KORELASI DAN PENAFSIRANNYA
Korelasi merupakan teknik analisis statistik yang sering digunakan oleh peneliti untuk beragam keperluan seperti tugas akhir, skripsi, thesis, disertasi, ataupun penelitian ilmiah lainnya dan termasuk dalam salah satu teknik pengukuran asosiasi atau hubungan (measures of association). Analisis korelasi sering pula dihubungkan dan berkaitan regresi.
Pengukuran asosiasi merupakan istilah umum yang sering digunakan dalam teknik statistik bivariat untuk mengukur kekuatan hubungan antara dua variabel. Diantara beberapa teknik-teknik pengukuran asosiasi, ada dua teknik korelasi yang sangat populer sampai sekarang, yaitu Korelasi Pearson Product Moment dan Korelasi Rank Spearman. Selain kedua teknik tersebut, terdapat pula teknik-teknik korelasi lain, seperti Kendal, Chi-Square, Phi Coefficient, Goodman-Kruskal, Somer, dan Wilson.
Korelasi bermanfaat untuk mengukur kekuatan hubungan antara dua variabel (kadang lebih dari dua variabel) yang terbagi dengan skala-skala tertentu menurut jenis data. Sebagai contoh; Korelasi Pearson menggunakan data berskala interval atau rasio; Spearman dan Kendal menggunakan skala ordinal; Chi Square menggunakan data nominal.
Hasil perhitungan korelasi mempunyai kemungkinan penafsiran terhadap pengujian hipotesis dua arah (two tailed). Korelasi searah jika nilai koefesien korelasi diketemukan positif; sebaliknya jika nilai koefesien korelasi negatif, korelasi disebut tidak searah.
Berikut ini contoh menghitung korelasi dan cara menafsirkannya dengan bantuan software SPSS versi 19.
Misalkan kita memiliki 4 variabel penelitian X1,X2,X3, dan Y. Cara melakukan perhitungan korelasi pearson dengan SPSS 19 adalah sebagai berikut :
Pengukuran asosiasi merupakan istilah umum yang sering digunakan dalam teknik statistik bivariat untuk mengukur kekuatan hubungan antara dua variabel. Diantara beberapa teknik-teknik pengukuran asosiasi, ada dua teknik korelasi yang sangat populer sampai sekarang, yaitu Korelasi Pearson Product Moment dan Korelasi Rank Spearman. Selain kedua teknik tersebut, terdapat pula teknik-teknik korelasi lain, seperti Kendal, Chi-Square, Phi Coefficient, Goodman-Kruskal, Somer, dan Wilson.
Korelasi bermanfaat untuk mengukur kekuatan hubungan antara dua variabel (kadang lebih dari dua variabel) yang terbagi dengan skala-skala tertentu menurut jenis data. Sebagai contoh; Korelasi Pearson menggunakan data berskala interval atau rasio; Spearman dan Kendal menggunakan skala ordinal; Chi Square menggunakan data nominal.
Hasil perhitungan korelasi mempunyai kemungkinan penafsiran terhadap pengujian hipotesis dua arah (two tailed). Korelasi searah jika nilai koefesien korelasi diketemukan positif; sebaliknya jika nilai koefesien korelasi negatif, korelasi disebut tidak searah.
Berikut ini contoh menghitung korelasi dan cara menafsirkannya dengan bantuan software SPSS versi 19.
Misalkan kita memiliki 4 variabel penelitian X1,X2,X3, dan Y. Cara melakukan perhitungan korelasi pearson dengan SPSS 19 adalah sebagai berikut :
1. Masukkan data penelitian pada menu SPSS Data editor
2. Pilih menu Analyze, lalu Correlate, kemudian Bivariate
4. Lihat hasil output di jendela
SPSS Output Viewer dan berikan penafsiran atas hasil perhitungan yang
muncul.
A. Penafsiran Hasil Korelasi:
1. Arti
a). Angka Korelasi
Ada dua tanda dalam penafsiran korelasi melalui nilai koefisien, yaitu tanda (+) dan (-) yang berhubungan dengan arah korelasi, serta menyatakan kuat tidaknya korelasi.
