BAB I

PENDAHULUAN
1.1 Latar Belakang
1.2 Rumusan Masalah
1. Apa pengertian dari Hipotesis Asosiatif?
2.
3. Fdff
4. Vdvdfvd
5. Fdfvdvd
6. Ddvcdfd
7. Cdcsdc

1.3 Tujuan
1. Untuk mengetahui pengertian dari Hipotesis Asosiatif
2. Njhj
3. Hjjnjbn
4. Bnbnb
5. Hhjbhbjb
6. Bjnbhjgju
7. hgvhght
 BAB II
PEMBAHASAN

2.1 Pengertian Hipotesis Asosiatif

Hipotesis asosiatif merupakan duagaan adanya hubungan antar variabel dalam
populasi melalui data hubungan dalam sampel. Untuk itu, dalam langkah awal
pembuktiannya, perlu dihitung terlebih dulu koefisien korelasi antar variabel dalam
sampel, kemudian koefisien di temukan tersebut di uji signifikannya. Jadi, menguji
hipotesis asosiatif adalah menguji koefisien korelasi yang ada pada sampel untuk
diberlakukan pada seluruh populasi tempat sampel di ambil.
Terdapat tiga macam hubungan antar variabel, yaitu hubungan simetris, hubungan
sebab akibat(kausal), dan hubungan interaktif (saling mempengaruhi). Untuk mencari
hubungan antara dua variabel atau lebih di lakukan dengan menghitung koefisien korelasi
antara variabel-variabel tersebut. Koefisien korelasi merupakan angka yang menunjukkan
arah dan kuatnya hubungan antar variabel. Arah hubungan dinyatakan dengan tanda
positif atau negatif. Hubungan dinyatakan positif adalah bila nilai suatu variabel di
tingkatkan, maka akan meningkatkan variabel yang lain. Begitu juga sebaliknya, bila
nilai suatu variabel di turunkan maka akan menurunkan variabel lain. Sedangkan
hubungan dinyatakan negatif adalah bila nilai suatu variabel dinaikkan maka akan
menurunkan nilai variabel yang lain begitu juga sebaliknya, bila nilai suatu variabel
diturunkan maka akan menaikkan variabel lainnya. Kuatnya hubungan di tunjukkan
dengan besarnya angka koefisien korelasi yang besarnya berkisar antara 0 sampai dengan
± 1.
Dalam kasus parametrik, ukuran korelasi yang biasa dipakai adalah koefisien
korelasi hasil kali momen Pearson, r. Statistik ini menuntut skor-skor yang digunakan
sekurang-kurangnya dalam skala serupa interval. Jika kita menguji signifikansi suatu
harga observasi r, kita tidak hanya memenuhi persyaratan pengukuran tersebut tetapi kita
harus pula mengaggap skor-skor itu dari suatu populasi normal bivariate.

2.2 Koefisien Sederhana

Teknik korelasi ini digunakan untuk mencari hubungan dan membuktikan
hipotesis hubungan antara dua variabel berbentuk interval dan rasio, yang berasal dari
satu populasi. Rumus paling sederhana untuk menghitung korelasi adalah sebagai
berikut:
∑𝑥𝑦
𝑟𝑥𝑦 =
√(∑𝑥 2 𝑦 2 )

Dimana:
Rxy = korelasi antara variabel x dengan variabel y

x = ( Xi – rata-rata X)
y = ( Yi – rata-rata Y)

contoh kasus:

Ingin diketahui, benarkah terdapat hubungan antara pendapatan dan pengeluaran. Untuk tujuan
tersebut, data di kumpulkan terhadap 10 responden secara random. Data yang didapat adalah sebagai
berikut :

X 800 900 700 600 700 800 900 600 500 500
Y 300 300 200 200 200 200 300 100 100 100

Ho : tidak terdapat antara pendapatan dengan pengeluaran

Ha : terdapat hubungan antara pendapatan dengan pengeluaran

Dari perhitungan koefisien korelasi dengan rumus korelasi pada bagian atas :

Rata-rata x = 7

Rata-rata y = 2

∑𝑋 2 = 20

∑𝑌 2 = 60

∑𝑋 𝑌 = 10

Didapat 𝑟𝑥𝑦 = 0.9129

Jadi, ada korelasi positif sebesar 0.9129 antara pendapatan dengan pengeluaran. Hal ini berarti bahwa
semakin besar pendapatan maka pengeluaran juga akan semakin besar. Permasalahan adalah apakah
angka-angka korelasi tersebut signifikan (dapat di generalisasikan) untuk di katakan bahwa juga terdapat
korelasi POPULASI. Untuk itu maka perlu di perbandingkan r hitung dengan r tabel ( r tabel product
moment) pada taraf signifikan tertentu. Dengan melihat angka tabel r product moment untuk tingkat
signifikan 5%, dengan N = 10, didapat r tabel = 0.632. berarti r hitung = 0.9129 > r tabel yang berarti kita
harus menolak Ho dan menerima Ha . dapat disimpulkan bahwa terdapat hubungan yang kuat dan
signifikan antar pendapatan dan pengeluaran.

