KORELASI DAN ASOSIASI  

Kata  korelasi  diambil  dari  bahasa  Inggris,  yaitu  correlation  artinya  saling  hubungan  atau hubungan timbal balik. Dalam ilmu statistika istilah korelasi diberi pengertian sebagai hubungan antara  dua  variabel  atau  lebih.  Hubungan  antara  dua  variabel  disebut  bivariate  correlation misalnya:  hubungan  antara motivasi  kerja  dengan  kinerja.  Hubungan  antara  lebih  dari  dua variabel disebut multivariate correlation, misalnya: hubungan antara motivasi kerja dan disiplin kerja dengan kinerja.   Korelasi untuk Skala Pengukuran Ordinal Apabila  terdapat dua buah variabel X dan Y yang kedua‐duanya memiliki  tingkat pengukuran ordinal, maka koefisien korelasi yang dapat digunakan adalah koefisien korelasi Spearman atau Spearman’s Coefficient of (Rank) Correlation.   Contoh: Seorang  peneliti  hendak  meneliti  apakah  ada  hubungan  antara  sikap  indispliner  seorang pegawai  dengan  kinerjanya.  Peneliti  tersebut  kemudian  mengukur  sikap  disiplin  kerja  dan kinerja dengan alat ukur “Likert Attitudinal Items” yang memberikan skala numerik dalam skala ordinal  kepada  10  orang  karyawan.  Skor  yang  didapat  untuk  sikap  indisipliner  dan  kinerja adalah sebagai berikut: Nama Karyawan  Sikap Indisipliner (X) Kinerja (Y)A  37  63 B  41  45 C  38  60 D  44  50 E  35  65 F  43  52 G  40  55H  42  47I  36  64J  39  59 

   

Jawab: 1. Siapkan Lembar kerja SPSS 2. Buka variabel view, dan definisikan variabel seperti berikut ini: 

 3. Tabulasikan data variabel disiplin dan kinerja pada data view 

 4. Klik menu Analyze, Correlate, Bivariate 

    

5. Klik dua variabel yang dikorelasikan, dan pindahkan ke kotak variables. 

 6. Aktifkan pilihan Spearman, kemudian klik Ok. Berikut adalah hasilnya: 

Correlations

disiplin kinerja

Spearman's rho disiplin Correlation Coefficient 1.000 -.891**

Sig. (2-tailed) . .001

N 10 10

kinerja Correlation Coefficient -.891** 1.000

Sig. (2-tailed) .001 .

N 10 10

**. Correlation is significant at the 0.01 level (2-tailed).

SPSS memberikan hasil berupa tabel Correlations. Terlihat bahwa korelasi Spearman adalah rs =

-0,891. Karena P-Value adalah 0,010 lebih kecil dari α = 0,05, maka dapat disimpulkan bahwa

ada hubungan antara indisipliner dengan kinerja.    

Korelasi Untuk Skala Pengukuran Interval Koefisien  korelasi  untuk  dua  buah  variabel  x  dan  y  yang  kedua‐duanya  memiliki  tingkat pengukuran  interval,  dapat  dihitung  dengan  menggunakan  korelasi  product  moment  atau product moment coefficient yang dikembangkan Karl Pearson. Contoh: Seorang peneliti ingin mengetahui hubungan antara motivasi kerja dengan produktivitas kerja. Hasil perolehan skor dari 12 orang yang dijadikan responden adalah sebagai berikut: Nama  Skor Motivasi Kerja (X)  Skor Produktivitas Kerja (Y)A  60  450 B  70  475 C  75  450 D  65  470 E  70  475 F  60  455 G  80  475 H  75  470 I  85  485 J  90  480 K  70  475 L  85  480  Jawab: 1. Siapkan lembar kerja SPSS 2. Buat definisi (nama) variabel pada variabel view. 

    

3. Isikan skor data masing‐masing variabel.  

 4. Klik menu Analyze, Correlate, Bivariate 

    

5. Isikan Variabel X dan Y di kotak Variables, 

 6. Aktifkan pilihan Pearson, kemudian klik OK. Berikut adalah hasilnya: 

Correlations

Skor Motivasi

Kerja

Skor

Produktivitas

Kerja

Skor Motivasi Kerja Pearson Correlation 1 .684*

Sig. (2-tailed) .014

N 12 12

Skor Produktivitas Kerja Pearson Correlation .684* 1

Sig. (2-tailed) .014

N 12 12

*. Correlation is significant at the 0.05 level (2-tailed).

SPSS memberikan hasil berupa tabel Correlations. Terlihat bahwa korelasi Pearson adalah 0,684.

Karena P-Value adalah 0,014 lebih kecil dari α = 0,05, maka dapat disimpulkan bahwa ada

hubungan antara motivasi kerja dengan produktivitas kerja.    

