MAKALAH PENGANTAR UNTUK PENELITIAN KORELASI
Dosen Pengampu: Nafeesa S.Psi, M.Psi
Kelompok 1:
Dimas Murpratomo 158600120 Andika Ramadhani Ginting 178600217 Marnia Putri Ginting 178600408 Riska Anggreini 178600171
Dinda Surya 178600262
Annisya Nabila 178600440
UNIVERSITAS MEDAN AREA FAKULTAS PSIKOLOGI
T.A 2019/2020
BAB 1 PENDAHULUAN LATAR BELAKANG
8.1 PENGANTAR UNTUK PENELITIAN KORELASI
Tujuan dari strategi penelitian korelasional adalah untuk menguji dan membatalkan asosiasi dan hubungan antar variabel. Lebih khusus tujuan dari studi korelasional adalah untuk menetapkan bahwa suatu hubungan antara variabel dan untuk menggambarkan sifat hubungan. Perhatikan bahwa strategi korelasional tidak berusaha menjelaskan hubungan tidak membuat upaya untuk memanipulasi, mengendalikan, atau mengganggu variabel, Data untuk studi korelasional terdiri dari dua pengukuran atau lebih, untuk masing-masing variabel yang diperiksa.Biasanya, skor diperoleh dari individu yang sama. Sebagai contoh, seorang peneliti dapat mencatat IQ dan kreativitas kreativitas untuk setiap orang dalam kelompok siswa koliege.Atau seorang peneliti mencatat konsumsi dan tingkat aktivitas makanan untuk masing-masing hewan di koloni tikus percobaan.
Pengukuran dapat dilakukan di lingkungan alami atau individu dapat diukur dalam pengaturan laboratorium.Faktor penting adalah bahwa peneliti hanya mengukur variabel yang sedang dipelajari.Pengukuran kemudian diperiksa untuk menentukan apakah mereka menunjukkan pola hubungan yang
konsisten.Prosedur statistik yang digunakan untuk mengukur kekuatan ở konsistensi hubungan dibahas dalam Bab 14 (hal. 439-441).
BAB II PEMBAHASAN A. Strategi Penelitian Korelasi
Dalam strategi penelitian korelasional, dua atau lebih variabel diukur untuk memperoleh satu set skor (biasanya dua skor) untuk setiap individu.
Pengukuran kemudian diperiksa untuk mengidentifikasi pola-pola hubungan yang ada antara variabel dan untuk mengukur kekuatan hubungan.
Para peneliti mengukur nilai rata-rata poin dan waktu bangun untuk setiap individu dalam kelompok mahasiswa dan menemukan bahwa waktu bangun secara konsisten terkait dengan nilai rata-rata poin yang lebih tinggi. Meskipun studi menunjukkan hubungan antara dua variabel, tidak jelaskan mengapa hubungan itu ada. Secara khusus, hasilnya memang membenarkan kesimpulan bahwa bangun lebih awal menyebabkan nilai lebih tinggi (atau bahwa nilai tinggi menyebabkan siswa bangun lebih awal). Dalam definisi penelitian korelasional, kami menyatakan bahwa studi korelasional biasanya memperoleh dua atau lebih skor untuk setiap individu. Biasanya, individu yang mengacu pada satu
orang.Namun, individu tersebut dimaksudkan sebagai sumber tunggal, tidak harus satu orang.Misalnya, seorang peneliti dapat menggunakan studi korelasional untuk menguji hubungan antara skor IQ orang tua dan skor IQ anak-anak
mereka.Peneliti dapat memilih sekelompok siswa sekolah menengah dan mencatat skor IQ setiap siswa dan skor IQ untuk ibu siswa. Perhatikan bahwa peneliti memiliki dua skor berbeda untuk setiap siswa, namun satu skor berasal dari ibu dan satu dari anak.Dalam hal ini, setiap individu adalah keluarga daripada satu orang.
8.2 DATA UNTUK STUDI CORRELATIONAL
Sebuah studi penelitian korelasional menghasilkan dua atau lebih skor untuk masing-masing individu.Namun, para peneliti biasanya tertarik pada
hubungan antara dua variabel sekaligus.Oleh karena itu, beberapa şcores biasanya dikelompokkan menjadi pasangan untuk evaluasi. Di bagian ini, kami fokus pada hubungan antara pasangan skor.Hubungan antara banyak variabel dibahas dalam bagian 8.5.Secara tradisional, skor dalam setiap pasangan diidentifikasi sebagai X dan Y. Data dapat disajikan dalam daftar yang menunjukkan dua skor untuk setiap individu atau skor dapat ditampilkan dalam grafik yang dikenal sebagai sebaran plot. Dalam sebar plot, masing-masing individu diwakili oleh, satu titik dengan
koordinat horisontal ditentukan. Oleh skor X individu dan koordinat vertikal yang sesuai dengan nilai Y.Gambar 8.1 menunjukkan data hipotetis dari studi
kortelasional disajikan sebagai daftar skor dan sebagai sebar plot. Manfaat dari sebar plot adalah memungkinkan Anda untuk melihat karakteristik telationship antara dua variabel.
Mengukur Hubungan
Rescarchers biasanya menghitung nilai numerik yang dikenal sebagai korelasi korelasional, untuk mengukur dan menggambarkan variabel taruhan hubungan.Korelasi menggambarkan tiga karakteristik suatu hubungan.
1. Arah hubungan
Pada Gambar 8.1, ada sepuluh jelas untuk individu dengan nilai X lebih besar untuk juga memiliki nilai Y lebih besar. Secara ekuivalen, ketika nilai X semakin kecil, nilai Y yang terkait cenderung menjadi lebih kecil.Hubungan hubungan. Misalnya, ada hubungan positif antara dan berat badan untuk
mahasiswa; siswa yang lebih tinggi juga cenderung untuk menimbang Hubungan positif ditunjukkan oleh nilai-nilai positif (lebih besar daripada untuk korelasi.
Dalam sebar plot, hubungan positif ditunjukkan oleh titik-titik data yang
mengelompok di sekitar garis yang miring ke kanan di sisi lain, hubungan di mana X dan Y cenderung berubah dalam arah yang berlawanan (dengan X meningkat, Y menurun) disebut hubungan negatif.Pada sebagian besar tugas kinerja,
misalnya, ada hubungan negatif antara kecepatan dan akurasi, berjalan lebih cepat cenderung menghasilkan lebih rendah akurasi.
