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

Oleh karena nilai p-value untuk kedua korelasi lebih kecil dari 0.05. 1.318 (korelasi Spearman Rho).318* .000 . 50 -.012 50 pendapat -.262 (korelasi Kendall’s Tau) dan -0.000 . (1-tailed) N pendapat Correlation Coefficient Sig. 50 -.011 50 1.Correlations pendidikan Kendall's tau_b pendidikan Correlation Coefficient Sig. 50 -. • Semakin tinggi tingkat pendidikan menunjukkan ketidaksetujuan terhadap keputusan pemerintah menaikkan tarif tol.000 . (1-tailed) N Spearman's rho pendidikan Correlation Coefficient Sig. 50 Interpretasi • Dari hasil ouptput di atas diketahui bahwa besarnya korelasi antar pendidikan dan persetujuan pendapat adalah -0.000 . (1-tailed) N *. Correlation is significant at the 0. Korelasi Pearson 3 .012 50 1. (1-tailed) N pendapat Correlation Coefficient Sig.318* .262* .262* . maka dapat disimpulkan bahwa terdapat hubungan negatif yang signifikan antara tingkat pendidikan dan persetujuan pendapat. • • Kedua korelasi di atas menghasilkan korelasi negatif yang ditunjukkan oleh tanda negatif di depan koefisien korelasi.05 level (1-tailed).011 50 1.

Terdapat hubungan signifikan antara tes psikologi dengan nilai matematika. Kriteria Uji: Tolak hipotesis Nol bila nilai p-value < 0.05 Asumsi • Asumsi dalam analisis varians adalah data berdistribusi normal. Kasus Untuk mengetahui hubungan antara dua variabel yang bersakala interval. Gunakan test Kolmogorov-Smirnov. 4 .  Ho  H1 : : data berdistribusi normal. 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. Hipotesis: H0 H1 : : Tidak terdapat hubungan signifikan antara tes psikologi dengan nilai matematika. 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.

b SKOR 40 7. Masukkan nilai math & skor psikologi ke kolom test variable list.089 .909 dan 0.55580 . Buka file pearson. Interpretasi Oleh karena nilai asymptotic significant value Uji Kolomogorov-Smirnov untuk math dan skor psikologi masing-masing sebesar 0.909 Most Extreme Differences Absolute Positive Negative Kolmogorov-Smirnov Z Asymp. 3.800 . Langkah SPSS 1. pilih menu statistics atau analyze kemudian pilih submenu nonparametrics test.064 -.089 .124 .126 . Klik Dari menu utama SPSS. Output One-Sample Kolmogorov-Smirnov Test MATH N Normal Parameters a. 4.• Dalam penelitian test satu sampel Kolmogorov-Smirnov umumnya digunakan untuk menguji asumsi normalitas data. Test distribution is Normal. (2-tailed) a.126 -.. Sig. Langkah SPSS 1. Deviation 81.3000 1.xls 2.26692 . Klik OK. Buka file pearson.05).xls 5 .563 . b.545 40 Mean Std. maka hipotesis nol tidak ditolak yang artinya data penjualan mengikuti fungsi distribusi normal. lalu pilih 1 sample K-S.545 ( ≥ 0. Calculated from data.0250 10.

332* . 3. • Atau ada kecenderungan bahwa siswa yang memiliki nilai tes psikologi yang baik ketika masuk sekolah akan mempunyai nilai matematika yang baik pula. Oleh karena nilai p-value seebar 0. Koefisien Kontingensi C (Cramer’s V)  Kasus 6 Untuk mengetahui hubungan antara variabel data yang berskala nominal.05 level (1-tailed). Pilih pearson dan pilih one-tailed. pilih menu statistics atau analyze kemudian pilih submenu correalte.2.332* . (1-tailed) N SKOR Pearson Correlation Sig. Masukkan kedua variabel dalam kolom variabel.018 40 1 *. 4. Correlation is significant at the 0. Klik OK. 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. (1-tailed) N 40 . . lalu pilih bivariate.018 40 40 1 SKOR .05).018 (< 0. 5. Output Correlations MATH MATH Pearson Correlation Sig.332 (korelasi moderat) dan sifinikan pada alpha 5 %. Interpretasi • • Besarnya hubungan antara skor psikologi dan nilai matematika adalah 0. Dari menu utama SPSS.

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

571 37 df 8 8 1 sided) . Kasus 8 .05). 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. (2Value Pearson Chi-Square Likelihood Ratio Linear-by-Linear Association N of Valid Cases 20.109 a.007 Interpretasi • Oleh karena nilai p-value cramer’s V sebesar 0.Chi-Square Tests Asymp. .3%) have expected count less than 5.007 . Asosiasi ETA Untuk mengetahui hubungan antara variabel data yang berskala nominal dan interval. Symmetric Measures Value Nominal by Nominal Phi Cramer's V N of Valid Cases . 14 cells (93.007 (< 0.752 .007 . Sig.004 . Sig.927a 22. maka kesimpulannya adalah terdapat hubungan positif signifikan antara tingkat pendidikan seseorang dan partai politik pilihan pada pemilu 2004. The minimum expected count is 1.507 2.532 37 Approx.22.

Seorang guru konseling ingin mengetahui apakah terdapat hubungan yang sangat kuat antara mata pelajaran yang disukai siswa dengan kemampuan verbal.524. 9 . maka terdapat hubungan positif antara mata pelajaran favorit siswa dengan skor verbal tes yaitu sebesar 0. Diambil 24 siswa sebagai sampel dan setiap siswa diminta untuk menyebutkan satu mata pelajaran favoritnya. Kemudian diadakan tes verbal terhadap siswa-siswa tersebut.578. maka terdapat hubungan positif antara mata pelajaran favorit siswa dengan skor tes verbal yaitu sebesar 0. 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 .578 Interpretasi • Jika mata pelajaran diasumsikan sebagai variabel dependen. • Selanjutnya jika skor tes diasumsikan sebagai variabel dependen.524 .