ANALISI KORELAS
I
Analisis Korelasi
Mudahnya: korelasi dapat diartikan sebagai hubungan.
Korelasi merupakan salah satu teknik analisis dalam statistik yang digunakan untuk mencari hubungan antara dua variabel atau lebih yang bersifat
kuantitatif.
Hubungan dua variabel tersebut dapat terjadi karena adanya hubungan sebab akibat atau dapat pula terjadi karena kebetulan saja.
Dua variabel dikatakan berkolerasi apabila perubahan pada variabel yang satu akan diikuti perubahan pada variabel yang lain secara teratur dengan arah yang sama (korelasi positif) atau berlawanan (korelasi negatif).
Menurut Sugiyono (2007) pedoman untuk memberikan interpretasi koefisien korelasi
sebagai berikut:
0,00 - 0,199 = sangat rendah
0,20 - 0,399 = rendah 0,40 - 0,599 = sedang 0,60 - 0,799 = kuat
0,80 - 1,000 = sangat
kuat
JENIS KORELASI
Korelasi
Sederhana
• Dipergunakan untuk mengukur kekuatan hubungan antara 2 variable
Korelasi Product Moment Korelasi Rank Spearman
• digunakan untuk data ratio dan data interval.
• Korelasi pearson cocok digunakan untuk statistik parametrik.
• Digunakan ketika data berjumlah besar dan memiliki ukuran parameter seperti mean dan standar deviasi populasi.
• digunakan untuk data diskrit dan kontinu
• untuk statistik
nonparametric
• korelasi ini tidak memerlukan asumsi normalitas, maka korelasi Rank Spearman cocok juga digunakan untuk data dengan sampel kecil
Analisis Korelasi Pearson Product
Moment/Korelasi Bivariate Pearson (SPSS)
• Data penelitian untuk masing-masing variable setidak-tidaknya berskala rasio atau interval (yaitu data yang berbentuk angka sesungguhnya/atau data metrik (data kuantitatif). Namun demikian analisis ini bisa juga dipakai untuk data kuisioner dengan skala likert.
• Data untuk masing-masing variable yang dihubungkan berdistribusi normal.
Ada beberapa persyaratan/asum
si dasar yang harus terpenuhi ketika kita hendak
memakai analisis korelasi pearson
untuk menguji hipotesis
penelitian:
Ada 3 cara yang dapat digunakan sebagai pedoman atau dasar
pengambilan keputusan:
Berdasarkan Nilai Signifikansi Sig. (2- tailed): Jika nilai Sig.
(2-tailed) < 0,05 maka terdapat korelasi antar variable yang
dihubungkan.
Sebaliknya jika nilai Sig. (2-tailed) > 0,05
maka tidak terdapat korelasi.
Berdasarkan Nilai r hitung (Pearson Correlation): Jika nilai
r hitung > r table maka ada korelasi
antar variable.
Sebaliknya jika nilai r hitung < r table maka
artinya tidak ada korelasi antar
variable.
Berdasarkan Tanda Bintang (*) yang diberikan SPSS: Jika
terdapat tanda bintang (*) atau (**)
pada nilai pearson correlation maka antar variable yang
dianalisis terjadi korelasi. Sebaliknya
jika tidak terdapat tanda bintang pada
nila pearson correlation maka antara variable yang
di analisis tidak terdadi korelasi
Langkah-Langkah korelasi bivariate
pearson dengan spss
Soal Latihan:
• Berikut adalah data hasil tes koordinasi mata tangan dan kemampuan akurasi pada panahan.
• Lakukan analisis korelasi pada data di samping kemudian interpretasikan hasil dari analisis korelasi!
• Perhatikan juga uji prasyarat analisis yang harus dipenuhi untuk melakukan analisis korelasi ini!
Korelasi Parsial
metode pengukuran keeratan hubungan (korelasi) antara variabel bebas dan variabel tak bebas dengan mengontrol salah satu variabel bebas untuk melihat korelasi natural antara variabel yang tidak terkontrol.
melibatkan dua variabel. Satu buah variabel yang dianggap berpengaruh akan dikendalikan atau dibuat tetap (sebagai variabel kontrol).
