Tutorial Uji Korelasi Pearson dan Spearman Menggunakan SPSS

Uji korelasi dalam penelitian kuantitatif, kita sering ingin mengetahui apakah dua variabel saling berhubungan dan seberapa kuat hubungan tersebut. Misalnya:

• Apakah motivasi belajar berhubungan dengan prestasi akademik?
• Apakah kepuasan kerja berhubungan dengan niat untuk bertahan di perusahaan?

Salah satu teknik analisis yang paling sering digunakan untuk menjawab pertanyaan itu adalah Uji Korelasi Pearson dan Uji Korelasi Spearman. Keduanya bisa dilakukan dengan mudah menggunakan SPSS.

Pada tutorial ini kamu akan belajar:

• Perbedaan Uji Korelasi Pearson dan Spearman
• Syarat penggunaan masing-masing uji
• Langkah-langkah menjalankan korelasi di SPSS (step by step)
• Cara membaca dan menginterpretasikan output SPSS
• Contoh kalimat interpretasi yang bisa kamu pakai di skripsi/tesis
• Tips agar hasil korelasimu lebih rapi dan bisa dipertanggungjawabkan secara statistik

Apa Itu Uji Korelasi Pearson dan Spearman?

Secara umum, uji korelasi digunakan untuk:

Mengukur kekuatan dan arah hubungan antara dua variabel.

Dua hal utama yang ingin dilihat dari korelasi adalah:

1. Arah hubungan
   • Positif: ketika variabel X naik, variabel Y juga cenderung naik
   • Negatif: ketika variabel X naik, variabel Y justru turun
2. Kekuatan hubungan
   • Semakin mendekati 1 atau -1 → hubungan makin kuat
   • Semakin mendekati 0 → hubungan makin lemah

1. Uji Korelasi Pearson

Korelasi Pearson digunakan jika:

• Data berskala interval atau rasio (contoh: skor tes, penghasilan, lama bekerja, usia)
• Data berdistribusi normal
• Hubungan antar variabel bersifat linear (jika digambar scatterplot, titik-titiknya kurang lebih membentuk garis miring naik/turun)

Pearson menghasilkan nilai koefisien korelasi r (kadang ditulis r Pearson).

2. Uji Korelasi Spearman

Korelasi Spearman digunakan jika:

• Data berskala ordinal (peringkat/ranking), misalnya:
  • Tingkat pendidikan (SD, SMP, SMA, S1, S2, S3)
  • Tingkat kepuasan (sangat tidak puas – sangat puas)
• Data tidak berdistribusi normal
• Ada outlier yang cukup ekstrem sehingga mengganggu asumsi Pearson
• Hubungan antar variabel tidak harus linear, tetapi bersifat monotonic (jika X naik, Y cenderung naik/turun dengan pola yang konsisten)

Spearman menghasilkan nilai koefisien korelasi rₛ (rho Spearman).

Baca Juga: Pengolahan Data Penelitian dan Contohnya: Panduan Lengkap untuk Mahasiswa & Peneliti

Perbedaan Uji Korelasi Pearson dan Spearman

Secara sederhana, perbedaannya adalah sebagai berikut:

• Pearson → untuk data numerik yang memenuhi asumsi normalitas
• Spearman → untuk data ordinal atau data numerik yang tidak normal

Contoh sederhana:

• Kamu meneliti hubungan pendapatan (rupiah) dengan lama pendidikan (tahun sekolah) → lebih cocok Pearson (keduanya numerik dan bisa normal)
• Kamu meneliti hubungan tingkat pendidikan (SD, SMP, SMA, S1, S2) dengan pendapatan → jika pendidikan diperlakukan sebagai ordinal, kamu bisa menggunakan Spearman

Persiapan Data Sebelum Uji Korelasi di SPSS

Sebelum klik-klik di SPSS, ada beberapa hal penting yang harus kamu pastikan:

1. Data sudah bersih dari outlier ekstrem
   • Cek boxplot atau scatterplot
   • Outlier ekstrem bisa memengaruhi nilai korelasi secara drastis, terutama pada Pearson
2. Tidak ada missing value (data kosong) pada variabel yang diuji
   • Jika ada, putuskan apakah akan dihapus (listwise) atau diimputasi
3. Tipe data sudah sesuai
   • Pastikan variabel numerik sudah ditulis sebagai Scale
   • Variabel kategorik/ordinal bisa diolah sebagai Ordinal atau diberi coding yang jelas
4. Cek normalitas jika ingin menggunakan Pearson
   • Gunakan uji normalitas (Shapiro-Wilk/ Kolmogorov-Smirnov) atau lihat histogram dan skewness-kurtosis
   • Jika data tidak normal, pertimbangkan:
     • Transformasi data (log, square root, dsb), atau
     • Beralih menggunakan Spearman

Langkah persiapan ini penting agar hasil uji korelasi bisa dipertanggungjawabkan secara ilmiah, terutama di skripsi, tesis, atau artikel jurnal.

