P. 1
Analisis Korelasi

Analisis Korelasi

|Views: 245|Likes:
Dipublikasikan oleh Poppy Ardhyani

More info:

Published by: Poppy Ardhyani on May 23, 2011
Hak Cipta:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOC, PDF, TXT or read online from Scribd
See more
See less

12/08/2014

pdf

text

original

ANALISIS KORELASI

Penjelasan 1. Tujuan utama adalah mengetahui ukuran kekuatan atau kekuatan hubungan antara dua variabel. 2. Koefisien korelasi mengukur kekuatan hubungan tersebut (linier). 3. Misalnya, kita tertarik untuk mencari korelasi antara merokok dengan kanker paru-paru, antara nilai statistik dan matematika, antara sekolah menengah dengan perguruan tinggi dan sebagainya. Klasifikasi Besarnya Nilai Korelasi Antara Variabel 0.00 – 0.09 0.10 – 0.29 0.30 – 0.49 0.50 – 0.70 > 0.70 Korelasi diabaikan Korelasi rendah Korelasi moderat Korelasi sedang Korelasi kuat

Koefisien Korelasi Rank Spearman & Kendall’s Tau  Kasus Seorang peneliti sosial ingin mengetahui hubungan antara tingkat pendidikan dan persetujuan pendapat terhadap keputusan pemerintah menaikkan tarif tol pada bulan Mei 2010. Peneliti social tersebut mempunyai dugaan bahwa terdapat hubungan negative yang signifikan antara kedua variable tersebut. Hipotesis: H0 : Tidak terdapat hubungan signifikan antara tingkat pendidikan dan tingkat persetujuan pendapat. H1 : Terdapat hubungan signifikan antara tingkat pendidikan dan tingkat Untuk mengetahui hubungan antara dua variable data yang bersakala ordinal.

1

3.xls 2. Masukkan kedua variabel dalam kolom variabel. pilih menu statistics atau analyze kemudian pilih submenu correalte. 5. lalu pilih bivariate. Dari menu utama SPSS. Pilih spearmanrho atau kendall’s tau. 6. Buka file spearmanrho. Kriteria Uji: Tolak hipotesis Nol bila nilai p-value < 0.05 Langkah SPSS 1. Klik OK. 4.persetujuan pendapat. Pilih one-tailed. Output 2 .

318* .Correlations pendidikan Kendall's tau_b pendidikan Correlation Coefficient Sig. maka dapat disimpulkan bahwa terdapat hubungan negatif yang signifikan antara tingkat pendidikan dan persetujuan pendapat.318 (korelasi Spearman Rho).000 . (1-tailed) N pendapat Correlation Coefficient Sig.000 .000 . 1. 50 -. Oleh karena nilai p-value untuk kedua korelasi lebih kecil dari 0. Correlation is significant at the 0.262* .318* . (1-tailed) N *. • • Kedua korelasi di atas menghasilkan korelasi negatif yang ditunjukkan oleh tanda negatif di depan koefisien korelasi. (1-tailed) N pendapat Correlation Coefficient Sig. Korelasi Pearson 3 . • Semakin tinggi tingkat pendidikan menunjukkan ketidaksetujuan terhadap keputusan pemerintah menaikkan tarif tol.05.012 50 1. 50 Interpretasi • Dari hasil ouptput di atas diketahui bahwa besarnya korelasi antar pendidikan dan persetujuan pendapat adalah -0.011 50 1.05 level (1-tailed). (1-tailed) N Spearman's rho pendidikan Correlation Coefficient Sig.262 (korelasi Kendall’s Tau) dan -0.012 50 pendapat -.000 .011 50 1.262* . 50 -. 50 -.

Seorang guru bimbingan siswa mengembangkan suatu tes psikologi numerik kepada siswa baru untuk mengetahui apakah terdapat hubungan antara hasil tes psikologi numerik dengan hasil nilai matematika yang akan diperoleh siswa pada akhir semester. data tidak berdistribusi normal.05 Asumsi • Asumsi dalam analisis varians adalah data berdistribusi normal. Gunakan test Kolmogorov-Smirnov.  Ho  H1 : : data berdistribusi normal. Kriteria Uji: Tolak hipotesis Nol bila nilai p-value < 0. Kasus Untuk mengetahui hubungan antara dua variabel yang bersakala interval. Uji Asumsi Distribusi Normal Kolomogorov-Smirnov • Tes satu sampel Kolmogorov-Smirnov adalah test goodness of fit artinya tingkat kesesuaian antara distribusi serangkaian sampel (skor yang diobservasi) dengan suatu distribusi teoretis tertentu. Hipotesis: H0 H1 : : Tidak terdapat hubungan signifikan antara tes psikologi dengan nilai matematika. Terdapat hubungan signifikan antara tes psikologi dengan nilai matematika. 4 .

b. Buka file pearson. Output One-Sample Kolmogorov-Smirnov Test MATH N Normal Parameters a. Langkah SPSS 1. Calculated from data. 3. Klik Dari menu utama SPSS. Buka file pearson.909 Most Extreme Differences Absolute Positive Negative Kolmogorov-Smirnov Z Asymp.b SKOR 40 7.089 .05). Sig.0250 10. Langkah SPSS 1.3000 1.800 . pilih menu statistics atau analyze kemudian pilih submenu nonparametrics test.126 -.545 40 Mean Std.xls 5 .126 .26692 . Deviation 81.563 .55580 . Klik OK. Masukkan nilai math & skor psikologi ke kolom test variable list.. (2-tailed) a.xls 2. Test distribution is Normal.124 .064 -.545 ( ≥ 0.• Dalam penelitian test satu sampel Kolmogorov-Smirnov umumnya digunakan untuk menguji asumsi normalitas data. maka hipotesis nol tidak ditolak yang artinya data penjualan mengikuti fungsi distribusi normal.909 dan 0. lalu pilih 1 sample K-S. 4.089 . Interpretasi Oleh karena nilai asymptotic significant value Uji Kolomogorov-Smirnov untuk math dan skor psikologi masing-masing sebesar 0.