Nilai korelasi berkisar antara 1 sampai -1, nilai semakin mendekati 1 atau -1 berarti hubungan antara dua variabel semakin kuat. Sebaliknya, jika nilai mendekati 0 berarti hubungan antara dua variabel semakin lemah. Nilai positif menunjukkan hubungan searah (X naik, maka Y naik) sementara nilai negatif menunjukkan hubungan terbalik (X naik,
maka Y turun).
Dasar Pengambilan Keputusan dalam Uji Korelasi Parsial Sig.
(2-tailed)
1. Jika nilai Significance (2- tailed) > 0,05, maka Ho diterima dan Ha ditolak.
2. Jika nilai Significance (2- tailed) < 0,05, maka Ho ditolak dan Ha diterima.
Rumusan Hipotesis Penelitian dalam Uji Korelasi Parsial
1. Ho: Hubungan antara variable A dengan variable B dengan variable C sebagai control tidak signifikan
2. Ha: Hubungan antara
variable A dengan
variable B dengan
variable C sebagai
control signifikan
Persyarata n Uji Korelasi Parsial untuk Analisis
Data
Masing-masing variable
penelitian menggunakan data berskala rasio atau interval.
Karena uji korelasi parsial merupakan bagian dari
statistik parametrik maka data
penelitian harus berdistribusi
normal.
Langkah-Langkah Uji Korelasi Parsial dengan SPSS
1. Buka SPSS, lalu klik Variable View >> Isikan Name,
Decimals, Label, dan Measure (pilihan lain dibiarkan tetap default)
2. Klik Data View>> masukkan data IQ, IPK dan Motivasi sesuai kolom masing2.
3. Klik Analyze >> Correlate >>
Partial
4. Masukkan variable IQ dan IPK ke kotak variables: masukkan variable motivasi ke kotak controlling for, pd bag. “Test of Significance pilih two tailed dan ceclist display actual significance level lalu klik option
5. Kotak dialog partial
correlations: options, pd bag.
Statistics ceklist utk means and standard deviations dan zero order correlations. Pd Missing values aktifkan pilihann exclude cases pairwise >> continue.
6. Klik OK. Muncul Output SPSS “Partial Corr”
Interpretasi Hasil
Lihat table output pertama “–none-a”
menunjukkan nilai korelasi antara variable IQ dengan IPK sebelum dimasukkan variable
control (motivasi) dlm analisis.
Koefisien korelasi sebesar 0,832 dan
nilai signifikansi (2-tailed) adalah 0,001
< 0,05 >> ada hubungan yg positif
dan signifikan antara IQ dengan IPK
mahasiswa tanpa adanya variable
control (motivasi).
Tabel output kedua
“Motivasi” menunjukkan nilai korelasi atau
hubungan antara
variable IQ dengan IPK setelah memasukkan Motivasi sebagai
variable control dlm analisis.
01
Dari table output terlihat terjadi penurunan nilai koefisien korelasi
menjadi 0,626 dengan nilai signifikansi (2-
tailed) sebesar 0,039 <
0,05.
02
Hi ditolak dan Ha diterima yg berarti
bahwa hubungan antara IQ dengan IPK dengan Motivasi sebagai
variable control adalah signifikan
03
Penarikan Kesimpulan
• Kehadiran variable motivasi beprestasi sebagai variable control akan
memberikan pengaruh terhadap
hubungan antara variable IQ dengan variable IPK. Dengan demikian maka dapat disimpulkan bahwa variable IQ bukanlah satu-satunya variable yg menentukan nilai IPK mahasiswa, karena ada variable lain juga yang berhubungan dengan nilai IPK yaitu variable Motivasi berprestasi
Korelasi Ganda
digunakan untuk melihat hubungan antara tiga atau lebih variabel (dua atau lebih variabel independen dan satu variabel dependent.
Suatu nilai yang memberikan kuatnya pengaruh atau hubungan dua variabel atau lebih secara bersama-sama dengan variabel lain.
korelasi yang terdiri dari dua atau lebih variabel bebas (X1,X2,…..Xn) serta satu variabel terikat (Y).
Apabila perumusan masalahnya terdiri dari tiga masalah, maka hubungan antara masing- masing variabel dilakukan dengan cara perhitungan korelasi sederhana.
Dasar Keputusan Uji Korelasi Berganda
Jika nilai probabilitas 0,05 lebih kecil atau sama dengan nilai probabilitas sig. F change, maka
Ho diterima dan Ha ditolak, artinya tidak ada hubungan yang
signifikan antara variable X dengan variable Y.