Hubungan negatif ditunjukkan oleh nilai nega (kurang dari nol) untuk korelasi.Dalam sebar plot, hubungan negatif ditunjukkan oleh titik data yang mengelompok di sekitar garis yang miring ke kanan.Dalam hubungan positif, ada kecenderungan bagi dua variabel untuk mengubah arah yang sama; karena satu variabel meningkat, yang lain juga cenderung meningkat. Dalam hubungan negatif, ada kecenderungan untuk dua variabel untuk bertolak belakang arah;
peningkatan satu variabel cenderung disertai b penurunan yang lain.
2. Bentuk hubungan
Biasanya, peneliti mencari pola dalam data yang menunjukkan hubungan yang konsisten dan dapat diprediksi antara kedua variabel.Dalam kebanyakan situasi, peneliti mencari hubungan linier, di mana titik data dalam plot pencar cenderung mengelompok di sekitar garis lurus. Dalam hubungan linear positif,
misalnya, setiap kali variabel X meningkat sebesar 1 poin, variabel Y juga
meningkat, dan ukuran kenaikan adalah jumlah yang diprediksi secara konsisten.
Gambar 8.2a menunjukkan contoh hubungan linear yang positif.Namun, hubungan tersebut mungkin konsisten dan dapat diprediksi, tetapi tidak linier.
Sebagai contoh, cenderung ada hubungan yang konsisten antara praktik dan kinerja; untuk sebagian besar keterampilan, peningkatan praktik mengarah pada peningkatan kinerja. Namun, peningkatan tidak konstan dari satu minggu ke minggu lainnya, sehingga hubungannya tidak linier.
Selama beberapa minggu pertama latihan, peningkatan kinerja sangat besar.Namun, setelah bertahun-tahun berlatih, lebih banyak minggu menghasilkan perubahan kinerja yang hampir tidak terlihat.Hubungan yang konsisten satu arah, baik secara konsisten positif atau konsisten negatif, disebut hubungan
monoton.Dalam hubungan monotonik positif, misalnya, peningkatan dalam satu variabel cenderung disertai dengan peningkatan dalam variabel lainnya. Namun, jumlah kenaikannya tidak harus selalu sama ukurannya. Gambar 8.2b
menunjukkan contoh hubungan monotonik positif yang mirip dengan contoh praktik dan kinerja.Berbagai jenis correiations digunakan untuk mengukur berbagai jenis hubungan.Sebagai contoh, korelasi Pearson mengukur hubungan linear dan korelasi Spearman digunakan untuk mengukur hubungan monoton (lihat Bab 14, hal. 410-411).
Akhirnya, kami harus mengingatkan Anda bahwa sebagian besar studi korelasional mencari hubungan linier, dan korelasi Pearson, mengukur hubungan linear, sejauh ini merupakan korelasi yang paling umum digunakan dalam
penelitian ilmu perilaku. Jika Anda melihat korelasi dalam laporan penelitian, Anda dapat dengan aman menganggap itu adalah korelasi Pearson, kecuali jika laporan secara khusus mengidentifikasikannya sebagai sesuatu yang lain.
3. Konsistensi atau kekuatan hubungan
Anda mungkin telah memperhatikan bahwa titik-titik data yang disajikan dalam Gambar 8.2 tidak membentuk hubungan linear sempurna atau monoton sempurna.Pada Gambar 8.2a, titik-titik tidak sempurna pada garis lurus dan pada Gambar 8.2b, hubungan tidak sempurna satu arah (ada pembalikan dalam tren positif).Faktanya, hubungan yang konsisten sempurna pada dasarnya tidak pernah ditemukan dalam data ilmu perilaku nyata.Sebaliknya, data nyata menunjukkan tingkat konsistensi.Dalam studi korelasional, konsistensi hubungan biasanya
diukur dan dijelaskan oleh nilai numerik yang diperoleh untuk koefisien korelasi.
Korelasi +1,00 (atau-1,00) menunjukkan hubungan yang konsisten sempurna, dan nilai nol menunjukkan tidak ada yang terkonsentrasi di mana pun. Nilai-nilai antara mengindikasikan tingkat konsi yang berbeda. Sebagai contoh, koefisien korelasi Pearson sebesar 0,8 (atau-0,8) indi hubungan lincar yang hampir
sempurna di mana titik-titik data mengelompok di sekitar garis lurus. Setiap kali nilai X berubah, nilainya juga berubah dengan jumlah yang dapat diprediksi secara wajar.
Sebaliknya, suatu koaksi dari 0,2 (atau -0,2) menggambarkan suatu hubungan di mana hanya ada kecenderungan untuk nilai Y berubah dalam cara yang dapat diprediksi ketika nilai X berubah. Dalam hal ini, titik data tersebar secara luas di sekitar garis lurus.Perhatikan bahwa tanda korelasi (+ atau- nilai numeriknya independen. Korelasi +0,8 memiliki tingkat konsistensi sebagai korelasi -0,8, dan kedua korelasi menunjukkan bahwa data menunjukkan kluster erat di sekitar garis lurus; garis hanya miring ke arah yang berbeda. Menunjukkan serangkaian plot pencar menunjukkan tingkat hubungan linier yang berbeda dan nilai-nilai korelasi yang sesuai.Sebagai titik terakhir, kita harus mencatat sekali lagi bahwa koefisien korelasi hanya menggambarkan konsistensi atau kekuatan suatu hubungan antar variabel. Bahkan korelasi terkuat dari 1,00 (atau -1,00) tidak menyiratkan bahwa ada hubungan sebab-akibat antara kedua variabel.
Data untuk Studi Korelasi 233 Korelasi, atau koefisien korelasi, adalah nilai numerik yang mengukur dan menggambarkan hubungan antara dua variabel.
Tanda korelasi (+/-) menunjukkan arah hubungan. Nilai korelasi numerik (0,0 hingga 1,0) menunjukkan kekuatan atau konsistensi hubungan. Jenis korelasi (Pearson atau Spearman) menunjukkan bentuk hubungan.
