Bab IV Analisis Hubungan Buku Penelitian Kuantitatif
Bab IV Analisis Hubungan Buku Penelitian Kuantitatif
ANALISIS HUBUNGAN
79
empiris
(Common
Sense),
dan
Ilmu
Statistik
telah
lama
mengembangkan alat untuk menganalisis berbagai hubungan antara gejalagejala yang bergradasi atau bervariasi.
4.1. Macam-macam Hubungan
Secara sederhana hubungan antar variabel penelitian didasarkan
pada pengelompokan variabel ke dalam variabel Bebas (Independent
Variable) dan variabel terikat (Dependent Variable). Variabel bebas, sering
juga disebut variabel yang mempengaruhi, sementara itu variabel terikat
sering disebut variabel yang dipengaruhi. Istilah Hubungan dan pengaruh
sebenarnya tidak dapat dipersamakan, dalam Ilmu sosial Pengaruh mengacu
pada hubungan sebab akibat (Kausal), sedangkan hubungan antara variabel
bebas dan variabel terikat tidak selalu merupakan hubungan kausal. Namun
demikian terdapat kecenderungan untuk mempertukarkan pemahaman
tersebut cukup besar, sebagaimana diungkapkan oleh Peter Hagul dkk
bahwa
walaupun
terdapat
kemungkinan
pengertian
hubungan
80
(1) merupakan
nrupakan akibat dari faktor yang sama; (3) berkaitan secara fungsional, dan
(4) berhubungan secara kebetulan. Apabila dalam fakta-fakta penelitian
ditemukan macam hubungan yang demikian maka diperlukan pengkajian
yang lebih mendalam tentang kemungkinan-kemungkinan terdapatnya
variabel-variabel lain yang berpengaruh.
Hubungan Asimetris adalah hubungan apabila terdapat variabel suatu
variabel yang mempengaruhi variabel lainnya. Terdapat enam tipe hubungan
asimetris yaitu hubungan antara : (1) Stimulus dan respon; (2) Disposisi dan
Respon; (3) Ciri individu dan Tingkah laku; (4) prakondisi dan akibat; (5)
Immanen; (6) tujuan dan cara.
Dengan memahami macam-macam hubungan tersebut, peneliti akan
terbantu dalam menentukan konsep dan atau variabel yang akan diteliti serta
macam hubungannya sehingga terhindar dari kerancuan teoritis dalam
penentuan indikator (operasionalisasi) variabel/Konsep , umumnya
dalam
81
Tabel 4.1
Contoh Hubungan Asimetris
No
Macam Hubungan
1
2
3
4
5
6
Stimulus - Respon
Disposisi - Respon
Ciri Individu - T Laku
Prakondisi - Akibat
Immanen
Cara Tujuan
data
menganalisisnya
pengamatan/penelitian
dapat
dilakukan
yang
dengan
berpasangan,
tiga
cara
dan
cara
sebagaimana
hubungan
antar
keduanya,
dan
menganalisis
82
keduanya
sering
disebut
sebagai
analisis
korelasional
83
penelitian
korelasional,
perumusan
masalahnya
harus
84
(X1,X2,X3,Y)
4.2.1. Regresi
Istilah regresi pertama kali digunakan oleh Francis Galton pada tahun
1887 ketika mengadakan penelitian tentang hubungan antara tinggi orang
tua dengan tinggi anaknya, dan sampai pada kesimpulan bahwa rata-rata
tinggi anak yang berasal dari orang tua yang tinggi lebih rendah dibanding
rata-rata tinggi orang tuanya, sedangkan anak-anak yang berasal dari orang
tua yang rendah, tinggi rata-ratanya lebih tinggi dari tinggi orang tuanya,
dengan demikian terjadi regress (kemunduran) atau tendensi terjadinya
penurunan. Selanjutnya istilah Regression digunakan untuk menggambarkan
garis yang menunjukan arah hubungan antar variabel, serta dipergunakan
untuk melakukan prediksi, selain istilah tersebut, di kalangan akhli Statistik
ada juga yang menggunakan istilah estimating line
85
2.
