Cara Mudah Analisis Korelasi Pearson: Mencari Hubungan Antar Variabel

Panduan lengkap dan mudah memahami analisis korelasi Pearson, mulai dari konsep dasar, syarat penggunaan, langkah pengolahan data dengan SPSS, hingga cara menginterpretasikan hasilnya. Cocok untuk guru, mahasiswa, dan peneliti pemula.

Dalam dunia penelitian kuantitatif, sering kali kita menghadapi pertanyaan: “Apakah ada hubungan antara dua variabel yang diteliti?” Misalnya, apakah semakin tinggi tingkat kehadiran siswa, maka semakin baik pula nilai ujiannya? Atau apakah ada hubungan antara durasi belajar dengan hasil prestasi yang dicapai? Untuk menjawab pertanyaan semacam ini, salah satu alat statistik yang paling umum dan mudah digunakan adalah Analisis Korelasi Pearson (Sujarweni, 2021).

Bagi banyak peneliti pemula, istilah ini mungkin terdengar rumit, namun pada dasarnya korelasi Pearson hanya berfungsi untuk mengukur seberapa kuat dan ke arah mana hubungan antara dua variabel yang bersifat numerik. Artikel ini akan membahas secara sistematis, mulai dari pengertian, syarat penggunaan, langkah pengolahan data menggunakan SPSS, hingga penafsiran hasil yang tepat, agar pembaca dapat memahami dan menerapkannya dengan mudah.

 

1. Apa Itu Analisis Korelasi Pearson?

Korelasi Pearson atau sering disebut juga sebagai koefisien korelasi produk-momen dari Karl Pearson adalah teknik statistik yang digunakan untuk mengukur kekuatan dan arah hubungan linier antara dua variabel berskala interval atau rasio. Teknik ini merupakan metode korelasi yang paling sering digunakan dalam penelitian di bidang pendidikan, sosial, ekonomi, dan kesehatan (Ghozali, 2021).

Tujuan Utama Korelasi Pearson

1. Mengetahui apakah terdapat hubungan yang signifikan antara dua variabel.
2. Mengetahui seberapa kuat hubungan yang terbentuk antara kedua variabel tersebut.
3. Mengetahui arah hubungan, apakah bersifat positif atau negatif.

Perlu dipahami bahwa korelasi hanya menunjukkan adanya hubungan, bukan berarti menunjukkan hubungan sebab-akibat. Artinya, jika dua variabel berkorelasi tinggi, belum tentu satu variabel menjadi penyebab perubahan pada variabel lainnya, karena masih ada faktor lain yang mungkin memengaruhi keduanya secara bersamaan (Priyatno, 2020).

Rentang Nilai Korelasi

Nilai koefisien korelasi Pearson dilambangkan dengan huruf r dan memiliki rentang antara -1 hingga +1. Berikut adalah penafsirannya:

• r = +1: Terdapat hubungan linier positif sempurna.
• r = 0: Tidak terdapat hubungan linier antara kedua variabel.
• r = -1: Terdapat hubungan linier negatif sempurna.

Sebagai panduan umum, kekuatan hubungan dapat dikategorikan sebagai berikut (Sugiyono, 2022):

Table

Besar Nilai r	Tingkat Hubungan
0,00 – 0,199	Sangat Lemah
0,20 – 0,399	Lemah
0,40 – 0,599	Sedang
0,60 – 0,799	Kuat
0,80 – 1,000	Sangat Kuat

Arah Hubungan:

• Positif (+): Jika nilai satu variabel naik, maka nilai variabel lain juga naik.
• Negatif (-): Jika nilai satu variabel naik, maka nilai variabel lain malah turun.

 

2. Syarat Penggunaan Korelasi Pearson

Agar hasil analisis valid dan dapat dipertanggungjawabkan, ada beberapa syarat yang harus dipenuhi sebelum menggunakan uji ini:

1. Jenis Data: Kedua variabel harus berskala ukuran interval atau rasio (data berupa angka yang dapat dihitung).
2. Distribusi Data: Data dari kedua variabel harus berdistribusi normal atau mendekati normal.
3. Hubungan Linier: Hubungan antara kedua variabel harus berbentuk linier, artinya perubahan pada satu variabel mengikuti pola garis lurus pada variabel lainnya.
4. Tidak Ada Pencilan: Data tidak memiliki nilai yang sangat ekstrem atau menyimpang jauh dari rata-rata (Santoso, 2020).