PEMERIKSAAN BELAJAR Jelaskan pola yang akan muncul di sebar plot yang menunjukkan titik data untuk masing-masing korelasi berikut: 7 = -0,9 dan r = +0,3. Jelaskan perbedaan antara hubungan linear dan monotonik.Mengevaluasi Hubungan untuk Skor Non-numerik Kadang-kadang studi penelitian korelasional menghasilkan dua atau lebih skor untuk setiap individu dengan setidaknya satu skor yang tidak terdiri dari skor numerik.Sebagai contoh, seorang peneliti mungkin tertarik pada hubungan antara gender (pria / wanita) dan keberhasilan dalam tugas-tugas pemecahan masalah (sukses / gagal).Dalam hal ini, ada dua
pengukuran untuk setiap individu tetapi tidak ada skor numerik yang cocok untuk menghitung korelasi.Dalam situasi ini, ada beberapa alternatif untuk
mengevaluasi hubungan. 1. Jika satu skor bersifat numerik, seperti IQ, dan yang lainnya non-numerik, seperti gender, strategi yang paling umum adalah
menggunakan variabel non-numerik untuk mengatur skor menjadi kelompok- kelompok yang terpisah. Untuk contoh ini, data akan terdiri dari sekelompok nilai IQ. untuk pria dan sekelompok skor untuk wanita. Kedua kelompok kemudian dibandingkan dengan menggunakan uji t tindakan-independen (untuk dua
kelompok, atau analisis varians (untuk lebih dari dua kelompok). Tes hipotesis ini dibahas pada Bab 14 (lihat hal. 433-435), ketika data diatur dalam kelompok skor, strategi penelitian umumnya dianggap diferensial daripada korelasional (lihat Bab 12, hal. 340) Jika variabel non-numerik terdiri dari tepat dua kategori, juga dimungkinkan untuk menghitung korelasi. Pertama, kedua kategori tersebut adalah diberi kode numerik sebagai 0 dan 1. Misalnya, laki-laki = 0 dan
perempuan 1. Data kemudian terdiri dari dua skor per orang, skor IQ dan skor kode untuk gender, dan korelasi Pearson dapat dihitung untuk data kode.korelasi yang dihasilkan disebut korelasi point-biserial. Nilai korelasi numerik adalah ukuran kekuatan atau konsistensi hubungan, tetapi tanda korelasi tidak bermakna (karena 0 dan 1 ditugaskan secara sewenang-wenang.) 2. Jika kedua variabel tersebut adalah n on-numeric, hubungan biasanya dievaluasi dengan mengatur data dalam matriks dengan kategori satu variabel membentuk baris dan kategori variabel kedua membentuk kolom. Setiap sel dari matriks menunjukkan frekuensi atau jumlah individu dalam sel itu dan data dievaluasi menggunakan uji hipotesis chi-square (lihat Bab 14, hal. 441). Gambar 8.4 menunjukkan contoh level inc
Strategi Penelitian Korelasi Hasil Berhasil Gagal Laki-laki 12 Perempuan 17 3 GAMBAR 8.4 Data Hipotetis Menampilkan Hasil dari Suatu Penelitian Memeriksa Hubungan antara Jender dan Keberhasilan dalam Pemecahan Masalah Nilai-nilai adalah jumlah individu dalam setiap kategori; sebagai contoh. 12 dari berhasil menyelesaikan tugas dan delapan gagal.data dari penelitian yang meneliti hubungan antara gender dan su pada tugas pemecahan masalah. Jika dua variabel non-numerik keduanya terdiri dari tepat dua kategori, masing-masing dapat dikodekan secara numerik sebagai 0 dan 1. Misalnya laki-laki = 0 dan perempuan
= 1; kegagalan 0 dan keberhasilan = 1. Jika korelasi Pearso dihitung untuk data yang dikodekan, hasilnya dikenal sebagai koefisien-ph.Nilai numerik korelasi
mengukur kekuatan atau konsistensi hubungan tetapi tanda correlat dan konsep hubungan linier tidak bermakna. 8.3 Membandingkan Penelitian Korelasi,
Eksperimental, dan Diferensial Tujuan dari penelitian eksperimental adalah untuk menunjukkan hubungan sebab-dan-efa antara dua variabel. Untuk mencapai tujuan ini, suatu eksperimen memerlukan manipulasi satu variabel untuk
menciptakan kondisi perawatan z: pengukuran variabel kedua untuk mendapatkan à set skor dalam kondisi ex. Semua variabel lain dikontrol. Peneliti kemudian membandingkan skor dari setiap perawatan dengan skor dari perawatan lain: Jika ada perbedaan antara perawatan, peneliti memiliki bukti hubungan cas antara variabel. Secara khusus, peneliti dapat menyimpulkan bahwa memanipulasi satu variabel menyebabkan perubahan pada variabel kedua.Perhatikan bahwa studi eksperimental hanya melibatkan mengukur satu variabel dan mencari perbedaan antara dua atau lebih kelompok skor.Studi korelasional, di sisi lain, dimaksudkan untuk menunjukkan pengaruh hubungan antara dua variabel.Perhatikan bahwa siswa yang korelasional tidak berusaha menjelaskan hubungannya.Untuk mencapai tujuannya, studi korelasi tidak melibatkan memanipulasi,
mengendalikan, atau mengganggu varia.Sebaliknya, peneliti hanya mengukur dua variabel yang berbeda untuk masing-masing individu. Peneliti kemudian mencari hubungan dalam set skor. Dalam Bab 12 (hal. 340), kami mencatat bahwa
penelitian diferensial, contoh desain non-eksperimental, sangat mirip dengan penelitian korelasional. Perbedaan antara dua strategi penelitian ini adalah bahwa suatu korelasi memandang data sebagai dua skor, X dan Y, untuk masing-masing individu, dan mencari tern dalam pasangan skor untuk menentukan apakah ada hubungan desain diferensial, di sisi lain. , menjalin hubungan keberadaan dengan menunjukkan perbedaan antar kelompok. Khusus
8.3 Aplikasi Strategi Korelasi
235 desain diferensial menggunakan salah satu dari dua variabel untuk membuat kelompok peserta dan kemudian mengukur variabel kedua untuk
mendapatkan skor dalam setiap kelompok. Sebagai contoh, seorang peneliti dapat membagi sampel siswa menjadi dua kelompok yang sesuai dengan self-esreem tinggi dan rendah, dan kemudian mengukur skor kinerja akademik di setiap kelompok.Jika ada perbedaan yang konsisten antara kelompok, peneliti memiliki bukti untuk hubungan antara harga diri dan kinerja akademik. Sebuah studi korelasional yang menguji hubungan yang sama pertama-tama akan mengukur
skor harga diri dan skor kinerja akademik untuk setiap siswa, dan kemudian mencari pola dalam set skor. Perhatikan bahwa studi korelasional melibatkan satu kelompok peserta dengan dua skor untuk setiap individu.Fokus utama dari studi korelasional adalah pada hubungan antara dua variabel.Studi yang berbeda melibatkan dua kelompok skor dan berfokus pada perbedaan antara kelompok.
