PENDAHULUAN
Skor rata-rata (M) pada setiap variabel juga diplot pada grafik. Para siswa menggunakan
internet selama rata-rata 9,7 jam per minggu, dan skor depresi rata-rata mereka adalah 29,3.
Menggambar garis vertikal dan horizontal pada grafik yang berhubungan dengan skor rata-rata
(M), kita dapat membagi plot menjadi empat kuadran dan menetapkan minus (-) ke kuadran di
mana skor “negatif” dan plus (+) ke kuadran di mana skornya “positif.” Dalam contoh kita,
memiliki skor depresi di bawah 29,3 (M) positif karena itu menunjukkan bahwa siswa dengan
skor seperti itu memiliki lebih sedikit depresi. Untuk skor di atas 29,3 (M) menunjukkan depresi
b) Matriks Korelasi
Matriks korelasi adalah matriks yang elemen-elemennya terdapat korelasi atau
hubungan antara satu dengan yang lain. Dalam matriks korelasi ini, semua variabel dibuat daftar
pada baris horizontal dan kolom vertikal dalam tabel. Contoh ini dapat dilihat pada Tabel 11.1,
yang melaporkan koefisien untuk korelasi enam variabel dalam studi variabel yang terkait
dengan kepuasan sekolah di antara siswa sekolah menengah.
∗ 𝑝 < .05
∗∗ 𝑝 < .01
Perhatikan bahwa variabel tercantum dalam baris horizontal dan kolom vertikal. Untuk
menyederhanakan tabel, kita dapat menetapkan angka ke variabel dan hanya menyertakan
angka di judul kolom. Koefisien berkisar antara –.33 dan +.65 dilaporkan dalam sel di dalam
tabel. Tanda bintang menunjukkan apakah koefisien-koefisien secara statistik berkorelasi
signifikan pada tingkat p6.05 dan p6.01.
b) Regresi Berganda
Peneliti korelasi menggunakan statistik korelasi untuk memprediksi skor masa depan.
Untuk melihat apa dampak beberapa variabel terhadap suatu hasil, peneliti menggunakan
analisis regresi. Garis regresi adalah garis "kecocokan terbaik" untuk semua titik nilai pada
Perhitungan garis ini menyimpan nilai untuk memprediksi skor pada hasil (yaitu,
depresi) dengan pengetahuan tentang prediktor (yaitu, jam penggunaan Internet per minggu).
Berdasarkan rumus matematika, peneliti dapat menghitung persamaan yang menyatakan garis
ini:
𝑌 (𝑝𝑟𝑒𝑑𝑖𝑘𝑠𝑖) = 𝑏(𝑋) + 𝑎
dimana:
Y = skor prediksi pada depresi
X = skor aktual pada jumlah jam penggunaan Internet
b = kemiringan garis regresi (disebut koefisien regresi standarisasi)
a = intersepsi atau konstanta, nilai prediksi Y (depresi) skor ketika X = 0
Peneliti mengharapkan seseorang yang menggunakan Internet 14 jam per minggu
memiliki skor depresi 41. Skor ini dapat diperkirakan dengan menggambar garis vertikal dari
skor untuk variabel sumbu-X hingga garis regresi dan ke variabel sumbu-Y. Atau,
menggunakan rumus regresi, jika a = 6, b = 2,5, dan X = 14
Kemudian Y (diprediksi) = 2,5 (14) + 6 = 41
Pertimbangkan situasi yang lebih rumit, dimana beberapa variabel independen dapat
bergabung untuk berkorelasi dengan variabel dependen. Beberapa regresi (atau korelasi
Langkah 3 : Identifikasi Dua atau Lebih Ukuran untuk Setiap Individu dalam Studi
Karena ide dasar dari penelitian korelasi adalah untuk membandingkan peserta dalam
kelompok ini pada dua atau lebih karakteristik, ukuran variabel dalam pertanyaan penelitian
perlu diidentifikasi (misalnya, pencarian literatur dari studi masa lalu), dan instrumen yang
mengukur variabel perlu diperoleh. Idealnya, instrumen ini seharusnya telah terbukti validitas
dan reliabilitasnya. Anda dapat memperoleh izin dari penerbit atau penulis untuk menggunakan
instrumen. Biasanya satu variabel diukur pada setiap instrumen, tetapi instrumen tunggal
mungkin mengandung kedua variabel yang berkorelasi dalam penelitian.
