Korelasi Product Momen

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

Pendahuluan Analisis korelasi digunakan untuk menjelaskan kekuatan dan arah hubungan antara dua variabel. maka perlu uji t : .599 0. Jika t hitung ≥ t tabel.Penyelesaian: Rumus : = Dari penghitungan rumus tersebut di atas. atau sebaliknya. 3. Semakin mendekati 1 maka korelasi semakin mendekati sempurna.684² x 100 %) = 46. diperoleh nilai r : 0. Berdasar hasil penghitungan tersebut (0. maka Ha diterima. Sugiyono (2007)     0 0.963 > 2. atau Ha diterima (ada hubungan yang signifikan antara motivasi dengan kinerja guru di SD 01 samarinda.199 0.399 0. KORELASI PRODUCT MOMENT PEARSON A. jika kita konsultasikan dengan tabel angka kasar. Korelasi bersifat undirectional yang artinya tidak ada yang ditempatkan sebagai predictor dan respon (IV dan DV). Untuk mengetahui sumbangan motivasi terhadap kinerja guru. pada taraf signifikansi 5% (0. hubungan antara motivasi dengan kinerja dosen KUAT.228.576).684).60 - 0.79% dalam menciptakan kinerja guru di SD 01 Samarinda. 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. Apabila dikonsultasikan dengan tabel r. berarti 2. Berarti motivasi memberikan kontribusi sebesar 46.799 : Sangat lemah : Lemah : Sedang : Kuat . Nilai t tabel pada df= N-2 (122=10) pada taraf signifikansi 5% sebesar 2.20 0. Artinya ada hubungan yang signifikan antara motivasi dengan kinerja guru di SD 01 Samarinda atau Hipotesa Alternatif DITERIMA 4. maka r hitung lebih besar dari r tabel.684 Interpretasi: 1. Angka korelasi berkisar antara -1 s/d +1. 2. Untuk mengatahui signifikansi hubungan antara motivasi dengan kinerja guru di SD 01 Samarinda.79%. maka perlu menggunakan rumus KP=r²x 100% (0. Sementara nilai negative dan positif mengindikasikan arah hubungan.228.40 0.

Contoh Kasus Pak Ali ingin mengetahui apakah ada hubungan antara pengawasan (Control).0 : Sangat kuat Dalam Bivariate model. korelasi yang umum digunakan adalah Pearson. Disiplin kerja (discipline). Pearson r correlation: Pearson r correlation biasa digunakan untuk mengetahui hubungan pada dua variabel. namun yang dibahas kali ini adalah Pearson r Correlation aja.. Korelasi dengan Pearson ini mensyaratkan data berdistribusi normal. dan kinerja (Performance). data dapat diambil CONTOH DATA KORELASI Jumlah data 37. Masukkan variabel yang akan dikorelasikan ke dalam variable list.80 - 1. 0. Instrumen : angket C. Penyelesaian Kasus dengan SPSS: Langkah 1. abaikan yang lain lalu klik “OK” . Kendall. Rumus yang digunakan adalah sebagai berikut : B. Setelah itu akan ada tampilan sbb: Langkah 2. kepuasan kerja (Job Satisfaction). dan Rank Spearman. Click on “option” and select “descriptive statistics”. Pada menu Analyze pilih “correlate bivariate” .

sementara nilai positif mengindikasikan pola hubungan antara dicipline dengan Performance adalah searah (semakin tinggi Control maka semakin tinggi pula Performance). sementara nilai positif mengindikasikan pola hubungan antara Control dengan Performance adalah searah (semakin tinggi Control maka semakin tinggi pula Performance). 2. sementara nilai positif mengindikasikan pola hubungan antara adalah searah (semakin tinggi Job Sat maka semakin tinggi pula Performance).05 yang menandakan bahwa hubungan yang terjadi adalah signifikan. Job Satisfaction – Performance. . Besaran angka korelasi menunjukkan bahwa korelasi antara Job satisfaction dan Performance berada dalam kategori “Kuat”. Control – Performance.Interprestasi Arti angka Korelasi 1.000 < 0. Perolehan p hitung = 0. Nilai korelasi adalah positif 0. 3. Perolehan p hitung = 0.749. Dicipline – Performance.668. Besaran angka korelasi menunjukkan bahwa korelasi antara Dicipline dan Performance berada dalam kategori “Kuat”. Perolehan p hitung = 0.000 < 0. Nilai korelasi adalah positif 0. Besaran angka korelasi menunjukkan bahwa korelasi antara Control dan Performance berada dalam kategori “Kuat”. Nilai korelasi adalah positif 0.05 yang menandakan bahwa hubungan yang terjadi adalah signifikan.000 < 0.05 yang menandakan bahwa hubungan yang terjadi adalah signifikan.772.

Sign up to vote on this title
UsefulNot useful