Pengujian signifikan korelasi, selain dilakukan dengan membandingkan koefisien korelasi (angka r
hitung) dengan r tabel koefisien product moment, juga bisa dilakukan dengan membandingkan t hitung
dengan t tabel.

Dengan cara ini t hitung bisa di cari dengan rumus :

𝑟√(𝑛 − 2)
𝑡=
√(1 − 𝑟 2 )

Untuk kasus diatas, di dapat t hitung 6.33

Dari tebel t, dengan taraf signifikan 5%, uji 2 pihak dengan dk n-2 = 8, diperoleh harga t tabel 2.306
Karena t hitung > t tabel, maka Ho ditolak dan Ha diterima, berarti terdapat hubungan yang kuat dan
signifikan antara pendapatan dengan pengeluaran.

2.3. multiple korelation (korelasi ganda)

Korelasi ganda merupakan angka yang menunjukkan arah dan kuatnya hubungan antara dua variabel
secara bersama-sama atau lebih dengan variabel lain. Rumus korelasi ganda untuk dua variabel adalah
sebagai berikut :

2 2
𝑟𝑦𝑥1 + 𝑟𝑦𝑥2 − 2𝑟𝑦𝑥1. 𝑟𝑦𝑥2. 𝑟𝑥1𝑥2
𝑟𝑦.𝑥1.𝑥2 = √ 2
1 − 𝑟𝑥1𝑥2

Dimana r

𝑟𝑦.𝑥1.𝑥2 = korelasi antara variabel X1 dan x2 secara bersama-sama dengan variabel Y

𝑟𝑦𝑥1 = korelasi product moment antara X1 dengan Y

𝑟𝑦𝑥2 = korelasi product moment antara X2 dengan Y

𝑟𝑥2𝑥1 = korelasi product moment antara X1 dengan X2

Contoh kasus:

Untuk meneliti permasalahan model kepemimpinan dan tata ruang kantor dalam hubungannya dengan
kepuasan kerja, di kumpulkan data yang relevan. Dari data tersebut kemudian di hitung korelasi
sederhananya dan didapat:

1. Korelasi antara model kepemimpinan dengan kepuasan kerja = 0.45

2. Korelasi antara tata ruang kantor dengan kepuasan kerja = 0.48
3. Korelasi antara model kepemimpinan dengan tata ruang kantor = 0.22

Dengan rumus korelasi ganda di dapat : 𝑟𝑦.𝑥1.𝑥2 = 0.5959

Hasil perhitungan korelasi ganda dan sederhana tersebut dapat digambarkan sebagai berikut :

Dari perhitungan tersebut, ternyata besarnya korelasi ganda R harganya > korelasi individual 𝑟𝑦𝑥1 dan
𝑟𝑦𝑥2 .

Pengujian signifikansi terhadap koefisien korelasi ganda dapat menggunakan rumus uji F berikut :

𝑅 2 /𝑘
𝐹ℎ =
(1 − 𝑅 2 )/(𝑛 − 𝑘 − 1)
Dimana :

R = koefisien korelasi ganda

K = jumlah variabel independen

N = jumlah anggota sampel

Berdasarkan angka yang telah ditemukan, bila n = 30 maka harga Fh dapat di hitung dengan riumus
diatas dan didapat Fh = 7.43

Harga F hitung tersebut selanjutnya dibandingkan dengan F tabel dengan dk pembilang k = 2 : dan dk
penyebut = n-k-1 = 10-2-1 = 7 dengan taraf signifikansi 5%, harga F tabel ditemukan sebesar 4.74

Dengan membandingkan angka F tabel dengan F hitung, ternyata F hitung > F tabel, berarti Ho ditolak
dan Ha diterima. Jadi, koefisien korelasi ganda yang ditemukan adalah signifikan ( dapat diberlakukan
untuk populasi dimana sampel di ambil.

2.4. korelasi parsial

Korelasi ini digunakan untuk menganalisis nilai peneliti bermaksud mengetahui pengaruh atau hubungan
antara variabel independen dengan variabel dependen, dimana salah satu variabel independen yang lain
di buat tetap atau dikendalikan. Jadi, korelasi parsial merupakan angka yang menunjukkan arah dan
kuatnya hubungan antara dua variabel atau lebih setelah satu variabel yang di duga dapat
mempengaruhi hubungan tersebut dikendalikan untuk dibuat tetap keberadaannya.

