3.11 ANALISIS KORELASI (Sarwono, 2006)
3.11.1 Koefesien Korelas
Koefesien korelasi ialah pengukuran statistik kovarian atau asosiasi antara dua variabel. Besarnya koefesien korelasi berkisar antara +1 s/d -1. Koefesien korelasi menunjukkan kekuatan (strength) hubungan linear dan arah hubungan dua variabel acak. Jika koefesien korelasi positif, maka kedua variabel mempunyai hubungan searah. Hal ini berarti jika nilai variabel X tinggi, maka nilai variabel Y akan tinggi pula. Sebaliknya, jika koefesien korelasi negatif, maka kedua variabel mempunyai hubungan terbalik. Artinya jika nilai variabel X tinggi, maka nilai variabel Y akan menjadi rendah (dan sebaliknya). Untuk memudahkan melakukan interpretasi mengenai kekuatan hubungan antara dua variabel penulis memberikan kriteria sebagai berikut:
1. 0 : Tidak ada korelasi antara dua variabel 2. >0 – 0.25 : Korelasi sangat lemah
3. >0.25 – 0.5 : Korelasi cukup 4. >0.5 – 0.75 : Korelasi kuat 5. >0.75 – 0.99: Korelasi sangat kuat 6. 1 : Korelasi sempurna
3.11.2 Signifikansi.
Dalam bahasa Inggris umum, kata "significant" mempunyai makna penting, sedangkan dalam pengertian statistik kata tersebut mempunyai makna ―benar‖ tidak didasarkan secara kebetulan. Hasil riset dapat benar tapi tidak penting. Signifikansi/probabilitas/α (alfa) memberikan gambaran mengenai bagaimana hasil riset itu mempunyai kesempatan untuk benar. Jika kita memilih signifikansi sebesar
0.01, maka artinya hasil riset akan mempunyai kesempatan untuk benar sebesar 99% dan untuk salah sebesar 1%. Secara umum kita menggunakan angka signifikansi sebesar 0.01, 0.05 dan 0.1. Pertimbangan penggunaan angka tersebut didasarkan pada tingkat kepercayaan (confidence interval) yang diinginkan oleh peneliti. Angka signifikansi sebesar 0.01 mempunyai pengertian bahwa tingkat kepercayaan atau bahasa, umumnya keinginan kita untuk memperoleh kebenaran dalam riset kita, adalah sebesar 99%. Jika angka signifikansi sebesar 0.05, maka tingkat kepercayaan adalah sebesar 95%. Jika angka signifikansi sebesar 0.1, maka tingkat kepercayaan adalah sebesar 90%.
Pertimbangan lain ialah menyangkut jumlah data atau sampel yang akan digunakan dalam riset. Semakin kecil angka signifikansi, maka ukuran sampel akan semakin besar. Sebaliknya, semakin besar angka signifikansi, maka ukuran sampel akan semakin kecil. Unutuk memperoleh angka signifikansi yang baik, biasanya diperlukan ukuran sampel yang besar. Sebaliknya jika ukuran sample semakin kecil, maka kemungkinan munculnya kesalahan semakin ada. Kriteria pengujian terdiri atas : a. Jika angka signifikansi hasil riset < 0,05, maka hubungan kedua variabel signifikan.
b. Jika angka signifikansi hasil riset > 0,05, maka hubungan kedua variabel tidak signifikan
3.11.3
Interpretasi Korelasi
Pada interpretasi korelasi, terdapat tiga penafsiran hasil analisis korelasi, meliputi: (1) melihat kekuatan hubungan dua variabel, (2) melihat signifikansi hubungan, dan (3) melihat arah hubungan. Untuk melakukan interpretasi kekuatan hubungan antara dua variabel dilakukan dengan melihat angka koefesien korelasi hasil perhitungan dengan menggunakan kriteria sbb:
a. Jika angka koefesien korelasi menunjukkan 0, maka kedua variabel tidak mempunyai hubungan b. Jika angka koefesien korelasi mendekati 1, maka kedua variabel mempunyai hubungan semakin
kuat
c. Jika angka koefesien korelasi mendekati 0, maka kedua variabel mempunyai hubungan semakin lemah
d. Jika angka koefesien korelasi sama dengan 1, maka kedua variabel mempunyai hubungan linier sempurna positif.
e. Jika angka koefesien korelasi sama dengan -1, maka kedua variabel mempunyai hubungan linier sempurna negatif.