3.
a adalah koefisien konstanta dari persamaan, yang berarti nilai Y pada saat
nilai b = nol, dan pada saat ini garis regresi akan memotong garis Y, sehingga
a juga biasa disebut intercept. Sementara itu b adalah koefisien regresi atau
koefisien arah dari persamaan regresi, yang menunjukan besarnya
penambahan Y apabila niai X bertambah sebesar satu. Untuk lebih jelas
dapat dilihat dalam gambar 3.1. berikut ini :
Y
= a + bX
b satuan
1 satuan
a
(0,0)
X
Gambar 3.1. Grafik Garis Regresi
86
koefisien konstan (a) maupun koefisien arah atau koefisien regresi (b). dan
untuk lebih mendalami analisisnya berikut ini akan diberikan contoh
perhitingan regresi yang dimulai dengan regresi linier sederhana kemudian
regresi multiple dengan dua prediktor (regresi ganda)
4.2.1.1. regresi linier sederhana (satu prediktor)
Untuk keperluan perhitungan dalam analisis regresi, contoh variabel
yang akan dipergunakan dalam perhitungan adalah variabel Motivasi (X)
sebagai variabel bebas, dan variabel Kinerja (Y) sebagai variabel terikat.
Sesuai dengan persyaratan analisis yang mengharuskan skala
pengukuran/datanya bersifat interval atau rasio (statistik Parametrik), maka
data berikut merupakan data interval hasil konversi dari data ordinal (Skala
sikap) dengan menggunakan Method of summated rating.
Tabel 4.2
Data Skor Motivasi dan Kinerja
Variabel X (Motivasi)
20
30
50
60
80
90
330
Variabel Y (Kinerja)
60
50
70
80
120
110
490
Tabel 4.3
Mencari Persamaan Regresi menggunakan Skor Kasar
X
20
30
Y
60
50
X2
400
900
XY
1200
1500
87
50
60
80
90
330
70
80
120
110
490
2500
3600
6400
8100
21900
3500
4800
9600
9900
30500
= Na + bX
XY = aX + bX2
I.
490
II. 30500
= 6a +
330 b
= 330a + 21900 b
(x 110)
(x 2)
a =
Y - b X
- bX
N
b =
=
0,946667 (0.95)
88
176.5 Y
6
29.4166 (29,4)
29,4 + 0.95 X
- bX
Tabel 4.4.
Mencari Persamaan Regresi dengan menggunakan simpangan
X
20
30
50
60
80
90
330
Y
60
50
70
80
120
110
490
x
-35
-25
-5
5
25
35
0
330/6 = 55
490/6 = 81.67
x2
1225
625
25
25
625
1225
3750
y
-21.67
-31.67
-11.67
-1.67
38.33
28.33
0
y2
469.59
1002.99
136.19
2.79
1469.19
802.59
3883.33
xy
758.45
791.75
58.35
-8.35
958.25
991.55
3550
= 29,4 + 0.95 X
stkip Kuningan / Lembaga Penelitian / Uhar / Penelitian Kuantitatif / 2002
89
Tabel 4.5.
