BAB I

PENDAHULUAN

1.1 Latar Belakang

Penelitian korelasional merupakan penelitian yang paling banyak digunakan dan telah
memberikan sumbangan yang sangat berarti bagi perkembangan pengetahuan di bidang
pendidikan. Dalam penelitian jenis ini, peneliti berusaha menghubungkan suatu variabel
dengan variabel yang lain untuk memahami suatu fenomena dengan cara menentukan tingkat
atau derajat hubungan di antara variabel-variabel tersebut. Tingkat hubungan tersebut
ditunjukkan oleh nilai koefisien korelasi yang berfungsi sebagai alat untuk membandingkan
variabilitas hasil pengukuran terhadap variabel-variabel tersebut. Pengetahuan tentang tingkat
hubungan tersebut diharapkan dapat menambah pemahaman tentang faktor-faktor dalam
karakteristik yang kompleks dari suatu fenomena seperti prestasi belajar. Tujuan penelitian
korelasional adalah untuk menentukan hubungan antara variabel, atau untuk menggunakan
hubungan tersebut untuk membuat prediksi. Untuk lebih memahami tentang penelitian
korelasional, maka dalam makalah ini akan dideskripsikan mengenai penelitian korelasional
secara rinci.

1.2 Rumusan Masalah

1. Apa yang dimaksud dengan desain korelasional?
2. Apa saja jenis desain korelasional?
3. Bagaimana karakteristik utama desain korelasional?
4. Bagaimana langkah-langkah dalam melakukan penelitian korelasional?
5. Bagaimana cara mengevaluasi penelitian korelasional?
6. Bagaimana penerapan penelitian korelasional?

1.3 Tujuan Penulisan

1. Untuk mengetahui yang dimaksud dengan desain korelasional.
2. Untuk mengetahui jenis desain korelasional.
3. Untuk mengetahui karakteristik utama desain korelasional.
4. Untuk mengetahui langkah-langkah dalam melakukan penelitian korelasional.
5. Untuk mengetahui cara mengevaluasi penelitian korelasional.
6. Untuk mengetahui penerapan penelitian korelasional.

Correlational Design by Group 11 1

 BAB II
PEMBAHASAN

2.1 Identitas Buku

Judul Buku Educational Research: Planning, Conducting and Evaluating
:
Quantitative Research Third Edition
Pengarang : John W. Creswell
Penerbit : Boston (Pearson Education)
Tahun Terbit : 2012
Jenis : Textbook

2.2 Apa yang Dimaksud dengan Desain Korelasional?

2.2.1 Pengertian Desain Korelasional
Desain korelasi adalah uji statistik untuk menentukan kecenderungan atau pola untuk
dua (atau lebih) variabel atau dua set data untuk bervariasi secara konsisten. Dalam kasus hanya
dua variabel, artinya dua variabel berbagi varians yang sama, atau keduanya saling bervariasi.
untuk mengatakan bahwa dua variabel co-bervariasi memiliki dasar matematika yang agak
rumit. Koefisien variasi berarti bahwa kita dapat memprediksi skor pada satu variabel dengan
pengetahuan tentang skor individu pada variabel lain.
Statistik yang menyatakan statistik korelasi sebagai hubungan linier adalah koefisien
korelasi product-moment. ini juga disebut korelasi bivariat, korelasi orde-nol, atau hanya r, dan
itu ditunjukkan oleh "r" untuk notasinya. statistik dihitung untuk dua variabel (rxy) dengan
mengalikan skor z pada X dan Y untuk setiap kasus dan kemudian membagi dengan jumlah
kasus minus satu (misalnya, lihat langkah-langkah terperinci di vockell & ashner, 1995).
perhitungan matematis diilustrasikan dalam banyak buku statistik pengantar.

2.2.2 Kapan Desain Korelasional digunakan?

Anda menggunakan desain ini ketika Anda berusaha menghubungkan dua atau lebih
variabel untuk melihat apakah mereka saling mempengaruhi, seperti hubungan antara guru
yang mendukung praktik yang sesuai dengan perkembangan dan penggunaan pendekatan
bahasa secara keseluruhan terhadap instruksi membaca (ketner, smith, & parnell, 1997) desain
ini memungkinkan Anda untuk memprediksi hasil, seperti prediksi bahwa kemampuan, kualitas
sekolah, motivasi siswa, dan tugas akademik mempengaruhi prestasi siswa (anderson & keith,
1997). Anda juga menggunakan desain ini ketika Anda tahu dan dapat menerapkan
pengetahuan statistik berdasarkan penghitungan uji statistik korelasi.

