. Sugiyono. Metode Penelitian Administasi. Bandung : Alfabeta

Sumber : http://teorionline.wordpress.com/

Black., James A. & Dean J. Champion, 1992, Metode dan Masalah Penelitian Sosial, terjemahan oleh E. Koeswara, dkk, Jakarta:PT Refika.

Hadi Sutrisno, 1992, Metodologi Research Jilid 1, Yogyakarta: Andi.

Singarimbun, Masri, 1989, & Sofian Efendi, Metode Penelitian Survai, Edisi Revisi ,Jakarta:LP3ES.