Mencari Persamaan Regresi dengan menggunakan koefisien korelasi
X
20
30
50
60
80
90
330
Y
60
50
70
80
120
110
490
x2
1225
625
25
25
625
1225
3750
x
-35
-25
-5
5
25
35
0
y
-21.67
-31.67
-11.67
-1.67
38.33
28.33
0
y2
469.59
1002.99
136.19
2.79
1469.19
802.59
3883.33
Xy
758.45
791.75
58.35
-8.35
958.25
991.55
3550
rxy
=
2
(x ) (y )
3550
rxy
3550
=
(3750) (3883,33)
r x (SdY : SdX )
0.9302
3816.08
= 0.946 (0.95)
29,4 + 0.95 X
90
Jumlah Kuadrat :
JKT(Jumlah Kuadrat Total)
Y2
( Y)2
N
JKT
JK (a)
b xy
JKR
JK (b)
(yk 2)
JKS
JKG
Y
60
50
80
80
120
114
504
Y2
3600
2500
6400
6400
14400
12996
46296
x
-34
-34
-4
6
30
36
0
X2
1156
1156
16
36
900
1296
4560
y
-24
-34
-4
-4
36
30
0
y2
576
1156
16
16
1296
900
3960
xy
816
1156
16
-24
1080
1080
4124
= 46296
JK (a)
= 42336
JK (R)
46296 -
JK (b)
JKS
JKG
1
91
JK(TC)
50
Db
JK
RJK
Total
Regresi a
6
1
46296
42336
42336
Regresi b
3711.6
3711.6
Sisa
Tuna Cocok
4
3
248.4
198.4
62.1
66.13
Galat
50
50
Fh
Ft0.05
Ft0.01
59.77
7.71
21.20
1.32
216
5403
Kesimpulan :
1. Persamaan Regresi
92
X2
1
2
5
8
16
Y
7
12
17
20
56
X1Y
28
14
153
240
505
X2Y
7
24
85
160
276
X1X2
4
14
45
96
159
X12
16
49
81
144
290
X22
1
4
25
64
94
Y2
49
144
289
400
882
Untuk menghitung nilai konstanta a, b 1, dan b2, dapat digunakan tiga buah
persamaan yaitu :
1.
Na + b1 X1 + b2 X2
2.
X1Y
a X1 + b1 X12 + b2 X1X2
3.
X2Y
a X2 + b1 X1X2 + b2 X22
56
4a + 32b1 + 16b2
2.
505
3.
276
93
Penyelesaian :
1. 56 =
4a + 32b1 + 16b2
( x 8) -> 448
2. 505 =
Persamaan 4
->
34b1 + 31b2
3. 276
57
52 = 0
31b 1 + 30b2
5. 52
59b2
57
57
4a + 32 (1.66) + 16 (0.017)
56 =
4a + 53.12 + 0.272
56 =
4a + 53.392
4a =
94
Tabel 4.9
Tabel bantu Perhitungan regresi ganda (dua prediktor)
Menggunakan rumus simpangan
X1
4
7
9
12
32
X
X2
1
2
5
8
16
1
Y
7
12
17
20
56
=8; X
x1
-4
-1
1
4
0
x2
-3
-2
1
4
0
= 4;Y
x 12
16
1
1
16
34
y
-7
-2
3
6
0
x 22
9
4
1
16
30
y2
49
4
9
36
98
x1x2
12
2
1
16
31
x 1y
28
2
3
24
57
x 2y
21
4
3
24
52
Persamaan Regresi :
b1X1
b1 X
b2X2
b2 X
1. Cara pertama :
a
b1
b2
95
b1
98
59
b1
1.66
b2
b2
1
59
b2
0.017
b1 X
14
1.66 (8)
14
13.28
0.652
b2 X
- 0.017 (4)
-
0.068
x1y
b1x12 + a2x1x2
x2y
a1x1x2 + a2x22
57
34b1 + 31b2
52
31b1 +
- b1 X
- b2 X
30b2
Mencari b1 :
96
34
31
57
b1
31
31
30
52
98
b1
98/59
b1
1.66
30
Mencari b2 :
34
31
b2
31
30
b2
1/59
b2
0.017
34
57
31
52
Mencari a :
a
b1 X
14
1.66 (8) -
0.017 (4)
14
13.28
0.068
0.652
b2 X
97
= y2 =
JK (reg)
98
Sumber
Varians
db
JK
RJK
Total Reduksi
98
Regresi
95.50
47.75
Sisa
2.50
2.50
Fh
Ft 0.05
19.1
200
Kesimpulan :
Persamaan regresi/garis regresi tidak signifikan karena F hitung lebih
kecil dari F tabel (19.1 < 200) pada taraf kepercayaan 95 % (0.05)
4.2.2. Korelasi
Korelasi adalah suatu hubungan, Koefisien korelasi adalah indeks
arah dan besaran suatu hubungan/relasi, Koefisien korelasi Product Moment
stkip Kuningan / Lembaga Penelitian / Uhar / Penelitian Kuantitatif / 2002
98
Y
Korelasi Positif
0
X
Korelasi Negatif
Y
Tidak berkorelasi
99
nilai
rata-rata
untuk
tiap
variabel
yang
akan
dikorelasikan.