Langkah-Langkah Uji Korelasi Pearson di SPSS

Berikut tutorial uji korelasi Pearson menggunakan SPSS:

1. Buka SPSS dan open data yang akan dianalisis
2. Pada menu atas, klik:
   Analyze → Correlate → Bivariate…
3. Akan muncul kotak dialog Bivariate Correlations
4. Pindahkan dua variabel yang ingin diuji ke kolom Variables
   • Misalnya motivasi_belajar dan prestasi_akademik
5. Pada bagian Correlation Coefficients, centang:
   • ✅ Pearson
6. Pada bagian Test of Significance, pilih:
   • ✅ Two-tailed (umum digunakan jika kamu tidak menentukan arah hubungan di hipotesis)
7. Pastikan opsi Flag significant correlations dicentang (supaya output menandai korelasi yang signifikan)
8. Klik OK

SPSS akan menghasilkan output tabel yang berisi:

• Nilai Pearson Correlation (r)
• Nilai Sig. (2-tailed) → p-value
• Jumlah data (N)

Cara Menginterpretasikan Hasil Uji Pearson di SPSS

Misalkan hasil output menunjukkan:

• r = 0.720
• Sig. (2-tailed) = 0.001

Interpretasinya:

1. Signifikansi
   • Karena p-value (0.001) < 0.05, maka hubungan antara kedua variabel signifikan secara statistik
   • Artinya, kecil kemungkinan hubungan ini terjadi hanya karena kebetulan
2. Arah dan kekuatan hubungan
   • r positif (0.720) → hubungan searah / positif
   • Besarnya 0.720 menunjukkan hubungan yang kuat

Contoh kalimat interpretasi yang bisa kamu tulis di bab hasil/PEMBAHASAN:

Berdasarkan uji korelasi Pearson diperoleh nilai r = 0,720 dengan Sig. (2-tailed) = 0,001 (p < 0,05), sehingga dapat disimpulkan bahwa terdapat hubungan positif dan signifikan yang kuat antara motivasi belajar dan prestasi akademik. Artinya, semakin tinggi motivasi belajar siswa, maka prestasi akademik cenderung semakin tinggi.

Baca Juga: Olah Data Skripsi: Panduan Lengkap Mahasiswa & Pemula

Langkah-Langkah Uji Korelasi Spearman di SPSS

Secara prosedur, uji korelasi Spearman hampir sama dengan Pearson, hanya berbeda di opsi yang dicentang.

1. Buka dataset di SPSS
2. Klik Analyze → Correlate → Bivariate…
3. Pindahkan variabel yang ingin diuji ke kolom Variables
4. Pada bagian Correlation Coefficients, centang:
   • ✅ Spearman
5. Test of Significance: pilih Two-tailed
6. Centang Flag significant correlations
7. Klik OK

Output yang muncul akan menampilkan:

• Nilai Spearman’s rho (rₛ)
• Nilai Sig. (2-tailed)
• Jumlah data (N)

Cara Menginterpretasikan Hasil Uji Spearman di SPSS

Misalkan hasil uji korelasi Spearman menunjukkan:

• rₛ = -0.430
• Sig. (2-tailed) = 0.020

Interpretasinya:

1. Signifikansi
   • Karena 0.020 < 0.05, berarti hubungan signifikan secara statistik
2. Arah hubungan
   • Nilai rₛ negatif (-0.430) → hubungan berlawanan arah / negatif
   • Artinya, ketika satu variabel naik, variabel yang lain cenderung turun
3. Kekuatan hubungan
   • Nilai 0.430 biasanya dikategorikan sebagai hubungan sedang (moderate)

Contoh kalimat interpretasi:

Hasil uji korelasi Spearman menunjukkan bahwa rₛ = -0,430 dengan Sig. (2-tailed) = 0,020 (p < 0,05). Hal ini berarti terdapat hubungan negatif dan signifikan dengan kekuatan sedang antara tingkat stres kerja dan kepuasan kerja. Semakin tinggi tingkat stres kerja, maka kepuasan kerja cenderung menurun.