Interpretasi berikutnya melihat signifikansi hubungan dua variabel dengan didasarkan pada angka signifikansi yang dihasilkan dari penghitungan dengan ketentuan sebagaimana sudah dibahas sebelumnya. Interpretasi ini akan membuktikan apakah hubungan kedua variabel tersebut signifikan atau tidak. Dalam korelasi terdapat dua arah korelasi, yaitu searah dan tidak searah. Arah korelasi dilihat dari angka koefesien korelasi. Jika koefesien korelasi positif, maka hubungan kedua variabel searah. Hal ini berarti jika variabel X nilainya tinggi, maka variabel Y juga tinggi. Jika koefesien korelasi negatif, maka hubungan kedua variabel tidak searah. Hal ini berarti jika variabel X nilainya tinggi, maka variabel Y akan rendah.
Pengujian hipotesis uintuk korelasi digunakan uji T. Pengambilan keputusan menggunakan angka pembanding t tabel dengan kriteria sebagai berikut:
a. Jika t hitung > t tabel H0 ditolak; H1 diterima b. Jika t hitung < t tabel H0 diterima; H1 ditolak
3.12 ANALISIS MULTIVARIAT
Analisis statistik multivariat merupakan metode statistik yang memungkinkan kita melakukan penelitian terhadap lebih dari dua variabel secara bersamaan. Menurut Hair et al. (1998), analisis multivariat adalah metode-metode statistik yang mengolah beberapa pengukuran menyangkut individu
objek sekaligus (simultaneously). Variabel adalah karakteristik, sifat, simbol, atau atribut yang diukur, yang di kepadanya diberi nilai. Variat itu sendiri adalah kombinasi linier variabel-variabel yang memiliki bobot yang penentuannya (bobot tersebut) dilakukan secara empiris (Zikmund, 2000). Dengan pengertian ini, analisis multivariat merupakan perluasan dari analisis univariat dan bivariat. Analisis ini dapat menganalisis pengaruh beberapa variabel terhadap variabel-variabel lainnya dalam waktu yang bersamaan.
Mengenai pengertian multivariat, hingga saat ini belum terdapat kesepakatan antara para ahli. Beberapa ahli menyederhanakan pengertian analisis multivariat sebagai hubungan antara atau di antara lebih dari dua variabel. Agar benar-benar multivariat, semua variabel harus acak (random), terdapat interrealasi sesamanya, dan efek masing-masing variabel secara sendiri-sendiri sulit diinterpretasikan. Beberapa ahli lain mengatakan tujuan tujuan analisis ini adalah mengukur, menerangkan, dan memprediksi tingkat relasi di antara variat-variat. Apa saja bentuk bentuk analisis yang menggunakan banyak variabel dan variat, dimasukkan sebagai analisis multivariat. Berbagai teknik multivariat yang telah diterima sangat luas adalah principal component dan common factor analysis, multiple regression dan multiple correlation, multiple discriminant analysis, multivariate analysis of variance and covaroance, conjoint analysis, canonical correlation, custer analysis, multidimension analysis, dan correspondence analysis (Simamora, 2006).
Teknik analisis multivariat secara dasar diklasifikasi menjadi dua, yaitu analisis dependensi dan analisis interdependensi. Analisis dependensi berfungsi untuk menerangkan atau memprediksi variabel tergantung dengan menggunakan dua atau lebih variabel bebas. Jenis analisis yang tergolong ke dalam analisis dependensi terdiri atas analisis regresi linear berganda, analisis diskriminan, analisis multivariat varian (MANOVA), dan analisis korelasi kanonikal. Analisis interdependensi berfungsi untuk memberikan makna terhadap seperangkat variabel atau membuat kelompok-kelompok secara bersama-sama. Jenis analisis yang tergolong ke dalam analisis interdependensi terdiri atas analisis faktor, analisis kluster, dan analisis multidimensional scalling.