Hipotesis asosiatif merupakan dugaan tentang adanya hubungan antar variable dalam populasi
yang akan diuji melalui hubungan antar variable dalam sampel yang diambil dari populasi
tersebut. Jadi menguji hipotesis asosiatif adalah menguji koefisiensi korelasi yang ada pada
sampel untuk diberlakukan pada seluruh populasi dimana sampel diambil. Bila penelitian
dilakuakan pada seluruh populasi maka tidak diperlukanpengujian signifikansi terhadap
koefisien korelasi yang ditemukan. Hal ini berarti peneliti tidak merumuskan dan menguji
instrument statistic.
Terdapat tiga macam bentuk hubungan antar variable, yaitu hubunagn simetris, hubungan sebab
akibat (kausal) dan hubungan interaktif (saling mempengaruhi). Untuk mencari hubuangan
antara dua variable atau lebih dilakuakn dengan menghitung korelasi antar variable yang akan
dicari hubungannya. Korelasi merupakan angka yang menunjukkan arah dan kuatnya hubungan
antar dua variable atau lebih. Arah dinyatakan dalam bentuk hubungan positif atau negative,
sedangkan kuatnya hubungan dinyatakan dalam besarnya koefisien korelasi.
Hubungan dua variable atau lebih dikatakan hubungan positif, bila nilai suatu variable
ditingkatkan, maka akan meningkatkan nilai variable yang lain, dan sebaliknya nila satu variable
diturunkan maka akan menurunkan nilai variable yang lain. Hubungan dua variable atau lebih
dikatakan hubungan negative, bila nilai satu variable dinaikkan maka akan menurunkan nilai
variable yang lain, dan juga sebaliknya bila nilai satu variable diturunkan, maka akan menaikkan
nilai variable yang lain.
Kuatnya hubungan antar variable dinyatakan dalam koefisien korelasi. Koefisien korelasi positif
terbesar = 1 dan koefisien korelasi negative terbesar = -1, sedangkan yang terkeceil adalah 0.
Bila hubungan antar dua variable atau lebih itu mempunyai koefisien korelasi = 1 atau -1, maka
hubungan tersebut sempurna. Dalam arti kejadian-kejadian pada variable yang satu akan dapat
dijelaskan atau diprediksikan oleh variable yang lain tanpa terjadi kesalahan (error). Semakin
kecil koefisien korelasi, maka akan semakin besar error untuk membuat prediksi. Sebagai
contoh, bila hubungan bunyinya burung Prenjak mempunyai koefisien korelasi sebesar 1, maka
akan dapat diramalkan setiap ada bunyi burung Prenjak maka akan dipastikan aka nada tamu.
tetapi kalau koefisien korelasinya kurang dari satu, setiap ada bunyi burung Prenjak belum tentu
ada tamu, apalagi koefisien korelasinya mendekati 0.
Terdapat bermacam-macam teknik Statistik Korelasi yang dapat digunakan untuk menguji
hipotesis asosiatif. Koefisien mana yang akan dipakai tergantung pada jenis data yang akan
dianalisis. Berikut ini dikemukakan berbagai teknik statistic korelasi yang digunakan untuk
menguji hipotesis asosiatif. Untuk data nominal dan ordinal digunakan statistic nonparametris
dan untuk data interval dan ratio digunakan statistic parametris.
PEDOMAN UNTUK MEMILIH TEKNIK KORELASI DALAM PENGUJIAN HIPOTESIS
Macam / Tingkatan Data
Nominal
1.
Koefisien Kontingency
Ordinal
1.
Spearman Rank
2.
Kendal Tau
1.
2.
Korelasi Ganda
3.
Korelasi Parsial
A. Statistik Parametris
1. Korelasi Product Moment (Pearson)
Teknik korelasi ini digunakan untuk mencari hubungan dan membukitkan hipotesis hubungan
dua variable bila data kedua variable berentuk interval/ratio, dan sumber data dari dua variable
atau lebih tersebut adalah sama, berbentuk regresi linear dan data dari setiap variable
berdistribusi normal.
