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

Pilih spearmanrho atau kendall’s tau.05 Langkah SPSS 1. Buka file spearmanrho. 4. Pilih one-tailed. 3. lalu pilih bivariate. pilih menu statistics atau analyze kemudian pilih submenu correalte.xls 2. Dari menu utama SPSS.persetujuan pendapat. Klik OK. 5. Masukkan kedua variabel dalam kolom variabel. Output 2 . 6. Kriteria Uji: Tolak hipotesis Nol bila nilai p-value < 0.

262* . Korelasi Pearson 3 .262* . (1-tailed) N Spearman's rho pendidikan Correlation Coefficient Sig.318 (korelasi Spearman Rho). Oleh karena nilai p-value untuk kedua korelasi lebih kecil dari 0. 50 -.05 level (1-tailed). (1-tailed) N pendapat Correlation Coefficient Sig.012 50 pendapat -. 50 -.Correlations pendidikan Kendall's tau_b pendidikan Correlation Coefficient Sig.262 (korelasi Kendall’s Tau) dan -0. 1. maka dapat disimpulkan bahwa terdapat hubungan negatif yang signifikan antara tingkat pendidikan dan persetujuan pendapat.011 50 1. (1-tailed) N pendapat Correlation Coefficient Sig. 50 -.000 .318* .318* . (1-tailed) N *.000 . 50 Interpretasi • Dari hasil ouptput di atas diketahui bahwa besarnya korelasi antar pendidikan dan persetujuan pendapat adalah -0. Correlation is significant at the 0.011 50 1.000 .05.012 50 1.000 . • Semakin tinggi tingkat pendidikan menunjukkan ketidaksetujuan terhadap keputusan pemerintah menaikkan tarif tol. • • Kedua korelasi di atas menghasilkan korelasi negatif yang ditunjukkan oleh tanda negatif di depan koefisien korelasi.

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. Kasus Untuk mengetahui hubungan antara dua variabel yang bersakala interval.05 Asumsi • Asumsi dalam analisis varians adalah data berdistribusi normal.  Ho  H1 : : data berdistribusi normal. Hipotesis: H0 H1 : : Tidak terdapat hubungan signifikan antara tes psikologi dengan nilai matematika. Gunakan test Kolmogorov-Smirnov. 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. Kriteria Uji: Tolak hipotesis Nol bila nilai p-value < 0. Terdapat hubungan signifikan antara tes psikologi dengan nilai matematika. 4 . data tidak berdistribusi normal.

Buka file pearson. Interpretasi Oleh karena nilai asymptotic significant value Uji Kolomogorov-Smirnov untuk math dan skor psikologi masing-masing sebesar 0. Calculated from data. b. Output One-Sample Kolmogorov-Smirnov Test MATH N Normal Parameters a.089 . pilih menu statistics atau analyze kemudian pilih submenu nonparametrics test.xls 5 . Masukkan nilai math & skor psikologi ke kolom test variable list. Klik OK.563 . Deviation 81.545 40 Mean Std. Langkah SPSS 1.xls 2. 3.800 . Langkah SPSS 1..124 .b SKOR 40 7. maka hipotesis nol tidak ditolak yang artinya data penjualan mengikuti fungsi distribusi normal. lalu pilih 1 sample K-S.089 .909 dan 0.55580 .545 ( ≥ 0. Sig. Test distribution is Normal. Buka file pearson. (2-tailed) a. 4.064 -.0250 10.05).909 Most Extreme Differences Absolute Positive Negative Kolmogorov-Smirnov Z Asymp.126 -.3000 1. Klik Dari menu utama SPSS.126 .26692 .• Dalam penelitian test satu sampel Kolmogorov-Smirnov umumnya digunakan untuk menguji asumsi normalitas data.

Correlation is significant at the 0.332* .018 40 40 1 SKOR .332* . 3. 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. Output Correlations MATH MATH Pearson Correlation Sig.018 (< 0.332 (korelasi moderat) dan sifinikan pada alpha 5 %. Masukkan kedua variabel dalam kolom variabel.05 level (1-tailed). lalu pilih bivariate. . (1-tailed) N 40 . Oleh karena nilai p-value seebar 0. • Atau ada kecenderungan bahwa siswa yang memiliki nilai tes psikologi yang baik ketika masuk sekolah akan mempunyai nilai matematika yang baik pula. pilih menu statistics atau analyze kemudian pilih submenu correalte.2. 5. Pilih pearson dan pilih one-tailed. Interpretasi • • Besarnya hubungan antara skor psikologi dan nilai matematika adalah 0.05). Klik OK. Dari menu utama SPSS. 4.018 40 1 *. Koefisien Kontingensi C (Cramer’s V)  Kasus 6 Untuk mengetahui hubungan antara variabel data yang berskala nominal. (1-tailed) N SKOR Pearson Correlation Sig.

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

007 . Sig. .109 a.007 Interpretasi • Oleh karena nilai p-value cramer’s V sebesar 0.752 . Kasus 8 .007 (< 0. maka kesimpulannya adalah terdapat hubungan positif signifikan antara tingkat pendidikan seseorang dan partai politik pilihan pada pemilu 2004. Asosiasi ETA Untuk mengetahui hubungan antara variabel data yang berskala nominal dan interval.05).3%) have expected count less than 5. 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.Chi-Square Tests Asymp.004 . Symmetric Measures Value Nominal by Nominal Phi Cramer's V N of Valid Cases . Sig.007 . (2Value Pearson Chi-Square Likelihood Ratio Linear-by-Linear Association N of Valid Cases 20.927a 22.532 37 Approx.571 37 df 8 8 1 sided) .507 2.22. 14 cells (93. The minimum expected count is 1.

524. maka terdapat hubungan positif antara mata pelajaran favorit siswa dengan skor tes verbal yaitu sebesar 0.578.578 Interpretasi • Jika mata pelajaran diasumsikan sebagai variabel dependen. • Selanjutnya jika skor tes diasumsikan sebagai variabel dependen. maka terdapat hubungan positif antara mata pelajaran favorit siswa dengan skor verbal tes yaitu sebesar 0.524 . Kemudian diadakan tes verbal terhadap siswa-siswa tersebut.Seorang guru konseling ingin mengetahui apakah terdapat hubungan yang sangat kuat antara mata pelajaran yang disukai siswa dengan kemampuan verbal. Diambil 24 siswa sebagai sampel dan setiap siswa diminta untuk menyebutkan satu mata pelajaran favoritnya. 9 . 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 .

Sign up to vote on this title
UsefulNot useful