b) Penggunaan literatur
Literatur pada awal studi membantu untuk mengidentidikasi prediktor yang berpotensi
mempengaruhi kesuksesan akademik dan ingatan Asian Amerika. Satu persatu penulis
memperkenalkan prediktor ini dan menggambarkan studi yang spesifik. Penulis juga
memperkenalkan instrumen, NCQ, yang digunakan dalam studi.
f) Kesimpulan
Secara keseluruhan penelitian ini konsisten dengan penelitian kuantitatif dan objektif
dakam melaporkan hasil penelitian. Serta, keseluruhan struktur mendukung mempelajari
kajian kuantitatif yang berisi berbagai cara kerja, hasil, dan diskusi.
3.1 Kesimpulan
Dalam penelitian korelasional, peneliti menggunakan teknik statistik korelasi untuk
menggambarkan dan mengukur tingkat asosiasi (atau hubungan) antara dua atau lebih variabel
atau set skor. Anda menggunakan desain korelasional untuk mempelajari hubungan antara dua
atau lebih variabel atau untuk memprediksi hasil. Sejarah penelitian korelasional mengacu pada
tema asal dan pengembangan uji statistik korelasi dan prosedur untuk menggunakan dan
menafsirkan uji statistik. Para ahli statistik pertama kali mengidentifikasi prosedur untuk
menghitung statistik korelasi pada akhir abad ke-19. Pada akhir 1800-an, Karl Pearson
mengembangkan rumus korelasi yang akrab kita gunakan saat ini. Dengan menggunakan
beberapa prosedur statistik seperti analisis faktor, perkiraan keandalan, dan regresi, peneliti
dapat menguji model variabel yang rumit menggunakan prosedur statistik korelasional.
Meskipun korelasi adalah statistik, penggunaannya dalam penelitian telah berkontribusi
pada desain penelitian khusus yang disebut penelitian korelasional. Penelitian ini telah
mengambil dua bentuk utama desain penelitian: penjelasan dan prediksi. Desain korelasional
yang menjelaskan menjelaskan atau menjelaskan tingkat hubungan antara dua atau lebih
variabel pada satu titik waktu. Peneliti tertarik pada apakah dua variabel covary, di mana
perubahan dalam satu variabel tercermin dalam perubahan yang lain. Contohnya adalah apakah
motivasi dikaitkan dengan prestasi akademik. Dalam bentuk desain kedua, desain prediksi,
penyidik mengidentifikasi variabel yang secara positif akan memprediksi hasil atau kriteria.
Dalam bentuk penelitian ini, peneliti menggunakan satu atau lebih variabel prediktor dan
variabel kriteria (atau hasil). Prediksi memungkinkan kami untuk meramalkan kinerja masa
depan, seperti apakah IPK siswa di perguruan tinggi dapat diprediksi dari kinerja SMA-nya.
Mendasari kedua desain ini adalah karakteristik kunci dari penelitian korelasional.
Peneliti membuat tampilan skor yang berkorelasi untuk peserta. Menampilkan ini adalah
scatterplots, representasi grafis dari data, dan matriks korelasi, tabel yang menunjukkan korelasi
antara semua variabel. Untuk menafsirkan korelasi, peneliti memeriksa arah positif atau negatif
dari korelasi skor, sebidang distribusi skor untuk melihat apakah mereka terdistribusi normal
atau tidak normal, tingkat hubungan antara skor, dan kekuatan asosiasi skor. Ketika lebih dari
dua variabel berkorelasi, peneliti tertarik untuk mengendalikan efek dari variabel ketiga, dan
dalam menguji persamaan prediksi dari beberapa variabel yang menjelaskan hasilnya.
Langkah-langkah dalam melakukan studi korelasional adalah menggunakan desain
untuk menghubungkan variabel atau membuat prediksi, untuk mengidentifikasi individu untuk
3.2 Saran
Dengan adanya pemaparan materi diharapkan mahasiswa dapat memahami tentang
penelitian korelasional. Dan diharapkan agar mencari referensi bacaan lain untuk menambah
ilmu pengetahuan yang tentunya sangat berguna untuk diterapkan dimasa yang akan datang
khususnya dalam pembuatan skripsi.
Creshwell, John W, 2012, Research Design, Pendekatan Kualitatif, Kuantitatif, Dan Mixed,
Edisi Ketiga, Pustaka Pelajar: Bandung.