b. Menghitung nilai Standar deviasi untuk tiap-tiap variabel yang akan
dikorelasikan.
c. Menghitung nilai Z untuk masing-masing variabel yang akan
dikorelasikan dengan menyelisihkan masing-masing niali tiap
variabel untuk kemudian dibagi dengan nilai Standar deviasinya
d. Mengalikan nilai Z variabel satu dengan yang lainnya, kemudian
dijumlahkan
e. Membagi hasil jumlah perkalian nilai Z tersebut dengan jumlah data
dikurangi satu
stkip Kuningan / Lembaga Penelitian / Uhar / Penelitian Kuantitatif / 2002
100
n1
dimana :
rxy =
zx =
X X
Sdx
zy = Y - Y
Sdy
Untuk memudahkan perhitungan dapat dibuat tabel bantu sebagai berikut :
Tabel 4.11.
Perhitungan Korelasi menggunakan Standar Skor
X
20
30
50
60
80
90
330
= 55 ;
X
SdX = 27.39
rxy = zxzy
n-1
Y
60
50
70
80
120
110
490
zx
-1.278
-0.913
-0.183
0.183
0.913
1.278
0.000
zy
-0.778
-1.137
-0.419
-0.060
1.376
1.017
0.000
zxzy
0.994
1.038
0.076
-0.011
1.256
1.299
4.652
= 81.67
Y
SdY = 27.86
= 4.652
= 0.9304 (0.93)
5
rxy
=
2
(x ) (y )
x = X - X
stkip Kuningan / Lembaga Penelitian / Uhar / Penelitian Kuantitatif / 2002
101
y = Y - Y
Tabel 4.12.
Perhitungan Korelasi menggunakan Deviasi Skor
X
20
30
50
60
80
90
330
Y
60
50
70
80
120
110
490
x2
1225
625
25
25
625
1225
3750
X
-35
-25
-5
5
25
35
0
y2
469.59
1002.99
136.19
2.79
1469.19
802.59
3883.33
y
-21.67
-31.67
-11.67
-1.67
38.33
28.33
0
xy
758.45
791.75
58.35
-8.35
958.25
991.55
3550
xy
rxy
=
2
(x ) (y )
3550
rxy
3550
=
(3750) (3883,33)
0.9302 (0.93)
3816.08
xy
N-1
Pm .
Sdx . Sdy
Pm
3550
5
710
710 .
27.39 x 27.86
710
0.9304 (0.93)
763.08
stkip Kuningan / Lembaga Penelitian / Uhar / Penelitian Kuantitatif / 2002
102
X2
400
900
2500
3600
6400
8100
21900
Y
60
50
70
80
120
110
490
XY
1200
1500
3500
4800
9600
9900
30500
N XY - ( X) ( Y)
--------------------------------------------------N X2 ( X)2
N Y2 ( Y)2
=
r
Y2
3600
2500
4900
6400
14400
12100
43900
6x43900 240100
Y
60
50
X2
400
900
XY
1200
1500
(Y - Y )2
469.59
1002.99
48.4
57.9
(Y - )
11.6
-7.9
(Y - )2
134.56
62.41
103
50
60
80
90
330
70
80
120
110
490
2500
3600
6400
8100
21900
3500
4800
9600
9900
30500
136.19
2.79
1469.19
802.59
3883.33
1 - (Y- )2
(Y- Y )2
1 - 522.71
3883.33
1 - 0.13460
0.8653
76.9
86.4
105.4
114.9
489.9
0.9302 (0.93)
b (Sdx : Sdy)
0.9300 (0.93)
-6.9
-6.4
14.6
-4.9
0.1
47.61
40.96
213.16
24.01
522.71
104