Jika nilai probabilitas 0,05 lebih besar dari sig. F change, maka
Ho ditolak dan Ha diterima, artinya ada hubungan yg signifikan antara variable X
dengan variable Y.
Uji Korelasi Ganda dengan SPSS
1. Klik Variabel view dan lengkapi datanya.
2. Klik data view dan masukkan data yang diperoleh.
3. Klik Analyze >> Correlate >>Bivariate
4. Muncul dialog Bivariate Correlations, masukkan
variable kompetensi (X1), Motivasi (X2), dan Kinerja (Y) ke kotak Variables. Beri tanda ceklist pada kotak Pearson, selanjutnya pada kolom correlation
coefficient pilih two-tailles dan beri tanda ceklist pada
flag significant correlations
5. Klik options lalu beri tanda ceklist pada kota Means and Standard deviations dan tandai exclude cases
pairwise pada missing values >> continue dan klik OK.
6. Selanjtnya keluar output. Biarkan terbuka outputnya, abaikan dulu.
7. Kembali ke halaman awal klik menu Analyze >>
Regressions >> Linear.
8. Pada kotak dialog Linear Regression, masukkan variable Y ke kotak Dependent kemudian masukkan
variable X1 dan X2 ke kotak Independents kemudian klik
Statistics
9. Pada kotak dialog, beri tanda ceklist Estimate, Mode fit dan R square change lalu klik continue lalu klik Ok.
10. Selanjutnya keluar output.
Contoh Soal
• X1: Minat X2: Motivasi
Y: Prestasi Belajar
UJI LINEARITAS
Uji Linearitas
Bertujuan untuk mengetahui apakah dua variable mempunyai hubungan linear secara signifikan atau tidak.
Korelasi yg baik seharusnya terdapat hubungan yang linear antara variable predictor/independent (X) dengan variable kriterium/dependent (Y).
Dalam beberapa referensi dinyatakan bahwa uji linearitas ini
merupakan syarat atau asumsi sebelum dilakukannya analisis
regresi linear.
Dasar
Pengambilan keputusan
dalam Uji linearitas
• Membandingkan Nilai Signifikansi (Sig.) dengan 0,05
1. Jika nilai Deviattion from Linearity Sig.
> 0,05 maka ada hubungan yang linear secara signifikan antara variable
independent dengan variable dependent 2. Jika Nilai Deviation from Linearity Sig.
< 0,05 maka tidak ada hubungan yang linear secara signifikan antara variable independent dengan variable dependent.
• Membandingkan Nilai F hitung dengan F table
1. Jika nilai F hitung < F table, maka ada hubungan yang linear secara signifikan antara variable
independent dengan variable dependent.
2. 2. jika nilai F hitung > F table, maka tidak ada hubungan yang linear
secara significan antara variable independent dengan variable dependent.
Uji Linearitas dengan SPSS
1. Klik variable view dan lengkapi datanya seperti pada uji2 yg lain.
2. Klik data view dan masukkan data pada masing2 varabel 3. Klik Analyze lalu pilih compare
means dan pilih means
4. Muncul kotak Means, masukkan variable X ke independent List dan variable Y ke dependent List.
5. Klik options, pada bag. Statistics for First Layer pilih Test of Linearity lalu klik continue.
6. Kemudian klik ok. Maka akan muncul table output “ANOVA table”
Penarikan Kesimpulan
• Ada 2 cara penarikan kesimpulan
dalam uji linearitas yaitu dengan ,elihat nilai signifikansi dan nilai F
1. Berdasarkan nilai Signifikansi (Sig):Dari output di atas, diperoleh nilai deviation from Linearity Sig.
adalah 0,721 lebih besar dari 0,05.
Maka dapat disimpulkan bahwa ada hubungan yang linear secara signifikan antara variable X dengan variable Y.
2. Berdasarkan nilai F: Nilai F table dicari dengan rumus (df) Deviation of Linearity; Within Groups.
Berdasarkan output SPSS di atas diketahui nilai df adalah (3; 7).
Kemudian lihat distribusi nilai F table pada signifikansi 5% atau 0,05 dengan berpedoman pada nilai df tersebut. Maka ditemukan nilai F table adalah sebesar 4,35.