2.5. korelasi kontingensi

Jenis korelasi ini digunakan untuk menghitung hubuingan antara variabel bila datanya berbentyuk
nominal. Teknis ini mempunyai kaitan yang erat denga Chi Kuadrat yang digunakan unutk menguji
hipotesis komperatif K sampel independen. Oleh karena itu rumus yang di gunakan mengandung nilai
Chi Kuadrat. Rumus tersebut adalah sebagai berikut:

𝑋2
𝑡=√
𝑁 + 𝑋2

Harga Chi Kuadrat (X2) dicari dengan rumus :

2
(𝑂𝑝𝑖𝑗 + 𝐸𝑖𝑗 )2
𝑋 = ∑∑
𝐸𝑃𝑖𝑗

Contoh :

Dilakukan penelitian untuk mencari tau apakah terdapat hubungan antara profesi pekerjaan dengan
jenis olahraga yang sering dilakukan. Profesi dikelompokkan menjadi : dokter, pengacara, dosen,
bisnisman. (Dr, Pc, Ds, Bs). Sedangakan jenis olahraga di kelompokkan menjadi: Golf, Tenis,
Bulutangkis, Sepak bola (Gf, T, Bt, Sp). Jumlah responden yang
digunakan untuk mengumpulkan data adalah sebagai berikut:
Dr = 58
Pc = 75
Ds = 68
Bs = 81
Jumlah seluruhnya = 282
Perumusan hipotesisnya adalah:
Ho: Tidak ada hubungan yang signifikan antara profesi seseorang dengan jenis olahraga yang
disenanginya
Ha: Ada hubungan yang kuat dan signifikan antara profesi seseorang dengan jenis olahraga
yang disenanginya
Berdasarkan sampel empat kelompok profesiyang dipilih secara random, diperoleh data
seperti data berikut:

Untuk menghitung f yang diharapkan (fh) pertama-tama dihitung berapa persen dari
masing-masing sampel yang menyenangi olah raga Golf, Tenis, Bulu tangkis, dan sepakbola.

Dari sini, dapat dihitung prosentase:

Prosentasi yang menyenangi Golf = 80/282 = 0.284

Prosentasi yang menyenangi Tenis = 80/282 = 0.284
Prosentasi yang menyenangi Bulu tangkis = 70/282 = 0.248
Prosentasi yang menyenangi Sepak bola = 52/282 = 0.184

Selanjutnya, masing-masing fh (frekuensi yang diharapkan) kelompok yang menyenangi

setiap jenis olah raga dapat dihitung
1. Yang menyenangi Golf:
a. Fh Dokter : 0.284 x 58 = 16.472
b. Fh Pengacara : 0.284 x 75 = 21.300
c. Fh Dosen : 0.284 x 68 = 19.312
d. Fh Bisnisman : 0.284 x 81 = 23.004
2. Yang menyenangi Tenis:
a. Fh Dokter : 0.284 x 58 = 16.472
b. Fh Pengacara : 0.284 x 75 = 21.300
c. Fh Dosen : 0.284 x 68 = 19.312
d. Fh Bisnisman : 0.284 x 81 = 23.004
3. Yang menyenangi Bulu tangkis:
a. Fh Dokter : 0.248 x 58 = 14.384
b. Fh Pengacara : 0.248 x 75 = 18.600
c. Fh Dosen : 0.248 x 68 = 16.864
d. Fh Bisnisman : 0.248 x 81 = 20.088
4. Yang menyenangi Sepak Bola:
 a. Fh Dokter : 0.184 x 58 = 10.672
b. Fh Pengacara : 0.184 x 75 = 13.800
c. Fh Dosen : 0.184 x 68 = 12.512
d. Fh Bisnisman : 0.184 x 81 = 14.902
Berdasarkan hasil perhitungan tersebut, selanjutnya dimasukkan ke dalam tabel sebagai berikut :

Selanjutnya, harga Chi Kuadrat (X2) dapat dihitung dengan rumus:

(𝑂𝑝𝑖𝑗 + 𝐸𝑖𝑗 )2
𝑋 2 = ∑∑
𝐸𝑃𝑖𝑗

Dalam hal ini, O (observation) = fo, dan E (Expectation) = fh

2
(17 – 16.472)2 (23 – 21.300)2 (10 – 19.312)2 (30 – 23.004)2 (23 – 16.472)2
𝑋 = + + + +
16.472 21.300 19.312 23.004 16.472
2 2 2
(14 – 21300) (17 – 19.312) (26 – 23.004) (12 − 14.384)2
+ + + +
21.300 19.312 23.004 14.384
(26 − 18.600)2 (18 − 16.864)2 (14 − 20.088)2 (6 − 10.672)2
+ + + +
18.600 16.864 20.088 10.672
(12 − 13.800)2 (23 − 12.512)2 (11 − 14.904)2
+ + +
13.800 12.512 14.904

𝑋 2 =0.007 +0.136 + 4.490 + 2.218 + 2.587 + 2.502 + 0.277 + 0.390 +

0.395 + 2.944 + 0.077 + 1.845 + 2.045 + 0.235 + 8.791 + 1.023

𝑋2 = 𝟐𝟗. 𝟖𝟖𝟏
Jadi, harga Chi Kuadrat (X2) hitung = 29.881. Selanjutnya untuk menghitung keofisien
kontingensi C, maka harga tersebut dimasukkan ke dalam rumus

𝑋2
𝐶=√
𝑁 + 𝑋2
 29.881
𝐶=√
282 + 29.881

𝐶 = 0.31

Jadi, besarnya koefisien antara jenis profesi dengan kesenangan olah raga = 0.31. Untuk
menguji signifikansi koefisien C dapat dilakukan dengan menguji harga Chi Kuadrat (X2)
hitung yang ditemukan dengan Chi Kuadrat (X2) tabel, pada taraf signifikansi dan dk tertentu.
Harga dk = (k – 1) (r – 1); dimana K = jumlah sampel = 4; r = jumlah kategoriolah raga. Jadi
dk = (4 – 1) ( 4 – 1) = 9. Dengan dk = 9 dan pada taraf signifikansi 0.05, maka harga Chi
Kuadrat (X2) tabel = 15.51. Ketentuan pengujian kalauharga Chi Kuadrat (X2) hitung lebih
besar dati Chi Kuadrat (X2) tabel, maka hubungannya signifikan. Pada kasus kita di atas,
ternyata harga Chi Kuadrat (X2) hitung lebih besar daripada Chi Kuadrat (X2) tabel. (29.881
> 15.51). Dengan demikian dapat disimpulkan bahwa Ho ditolak dan Ha diterima. Jadi, jenis
profesi pekerjaaan secara nyata mempunyai hubungan signifikan dengan jenis olahraga yang
disenangi sebesar 0.31. Data yang ada pada sampel dan angka korelasi mencerminkan
keadaan populasi di mana sampel diambil.
2.6. korelasi rank spearman
Korelasi rank spearman digunakan untuk mencari hubungan atau untuk menguji signifikansi
hipotesis asosiatif bila masing-masing variabel yang di hubungkan berbentuk ordinal.
Contoh:
Ada 10 orang responden yang diminta untuk mengisi daftar pertanyaan tentang Motivasi dan Prestasi
dalam sebuah kantor. Jumlah responden yang diminta mengisi daftar pertanyaan itu 10 karyawan,
masing-masing diberi nomor 1, 2, 3, 4, 5, 6, 7, 8, 9, 10. Nilai yang diberikan oleh kesepuluh responden
tentang Motivasi dan Prestasi itu diberikan pada contoh berikut. Yang akan diketahui adalah apakah ada
hubungan antara Motivasi dengan Prestasi.

Berdasarkanhaltersebutmaka:
1.Judulpenelitianadalah: HubunganantaraMotivasidenganPrestasi.
2.Variabelpenelitiannyaadalah: nilaijawabandari10 respondententangMotivasi(Xi) danPrestasi(Yi)
3.Rumusanmasalah: apakahadahubunganantaravariabelMotivasidanPrestasi?
4.Hipotesis:

Ho: tidakadahubunganantaravariabelMotivasidanPrestasi.
Ha: adahubunganantaravariabelMotivasidanPrestasi
5. KriteriaPengujianHipotesis
Ho ditolakbilahargaρ hitung> dariρ tabel
Ho diterimabilahargaρhitung≤dariρtabel

Penyajian data
Jawaban responden yang telah terkumpul ditunjukkan pada Tabel 1berikut ini:
Tabel 1. Nilai Motivasi dan Prestasi