Pedoman Umum Kekuatan Korelasi (r / rₛ)

Sebagai panduan umum (bukan aturan kaku), kekuatan korelasi sering diinterpretasikan seperti ini:

• 0,00 – 0,19 → sangat lemah
• 0,20 – 0,39 → lemah
• 0,40 – 0,59 → sedang
• 0,60 – 0,79 → kuat
• 0,80 – 1,00 → sangat kuat

Berlaku untuk nilai positif maupun negatif (lihat nilai absolutnya).

Contoh Singkat Laporan Uji Korelasi di Skripsi/Tesis

Berikut contoh paragraf laporan yang bisa kamu adaptasi:

Uji korelasi Pearson dilakukan untuk mengetahui hubungan antara variabel X (motivasi belajar) dan variabel Y (prestasi akademik). Hasil analisis menunjukkan bahwa nilai koefisien korelasi Pearson sebesar 0,720 dengan nilai Sig. (2-tailed) sebesar 0,001 (p < 0,05). Temuan ini mengindikasikan bahwa terdapat hubungan positif dan signifikan yang kuat antara motivasi belajar dan prestasi akademik siswa. Dengan demikian, semakin tinggi motivasi belajar, semakin tinggi pula prestasi akademik yang dicapai.

Untuk Spearman, tinggal mengganti istilah dan nilai sesuai output.

Tips dan Trik Uji Korelasi Menggunakan SPSS

Agar analisismu lebih rapi dan meyakinkan, perhatikan beberapa tips berikut:

1. Pilih jenis korelasi yang tepat
   • Pearson → data numerik, normal, linear
   • Spearman → data ordinal atau tidak normal
2. Cek outlier atau nilai ekstrem
   • Outlier bisa “menarik” garis hubungan dan membuat hasil korelasi bias
   • Pertimbangkan pembersihan data atau gunakan Spearman jika outlier tidak bisa dihilangkan
3. Jangan hanya fokus pada p-value
   • p < 0.05 menunjukkan signifikansi, tapi kamu juga harus melihat:
     • Nilai r → seberapa kuat hubungan
     • Arah (+/-) → searah atau berlawanan
4. Gunakan scatterplot (untuk Pearson)
   • Scatterplot membantu melihat apakah hubungan antar variabel benar-benar linear
5. Jangan mengartikan korelasi sebagai sebab-akibat
   • Korelasi ≠ kausalitas
   • Dua variabel bisa berhubungan tanpa saling menyebabkan

FAQ Singkat: Korelasi Pearson & Spearman di SPSS

Kuasai Uji Korelasi di SPSS untuk Penelitian yang Lebih Kuat

Uji Korelasi Pearson dan Spearman di SPSS merupakan teknik dasar tetapi sangat penting dalam analisis data penelitian. Dengan memahami:

• Kapan menggunakan Pearson dan Spearman
• Cara menjalankan di SPSS
• Cara membaca dan menuliskan hasil korelasi

…kamu bisa menyusun skripsi, tesis, atau artikel ilmiah yang lebih meyakinkan dan mudah dipahami pembaca maupun dosen penguji.

Butuh Bantuan Olah Data atau Bimbingan SPSS? Hubungi Britter

Kalau kamu masih ragu dengan:

• Pemilihan jenis uji statistik yang tepat
• Cara membaca output SPSS
• Menulis hasil analisis di bab 4 dan pembahasan
• Atau ingin pendampingan intensif sampai skripsi/tesismu siap sidang

Britter siap membantu kamu.

Di Britter, kamu bisa mendapatkan:

• ✅ Jasa olah data SPSS dan analisis data kuantitatif untuk skripsi, tesis, maupun penelitian profesional
• ✅ Pendampingan interpretasi output (bukan sekadar diolah, tapi juga dijelaskan sampai paham)
• ✅ Kelas/ workshop statistik & SPSS untuk kamu yang ingin belajar secara mandiri tapi tetap didampingi mentor berpengalaman
• ✅ Konsultasi pemilihan uji statistik, penyusunan bab metode, hingga penulisan hasil dan pembahasan

Kalau kamu merasa:

“Aku bisa input data, tapi bingung baca output dan nulis hasilnya…”

itu tandanya kamu butuh partner belajar.
Diskusikan kebutuhan analisismu dengan tim Britter melalui kontak resmi yang tercantum di website dan media sosial Britter.

Belajar uji korelasi Pearson & Spearman bakal jauh lebih mudah kalau kamu tidak jalan sendiri.
Bareng Britter, olah data bukan lagi sesuatu yang menakutkan, tapi jadi bagian seru dari perjalanan risetmu.