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. pilih menu statistics atau analyze kemudian pilih submenu correalte. Kriteria Uji: Tolak hipotesis Nol bila nilai p-value < 0. 5.05 Langkah SPSS 1. Masukkan kedua variabel dalam kolom variabel. 4. Output 2 . 6. Pilih spearmanrho atau kendall’s tau. lalu pilih bivariate. Klik OK.xls 2. Buka file spearmanrho. Dari menu utama SPSS. Pilih one-tailed.persetujuan pendapat.

(1-tailed) N pendapat Correlation Coefficient Sig.05.000 . 50 -.012 50 1. (1-tailed) N Spearman's rho pendidikan Correlation Coefficient Sig. maka dapat disimpulkan bahwa terdapat hubungan negatif yang signifikan antara tingkat pendidikan dan persetujuan pendapat.318* .000 . • Semakin tinggi tingkat pendidikan menunjukkan ketidaksetujuan terhadap keputusan pemerintah menaikkan tarif tol.012 50 pendapat -.318* .262* .318 (korelasi Spearman Rho). Oleh karena nilai p-value untuk kedua korelasi lebih kecil dari 0.Correlations pendidikan Kendall's tau_b pendidikan Correlation Coefficient Sig.000 .262* . • • Kedua korelasi di atas menghasilkan korelasi negatif yang ditunjukkan oleh tanda negatif di depan koefisien korelasi.000 . (1-tailed) N *.011 50 1. 50 Interpretasi • Dari hasil ouptput di atas diketahui bahwa besarnya korelasi antar pendidikan dan persetujuan pendapat adalah -0.262 (korelasi Kendall’s Tau) dan -0. 50 -. (1-tailed) N pendapat Correlation Coefficient Sig. Korelasi Pearson 3 . 50 -.05 level (1-tailed).011 50 1. 1. Correlation is significant at the 0.

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

909 dan 0.124 . Buka file pearson. Langkah SPSS 1. Klik OK. Output One-Sample Kolmogorov-Smirnov Test MATH N Normal Parameters a.545 40 Mean Std.126 .909 Most Extreme Differences Absolute Positive Negative Kolmogorov-Smirnov Z Asymp. 4.0250 10. pilih menu statistics atau analyze kemudian pilih submenu nonparametrics test. Sig. maka hipotesis nol tidak ditolak yang artinya data penjualan mengikuti fungsi distribusi normal. Test distribution is Normal.089 . Buka file pearson.b SKOR 40 7.26692 .064 -.. b. Deviation 81. (2-tailed) a.800 .126 -.55580 . 3.05). Langkah SPSS 1. Masukkan nilai math & skor psikologi ke kolom test variable list.xls 5 .545 ( ≥ 0. Klik Dari menu utama SPSS.3000 1.563 . Interpretasi Oleh karena nilai asymptotic significant value Uji Kolomogorov-Smirnov untuk math dan skor psikologi masing-masing sebesar 0.• Dalam penelitian test satu sampel Kolmogorov-Smirnov umumnya digunakan untuk menguji asumsi normalitas data. Calculated from data.xls 2.089 . lalu pilih 1 sample K-S.

lalu pilih bivariate. (1-tailed) N 40 . Koefisien Kontingensi C (Cramer’s V)  Kasus 6 Untuk mengetahui hubungan antara variabel data yang berskala nominal. Pilih pearson dan pilih one-tailed. Output Correlations MATH MATH Pearson Correlation Sig.018 (< 0.332* . Dari menu utama SPSS. Correlation is significant at the 0. Oleh karena nilai p-value seebar 0. (1-tailed) N SKOR Pearson Correlation Sig. . • Atau ada kecenderungan bahwa siswa yang memiliki nilai tes psikologi yang baik ketika masuk sekolah akan mempunyai nilai matematika yang baik pula. 3. Masukkan kedua variabel dalam kolom variabel.05). 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.2. 4. 5.332 (korelasi moderat) dan sifinikan pada alpha 5 %. Interpretasi • • Besarnya hubungan antara skor psikologi dan nilai matematika adalah 0.018 40 40 1 SKOR .05 level (1-tailed).332* . pilih menu statistics atau analyze kemudian pilih submenu correalte.018 40 1 *.

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

007 .571 37 df 8 8 1 sided) . 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 2.007 Interpretasi • Oleh karena nilai p-value cramer’s V sebesar 0. Symmetric Measures Value Nominal by Nominal Phi Cramer's V N of Valid Cases .3%) have expected count less than 5.007 (< 0. 14 cells (93.22.752 .004 . (2Value Pearson Chi-Square Likelihood Ratio Linear-by-Linear Association N of Valid Cases 20.507 2.Chi-Square Tests Asymp.05).532 37 Approx.109 a. Sig.007 .927a 22. . The minimum expected count is 1. Asosiasi ETA Untuk mengetahui hubungan antara variabel data yang berskala nominal dan interval. Kasus 8 . Sig. maka kesimpulannya adalah terdapat hubungan positif signifikan antara tingkat pendidikan seseorang dan partai politik pilihan pada pemilu 2004.

Diambil 24 siswa sebagai sampel dan setiap siswa diminta untuk menyebutkan satu mata pelajaran favoritnya.578.524.Seorang guru konseling ingin mengetahui apakah terdapat hubungan yang sangat kuat antara mata pelajaran yang disukai siswa dengan kemampuan verbal. 9 . maka terdapat hubungan positif antara mata pelajaran favorit siswa dengan skor tes verbal yaitu sebesar 0. • Selanjutnya jika skor tes diasumsikan sebagai variabel dependen.578 Interpretasi • Jika mata pelajaran diasumsikan sebagai variabel dependen. maka terdapat hubungan positif antara mata pelajaran favorit siswa dengan skor verbal tes yaitu sebesar 0. Kemudian diadakan tes verbal terhadap siswa-siswa tersebut.524 . 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