Korelasi Product Momen; Contoh Uji Statistik

INTERPRETASI 1. Jika nilai r observasi ( ) lebih besar atau sama dengan r tabel ( ), maka Hipotesa Alternatif (Ha) yang menyatakan ada hubungan antara variabel X dengan Y diterima. Berarti ada hubungan yang signifikan antara variabel X dengan Y. Untuk uji hipotesa juga bisa digunakan uji t. 2. Jika nilai r observasi ( ) lebih kecil dengan r tabel ( ), maka Hipotesa Alternatif (Ha) yang menyatakan ada hubungan antara variabel X dengan Y ditolak, yang berarti tidak ada hubungan yang signifikan. Berarti tidak ada hubungan yang signifikan antara variabel X dengan Y 3. Untuk mengetahui kuat lemahnya hubungan antara variabel X dengan Y dapat dilihat pada Angka Indeks Korelasi ”r”, antara 0 s/d 1. 4. Untuk mengetahui sumbangan atau kontribusi Variabel X terhadap Y, dapat dicari dengan rumus: Koefisien Determinan=

APLIKASI UJI PRODUCT MOMENT
Contoh sebuah penelitian dengan judul “ Hubungan antara Motivasi dengan Kinerja Guru SD 01 Samarinda” Rumusan Masalah: 1. Apakah ada hubungan yang signifikan antara motivasi dengan kinerja guru di SD 01 Samarinda? 2. Seberapa besar sumbangan (kontribusi) motivasi dengan kinerja guru di SD 01 Samarinda ? Hipotesa Alternatif Ada hubungan yang signifikan antara motivasi dengan kinerja guru SD 01 Samarinda Berikut data yang diperoleh dari angket yang diberikan kepada 20 orang guru, X (motivasi), Y (Kinerja) No. Resp 1 2 3 4 5 6 7 8 9 10 11 12 Jumlah X Y 60 450 70 475 75 450 65 470 70 475 60 455 80 475 75 470 85 485 90 480 70 475 85 480 ∑X=885 ∑Y=5640 X² Y² XY 3600 202500 27000 4900 225625 33250 5625 202500 33750 4225 220900 30550 4900 225625 33250 3600 207025 27300 6400 225625 38000 5625 220900 35250 7225 235225 41225 8100 230400 43200 4900 225625 33250 7225 230400 40800 ∑X²=66325 ∑Y²=2652350 ∑XY=416825

jika kita konsultasikan dengan tabel angka kasar. KORELASI PRODUCT MOMENT PEARSON A. Nilai t tabel pada df= N-2 (122=10) pada taraf signifikansi 5% sebesar 2.79% dalam menciptakan kinerja guru di SD 01 Samarinda.Penyelesaian: Rumus : = Dari penghitungan rumus tersebut di atas. Apabila dikonsultasikan dengan tabel r. Berdasar hasil penghitungan tersebut (0. Angka korelasi berkisar antara -1 s/d +1.599 0. maka perlu uji t : . Pendahuluan Analisis korelasi digunakan untuk menjelaskan kekuatan dan arah hubungan antara dua variabel. diperoleh nilai r : 0.20 0. Sugiyono (2007)     0 0. Jika t hitung ≥ t tabel. maka Ha diterima.576).79%. maka r hitung lebih besar dari r tabel.40 0. Arah hubungan yang positif menandakan bahwa pola hubungan searah atau semakin tinggi A menyebabkan kenaikan pula B (A dan B ditempatkan sebagai variabel) Interprestasi angka korelasi menurut Prof. 2. Semakin mendekati 1 maka korelasi semakin mendekati sempurna. 3. atau sebaliknya. Artinya ada hubungan yang signifikan antara motivasi dengan kinerja guru di SD 01 Samarinda atau Hipotesa Alternatif DITERIMA 4. hubungan antara motivasi dengan kinerja dosen KUAT.963 > 2.228.684 Interpretasi: 1.60 - 0.684). Korelasi bersifat undirectional yang artinya tidak ada yang ditempatkan sebagai predictor dan respon (IV dan DV). Untuk mengatahui signifikansi hubungan antara motivasi dengan kinerja guru di SD 01 Samarinda. Untuk mengetahui sumbangan motivasi terhadap kinerja guru. maka perlu menggunakan rumus KP=r²x 100% (0. Berarti motivasi memberikan kontribusi sebesar 46.228.199 0. berarti 2.684² x 100 %) = 46. atau Ha diterima (ada hubungan yang signifikan antara motivasi dengan kinerja guru di SD 01 samarinda. Sementara nilai negative dan positif mengindikasikan arah hubungan.799 : Sangat lemah : Lemah : Sedang : Kuat . pada taraf signifikansi 5% (0.399 0.

dan Rank Spearman. 0.0 : Sangat kuat Dalam Bivariate model. Masukkan variabel yang akan dikorelasikan ke dalam variable list. Click on “option” and select “descriptive statistics”. Disiplin kerja (discipline). Korelasi dengan Pearson ini mensyaratkan data berdistribusi normal. korelasi yang umum digunakan adalah Pearson. Contoh Kasus Pak Ali ingin mengetahui apakah ada hubungan antara pengawasan (Control). Instrumen : angket C. Kendall. Pearson r correlation: Pearson r correlation biasa digunakan untuk mengetahui hubungan pada dua variabel. namun yang dibahas kali ini adalah Pearson r Correlation aja. Pada menu Analyze pilih “correlate bivariate” .. kepuasan kerja (Job Satisfaction).80 - 1. data dapat diambil CONTOH DATA KORELASI Jumlah data 37. Setelah itu akan ada tampilan sbb: Langkah 2. dan kinerja (Performance). abaikan yang lain lalu klik “OK” . Rumus yang digunakan adalah sebagai berikut : B. Penyelesaian Kasus dengan SPSS: Langkah 1.

2.000 < 0. . Nilai korelasi adalah positif 0. Perolehan p hitung = 0.668. Control – Performance.05 yang menandakan bahwa hubungan yang terjadi adalah signifikan. Nilai korelasi adalah positif 0. Besaran angka korelasi menunjukkan bahwa korelasi antara Dicipline dan Performance berada dalam kategori “Kuat”. 3. sementara nilai positif mengindikasikan pola hubungan antara Control dengan Performance adalah searah (semakin tinggi Control maka semakin tinggi pula Performance).749.05 yang menandakan bahwa hubungan yang terjadi adalah signifikan. Dicipline – Performance.000 < 0.05 yang menandakan bahwa hubungan yang terjadi adalah signifikan. sementara nilai positif mengindikasikan pola hubungan antara adalah searah (semakin tinggi Job Sat maka semakin tinggi pula Performance). Perolehan p hitung = 0. Job Satisfaction – Performance. sementara nilai positif mengindikasikan pola hubungan antara dicipline dengan Performance adalah searah (semakin tinggi Control maka semakin tinggi pula Performance).772.Interprestasi Arti angka Korelasi 1. Nilai korelasi adalah positif 0.000 < 0. Perolehan p hitung = 0. Besaran angka korelasi menunjukkan bahwa korelasi antara Job satisfaction dan Performance berada dalam kategori “Kuat”. Besaran angka korelasi menunjukkan bahwa korelasi antara Control dan Performance berada dalam kategori “Kuat”.