Namun, kedua desain mengajukan pertanyaan dasar yang sama: "Apakah ada hubungan antara harga diri dan kinerja akademik?" CHECK LEARNING Meskipun penelitian korelasional dan penelitian diferensial memiliki tujuan yang sama, mereka menggunakan data yang berbeda. Identifikasi tujuan untuk kedua jenis penelitian dan jelaskan perbedaan antara kedua jenis data tersebut.
Seperti disebutkan sebelumnya, desain korelasional digunakan untuk mengidentifikasi dan menggambarkan hubungan antar variabel.Berikut adalah tiga contoh bagaimana desain korelasional dapat digunakan untuk menjawab pertanyaan penelitian.Prediksi Salah satu penggunaan penting dari penelitian korelasional adalah untuk membangun hubungan antara variabel yang dapat digunakan untuk keperluan prediksi. Sebagai contoh, penelitian menunjukkan hubungan positif yang baik antara skor SAT dan rata-rata nilai poin masa depan di perguruan tinggi (Camera & Echternacht, 2000; Geiseer & Studley, 2002).
Administrator perguruan tinggi dapat menggunakan hubungan ini untuk
membantu memprediksi pelamar mana yang paling mungkin menjadi siswa yang berhasil.Siswa sekolah menengah yang berhasil dalam SAT cenderung berprestasi di perguruan tinggi, dan mereka yang memiliki masalah dengan SAT cenderung mengalami kesulitan di kelas-kelas perguruan tinggi. Penggunaan hasil
korelasional untuk membuat prediksi tidak terbatas pada prediksi tentang perilaku masa depan. Setiap kali dua variabel terkait secara konsisten, dimungkinkan untuk menggunakan pengetahuan dari salah satu variabel untuk membantu membuat prediksi tentang yang lain. Misalnya, karena ada hubungan yang konsisten dan positif antara IQ orang tua dan IQ anak-anak mereka, kita dapat menggunakan skor mana pun untuk memprediksi yang lain. Secara khusus, orang tua dengan IQ di atas rata-rata cenderung memiliki anak dengan IQ di atas rata- rata. Seringkali, salah satu dari dua variabel hanya lebih mudah untuk diukur atau lebih mudah tersedia daripada yang lain. Dalam situasi ini, dimungkinkan untuk menggunakan pengetahuan yang tersedia dari satu variabel untuk memprediksi nilai variabel yang tidak tersedia.Dengan membangun dan menggambarkan
keberadaan suatu hubungan, studi korelasional memberikan informasi dasar yang diperlukan untuk membuat prediksi.
Desain diferensial menggunakan salah satu dari dua variabel untuk membuat kelompok peserta dan kemudian mengukur variabel kedua untuk
mendapatkan skor dalam setiap kelompok. Sebagai contoh, seorang peneliti dapat membagi sampel siswa menjadi dua kelompok yang sesuai dengan self-esreem tinggi dan rendah, dan kemudian mengukur skor kinerja akademik di setiap kelompok.Jika ada perbedaan yang konsisten antara kelompok, peneliti memiliki bukti untuk hubungan antara harga diri dan kinerja akademik. Sebuah studi korelasional yang menguji hubungan yang sama pertama-tama akan mengukur skor harga diri dan skor kinerja akademik untuk setiap siswa, dan kemudian mencari pola dalam set skor. Perhatikan bahwa studi korelasional melibatkan satu kelompok peserta dengan dua skor untuk setiap individu.Fokus utama dari studi korelasional adalah pada hubungan antara dua variabel.Studi yang berbeda melibatkan dua kelompok skor dan berfokus pada perbedaan antara kelompok.
Namun, kedua desain mengajukan pertanyaan dasar yang sama: "Apakah ada hubungan antara harga diri dan kinerja akademik?" CHECK LEARNING Meskipun penelitian korelasional dan penelitian diferensial memiliki tujuan yang sama, mereka menggunakan data yang berbeda. Identifikasi tujuan untuk kedua jenis penelitian dan jelaskan perbedaan antara kedua jenis data tersebut.
Seperti disebutkan sebelumnya, desain korelasional digunakan untuk mengidentifikasi dan menggambarkan hubungan antar variabel.Berikut adalah tiga contoh bagaimana desain korelasional dapat digunakan untuk menjawab pertanyaan penelitian.Prediksi Salah satu penggunaan penting dari penelitian korelasional adalah untuk membangun hubungan antara variabel yang dapat digunakan untuk keperluan prediksi. Sebagai contoh, penelitian menunjukkan hubungan positif yang baik antara skor SAT dan rata-rata nilai poin masa depan di perguruan tinggi (Camera & Echternacht, 2000; Geiseer & Studley, 2002).
Administrator perguruan tinggi dapat menggunakan hubungan ini untuk
membantu memprediksi pelamar mana yang paling mungkin menjadi siswa yang berhasil.Siswa sekolah menengah yang berhasil dalam SAT cenderung berprestasi di perguruan tinggi, dan mereka yang memiliki masalah dengan SAT cenderung mengalami kesulitan di kelas-kelas perguruan tinggi. Penggunaan hasil
korelasional untuk membuat prediksi tidak terbatas pada prediksi tentang perilaku masa depan. Setiap kali dua variabel terkait secara konsisten, dimungkinkan untuk menggunakan pengetahuan dari salah satu variabel untuk membantu membuat prediksi tentang yang lain. Misalnya, karena ada hubungan yang konsisten dan positif antara IQ orang tua dan IQ anak-anak mereka, kita dapat menggunakan skor mana pun untuk memprediksi yang lain. Secara khusus, orang tua dengan IQ di atas rata-rata cenderung memiliki anak dengan IQ di atas rata- rata. Seringkali, salah satu dari dua variabel hanya lebih mudah untuk diukur atau lebih mudah tersedia daripada yang lain. Dalam situasi ini, dimungkinkan untuk menggunakan pengetahuan yang tersedia dari satu variabel untuk memprediksi nilai variabel yang tidak tersedia.Dengan membangun dan menggambarkan keberadaan suatu hubungan, studi korelasional memberikan informasi dasar yang diperlukan untuk membuat prediksi.