Tingkat Keeratan Hubungan Untuk mengetahui kuat  lemahnya  tingkat atau derajat keeratan hubungan,  secara sederhana dapat  diterangkan  berdasarkan  tabel  nilai  koefisien  korelasi  dari  Guilford  Emperical  Rules berikut: Nilai Korelasi  Keterangan 

0,00 – < 0,20  Hubungan sangat lemah (diabaikan, dianggap tidak ada) ≥ 0,20 – < 0,40  Hubungan rendah ≥ 0,40 ‐ < 0,70  Hubungan sedang / cukup ≥ 0,70 ‐ < 0,90  Hubungan kuat/tinggi ≥ 0,90 ‐ ≤ 1,00  Hubungan sangat kuat / tinggi  Korelasi Parsial dan Ganda Korelasi Parsial (Partial Correlation) adalah suatu nilai yang memberikan kuatnya hubungan dua variabel  atau  lebih  variabel  X  dengan  variabel  Y,  yang  salah  satu  bagian  variabel  bebasnya dianggap konstan atau dibuat tetap.  Contoh: Seorang  peneliti  ingin mengetahui  hubungan  antara  Kepemimpinan  Kepala  Bagian  (X1)  dan motivasi kerja  (X2) dengan kinerja pegawai  (Y). Sejumlah angket kemudian disebar kepada 50 orang pegawai  sebagai  responden untuk  tujuan penelitian di atas, dan diperoleh  rekapitulasi skor hasil pengumpulan data sebagai berikut: Res  X1  X2 Y    Res  X1 X2  Y 1  164  155  202    26  152  161  196 2  163  144  179    27  167  149  180 3  152  144  183    28  176  169  217 4  183  171  228    29  149  181  207 5  182  171  225    30  141  182  210 6  171  160  213    31  134  152  184 7  180  165  224    32  150  176  226 8  186  167  230    33  185  181  209 9  184  156  202    34  174  163  225 10  174  160  196    35  165  153  205 11  155  157  180    36  155  135  202 12  145  155  178  37 168 148  20113  147  141  193  38 178 174  22814  160  164  198  39 125 138  16715  177  172  204  40 151 150  20416  160  157  207    41  174  179  182 17  156  159  207    42  179  178  236 18  181  152  202    43  190  179  229 19  155  149  184    44  164  145  184 20  165  148  201    45  167  167  228 

21  179  185  221    46  158  162  206 22  171  159  201    47  143  159  202 23  155  144  180    48  189  176  225 24  142  158  189    49  169  164  207 25  170  148  201    50  176  157  188  Diminta: 

I. Koefisien Korelasi Parsial II. Koefisien Korelasi Ganda 

 Jawab: I. Koefisien Korelasi Parsial a. Hubungan antara Kepemimpinan Kepala Bagian (X1) dengan Kinerja Pegawai (Y) Berikut adalah langkah‐langkahnya: 1. Berikan definisi variabel dan isikan skor masing‐masing variabel dalam lembar kerja spss. 

 2. Klik Menu Analyze, Correlate, dan Partial. 3. Pada  kotak  dialog,  klik  variabel  yang  dikorelasikan,  yaitu  kepemimpinan  dan  kinerja, 

kemudian pindahkan ke kotak variables. Sedangkan variabel motivasi, pindahkan ke kotak Controlling for. 

 4. Kemudian klik OK, maka akan menghasilkan: 

Correlations

Control Variables pimpinan kinerja

motivasi pimpinan Correlation 1.000 .439

Significance (2-tailed) . .002

df 0 47

kinerja Correlation .439 1.000

Significance (2-tailed) .002 .

df 47 0

 

Lakukan Uji yang sama untuk korelasi antara motivasi dengan kinerja. 

Catatan:  input  variabel  kepemimpinan  pada  kotak  controlling  for  pada  windows  Partial 

Correlations (langkah ke 3 di atas). 

Jika  benar, maka  korelasi  antara motivasi  dan  kinerja  akan menghasilkan  tabel  correlations 

sebagai berikut:    

Correlations

Control Variables motivasi kinerja

pimpinan motivasi Correlation 1.000 .554

Significance (2-tailed) . .000

df 0 47

kinerja Correlation .554 1.000

Significance (2-tailed) .000 .

df 47 0

Lakukan Uji yang sama untuk korelasi antara kepemimpinan dengan motivasi. 

Catatan: input variabel kinerja pada kotak controlling for pada windows Partial Correlations. 

Jika  benar, maka  korelasi  antara motivasi  dan  kinerja  akan menghasilkan  tabel  correlations 

sebagai berikut: 

Correlations

Control Variables pimpinan motivasi

kinerja pimpinan Correlation 1.000 .094

Significance (2-tailed) . .522

df 0 47

motivasi Correlation .094 1.000

Significance (2-tailed) .522 .

df 47 0

 II. Koefisien Korelasi Ganda Untuk  mengetahui  korelasi  pimpinan  dan  motivasi  secara  bersama‐sama  dengan  kinerja pegawai, maka lakukan langkah‐langkah sebagai berikut: 1. Pilih menu Analyze, Regression, Linear 

   

 2. Input  variabel  kinerja  ke  dependent,  sedangkan  variabel  pimpinan  dan  motivasi  ke 

independent, kemudian klik ok. 

  

   

Berikut adalah Model Summary dan ANOVA 

Model Summary

Model R R Square

Adjusted R

Square

Std. Error of the

Estimate

1 .741a .550 .530 11.68061

a. Predictors: (Constant), motivasi, pimpinan

ANOVAb

Model Sum of Squares df Mean Square F Sig.

1 Regression 7821.962 2 3910.981 28.665 .000a

Residual 6412.518 47 136.437

Total 14234.480 49

a. Predictors: (Constant), motivasi, pimpinan

b. Dependent Variable: kinerja

 

Signifikansi  bernilai  0,000,  berarti  bahwa  terdapat  hubungan  yang  signifikan  antara  kedua 

variabel  yaitu  motivasi  dan  pimpinan  secara  bersama‐sama  dengan  kinerja  pegawai. 

Jika  Nilai  R  semakin  mendekati  1,  maka  hubungan  antara  variabel  independen  dengan 

dependen akan semakin baik/kuat.