Nomor responden Jumlah skor Jumlah skor

 1 9 8
2 6 7
3 5 6
4 7 8
5 4 5
6 3 4
7 2 2
8 8 9
9 7 8
10 6 6

6. Perhitungan untuk pengujian Hipotesis

Data tersebut diperoleh dari sumber yang berbeda yaitu Motivasi (Xi) dan Prestasi (Yi). Karena
sumber datanya berbeda dan berbentuk ordinal, maka untuk menganalisisnya digunakan
Korelasi Rank yang rumusnya adalah:
𝟏−𝟔Σ ⅆ𝟐
𝝆 = 𝑵(𝑵𝟐 −𝟏)
ρ= koefisien korelasi Spearman Rank
di= bedaantara dua pengamatan berpasangan
N= total pengamatan
Korelasi Spearman rank bekerja dengan data ordinal. Karena jawaban responden merupakan
data ordinal, maka data tersebut diubah terlebih dahulu dari data ordinal dalam bentuk ranking
yang caranya dapat dilihat dalam Tabel 2.
Bila terdapat nilai yang sama, maka cara membuat peringkatnya adalah: Misalnya pada Xi nilai 9
adalah peringkat ke 1, nilai 8 pada peringkat ke 2, selanjutnya disini ada nilai 7 jumlahnya dua.
Mestinya peringatnya kalau diurutkan adalah peringkat 3 dan 4. tetapi karena nilainya sama,
maka peringkatnya dibagi dua yaitu: (3 + 4) : 2 = 3,5. akhirnya dua nilai 7 pada Xi masing-masing
diberi peringkat 3,5. Selanjutnya pada Yi disana ada nilai 8 jumlahnya tiga. Mestinya
peringkatnya adalah 2, 3 dan 4. Tetapi karena nilainya sama maka peringkatnya dibagi tiga
yaitu: (2 + 3 + 4) : 3 = 3. Jadi nilai 8 yang jumlahnya tiga masing-masing diberi peringkat 3 pada
kolom Yi. Selanjutnya nilai 7 diberi peringkat setelah peringkat 4 yaitu peringkat 5.

Tabel 2. Tabel penolong untuk menghitung koefisien korelasi Spearman Rank.

Nomor Nilai Nilai Peringkat Peringkat bi Bi2
responden motivasi prestasi (Xi) (Yi)
Resp.1(Xi) dari
resp.2
(Yi)
1 9 8 1 3 -2 4
2 6 7 5.5 5 0.5 0.25
3 5 6 7 6.5 0.5 0.25
4 7 8 3.5 3 0.5 0.25
5 4 5 8 8 0 0
 6 3 4 9 9 0 0
7 2 2 10 10 0 0
8 8 9 2 1 1 1
9 7 8 3.5 3 0.5 0.25
10 6 6 5.5 6.5 -1 1
0 7

Selanjutnya harga bi2 yang telah diperoleh dari hitungan dalam tabel kolom terakhir
dimasukkan dalam rumus korelasi Spearman Rank :
ρ = 1 –6.7 : ( 10 x 102-1 ) = 1 –0,04 = 0,96

Sebagai interpretasi, angka ini perlu dibandingkan dengan tabel nilai-nilai ρ(dibaca: rho)
dalamTabel 3. Dari tabel itu terlihat bahwa untuk n = 10, dengan derajat kesalahan 5 %
diperoleh harga 0,648 dan untuk 1 % = 0,794. Hasil ρhitung ternyata lebih besar dari ρtabel
Derajat kesalahan 5 %….. 0,96 >0,648
Derajat kesalahan 1 %….. 0,96 > 0,794
Hal ini berarti menolak Ho dan menerima Ha.
Kesimpulan:
Terdapat hubungan yang nyata/signifikan antara Motivasi (Xi) dengan Prestasi (Yi). Dalam hal
ini hipotesis nolnya (Ho) adalah:tidak ada hubungan antara variabel Motivasi (Xi) dengan
Prestasi (Yi). Sedangkan hipotesis alternatifnya (Ha) adalah:terdapat hubungan yang positif dan
signifikanantara variabel Motivasi (Xi) dengan Prestasi (Yi). Dengan demikian hipotesis nol (Ho)
ditolak dan hipotesis alternatif (Ha) diterima. Atau dengan kata lain bahwa variabel Motivasi
mempunyai hubungan yang signifikan dengan Prestasi.
Tabel 3 : Tabel Nilai-nilai ρ (RHO), Korelasi Spearman Rank

N Derajat signifikan N Derajat signifikan

5% 1% 5% 1%
5 1.000 16 0.506 0.665
6 0.886 1.000 18 0.475 0.625
7 0.786 0.929 20 0.450 0.591
8 0.736 0.881 22 0.428 0.562
9 0.683 0.833 24 0.409 0.537
10 0.648 0.794 26 0.392 0.515
12 0.591 0.777 28 0.377 0.496
14 0.544 0.715 30 0.364 0.478

2.7.