Dalam studi korelasional, dua variabel yang diperiksa setara secara
resmi.Meskipun demikian, studi korelasional sering mengidentifikasi satu sebagai variabel prediktor dan variabel kedua sebagai kriteria studi korelasi korelasional yang digunakan untuk prediksi, penunjukan kedua vari biasanya cukup
jelas.Kantor penerimaan universitas kadang-kadang menggunakan skor ujian (GRE) untuk memprediksi keberhasilan sekolah pascasarjana.Dalam sir ini, skor GRE adalah variabel prediktor dan variabel kriteria kinerja lulusan.Jelas, satu variabel (prediktor) digunakan untuk predi lainnya (kriteria). Proses statistik untuk menggunakan satu variabel untuk memprediksi yang lain adalah o regresi.
Biasanya, tujuannya adalah untuk menemukan persamaan yang menghasilkan prediksi Y yang akurat (variabel kriteria) untuk setiap nilai X (variabel
tor).Sebagai contoh, Ng dan Jeffery (2003) menggunakan regresi untuk perilaku kesehatan untuk orang dewasa yang bekerja menggunakan stres sebagai hasil variabel prediktor menunjukkan bahwa tingkat stres yang lebih tinggi
memprediksi diet yang lebih tinggi lemak dan merokok.Namun, stres bukan merupakan prediktor signifikan dari alcoho.Dalam situasi di mana studi korelasional tidak digunakan untuk predisi, peneliti masih cenderung merujuk pada variabel prediktor dan kriteria.Dalam situasi, label biasanya ditentukan oleh tujuan st. Biasanya, studi korelasional dimulai dengan salah satu dari dua variabel yang diketahui atau dipahami, dan variabel kedua relatif tidak diketahui.Tujuan penelitian ini adalah untuk mendapatkan pemahaman yang lebih baik tentang variabel unkr dengan menunjukkan bahwa hal itu terkait dengan variabel yang
sudah diketahui dan dikenal.Dalam situasi ini, variabel yang diketahui ditetapkan sebagai variabel prediktor dan variabel yang tidak diketahui sebagai
kriteria.Sebagai contoh, para peneliti telah menemukan hubungan antara IQ dan kecepatan pemrosesan dalam berbagai tugas persepsi dan kognitif (Eysenck, 1999). Dalam penelitian ini, IQ akan menjadi variabel utama dan kecepatan akan menjadi variabel kriteria.
Ketika studi korelasional menunjukkan hubungan antara dua variabel, ini memungkinkan para peneliti untuk menggunakan pengetahuan tentang satu variabel untuk membantu memprediksi atau menjelaskan variabel kedua.Dalam situasi ini, variabel pertama disebut variabel prediktor dan variabel kedua (sedang dijelaskan atau diprediksi) disebut variabel kriteria.
Keandalan dan Validitas
Dalam Bab 4 (p. 107), konsep keandalan dan validitas diperkenalkan sebagai dua kriteria dasar untuk mengevaluasi prosedur pengukuran. Dalam hal, reliabilitas mengevaluasi konsistensi atau stabilitas ukuran dan validitas mengevaluasi sejauh mana prosedur pengukuran mengukur apa yang diklaim sebagai pengukuran. Baik reliabilitas dan validitas umumnya ditentukan oleh hubungan yang dibangun menggunakan desain penelitian korelasional. Sebagai contoh, reliabilitas uji- ulang didefinisikan oleh hubungan antara set pengukuran asli dan set tindak lanjut pengukuran. Jika individu yang sama diukur dua kali dalam kondisi yang sama, dan ada hubungan yang konsisten antara kedua pengukuran, maka prosedur pengukuran dikatakan dapat diandalkan. Validitas konkuren dari prosedur pengukuran juga dapat didefinisikan dalam hubungan (lihat Bab 4, hal. 108).Jika tes baru dikembangkan untuk mendeteksi penyakit Alzheimer tahap awal,
misalnya, validitas tes dapat ditetapkan dengan menunjukkan bahwa skor dari tes tersebut sangat terkait dengan skor dari tes yang ditetapkan.Inilah yang dilakukan oleh Ijuin et al.(2008) untuk memvalidasi tes 7 menit yang relatif baru yang dikembangkan sebagai alternatif untuk tes skrining yang biasa digunakan untuk Alzheimer.Korelasi dihitung untuk mengukur hubungan antara skor dari Layar 7- Menit dan skor dari masing-masing dari tiga tes kognitif yang ditetapkan untuk Alzheimer. Para peneliti memperoleh korelasi sekitar 0,70 untuk setiap tes, menunjukkan hubungan positif yang kuat dan validitas bersamaan yang tinggi antara Layar 7-Menit dan tes skrining yang ditetapkan.
Mengevaluasi Teori
Banyak teori menghasilkan pertanyaan yang relevan tentang hubungan antara variabel yang dapat diatasi oleh korelasia! desain penelitian. Sebuah contoh yang baik datang dari pertanyaan kodrat / pengasuhan kuno yang berlaku untuk
kecerdasan: "Apakah kecerdasan terutama merupakan karakteristik yang diwariskan, atau apakah itu terutama ditentukan oleh lingkungan?" Jawaban parsial untuk pertanyaan ini berasal dari studi korelasional yang memeriksa IQ kembar identik yang dipisahkan sejak lahir dan ditempatkan di lingkungan yang berbeda.Karena kembar ini memiliki faktor keturunan yang identik dan
lingkungan yang berbeda, mereka memberikan kesempatan kepada peneliti untuk memisahkan kedua faktor tersebut.Karya asli di bidang ini, yang dilakukan oleh psikolog Inggris Cyril Burt, menunjukkan hubungan yang kuat antara IQ si kembar, menunjukkan bahwa faktor keturunan membanjiri lingkungan (Burt, 1972).Namun, bukti kemudian menunjukkan bahwa Burt mungkin memalsukan banyak datanya (Kamin, 1974).Meskipun demikian, hasil korelasional
menunjukkan hubungan yang kuat antara IQ kembar.Perhatikan bahwa desain penelitian korelasional digunakan untuk mengatasi masalah teoritis.
