KORELASI

Kelompok 4 Asmawati, Jum, Meyer, Wanti, Susanti, Umi

Batasan
Korelasi merupakan teknik analisis statistik bivariat untuk mengukur kekuatan hubungan antara dua variabel. Dua aspek untuk analisis korelasi, yaitu apakah data sampel yang ada menyediakan bukti cukup bahwa ada kaitan antara variabelvariabel dalam populasi asal sampel. Dan jika ada hubungan, seberapa kuat hubungan antar variabel tersebut.

Manfaat
Untuk mengukur kekuatan hubungan antara dua variabel (kadang lebih dari dua variabel) yang terbagi dengan skala-skala tertentu menurut jenis data.

Interpretasi .
Interpretasi hasil uji korelasi didasarkan pada nilai p, kekuatan korelasi serta arah korelasi, dapat dilihat dari tabel berikut :

Koefisien Korelasi Bivariate/ Product Moment Pearson

Terdiri dari dua variabel (v.independen dan v.dependen) Distribusi data normal Digunakan untuk data interval dan rasio

Kasus
dari data latihan mandiri, kita ingin mengetahui korelasi antara skor depresi dengan skor ansietas. Dirumuskan pertanyaan sebagai berikut : Adakah korelasi antara skor kecemasan dengan skor kesiapan? Uji apakah yang mungkin digunakan untuk menjawab pertanyaan tersebut? Bagaimana melakukan uji korelasi dengan SPSS?

Jawaban
Tentukan variabel yang dihubungkan (variabel yang dihubungkan adalah skor kecemasan (numerik) dengan skor kesiapan (numerik) Tentukan jenis hipotesis (hipotesis yang digunakan hipotesis korelatif) Tentukan masalah skala variabel (skala pengukuran numerik) Kesimpulan : Uji yang digunakan adalah uji korelasi person (uji parametrik) jika memenuhi syarat. Jika tidak memenuhi syarat maka digunakan uji alternative yaitu uji korelasi Spearman (uji nonparametrik)

Langkah SPSS
Memeriksa syarat uji parametric : distribusi data harus normal : Buka file data pearson.sav, klik analyze, pilih descriptive statistic kemudian klik explore

Masukkan semua variabel yang ada di kolom explore, kemudian pindahkan ke kolom dependent list

 Aktifkan kotak plots, aktifkan factor levels together pada boxplots, aktifkan histogram pada descriptive dan aktifkan normality plots with tests. Proses selesai, klik continue dan klik OK

 Kemudian akan muncul output uji normalitas data sbb Interpretasi hasil output : Secara analitis pengujian dengan menggunakan uji kolmogorov-smirnov (karena besar sampel > 50) kedua variabel memiliki nilai p = 0,078. Oleh karena nilai kedua p > 0,05 maka kedua kelompok data memiliki distribusi normal.

 Bila memenuhi syarat maka dipilih uji korelasi pearson, jika tidak lakukan transformasi data agar distribusi menjadi normal. Jika distribusi data hasil transformasi normal, maka dipilih uji korelasi pearson, jika tidak maka dipilih uji alternatifnya yaitu uji korelasi spearman Berdasarkan hasil pada interpretasi poin (a) maka langkah yang ditempuh adalah melakukan uji korelasi pearson, sbb : Klik analyze correlate bivariate Masukkan depresi dan ansietas kedalam kotak variable Pilih uji pearson pada kotak correlation coefficients Pilih two tailed pada test of significance

 Proses telah selesai. Klik OK. Hasil output sebagai berikut

Interpretasi : Berdasarkan hasil diatas, diperoleh nilai p = 0,000 (p < 0,05) menunjukkan bahwa korelasi antara skor depresi dan skor ansietas bermakna. Nilai korelasi pearson (r) sebesar 0,82 menunjukkan korelasi positif dengan kekuatan korelasi sangat kuat

Korelasi Peringkat Spearman

Digunakan untuk jenis data ordinal Cara analisis dan interpretasi sama dengan Pearson Perbedaan hanya pada waktu memilih box yang diaktifkan, yaitu box spearman

Kasus.
Dari data latihan mandiri, ingin diketahui antara skor gangguan somatic dengan skor gangguan social. Dirumuskan pertanyaan berikut : Adakah korelasi antara skor gangguan somatic dengan skor gangguan social? Uji hipotesis apakah yang digunakan? Bagaimana melakukan uji korelasi dengan SPSS?