Pilih pearson dan pilih one-tailed. Oleh karena nilai p-value seebar 0. 3.332* . Correlation is significant at the 0. (1-tailed) N SKOR Pearson Correlation Sig. Interpretasi • • Besarnya hubungan antara skor psikologi dan nilai matematika adalah 0. lalu pilih bivariate.05 level (1-tailed). • Atau ada kecenderungan bahwa siswa yang memiliki nilai tes psikologi yang baik ketika masuk sekolah akan mempunyai nilai matematika yang baik pula. (1-tailed) N 40 . Masukkan kedua variabel dalam kolom variabel.018 (< 0.332 (korelasi moderat) dan sifinikan pada alpha 5 %. Koefisien Kontingensi C (Cramer’s V)  Kasus 6 Untuk mengetahui hubungan antara variabel data yang berskala nominal.018 40 1 *.2. 4. Dari menu utama SPSS. 5. Klik OK. .332* . pilih menu statistics atau analyze kemudian pilih submenu correalte.05).018 40 40 1 SKOR . Output Correlations MATH MATH Pearson Correlation Sig. maka dapat disimpulkan bahwa terdapat hubungan positif moderat antara nilai tes psikologi ketika siswa akan masuk sekolah dengan nilai matematika yang diperoleh siswa ketika proses belajar.

Sebagai gambaran awal diambil sampel 37 responden dan diminta keterangan tentang tingkat pendidikan terakhir dan partai pilihan pada pemilu 2004.Seorang peneliti sosial-politik ingin mengetahui apakah terdapat hubungan antara tingkat pendidikan seseorang dengan partai politik pilihannya pada pemilu 2004. Klik tombol statistics dan pilih opsi chi-square dan phi and cramer’s V. 7.xls 2. Klik OK. 4. 6. 5. Langkah SPSS 1. pilih menu statistics atau analyze kemudian pilih submenu descriptive statistics. Masukkan variabel pendidikan dalam kolom column(s). Output PARTAI * PENDIDIKAN Crosstabulation Count PENDIDIKAN 1 PARTAI 1 2 3 4 5 Total 0 8 6 2 3 19 2 1 2 2 2 2 9 3 6 0 1 1 1 9 Total 7 10 9 5 6 37 7 . Klik continue. Masukkan variable partai dalam kolom row(s). Buka file cramer. lalu pilih crosstabs. Dari menu utama SPSS. 3.

Asosiasi ETA Untuk mengetahui hubungan antara variabel data yang berskala nominal dan interval. Kasus 8 .007 (< 0. (2Value Pearson Chi-Square Likelihood Ratio Linear-by-Linear Association N of Valid Cases 20.109 a. Sig.007 Interpretasi • Oleh karena nilai p-value cramer’s V sebesar 0. Keterangan Cramer’s V lebih tepat digunakan untuk tabel kontingensi lebih dari 2 x 2 dan statistik Phi lebih dianjurkan untuk tabel kontingensi 2 x 2. maka kesimpulannya adalah terdapat hubungan positif signifikan antara tingkat pendidikan seseorang dan partai politik pilihan pada pemilu 2004.007 .004 . Sig.532 37 Approx.05).3%) have expected count less than 5.Chi-Square Tests Asymp.22.571 37 df 8 8 1 sided) . Symmetric Measures Value Nominal by Nominal Phi Cramer's V N of Valid Cases . .752 . 14 cells (93.507 2.927a 22. The minimum expected count is 1.007 .

maka terdapat hubungan positif antara mata pelajaran favorit siswa dengan skor tes verbal yaitu sebesar 0.578.Seorang guru konseling ingin mengetahui apakah terdapat hubungan yang sangat kuat antara mata pelajaran yang disukai siswa dengan kemampuan verbal. Kemudian diadakan tes verbal terhadap siswa-siswa tersebut. Output PELAJARAN * SKOR Crosstabulation Count SKOR 5 PELAJARAN 1 2 3 4 5 Total 1 0 0 0 0 1 6 1 1 0 0 0 2 7 1 1 1 1 2 6 8 1 2 2 2 1 8 9 0 1 1 1 2 5 10 0 0 2 0 0 2 Total 4 5 6 4 5 24 Directional Measures Value Nominal by Interval Eta PELAJARAN Dependent SKOR Dependent . maka terdapat hubungan positif antara mata pelajaran favorit siswa dengan skor verbal tes yaitu sebesar 0.524.524 . Diambil 24 siswa sebagai sampel dan setiap siswa diminta untuk menyebutkan satu mata pelajaran favoritnya. 9 . • Selanjutnya jika skor tes diasumsikan sebagai variabel dependen.578 Interpretasi • Jika mata pelajaran diasumsikan sebagai variabel dependen.

You're Reading a Free Preview

Mengunduh
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->