3. Pada kotak dialog yang muncul,
pilih variabel yang akan diproses dengan meng-klik variabel X1,X2,X3, dan
Y dan meng-klik tombol panah (1) yang ada di tengah kotak kiri dan kanan.
Nomor (2) dan (3) dipilih berdasarkan perhitungan korelasi yang akan
digunakan dan jenis tes signifikansi.
pilih variabel yang akan diproses dengan meng-klik variabel X1,X2,X3, dan
Y dan meng-klik tombol panah (1) yang ada di tengah kotak kiri dan kanan.
Nomor (2) dan (3) dipilih berdasarkan perhitungan korelasi yang akan
digunakan dan jenis tes signifikansi.
SPSS Output Viewer dan berikan penafsiran atas hasil perhitungan yang
muncul.
A. Penafsiran Hasil Korelasi:
1. Arti
a). Angka Korelasi
Ada dua tanda dalam penafsiran korelasi melalui nilai koefisien, yaitu tanda (+) dan (-) yang berhubungan dengan arah korelasi, serta menyatakan kuat tidaknya korelasi.
b). Signifikansi
Hasil Korelasi
Berdasarkan nilai Signifikansi, kita
bisa mengambil simpulan atas hipotesis :
H0 = Tidak ada hubungan (korelasi) antara dua variabel.
H1 = Ada hubungan (korelasi) antara
dua variabel.
Uji dilakukan dua sisi / arah /
tailed (ekor).
Dasar pengambilan keputusan
berdasarkan probabilitas menggunakan kriteria :
- Jika probabilitas > 0,05 (atau 0,01), maka H0 diterima.
- Jika probabilitas < 0,05 (atau 0,01), maka H0 ditolak.
Berdasarkan acuan penafsiran diatas, contoh perhitungan korelasi pearson menggunakan data X1,X2, X3, dan Y maka salah satu tafsiran yang dapat kita berikan adalah :
Hasil Korelasi
Berdasarkan nilai Signifikansi, kita
bisa mengambil simpulan atas hipotesis :
H0 = Tidak ada hubungan (korelasi) antara dua variabel.
H1 = Ada hubungan (korelasi) antara
dua variabel.
Uji dilakukan dua sisi / arah /
tailed (ekor).
Dasar pengambilan keputusan
berdasarkan probabilitas menggunakan kriteria :
- Jika probabilitas > 0,05 (atau 0,01), maka H0 diterima.
- Jika probabilitas < 0,05 (atau 0,01), maka H0 ditolak.
Berdasarkan acuan penafsiran diatas, contoh perhitungan korelasi pearson menggunakan data X1,X2, X3, dan Y maka salah satu tafsiran yang dapat kita berikan adalah :
Korelasi X1 dan Y memiliki nilai 0,342 yang dapat dikategorikan memiliki hubungan yang lemah dan berdasarkan uji signifikasi hasilnya menunjukkan nilai 0,140 yang berarti asosiasi kedua variabel adalah tidak signifikan.
Demikian
cara menghitung korelasi pearson dengan SPSS 19 dengan contoh korelasi X1-Y. Perhitungan korelasi lainnya seperti korelasi Kendall’s tau-b ataupun korelasi Rank Spearman dapat dilakukan dengan cara yang hampir sama dengan perhitungan korelasi pearson. Tinggal sesuaikan saja jenis data yang dimiliki dengan metoda perhitungan yang tepat.
cara menghitung korelasi pearson dengan SPSS 19 dengan contoh korelasi X1-Y. Perhitungan korelasi lainnya seperti korelasi Kendall’s tau-b ataupun korelasi Rank Spearman dapat dilakukan dengan cara yang hampir sama dengan perhitungan korelasi pearson. Tinggal sesuaikan saja jenis data yang dimiliki dengan metoda perhitungan yang tepat.
Tidak ada komentar:
Posting Komentar