Rumus :
rxy =
Dimana :
n = banyaknya pasang data (unit sampel)
x = variable bebas
y = variable terikat
rxy = korelasi antara variable x dan y
Ada 3 kemunkinan hipotesis yang diuji yaitu :
-
H0 : = 0
H1 : 0
-
H0 : 0
H1 : 0
-
H0 : 0
H1 : 0
Pengujian hipotesis dapat dilakukan dengan :
-
XY
X2
Y2
24
36
16
25
25
25
14
49
24
16
36
42
49
36
72
64
81
10
70
49
100
54
36
81
10
72
81
64
11
45
25
81
12
54
36
81
13
10
70
49
100
14
54
36
81
15
32
16
64
Jumlah
85
112
661
531
904
rxy =
rxy = = 0,455
Hipotesis :
H0 :
H1 : 0
Pengujian :
Menggunakan table ditribusi t (jika n kecil) dengan dk = n-2
Rumus transformasi r ke t
t=
=
= 1,842
Dari table ditribusi t, untuk = 0,05 dan dk = n-2 = 13, diperoleh ttabel = 1,771. Karena thitung lebih
besar dari ttabel [1,842 > 1,771] maka H0 ditolak sehingga disimpulkan terdapat korelasi positif
yang signifikan antara kecerdasan intelektual [X] dengan hasil belajar matematika [Y]
2. Korelasi Ganda
Korelasi ganda (multiple correlation) merupakan angka yang menunjukkan angka yang
menunjukkan arah dan kuatnya hubungan antara dua variabel independen secara bersama-sama
atau lebih dengan satu variabel dependen. Simbol korelasi ganda adalah R. korelasi ganda (R)
untuk dua variabel independen dan satu dependen.
Rumus korelasi ganda dua variabel adalah:
Ry.x1x2 =
Dimana:
Ry.x1x2 = Korelasi antara variabel X1 dengan X2 secara bersama-sama dengan variabel Y2
ryx1
ryx2
rx1x2
H0 : y.12 = 0
H1 : y.12 0
Pengujian hipotesis korelasi ganda menggunakan uji F (table distribusi F) dengan derajat
kebebasan (dk) terdiri atas:
dk1 = dk pembilang = k (k=banyaknya variable bebas) dan
Jadi untuk dapat menghitung korelasi ganda, maka harus dihitung terlebih dahulu korelasi
sederhananya dulu melalui korelasi Product Moment dari Pearson.
Contoh soal dan pembahasa:
1. Sebuah penelitian ingin mengetahui hubungan antara kecerdasan umerik [X1] dan kecerdasan
emosional [X2] dengan konsistensi diri siswa [Y], dengan data seperti table berikut. Hitung dan
ujilah : koefisien korelasi ganda, koefisisen korelasi parsial ry1,2 dan korelasi parsial ry2.1
Data Kecerdasan Numerik [X1], kecerdasan emosional [X2] dengan konsistensi diri siswa [Y]
No.
X1
X2
62
11
16
63
21
21
61
31
23
64
41
26
64
61
24
67
71
31
69
81
31
62
71
36
63
31
21
10
65
21
46
11
63
41
41
12
67
51
56
13
66
61
61
14
65
51
21
15
68
61
23
16
62
31
24
17
61
71
28
18
63
61
43
19
62
71
44
20
63
71
50
21
64
51
48
22
65
61
38
23
66
41
36
24
62
51
44
25
65
31
51
26
62
21
49
27
66
91
39
28
65
51
29
29
67
51
28
30
64
61
26
Penyelesaian :
Hipotesis Verbal :
H0 : Tidak terdapat hubungan antara kecerdasan numeric [X1] dan kecerdasan emosional [X2]
dengan konsistensi diri [Y]
H1 : Terda[at hubungan antara kecerdasan numeric [X1] dan kecerdasan emosional [X2] dengan
konsistensi diri [Y]
Hipotesis statistic :
H0 : P = 0
H1 : P 0
3. Korelasi Parsial
Korelasi Parsial digunakan untuk menganalisis bila peneliti bermaksud mengetahui pengaruh
atau mengetahui pengaruh atau mengetahui hubungan antara variabel independen dan dependen,
dimana salah satu variabel independennya dibuat tetap/dikendalikan. Jadi korelasi parsial
merupakan angka yang menunjukkan arah dan kuatnya hubungan antara dua variabel atau lebih,
setelah satu variabel yang diduga dapat memengaruhi hubungan variabel tersebut
tetap/dikendalikan.