Menafsirkan Korelasi
Nilai numerik suatu korelasi, berkisar antara 0,00 hingga 1,00, menggambarkan keterkaitan hubungan dengan 1,00 (atau -1,00) yang menunjukkan hubungan yang sangat konsisten dan 0,00 yang menunjukkan kurangnya konsistensi. Namun, ada dua faktor tambahan yang harus dipertimbangkan ketika menginterpretasikan kekuatan suatu hubungan.Nyala adalah koefisien determinasi.yang diperoleh dengan mengkuadratkan korelasinya, dan yang lainnya adalah sie dari korelasinya. Masing-masing faktor ini dibahas di bawah ini.
Kekuatan Hubungan
Teknik yang paling umum untuk mengukur kekuatan hubungan antara dua variabel adalah menghitung koefisien determinasi, yang diperoleh dengan mengkuadratkan nilai numerik korelasi.Karena lasi biasanya diidentifikasi oleh huruf r, koefisien determina 7.Koefisien ini mengukur seberapa besar variabilitas dalam satu variabla yang dapat ditentukan dari hubungannya dengan variabel lainnya.Sebagai contoh, jika siswa t lege dipilih secara acak, mereka hampir pasti memiliki rata-rata titik kelas yang berbeda.Meskipun ada banyak penjelasan untuk nilai yang berbeda, satu kemungkinan adalah bahwa kedua siswa memiliki IQ
yang berbeda. Di ge ada kecenderungan untuk IQ yang lebih tinggi untuk berkorelasi dengan nilai yang lebih tinggi. Jika hubungan antara 1Q dan nilai rata-rata poin dihitung dan kemudian hasil kuadrat memberikan ukuran berapa banyak perbedaan dalam rata-rata kelas p yang dapat diprediksi oleh skor IQ.
Korelasi T 0,80 akankah r = 0,64 (atau 64%) dari perbedaan dalam nilai rata-rata kelas dapat ditentukan oleh perbedaan dalam 1Q. Korelasi r = 0,30 akan berarti bahwa 0,09 (9%) dari perbedaan dapat diprediksi. Nilai kuadrat dari suatu
korelasi disebut koefisien determinasi dan mengukur persentase variabilitas dalam satu variabel yang menentukan atau diprediksi, melalui hubungannya dengan variabel lainnya.
Dalam ilmu perilaku, perbedaan yang ada dari satu orang ke orang lain cenderung besar dan biasanya sulit diprediksi atau dijelaskan. Akibatnya, kemampuan untuk memprediksi hanya sebagian kecil dari perbedaan perilaku biasanya dianggap sebagai pencapaian besar.Dengan mengingat hal ini, panduan dalam Tabel 8.1 biasanya digunakan untuk menginterpretasikan kekuatan hubungan antara dua variabel (Cohen, 1988).Kita harus mencatat bahwa nilai-nilai pada Tabel 8.1 adalah panduan umum l menafsirkan korelasi yang diperoleh dalam sebagian besar ilmu perilaku muncul. Namun ada beberapa situasi, di mana korelasi 0,50 akan dianggap besar.
Misalnya, ketika menggunakan korelasi untuk mengukur keandalan pengukuran, peneliti biasanya mencari nilai yang besar, biasanya jauh lebih besar daripada r = 0,50. Demikian pula, sebuah studi penelitian yang menemukan hubungan yang secara teoritis penting antara dua variabel mungkin melihat korelasi "kecil" r = 0,10 sebagai hubungan substansial. Signifikansi suatu Hubungan Signifikansi statistik dari suatu korelasi adalah faktor penting kedua untuk menafsirkan kekuatan suatu korelasi.Dalam konteks korelasi, istilah sjgnificant berarti bahwa korelasi yang ditemukan dalam data sampel sangat tidak mungkin dihasilkan oleh variasi acak.Sebaliknya, setiap kali korelasi sampel ditemukan signifikan, Anda dapat menyimpulkan bahwa itu mewakili hubungan nyata yang ada dalam populasi. Dengan sampel kecil, adalah mungkin untuk mendapatkan apa yang tampak sebagai korelasi yang sangat kuat ketika, pada kenyataannya, sama sekali tidak ada hubungan antara dua variabel yang diperiksa. Misalnya, dengan sampel hanya dua individu, hanya ada dua titik data dan mereka dijamin cocok dengan sempurna pada garis lurus. Dengan demikian, dengan sampel dua individu, Anda akan selalu mendapatkan korelasi sempurna sebesar 1,00 (r -1,00) terlepas dari
variabel apa pun yang Anda ukur. Dengan meningkatnya ukuran sampel, semakin besar kemungkinan korelasi sampel mewakili hubungan nyata yang ada dalam populasi.Korelasi yang ditemukan dalam sampel yang relatif besar biasanya merupakan indikasi hubungan yang nyata dan bermakna dan cenderung signifikan.Anda harus diingatkan, bahwa hubungan yang signifikan secara statistik tidak selalu berarti bahwa korelasinya besar atau kuat. Dengan sämple yang sangat besar, misalnya, dimungkinkan untuk korelasi r = 0,10 atau lebih kecil secara statistik signifikan. Jelas, ini bukan korelasi yang kuat.
KEKUATAN DAN KELEMAHAN STRATEGI PENELITIAN KORELASI Strategi penelitian korelasional sering digunakan untuk pekerjaan
pendahuluan di daerah yang belum mendapatkan banyak perhatian penelitian.Desain korelasional dapat mengidentifikasi variabel dan menggambarkan hubungan antara variabel yang mungkin menyarankan
penyelidikan lebih lanjut menggunakan strategi eksperimental untuk menentukan hubungan sebab-akibat.Selain itu, desain penelitian korelasional memungkinkan peneliti kesempatan untuk menyelidiki variabel yang tidak mungkin atau tidak etis untuk dimanipulasi.Misalnya, studi korelasional dapat menyelidiki bagaimana perilaku atau keterampilan spesifik terkait dengan kekurangan diet atau paparan polusi.Meskipun dimungkinkan dan etis untuk mencatat kekurangan diet dan pencemaran lingkungan sebagaimana adanya secara alami, tidak etis untuk menciptakan kondisi ini di laboratorium. Variabel lain yang tak terhitung jumlahnya seperti ukuran keluarga, kepribadian, konsumsi alkohol, tingkat pendidikan, pendapatan, dan preferensi warna dapat menjadi topik menarik untuk penelitian perilaku tetapi tidak dapat dimanipulasi dan dikendalikan dalam studi penelitian eksperimental. Namun, variabel-variabel ini dapat dengan mudah diukur dan dijelaskan dalam penelitian korelasional.