 

3. Contoh Kasus Penelitian

Agar pembahasan lebih mudah dipahami, kita gunakan contoh kasus yang relevan dengan lingkungan pendidikan:

Judul Penelitian: Hubungan antara Waktu Belajar (X) dan Prestasi Belajar Matematika (Y) pada Siswa Kelas XI.

Jumlah Sampel: 30 orang siswa.

Tujuan: Ingin mengetahui apakah ada hubungan antara lamanya waktu belajar dengan hasil prestasi yang dicapai, serta seberapa kuat hubungan tersebut.

 

4. Langkah-langkah Analisis Korelasi Pearson dengan SPSS

Berikut adalah panduan praktis menjalankan analisis ini menggunakan perangkat lunak SPSS:

Langkah 1: Menyiapkan Data

• Buka SPSS, masuk ke tampilan Variable View, lalu buat dua variabel: Waktu_Belajar dan Prestasi.
• Masukkan seluruh data hasil pengamatan ke dalam tampilan Data View.

Langkah 2: Menjalankan Perintah Analisis

1. Klik menu utama: Analyze → Correlate → Bivariate.
2. Pindahkan kedua variabel (Waktu_Belajar dan Prestasi) ke dalam kotak Variables.
3. Pada bagian Correlation Coefficients, pastikan opsi Pearson sudah tercentang.
4. Pada bagian Test of Significance, pilih Two-tailed (uji dua sisi, yang paling umum digunakan).
5. Centang opsi Flag significant correlations untuk memudahkan melihat hasil yang signifikan.
6. Klik tombol OK, maka SPSS akan menampilkan tabel hasil analisis.

 

5. Membaca dan Menginterpretasikan Hasil Output

Berikut adalah contoh tabel keluaran hasil analisis korelasi Pearson dari kasus di atas:

Tabel 1. Correlations

Table

		Waktu Belajar	Prestasi Belajar
Waktu Belajar	Pearson Correlation	1	0,782**
	Sig. (2-tailed)		0,000
	N	30	30
Prestasi Belajar	Pearson Correlation	0,782**	1
	Sig. (2-tailed)	0,000
	N	30	30
Keterangan: . Korelasi signifikan pada taraf 0,01 (2 sisi).

Mari kita bahas satu per satu bagian pentingnya:

5.1 Menguji Signifikansi Hubungan

Langkah pertama adalah memastikan apakah hubungan yang ditemukan bersifat signifikan atau hanya kebetulan saja.

• Hipotesis:
• H₀: Tidak terdapat hubungan yang signifikan antara waktu belajar dan prestasi belajar.
• H₁: Terdapat hubungan yang signifikan antara waktu belajar dan prestasi belajar.
• Kriteria Keputusan: Jika nilai Sig. < 0,05, maka H₀ ditolak.

Hasil: Nilai Sig. = 0,000 < 0,05 → Kesimpulan: Terdapat hubungan yang signifikan antara kedua variabel tersebut.

5.2 Menentukan Kekuatan dan Arah Hubungan

Lihat nilai Pearson Correlation yang bernilai 0,782.

• Tanda Positif (+): Menunjukkan arah hubungan yang positif. Artinya, semakin lama waktu belajar yang digunakan siswa, maka cenderung semakin tinggi pula prestasi belajar yang diperolehnya.
• Besar Nilai 0,782: Berdasarkan tabel kategori kekuatan hubungan, angka ini berada pada rentang 0,60 – 0,799, yang berarti tingkat hubungannya kuat.

5.3 Menghitung Besar Kontribusi

Untuk mengetahui seberapa besar pengaruh variasi satu variabel terhadap variabel lainnya, kita dapat menghitung koefisien determinasi dengan cara mengkuadratkan nilai r:

Koefisien Determinasi = r² × 100%

= (0,782)² × 100%

= 0,6115 × 100%

= 61,15%

Artinya, sebesar 61,15% variasi yang terjadi pada prestasi belajar siswa dapat dijelaskan oleh lamanya waktu belajar, sedangkan sisanya sebesar 38,85% dipengaruhi oleh faktor lain seperti cara belajar, konsentrasi, kemampuan dasar, dan sebagainya.

