Korelasi
Korelasi
Uji statistik pada dasarnya meliputi dua kegiatan, yakni uji beda dan asosiasi. Uji
beda (difference) ingin mengetahui apakah ada perbedaan yang jelas antara rata-rata beberapa
sampel; alat uji yang digunakan beragam, seperti uji tn uji F (Anova) dan uji z. Dengakan uji
asosiasi pada dasarnya ingin mengetahui apakah di antara dua variabel terdapat hubungan
yang signifikan; alat uji asosiasi meliputi korelasi dan regresi. Korelasi atau
asosiasi(hubungan) antara variabel-variabel yang diminati. Ada dua aspek penting untuk
analisis korelasi, yaitu apakah data sampel yang ada menyediakan bukti cukup bahwa ada
kaitan antara variabel-variabel dalam populasi asal sampe. Kedua, Jika ada hubungan,
seberapa kuat hubungan antarvariabel tersebut. Keeratan hubungan itu dunyatakan dengan
nama koefisien korelasi (atau bisa disebut korelasi saja). Sebagai contoh apakah ada
hubungan yang nyata antara promosi dengan penjualan? Antara pupuk yang diberikan secara
berkala dengan tanaman yang dihasilkan? Antara motivasi pekerja dengan produtivitas kerja
mereka? Dan banyak contoh lainnya. (Santoso, 2009)
Pada uji statisik, tipe data menetukan jenis korelasi yang akan digunakan; korelasi
untuk data rasio/interval akan berbeda dengan korelasi untuk menghitung asosiasi pada data
ordinal.
Dalam SPSS pembahasan tentang korelasi ditempatkan pada menu CORRELATE,
yang mempunyai submenu:
1. Bivariate, pembahasan mengenai besar hubungan antara dua (bi) variabel:
a. Koefisien korelasi bivariate/product moment person. Koefisien ini mengukur
keerata hubungan diantara hasil-hasil pengamatan dari populasi yang
mempunyai dua varian (bivariate). Perhitungan ini mensyaratkan bahwa
populasi asal sampel mempunyai dua varian dan berdistribusi normal. Korelasi
pearson banyak digunaka untuk mengukur korelasi data interval rasio.
b. Korelasi peringkat spearman (Rank-Spearman) dan Kendall. Koefisien ini
lebih mengukur keeratan hubungan antara peringkat-peringat dibandingkan
hasil pengamatan itu sendiri (seperti pada korelasi pearson). Perhitungan
korelasi ini bisa digunakan untuk menghitung koefisien korelasi pada data
ordina dan penggunaan asosiasi pada non parametrik.
Pembahasan korelasi parsial berhubungan dengan perlunya mempertimbangan
pengaruhnya atau efek dari variabel lain dalam menghitung korelasi antara dua
variabel . karena itu bisa dikatakan korelasi parsial mengukur koorelasi antara dua
variabel dengan mengeluarkan pengaruh dari satu atau beberapa variabel lain
(disebut variabel kontrol).
Karena Korelasi parsial memiliki jenjang dari yang terendah sampai tertinggi,
rumus-rumus yang dipergunakan untuk jenjang-jenjang yang berbeda tersebut
juga tidak sama.
MACAM-MACAM KORELASI
Korelasi sebagai sebuah analisis memiliki berbagai jenis menurut
tingkatannya. Beberapa tingkatan korelasi yang telah dikenal selama ini
antara lain adalah korelasi sederhana, korelasi parsial, dan korelasi ganda.
Berikut ini adalah penjelasan dari masing-masing korelasi dan bagaimana
cara menghitung hubungan dari masing-masing korelasi tersebut.
1. Korelasi Sederhana
Seringkali beberapa variabel kuantitatif diukur pada setiap anggota sampel. Jika kita
pertimbangkan sepasang variabel seperti itu, sering menarik untuk menentukan apakah ada
hubungan antara dua; yaitu untuk melihat apakah mereka berkorelasi.
The Pearson momen-produk koefisien korelasi (atau Pearson koefisien korelasi, untuk
pendek) adalah ukuran kekuatan hubungan linear antara dua variabel dan dilambangkan
dengan r. Pada dasarnya, sebuah Pearson produk-moment korelasi mencoba untuk
menggambar garis yang paling cocok melalui data dua variabel, dan koefisien korelasi
Pearson, r , menunjukkan seberapa jauh semua data ini poin ke lini paling cocok (yaitu,
bagaimana baik titik data sesuai ini model baru / garis yang paling cocok).
Korelasipositif variabellainnyamemilikikecenderunganuntukjugameningkatkan;
korelasinegatif variabellainnyamemilikikecenderunganmenurun;
Tidak ada correlation - variabel lain tidak cenderung meningkat atau menurun.
Korelasi adalah efek ukuran dan sehingga kita bisa secara verbal menggambarkan kekuatan
korelasi menggunakan panduan yang Evans (1996) menyarankan untuk nilai absolut dari r:
0,00-0,19 "sangat lemah"
0,20-0,39 "lemah"
0,40-0,59 "moderat"
0,60-0,79 "kuat"
0,80-1,0 "sangat kuat"
Asumsi
Perhitungan koefisien korelasi Pearson dan signifikansi berikutnya
pengujian membutuhkan asumsi data sebagai berikut untuk mengadakan:
intervalatautingkatrasio;
linearterkait;
bivariat terdistribusi normal
http://www.statstutor.ac.uk/resources
Singgih santoso.2009. Panduan Lengkap Menguasai Stastistik dengan SPSS 17.Jakarta: PT
elek media Komputindo