Rumus untuk korelasi parsial adalah :
Ryx1x2 =
Uji koefisien korelasi parsial dapat dihitung dengan rumus:
t=
nilai t table dicari dengn dk = n-1
Contoh soal dan pembahasan :
1.
Korelasi antara ukuran telapak tangan dengan kemmpuan bicara r1.2 = 0,50. Makin besar
telapk tangan makin mampu bicara (bayi telapak tangan kecil sehingga belum mampu bicara).
Padahal ukuran telapak tangan akan semakin besar bila umur bertambah
2.
3.
Telapak tangan variable 1, kemampuan bicara variable 2 dan umur variable 3, selanjutnya dapat
disusun ke dalam paradigam berikut :
X1
R1.3 = 0,7
Y
R1.2 = 0,5
X2
R2.3 = 0,7
Dari data data tersebut bil umur dikendalikan,makudnya adalaj untuk orang yang umurnya
sama,maka korelasi antara besar telapak tangan dengan kemampuan bicara hanya 0,0196.
Rumus untuk korelasi parsial ditunjukkan pada rumus 7.6 berikut.
Ry.x1x2 = rumus 7.6
Dapat dibaca : korelsi antara X1 dengan y, bila variable x2 dikendalikan tau korelasi antara
X1 dan Y bila x2 tetap.
B.
Statistik Nonparametris
Menguji hipotesis asosiatif berarti menguji hubungan antar duavariabel atau lebih yang ada pada
sampel untuk diberlakukan pada seluruh populasi dimana sampel tersebut diambil.
Terdapat tiga macam hubungan antarvariabel, yaitu :
1. Hubungan simetris
2. Hubungan sebabakibat
3. Hubungan interaktif/resiprocal (salingmempengaruhi)
Alat uji yang dapat dipergunakan dalam penelitian ini adalah :
1. KoefisienKontingensi
Alat uji ini dipergunakan untuk menghitung hubungan antara variable bila datanya Nominal.
2. Korelasi Spearman Rank
Korelasi Rank Spearman
Dipergunakan untuk mencari hubungan atau untuk menguji signifikansi hipotesis asosiatif
bila masing-masing variabel yang dihubungkan berbentuk ordinal dan
sampelnya kecil.
3. Korelasi Kendall Tau.
Koefisien Korelasi Kendall Tau
Dipergunakan untuk mencari hubungan dua atau lebih variable dengan data ordinal
dan sampelnya besar (>=30).
Berikut ini dikemukakan dua macam statistik nonparametris yang digunakan untuk menguji
hipotesis asosiatif, yaitu koefisien Kontingensi dan korelasi Spearman Rank.
1. Koefisien Kontingensi
Seperti telah ditunjukkan pada table diatas (awal materi) , bahwa koefisien kontingensi
digunakan untuk menghitung hubungan antar variabel bila datanya berbentuk nominal. Teknik
ini mempunyai kaitan erat dengan Chi Kuadrat yang digunakan untuk menguji hipotesis
komparatif k sampel independen. Oleh karena itu, rumus yang digunakan mengandung nilai Chi
Kuadrat.