 

6. Contoh Penulisan Hasil dalam Laporan

Berikut adalah cara penulisan yang baik dan benar untuk dimasukkan ke dalam makalah, skripsi, atau laporan penelitian:

"Berdasarkan hasil analisis korelasi Pearson yang disajikan pada tabel korelasi, diperoleh nilai koefisien korelasi sebesar 0,782 dengan tingkat signifikansi sebesar 0,000. Karena nilai signifikansi lebih kecil dari taraf kesalahan 5% (0,05), maka dapat disimpulkan bahwa terdapat hubungan yang signifikan antara waktu belajar dan prestasi belajar siswa. Nilai koefisien korelasi yang bernilai positif dan berada pada rentang 0,60 – 0,799 menunjukkan bahwa hubungan antara kedua variabel tersebut bersifat positif dan kuat. Artinya, semakin lama waktu belajar yang dilakukan siswa, maka semakin tinggi pula prestasi belajar yang dicapainya. Besarnya kontribusi waktu belajar terhadap prestasi belajar adalah sebesar 61,15%, sedangkan sisanya dipengaruhi oleh faktor lain yang tidak diteliti dalam penelitian ini."

 

7. Kesalahan Umum dan Hal yang Perlu Diperhatikan

Banyak peneliti pemula sering melakukan kesalahan dalam menafsirkan hasil korelasi. Berikut adalah hal-hal penting yang harus diingat:

1. Bukan Sebab-Akibat: Korelasi tidak membuktikan sebab-akibat. Meskipun ada hubungan yang kuat, belum tentu satu variabel menyebabkan perubahan pada variabel lainnya.
2. Hubungan Linier Saja: Korelasi Pearson hanya mengukur hubungan yang berbentuk garis lurus. Jika hubungannya berbentuk kurva, maka nilai r bisa menjadi rendah meskipun sebenarnya ada hubungan yang erat.
3. Ukuran Sampel: Semakin besar jumlah sampel, semakin mudah didapatkan hasil yang signifikan, meskipun nilai r-nya kecil. Oleh karena itu, perhatikan besarnya nilai r dan nilai signifikansi secara bersamaan.
4. Perbedaan dengan Regresi: Korelasi hanya melihat hubungan, sedangkan regresi digunakan untuk memprediksi nilai satu variabel berdasarkan variabel lainnya (Sugiyono, 2022).

 

Kesimpulan

Analisis korelasi Pearson adalah alat statistik yang sangat berguna untuk menggambarkan hubungan antar variabel. Dengan memahami konsep dasar, syarat penggunaan, serta cara membaca dan menafsirkan hasilnya, kita dapat memperoleh gambaran yang jelas mengenai keterkaitan antar variabel dalam penelitian. Menggunakan SPSS membuat proses perhitungan menjadi lebih cepat dan akurat, namun kunci utamanya tetaplah kemampuan memahami makna dari setiap angka yang dihasilkan agar kesimpulan yang diambil menjadi tepat dan bermanfaat.

 

Daftar Sitasi

Ghozali, I. (2021). Aplikasi analisis multivariat dengan program IBM SPSS 26 (Edisi ke-10). Semarang: Badan Penerbit Universitas Diponegoro.

Priyatno, D. (2020). Analisis regresi dan korelasi: Konsep, panduan, dan aplikasi menggunakan SPSS. Yogyakarta: Penerbit Andi.

Santoso, S. (2020). Statistik parametrik: Konsep dan aplikasi dengan SPSS. Jakarta: Elex Media Komputindo.

Sugiyono. (2022). Metode penelitian kuantitatif, kualitatif, dan R&D. Bandung: Penerbit Alfabeta.

Sujarweni, V. W. (2021). Statistika untuk penelitian: Lengkap dengan aplikasi SPSS. Yogyakarta: Pustaka Baru Press.

 

 

 

Jelajahi

DAFTAR ISI