Baik penelitian corelasional Stitleqy
Dengan sedikit kejutan.Penelitian al, dua variabel yang cxamax setara.Tulip cless, penelitian korasional sering mengidentifikasi onen sebagai variabel preditor dan variabel kedua sebagai kriteria studi corrclational yang digunakan untuk
memprediksi, sebutan dua var biasanya cukup jelas. Inikejahatannya adnissions kantor kadang-kadang menggunakan rekor ujian gal (audio video) skor untuk kesuksesan sekolah pra-sarjana. Di sini skor GRE adalah variabel preditor dan
lulus kinerja critcrion variabel. Jelas, variabel onc (preditor) digunakan untuk pred yang lain (kriteria).
Proses statistik untuk menggunakan satu variasi untuk meramalkan yang lain adalah kemunduran. Biasanya, tujuannya adalah untuk menemukan TKP yang menghasilkan prediksi akurat m dari Y (the critcrion variabel) untuk nilai cach dari X (variabel atau tor).Misalnya, Ng dan letfery (2003) menggunakan regresi untuk adalah perilaku kesehatan tor orang dewasa yang menggunakan stres sebagai variasi preditor hasil menunjukkan bahwa lctekanan yang lebih tinggi memprediksi diet lemak dan merokok. Namun, stres bukanlah petunjuk penting dari aloh
Dalam situasi di mana penelitian korelasional tidak digunakan untuk peneliti predin masih cenderung merujuk pada preditor dan kriteria variabel. Dalam situasi apapun, labelnya biasanya ditentukan oleh tujuan dari STH secara khusus, studi korelasi dimulai dengan salah satu dari dua variabel reats yang diketahui atau dipahami, dan variabel kedua,
Saat penelitian korelasi menunjukkan hubungan antara dua varia hal ini
memungkinkan peneliti menggunakan pengetahuan tentang satu variabel untuk membantu memprediksi atau menjelaskan variabel kedua.Pada situasi ini, variabel pertama disebut variabel prediktor ahe dan variabel kedua (sedang dijelaskan atau diprediksi) disebut variabel criteron.
Misalkan ada hubungan negatif antara point aver dengan jumlah jam yang dihabiskan untuk bermain video game untuk bog sma nilai apa yang akan anda prediksikan untuk anak laki-laki yang menghabiskan lebih dari jumlah waktu bermain video game?
Bisa diandalkan dan validitas
Dalam pasal 4 (HLM. 107), the concep. S dari keandalan dan validitas adalah introd sebagai dua kriteria dasar untuk mengevaluasi suatu prosedur pengukuran.
Istilah Ing, dapat diandalkan mengevaluasi konsistensi atau stabilitas dari campak tersebut dan validitas mengevaluasi sejauh yang pengukuran procedumerah
Mengukur apa yang klaim sebagai pengukuran. Keterandalan dan keabsahannya biasanya diturunkan dari hubungan yang dibentuk menggunakan desain penelitian corall.Misalnya, tingkat keandalan uji coba dihancurkan oleh hubungan kapal antara seperangkat ukuran yang semula dan seperangkat ukuran yang tindak lanjutnya.Saya jamin. Jika individu yang sama diukur dua kali di
bawah kondisi yang sama, saya dan ada hubungan yang konsisten antara kedua pengukuran, maka pengukuran mereka dikatakan dapat diandalkan.
Keabsahan suatu prosedur pengukuran yang bersamaan juga dapat didefinisikan dalam hal hubungan (lihat HLM. 4, HLM. 108).Jika sebuah tes baru
dikembangkan untuk mendeteksi penyakit Alzheimer tahap awal, misalnya, keabsahan tes tersebut dapat disahkan dengan menunjukkan bahwa skor ketiga tes tersebut sangat berhubungan dengan nilai dari tes yang sudah ditetapkan.Inilah tepatnya yang dilakukan juin et al. (2008) untuk mengesahkan tes 7 menit baru yang dikembangkan sebagai perubahan. Saya asli ke lain digunakan tes skrining tor Alzheimer. Korelasi saya dihitung untuk mengukur hubungan antara skor 7 menit layar thei dan skor dari masing-masing tiga test kognitivei yang didirikan untuk Alzheimer. Para peneliti mendapatkan korelasi sekitar 0,70 untuk setiap tes, menunjukkan hubungan positif yang kuat dan kebenaran hubungan yang kuat antara layar 7 menit dan pemeriksaan awal.
I. Mengevaluasi teori
Banyak teori menghasilkan pertanyaan Tesearch tentang hubungan diantara variabel yang dapat dibahas oleh desain penelitian coronal. Contoh yang baik datang dari sifat kuno/memelihara pertanyaan sebagai berlaku untuk
kecerdasan: "adalah kecerdasan terutama karakteristik warisan, atau apakah primiarilyi ditentukan oleh lingkungan?" Sebagian jawaban dari pertanyaan ini muncul penelitian korelasi fromi yang memeriksa iq dari kembar identik yang terpisah saat lahir dan ditempatkan di lingkungan yang berbeda. Karena kedua faksi ini sudah dikenali melalui lingkungan keturunan dan penerus, mereka pori - pori menghasilkan rancangan yang terpisah dari kedua taco itu. Karya pertama di daerah ini, yang diadakan oleh psikolog inggris Cyril Burt, memperlihatkan hubungan yang kuat antara iq kembar mereki, yang menunjukkan bahwa faktor- faktor keturunan telah mempengaruhi lingkungan (Burt, 1972). Namun, bukti belakangan memperlihatkan bahwa Burt mungkin telah memalsukan sebagian besar datanya (Kamin, 1974). Meski begitu, hasil korrelasi menunjukkan
hubungan kuat antara iq kembar. Perhatikan bahwa desain penelitian korelasi ini digunakan untuk mengatasi isu teoritis.
