Analisis korelasi biasanya kita temui di materi kuliah mengenai statistik deskriptif. Penerapannya pun hampir selalu kita temui di setiap skripsi yang terbit. Namun, apakah itu analisis korelasi? Mengapa kegunaannya sangat membantu di penelitian?

Apa itu Korelasi Pearson?

Analisis korelasi adalah salah satu metode statistik untuk mengetahui keeratan dan arah hubungan antar dua variabel. Sebagai gambaran, apabila Anda sebagai peneliti ingin mengetahui bagaimana hubungan antara pengeluaran bulanan dan gaji pekerja di suatu perusahaan, maka Anda bisa menggunakan analisis korelasi untuk mengetahuinya. Sebagai contoh lainnya, apabila Anda ingin meneliti tentang hubungan antara berat badan dan tinggi badan, maka Anda bisa melakukan analisis korelasi juga.

Analisis korelasi memiliki banyak jenis, tergantung oleh jenis variabel apa yang ingin Anda analisis. Berikut adalah jenis-jenis korelasi:

Kembali ke contoh mengenai variabel pengeluaran bulanan dan gaji pekerja di suatu perusahaan, kedua variabel tersebut bisa digolongkan sebagai variabel rasio karena bentuknya yang numerik dan memiliki nilai 0 yang mutlak. Sehingga, analisis korelasi yang bisa diterapkan untuk menghitung keeratan hubungan kedua variabel tersebut adalah analisis korelasi Pearson (Product Momen). Korelasi Pearson adalah korelasi yang paling sering digunakan.

Koefisien korelasi biasanya dinyatakan dengan huruf "r". Kekuatan korelasi linear antara variabel yang dihubungkan dapat disajikan dengan rxy. Korelasi Pearson, yang mana sangat sering digunakan untuk analisis, dapat didefinisikan dengan rumus berikut:

Contoh Korelasi dalam Penelitian

Untuk lebih memahami bagaimana melakukan analisis korelasi, berikut adalah contoh penelitian yang menggunakan analisis korelasi.

Judul Penelitian Korelasi:

Pengaruh Persentase Penduduk Miskin terhadap IPM menurut Provinsi di Indonesia Tahun 2022

Definisi Variabel:

Persentase Penduduk Miskin (dalam satuan persen, jenis variabel: rasio) IPM (dalam satuan indeks, jenis variabel: rasio)

Tujuan analisis korelasi:

Untuk mengetahui keeratan dan arah hubungan antara persentase penduduk miskin dan IPM.

Mengapa perlu melakukan analisis korelasi?

Apabila terlihat keeratan hubungan (yang ditunjukkan dengan besarnya angka korelasi yang diperoleh), maka terindikasi ada pola hubungan antara persentase penduduk miskin dan IPM. Apabila korelasi tersebut memiliki tanda positif, maka terindikasi ada pola hubungan positif antara kedua variabel tersebut. Artinya, kenaikan persentase penduduk miskin akan diikuti oleh kenaikan IPM, begitupun sebalikan. Sedangkan, apabila korelasi tersebut memiliki tanda negatif, maka terindikasi ada pola hubungan negatif antara kedua variabel. Artinya, penurunan persentase penduduk miskin akan diikuti oleh kenaikan IPM, begitu juga sebaliknya.

Tetapi, perlu digarisbawahi bahwa korelasi tidak digunakan untuk melihat hubungan sebab-akibat. Jadi, kita tidak tahu apakah persentase penduduk miskin yang meningkat akan menyebabkan IPM meningkat/menurun. Dengan analisis korelasi, kita hanya mengetahui keeratan hubungannya, bukan sebab-akibatnya.

Cara Uji Korelasi SPSS

Untuk lebih memahami bagaimana penerapan analisis korelasi dalam aplikasi SPSS, berikut langkah-langkahnya:

Menyiapkan Data

Di langkah pertama ini, kita harus yakin bahwa data kita sudah dalam keadaan siap olah (clean data). Yang perlu Anda lakukan di step ini adalah mengumpulkan variabel yang ingin anda analisis menjadi 1 file. Lalu, pastikan bahwa tidak ada data yang hilang atau kosong. 

Buka Program SPSS

Setelah itu, masukkan data yang Anda simpan di Excel ke dalam aplikasi SPSS dengan cara Masuk ke File – Open - Data

Masuk ke folder tempat menyimpan data tadi

Pilih files of types, kemudian pilih Excel karena data kita dalam bentuk excel. 

Selanjutnya pilih file data kita dan klik Open.

Klik OK saja

Masuk ke Menu Variabel View (Di bagian bawah)

Pada type edit pada dua variabel yang akan dianalisis menjadi Numeric Pada decimal, edit menjadi angka 2 karena data yang digunakan 2 belakang di belakang koma

• Pada measure, edit menjadi scale. Hal ini dikarenakan data kita berupa data rasio, yang mana di SPSS tertulis sebagai “scale”.

Masuk ke Menu Utama – Analyze – Correlate - Bivariate

Masuk ke Jendela Bivariate Correlation

Blok pada 2 variabel yang akan digunakan, kemudian klik tanda panah, maka 2 variabel tersebut akan pindah ke arah kanan.

Setelah Anda melakukan step tersebut, nanti akan ada output yang muncul otomatis dari SPSS. Untuk lebih jelas mengenai cara membaca output dan mengartikannya, Anda bisa klik di lanjutan artikel ini di interpretasi output korelasi Pearson di SPSS.

---

> Butuh bantuan mengolah data untuk skripsi atau tesis? Tim Restat siap membantu — konsultasi gratis sekarang.