Rumus :
C=
Harga Chi kuadrat dicari dengan rumus:
X2 =
Untuk memudahkan perhitungan, maka data-data hasil penelitian perlu disusun ke dalam tabel
penolong, seperti berikut,
TABEL PENOLONG UNTUK MENGHITUNG KOEFISIEN C
Var. B
Variabel A
Jumlah
B1
(A1B1)
(A2B2)
(AkBk)
B2
(A2B2)
(A3B3)
(AkBk)
.....
Br
(A1Br)
(A2B2)
(AkBk)
Jumlah
Contoh dan pembahasan
Permasalahan :
Apakah terdapat korelasi antara mata pencaharian dengan jenis obyek wisata
Yang dipilih masyarakat ?
Misal
1 = Nelayan
1 = Pantai
2 = PNS
2 = Pegunungan
3 = Peg. Swasta
3 = Belanja
4 = Wiraswasta
4 = Bioskop
Hipotesis ?
H0 = Tidak ada hubungan positif antara mata pencaharian dengan pilihan obyek wisata.
Ha = Ada hubungan positif antara mata pencaharian dengan pilihan obyek wisata.
Hasil Uji Statistik
Crosstabs
Crosstab KoefisienKontingensi
Berdasarkan perhitungan diatas maka dapat disimpulkan bahwa tidak terdapat hubungan yang
signifikan antara jenis mata pencaharian dengan pilihan rekreasi (H0 diterima). Hal tersebut
dapat dilihat dari approx sig sebesar 0,415 yang lebih besar dari alpha 0,05.
2. Korelasi Spearman Rank
Kalau pada Product Moment, sumber data untuk variabel yang akan dikorelasikan adalah sama,
data yang dikorelasikan adalah data interval atau rasio, serta data dari kedua variabel masingmasing membentuk distribusi normal, maka dalam korelasi Spearman Rank, sumber data untuk
kedua variabel yang akan dikonservasikan dapat berasal dari sumber yang tidak sama, jenis data
yang dikorelasikan adalah data ordinal, serta data dari kedua variabel tidak harus membentuk
distribusi normal.
Jadi korelasi Spearman Rank adalah bekerja dengan data ordinal atau berjenjang atau rangking,
dan bebas distribusi.Jika sumber datanya berbeda maka untuk menganalisisnya digunakan
Spearman Rank yang rumusnya adalah:
= 1dimana:
= koefisien korelasi Spearman Rank
karena korelasi Spearman Rank bekerja dengan data ordinal, maka data tersebut terlebih dahulu
harus diubah menjadi data ordinal dalam bentuk rangking .
Contoh hasil uji korelasi rank spearman
Permasalahan :
Apakah terdapat korelasi antara golongan tingkat penerimaan dengan golongan tingkat
kemandirian daerah ? (catatanskala interval dibuat ordinal denganskalatertentu)
Hipotesis :
H0 = Tidak terdapat hubungan antara tingkat penerimaan dengan tingkat kemendirian daerah.
Ha = Terdapat hubung anantara tingkat penerimaan DAU dengan tingkat kemendirian daerah.
HasilUji Nonparametric Correlations
sebesar 0,734 dengal level siginifikan 0,000. Sedangkan variable motivasi berkorelasi
negatif sebesar -0,166 dengan level signifikansi (0,220 lebih besardari 0,005, H0 diterimadan Ha
ditolak)
Sedangkan untuk melihat seberapa besar korelasi ketiga variable independen (x1, x2 dan x3)
dengan variable dependen (Y) dipergunakan alat uji konkordansi Kendall. Hasil uji tersebut
adalah sebagai berikut:
Kendall's W Test
Kendall W
Berdasarkan hasil uji SPSS diatas dapat disimpulkan bahwa variabel independen (X1, X2 dan
X3) hanya mempengaruhi variable dependen (Y) sebesar 3,9 % saja disamping itu juga variable
ketiga variable independen (X) secaras imultan tidak berpengaruh terhadap variable dependen
(Y) dilihatdari angka asymp-sig yang lebih besardari alpha 0,05.