Menafsirkan korelasi
Nilai numerik korelasi, mulai dari pukul 02.00 sampai pukul 1.00,
menggambarkan konsistensi hubungan dengan pukul 1.00 (atau -1.00) yang
menunjukkan hubungan yang sangat konsisten dan 0,00 menunjukkan, sangat kurangnya konsistensi. Namun, ada dua faktor tambahan yang harus
dipertimbangkan ketika inter preting
Keterandalan pengukuran, biasanya para peneliti mencari nilai-nilai yang besar, saya biasanya jauh lebih besar daripada = 0,50. Demikian pula, sebuah penelitian yang menemukan hubungan l secara teoritis yang penting antara dua variabel mungkin memandang korelasi al "kecil '" = 0,10 sebagai hubungan yang substansial.
Pentingnya sebuah hubungan
Tanda tangan statistik dari sebuah korelasi adalah faktor penting kedua untuk menafsirkan kekuatan sebuah korelasi.Dalam konteks korelasi, istilah i menandakan bahwa korelasi yang ditemukan dalam data sampel sangat tidak mungkin telah dihasilkan oleh variasi acak.Sebaliknya, setiap kali hubungan sampel l ditemukan dan ditunjukkan, anda dapat menyimpulkan bahwa itu adalah hubungan nyata yang ada dalam populasi.saya
Dengan sampel kecil, adalah mungkin untuk mendapatkan korelasi yang sangat kuat yang, pada kenyataannya, sama sekali tidak ada hubungan antara dua variabel yang diperiksa. Sebagai contoh, dengan hanya dua orang, hanya ada dua titik data dan mereka dijamin akan langi pada garis lurus. Ihus, dengan contoh dari dua orang, anda akan selalu mendapatkan korelasi yang jelas antara pukul 1.00 (r-1.00) tidak peduli variabel apa yang anda ukur. Sebagai jumlah sampel meningkat, menjadi semakin banyak Tikely bahwa korelasi sampel secara akurat mewakili hubungan nyata yang ada dalam populasi. Sebuah korelasi dalam sampi yang relatif besar biasanya merupakan dalam Perbudakan dan kelemahan
Strategi penelitian korelasi.
Strategi penelitian korelasional sering digunakan untuk pekerjaan
pendahuluan di daerah yang tidak menerima banyak perhatian penelitian.Desain correlali bisa membuat variabel identitas dan menggambarkan hubungan antara variabel yang mungkin menyarankan penyelidikan lebih lanjut menggunakan strategi eksperimen untuk membuat hubungan abadi.Selain itu, rional researchi design memungkinkan peneliti menyelidiki berbagai variabel yang mustahil dimanipulasi atau tidak etis.Contohnya, studi korelasional yang saya bisa menyelidiki bagaimana perilaku atau keterampilan spesial berhubungan dengan
kelainan pola makan atau paparan polusi.Meskipun mungkin dan etis untuk mencatat kekurangan dieti dan polusi lingkungan karena kondisi alami mereka, maka tidak etis untuk menciptakan kondisi ini di laboratorium. Tak terhitung banyaknya materi vari lain seperti ukuran keluarga, kepribadian, konsumsi alkohol, tingkat pendidikan, pendapatan saya, dan kecenderungan warna dapat menjadi topik yang menarik untuk penelitian perilaku tetapi tidak dapat
dimanipulasi dan dikendalikan dalam suatu penelitian penelitian eksperimental.
Meskipun demikian, variabel-variabel ini dapat dengan mudah diukur dan dijelaskan dalam penelitian correla-i.
Teknik-teknik paling comnon quc untuk mengukur kekuatan penghubung betwecn dua adalah untuk menentukan c penentuan coctlicicnt, h diperoleh dengan
memperkecil nilai mati dari korelasi. Karena lation biasanya diidentifikasi oleh surat tersebut adalah, the cocthcicnt dari dctermin22. Cocthcicnt nsantai berapa banyak variabilty di variabe dictable Irom hubungan dengan varable lainnya.
Sebagai contoh, siswa tf dua dipilih secara acak, mereka hampir pasti akan havepoint rata-rata. Meskipun ada arc banyak cxplanations untuk nilai dite, satu kemungkinan adalah bahwa kedua siswa memiliki membolos adalah.Ingene ada kecenderungan untuk IOs yang lebih tinggi berkorelasi dengan nilai yang lebih tinggi. Jika or ation betwecn I) dan nilai rata-rata dihitung dan kemudian hasil kuadrat menyediakan ukuran berapa banyak perbedaan dalam nocah gradepo averages yang diprediksikan oleh l skor. Korelasi yang = 0,80 wouldme yang adalah 0.64 (atau 64%o) dari pembesaran rata-rata dapat dipotong oleh perbedaan di 0. Korelasi dari r = 0,30 berarti bahwa o.09 (9%) dari perbedaan dapat
diprediksi.
Dalam ilmu perilaku, perbedaan yang ada dari satu orang cenderung besar dan biasanya dilkultus untuk memprediksi atau menjelekkan.Akibatnya, kemampuan untuk memprediksi hanya sebagian kecil dari perbedaan pada behag yang
biasanya dianggap sebagai prestasi besar.Dengan mempertimbangkan hal ini, gude 0 di tabel 8.1 biasanya adalah uscd untuk menginterpretasikan kekuatan dari selulosa betwecn dua variabel (Cohen, 1988).
Kita harus memperhatikan bahwa nilai-nilai di menu 8.1 adalah gud umum menafsirkan korhubungan yang obtan di paling ilmu perilaku resea ada beberapa situasi, namun di mana korelasi (0,50 wouldaf akan dianggap besar. Sebagai contoh, ketika menggunakan korelasi kepada saya.
BAB III PENUTUP Kesimpulan
Pada penelitian korelasi ini, peneliti tidak perlu menentukan mana yang berperan sebagai variabel bebas dan variabel terikat. Tetapi jika peneliti ingin mengetahui bagaimana pengaruh suatu variabel yang terkait, maka peneliti perlu mengidentifikasi variabel sebab maupun variabel akibatnya.
Berisi tentang hasil analisis deskripsi dan pembahasan tentang hal yang di teliti dengan menggunakan mudah dipahami pembaca secara ringkas.