Jawaban
Menentukan variabel yang dihubungkan (variabel skor gangguan somatic (numeric) dengan variabel skor gangguan social (numeric)). Menentukan jenis hipotesis (korelatif) Menentukan masalah skala variabel (numeric) Kesimpulan : uji yang digunakan adalah uji korelasi pearson (uji parametric) jika memenuhi syarat. Jika tidak memenuhi syarat, maka digunakan uji alternative yaitu uji korelasi spearman (uji nonparametric)

 Melakukan uji normalitas (seperti langkah diatas untuk uji normalitas), dari data latihan mandiri diperoleh hasil sbb

 Interpretasi, dari hasil uji kenormalan data dengan menggunakan kolmogorov-smirnov test, baik skor ssomatik complaint maupun skor social problem mempunyai nilai p = 0,000 (p < 0,05) maka kedua kelompok data memiliki distribusi data tidak normal. Oleh karena distribusi data tidak normal, maka harus dilakukan transformasi data (diasumsikan upaya transformasi data agar distribusi data menjadi normal tidak berhasil, maka diputuskan untuk menggunakan uji alternative spearman).

Bagaimana melakukan uji korelasi dengan SPSS? Klik analyze correlate bivariate Masukkan somatic dan social ke dalam kotak variabel Pilih uji spearman pada kotak correlation coefficients Pilih two tailed pada test of significance

 Proses telah selesai. Klik OK. Hasil output yang diperoleh sbb

Interpretasi : Dari hasil diatas, diperoleh nilai p = 0,000 yang menunjukan bahwa korelasi antara gangguan somatic dengan gangguan social adalah bermakna. Nilai korelasi spearman (r) sebesar 0,351 menunjukkan bahwa arah korelasi positif dengan kekuatan korelasi yang lemah

Besar Hubungan Parsial

Korelasi yang digunakan untuk menguji hubungan dua atau lebih variabel independen dengan satu variabel dependen dan dilakukan pengendalian pada salah satu variabel independennya X1 Y X2 X2 dikendalikan

Kasus.
Dari data latihan mandiri, ingin diketahui korelasi antara skor pengetahuan kewarganegaraan dengan skor perilaku demokrasi dimana partisipasi politik menjadi variabel control. Bagaimana melakukan uji SPSS ?

Jawaban
pilih menu Analyze. Kemudian pilih submenu Correlate, dan pilih Partial. Maka akan tampak di layar tampilan seperti gambar berikut:

 Variable yang akan dikorelasikan, pilih Citizenship dan Democracy Controlling for (variabel pengontrol), pilih participation Test of Significance yang akan digunakan, pilih Two-tailed untuk uji dua sisi. Display actual signifance level pilih untuk diaktifkan, dengan cara mengkliknya.

 Abaikan yang lainnya, kemudian tekan tombol OK untuk prosessing data. Outputnya sebagai berikut:

Interpretasi
Arti Angka Korelasi (Lihat Correlation) Pada hasil output ada dua bagian, yang pertama adalah Analsis Korelasi Pearson (Bivariat) antara 3 variabel, yaitu Citizenship, Participation dan Democracy. Sedangkan bagian yang kedua analisis korelasi antara Citizenship dengan Democracy dimana Participation menjadi variabel pengontrolnya.

 Bila dibandingkan terlihat bahwa angka korelasi antara Citizenship dengan Democracy dengan menggunakan variabel pengontrol nilainya menjadi turun, yaitu dari 0,968 menjadi 0,397. Sedangkan tandanya masih positif. Hal ini berarti bahwa dengan memperhitungkan besarnya tingkat partisipasi politik seseorang, masih ada korelasi positif antara tingkat pengetahuan kewarganegaraan dengan perilaku demokratisnya. Sehingga, semakin tinggi tingkat partisipasi politik seseorang, dan jika perilaku demokrasinya pun meningkat, maka ada kecenderungan partisipasi politik orang tersebut akan semakin meningkat. Demikian pula sebaliknya.

Referensi
Cramer, Duncan and Alan Bryman (2005). Quantitative Data Analysis With SPSS 12 and 13 A Guide for Social Scientists. New York : Routledge Dahlan, M.Sopiyudin (2009). Statistik untuk Kedokteran dan Kesehatan. Jakarta : Salemba Medika. Hastono, S.P.(2007). Analisis Data Kesehatan. Jakarta : Fakultas Ilmu Kesehatan Masyarakat Universitas Indonesia Sugiyono. (2007). Metode Penelitian Administasi. Bandung : Alfabeta Sabri, Luknis dan Hastono, Sutanto Priyo (2010). Statistik Kesehatan. Jakarta : Rajawali Pers