Analisis Bivariat dan Analisis
Parsial
oleh. Robert Edy Sudarwan / Dosen Praktisi
Korelasi bivariat dan korelasi parsial adalah dua metode statistik yang digunakan untuk mengukur hubungan antara variabel. Namun, mereka memiliki perbedaan mendasar dalam cara mereka mengukur dan mengendalikan variabel
Korelasi Bivariat
● Korelasi bivariat mengukur kekuatan dan arah hubungan linear antara dua variabel tanpa memperhitungkan pengaruh variabel lain.
● Contoh koefisien korelasi bivariat adalah koefisien korelasi Pearson (r).
Penggunaan
● Digunakan ketika kita tertarik untuk mengetahui hubungan antara dua variabel secara langsung.
● Misalnya, mengukur korelasi antara jumlah jam belajar (X) dan skor ujian (Y).
Interpretasi
Nilai koefisien berkisar antara -1 hingga +1:
● +1: Korelasi positif sempurna.
● -1: Korelasi negatif sempurna.
● 0: Tidak ada korelasi.
Contoh
Jika kita menemukan bahwa r = 0.65 antara jam belajar dan skor ujian, ini menunjukkan korelasi positif yang kuat: lebih banyak jam belajar terkait dengan skor ujian yang lebih tinggi.
Korelasi Parsial
Korelasi parsial mengukur kekuatan dan arah hubungan linear antara dua variabel sementara mengendalikan efek satu atau lebih variabel lain.
Menggunakan koefisien korelasi parsial untuk mengeksplorasi hubungan ini.
Interpretasi:
● Nilai koefisien parsial juga berkisar antara -1 hingga +1:
○ +1: Korelasi positif sempurna setelah mengontrol variabel lain.
○ -1: Korelasi negatif sempurna setelah mengontrol variabel lain.
○ 0: Tidak ada korelasi setelah mengontrol variabel lain.
Contoh
Misalkan kita menemukan bahwa r = 0.50 antara jam belajar dan skor ujian setelah
mengendalikan IQ. Ini menunjukkan bahwa setelah menghilangkan pengaruh IQ, masih ada korelasi positif yang kuat antara jam belajar dan skor ujian, meskipun lebih rendah
dibandingkan dengan korelasi bivariat.
Perbedaan Utama
Kontrol Variabel:
● Korelasi Bivariat: Mengukur hubungan antara dua variabel tanpa mengendalikan variabel lain.
● Korelasi Parsial: Mengukur hubungan antara dua variabel dengan mengendalikan satu atau lebih variabel lain.
Tujuan:
● Korelasi Bivariat: Mengetahui hubungan langsung antara dua variabel.
● Korelasi Parsial: Mengetahui hubungan antara dua variabel sambil menghilangkan pengaruh variabel lain.
Interpretasi Hasil:
● Korelasi Bivariat: Menyediakan gambaran keseluruhan dari hubungan antara dua variabel.
● Korelasi Parsial: Menyediakan pemahaman yang lebih spesifik tentang hubungan antara dua variabel dengan mempertimbangkan efek dari variabel lain.
Penggunaan dalam Penelitian:
● Korelasi Bivariat: Sering digunakan dalam analisis eksploratif awal untuk melihat apakah ada hubungan antara dua variabel.
● Korelasi Parsial: Digunakan dalam penelitian yang lebih lanjut ketika kita perlu mengontrol variabel ketiga yang mungkin mempengaruhi hubungan antara dua variabel utama.
Korelasi Bivariat:
● Mengukur hubungan antara jumlah jam belajar dan skor ujian.
● Hasil: r = 0.65 (korelasi positif yang kuat).
Korelasi Parsial:
● Mengukur hubungan antara jumlah jam belajar dan skor ujian sambil mengendalikan IQ.
● Hasil: r parsial = 0.50 (korelasi positif setelah mengontrol IQ).
Kesimpulan:
● Korelasi bivariat menunjukkan hubungan yang kuat antara jam belajar dan skor ujian secara umum.
● Korelasi parsial menunjukkan bahwa meskipun IQ mempengaruhi hubungan ini, masih ada hubungan yang signifikan antara jam belajar dan skor ujian setelah mengendalikan efek IQ.