Uji signifikansi :
th
(N - 2)
(1 - r )
th
th
>
<
tt
korelasi signifikan
tt
= 0.93
th
(6 - 2)
( 1 - 0.93 )
th
1.86
0.2645
th
7.032
105
Y
X2
Adapun untuk menghitung koefisien korelasi ganda dapat digunakan rumus
berikut:
Cara pertama
r2yx1+r2yx2 - 2ryx1.ryx2.rx1x2
Ry.x1x2
=
1 r2x1x2
=
1 0.9712
106
Ry. x1x2
1.8938 -- 1.8382
0.0571
Ry. x1x2
0.9737
Ry. x1x2
0.987
Cara kedua
JK (reg)
JK (R)
Ry. x1x2
95.50
98
Ry. x1x2
Lihat halaman 99
0.987
(R2/2) : (1-R2)/(n-3)
Fh < Ft
Fh > Ft
Fh
(0.9872)/(2) : (1-0.9872)/(1)
Fh
Fh
<
=
37.758
Ft (37.758 < 200)
Angka 2 dan 1
dalam kurung
untuk derajat
107
ry1 -
ry2 .r12
(1 ry22) (1 - r122)
Korelasi X2 dengan Y dikontrol oleh X1:
ry2.1
ry2 -
ry1 .r12
(1 ry12) (1 - r122)
uji signifikansi korelasi parsial :
th
N -3
1 - r2
th
>
tt
th
>
tt
=
=
Korelasi signifikan
Korelasi tidak signifikan
Contoh perhitungan
Dengan menggunakan data dalam tabel 3.9 diperoleh hasil perhitungan :
ry1.2
ry1.2
0.0558
0.0677
ry1.2
0.8242
108
ry2.1
ry2.1
0.00062
0.03842
ry2.1
0.0161
0.8242
0.82
0.3276
th
0.82
0.5723
th
Ry2.1 =
th
0.9997
th
0.0161
0.9998
th
109
berhubungan denga varians variabel lain. Hal ini berarti bahwa tiap nilai r
perlu ditafsirkan posisinya dalam keterkaitan tersebut.
Untuk memberikan tafsiran pada nilai koefisien korelasi, dapat
digunakan patokan berikut :
POSITIF
0.90 - 1.00
0.70 - 0.90
0.50 - 0.70
0.30 - 0.50
0.00 - 0.30
NEGATIF
-0.90 - -1.00
-0.70 - -0.90
-0.50 - -0.70
-0.30 - -0.50
-0.00 - -0.30
PENAFSIRAN
Korelasi sangat tinggi (Very high)
Korelasi tinggi (High)
Korelasi sedang (moderate)
Korelasi rendah (Low)
Korelasi kecil (Little if any)
Sumber : Dennis E. Hinkle. Applied Statistics for behavioural Science. Halaman :118
110
Kemudian
lakukan
penghitungan
untuk
mengetahui
= 0.90%
UNTUK DIDISKUSIKAN
1. Kemukakan macam-macam hubungan antar Variabel serta contoh-contohnya yang berkaitan
dengan masalah pendidikan ?
2. Berikan penjelasan keterkaiatan antara analisa regresi dengan analisa korelasi ?
3. Jelaskan apa yang ingin diperoleh dengan melakukan penelitian yang bersifat korelasional ?
4. Hitung persamaan regresi lininer sederhana dan regresi ganda dari data berikut ini :
Responden
Variabel X1
Variabel X2
Variabel Y
A
B
C
D
E
F
G
H
20
23
25
23
23
35
36
40
30
34
38
34
30
41
46
52
40
42
46
49
54
60
64
68
111
dilihat
dari
sudut
pandang
statistika.
