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 55 H 42 47 I 36 64 J 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 Spearman's rho
disiplin
Correlation Coefficient
kinerja
1.000
Sig. (2-tailed) N kinerja
Correlation Coefficient Sig. (2-tailed) N
**
-.891
.
.001
10
10
**
1.000
.001
.
10
10
-.891
**. 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
Skor Motivasi Kerja
Pearson Correlation
Skor Motivasi
Produktivitas
Kerja
Kerja 1
Sig. (2-tailed) N Skor Produktivitas Kerja
.014 12
12
*
1
Pearson Correlation
.684
Sig. (2-tailed)
.014
N
*
.684
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: X2 Y Res X1 X2 Y Res X1 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 37 168 148 201 13 147 141 193 38 178 174 228 14 160 164 198 39 125 138 167 15 177 172 204 40 151 150 204 16 160 157 207 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 motivasi
pimpinan
kinerja
pimpinan Correlation
kinerja
1.000
.439
Significance (2-tailed)
.
.002
df
0
47
Correlation
.439
1.000
Significance (2-tailed)
.002
.
47
0
df
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 pimpinan
motivasi
kinerja
motivasi Correlation
kinerja
1.000
.554
Significance (2-tailed)
.
.000
df
0
47
Correlation
.554
1.000
Significance (2-tailed)
.000
.
47
0
df
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 kinerja
pimpinan
motivasi
pimpinan Correlation
motivasi
1.000
.094
Significance (2-tailed)
.
.522
df
0
47
Correlation
.094
1.000
Significance (2-tailed)
.522
.
47
0
df
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 a
1
.741
Adjusted R
Std. Error of the
Square
Estimate
.550
.530
11.68061
a. Predictors: (Constant), motivasi, pimpinan b
ANOVA Model 1
Sum of Squares
df
Mean Square
Regression
7821.962
2
3910.981
Residual
6412.518
47
136.437
14234.480
49
Total
F 28.665
Sig. a
.000
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.