Dalam
E. Hinkle
variabel
dependen
(Y)
mempunyai
varians
yang
sama
112
Terdapat
beberapa
cara
pengujian
normalitas
distribusi
yaitu
perhitungan
normalitas
distribusi,
dimisalkan
terdapat
X2
1
2
8
8
10
Y
7
12
17
20
21
Dari tabel tersebut misalkan kita ingin menguji normalitas variabel Y , maka
untuk memudahkan diperlukan tabel bantu sebagai berikut :
Tabel bantu Perhitungan Normalitas
Skor Y
kp
zx
zt
a1
A2
7
12
17
20
21
77
1
1
1
1
1
5
0.2
0.2
0.2
0.2
0.2
1.0
0.2
0.4
0.6
0.8
1.0
-
-1.43
-0.58
0.27
0.78
0.96
0
0.08
0.28
0.61
0.79
0.83
-
0.08
0.08
0.21
0.19
0.03
-
0.12
0.12
0.01
0.01
0.17
-
Mean = 15.4
SD = 5.86
Langkah-langkah perhitungan :
Setelah
data
dimasukan
dalam
kolom
pertama
dan
dihitung
113
114
Skor Y
kp
zx
zt
zt - Kp
7
12
17
20
21
77
1
1
1
1
1
5
0.2
0.2
0.2
0.2
0.2
1.0
0.2
0.4
0.6
0.8
1.0
-
-1.43
-0.58
0.27
0.78
0.96
0
0.08
0.28
0.61
0.79
0.83
-
0.12
0.12
0.01
0.01
0.17
-
Mean = 15.4
SD = 5.86
Dengan melihat tabel di atas nampak bahwa perhitungan dengan
menggunakan uji Lilliefors sama dengan perhitungan dengan menggunakan
uji Kolmogorov-smirnov dalam penentuan nilai tiap-tiap kolom, sedangkan
kolom terakhir dalam pengujian normalitas distribusi ini sama dengan nilai a 2
pada uji Kolmogorov-Smirnov.
Sesudah kolom-kolom lengkap terisi kemudian tentukan L 0 maksimum
dari kolom terakhir (zt - Kp), dimana diperoleh L o = 0.17, bandingkan nilai ini
dengan Lt pada baris N = 5 dengan taraf signifikansi 0.05 yaitu sebesar
0.337, dan karena Lo = 0.17 lebih kecil dari L t = 0.33, maka distribusi data
tersebut Normal.
Bila diperhatikan kedua cara pengujian normalitas tersebut mengacu
pada prinsip yang sama namun dengan tabel uji yang berbeda, disamping itu
perlu juga dipahami bahwa nilai-nilai yang dibandingkan dengan nilai tabel
mengambil nilai mutlaknya, dalam arti positif atau negatif diperlakukan sama.
1.3. Uji Chi-Kuadrat
Pengujian dengan cara ini agak berbeda dengan dua cara
sebelumnya, dimana dalam pengujian ini harus dicari selisih antara Z t dengan
Zt dibawahnya yang menggambarkan luas tiap kelas, dan perlunya dicari
frekuensi yang diharapkan serta tidak perlunya dicari prosentase. Namun
untuk itu sebaiknya data dikelompokan terlebih dahulu agar dapat ditentukan
batas kelasnya. Untuk lebih jelas berikut akan dikemukakan cara perhitungan
dengan menggunakan data pada pengujian sebelumnya.
stkip Kuningan / Lembaga Penelitian / Uhar / Penelitian Kuantitatif / 2002
115
Skor Y
7 11
12 16
17 21
-
Batas
Kelas
6.5
11.5
16.5
21.5
-
zx
zt
Lki
Fh
-1.52
0.06
-0.67
0.25
0.19
0.95
0.19
0.58
0.33
1.65
1.04
0.85
0.27
1.35
Mean = 15.4 ; SD = 5.86
fo
(fo-fh)2
fh
1
1
3
5
0.026
0.256
2.017
2.299
Kolom fh diperoleh dengan cara nilai Lki dikalikan dengan jumlah data.
116
X2
1
2
8
8
10
Y
7
12
17
20
21
Langkah-langkah perhitungan
o
Y
7
12
17
20
21
Kelompok
1
1
2
3
3
117
db
1/db
si2
log si2
1
2
3
1
0
1
1.00
0
1.00
12.5
0
0.5
1.097
0
-0.301
12.5
0
0.5
13
UNTUK DIDISKUSIKAN
119