2.2.3 Bagaimana Perkembangan Desain Korelasional?

Correlational Design by Group 11 2

 Sejarah penelitian korelasional mengacu pada tema dan perkembangan dari data statistik
meskipun biometrik Inggris mengartikulasikan ide-ide dasar "co-relation" selama paruh
terakhir tahun 1800-an, perason karl mempresentasikan rumus korelasi akrab yang kita kenal
sekarang dalam sebuah makalah sebelum masyarakat kerajaan di Inggris pada bulan november
1895 (cowles, 1989). Menariknya, pearson menggunakan ilustrasi dari teori evolusi darwin dan
ide-ide sir francis galton tentang hereditas dan pewarisan alamiah untuk menggali ide-idenya
tentang korelasi. misalnya, satu ide pearson dieksplorasi adalah untuk mempelajari ide galton
tentang hubungan antara bilik kiri (jarak antara siku lengan kiri bengkok dan ujung jari tengah)
dan perawakan untuk laki-laki dewasa (cowles, 1989).
Setelah pergantian abad ke-20, dan selama hampir 50 tahun, penyempurnaan dalam
desain penelitian pendidikan berpusat pada prosedur eksperimental daripada desain
korelasional. namun, selama waktu ini, fhiser (1935) melakukan pengujian signifikansi dan
ANOVA, ide statistik penting untuk mempelajari perbedaan antara skor yang diamati dan
diprediksi dalam analisis korelasional. tidak sampai 1963 bahwa campbell dan stanley
memberikan dorongan baru untuk penelitian korelasional, sedikit pun risalah klasik mereka
pada desain eksperimental dan quasi-experimentla. Selama tahun 1970-an dan 1980-an, sedikit
munculnya komputer, peningkatan pengetahuan tentang skala pengukuran, dan kebutuhan
untuk mempelajari asosiasi yang kompleks di antara banyak variabel, peneliti kuantitatif
memulai studi korelasi.

2.3 Apa Saja Jenis Desain Korelasional?

2.3.1 Desain Penjelasan
Berbagai penulis mengacu pada penelitian korelasio penjelasan sebagai korelasi
"PENELITIAN (cohen & manion, 1994, hal. 123)" untuk studi varians (punch, 1998, p.78)
atau "penjelasan" penelitian (fraenkel & wallen, 200, hal. 360). Karena satu tujuan dasar dari
bentuk penelitian korelasi ini adalah untuk menjelaskan hubungan antara atau antar variabel,
kita akan menggunakan istilah penelitian penjelasan. Desain penelitian eksplanatif adalah
desain korelasi di mana para peneliti tertarik sejauh mana dua variabel ( atau lebih). Co-variasi,
yaitu di mana hubungan dalam satu variabel tercermin dalam perubahan yang lain. Desain
eksplanatif terdiri dari asosiasi sampel antara dua variabel (misalnya, rasa humor dan kinerja
dalam drama) atau lebih dari dua (misalnya, tekanan dari teman atau perasaan isolasi yang
berkontribusi terhadap pesta minuman keras). Memeriksa sebuah penelitian yang dilaporkan
dalam literatur. Bagaimana Anda mengidentifikasinya sebagai studi korelasi yang bersifat
penjelasan? Carilah ciri-ciri berikut, yang umum dalam jenis penelitian ini yaitu :
 Peneliti menghubungkan dua atau lebih variabel.

Correlational Design by Group 11 3

  Para peneliti mengumpulkan data pada satu titik waktu.
 Penyidik menganalisis semua peserta sebagai satu kelompok.
 Peneliti mendapatkan setidaknya dua nilai untuk setiap individu dalam kelompok-satu
untuk setiap variabel.
 Para peneliti melaporkan penggunaan uji statistik korelasi (atau perpanjangannya)
dalam analisis data.
 Terakhir, para peneliti membuat dalam penafsiran atau menarik kesimpulan dari hasil
uji statistik.

2.3.2 Desain Prediksi

Tujuan dari desain penelitian prediksi adalah untuk mengidentifikasi variabel yang akan
memprediksi hasil atau kriteria. Dalam bentuk penelitian ini, penyidik mengidentifikasi satu
atau lebih variabel prediktor dan variabel kriteria (atau hasil). Variabel prediktor adalah variabel
yang digunakan untuk membuat perkiraan tentang hasil dalam penelitian korelasi. Dalam hal
memprediksi keberhasilan guru di sekolah, prediktor mungkin “mentoring” selama pelatihan
guru atau “pengalaman mengajar bertahun-tahun” dalam banyak penelitian, peneliti sering
menggunakan lebih dari satu variabel prediktor.
Hasil yang diprediksi dalam penelitian korelasi, disebut variabel kriteria. Contohnya
keberhasilan guru adalah variabel kriteria. Meskipun lebih dari satu hasil dapat diprediksi, studi
pendidikan yang khas mereka hanya mencakup satu variabel kriteria. Untuk mengidentifikasi
studi prediksi, carilah karakteristik berikut.
 Para peneliti membangun dimensi “waktu” ke dalam desain. Sebagai contoh, prediktor
keberhasilan guru, "mentoring" diukur selama.
 Para peneliti memperkirakan kinerja masa depan. Para peneliti biasanya mengukur
variabel prediktor (s) pada satu titik waktu dan variabel kriteria pada titik waktu nanti.

2.4 Bagaimana Karakteristik Utama Desain Korelasional?

2.4.1 Menampilkan Skor (Scatterplots dan Matriks)
Jika kita memiliki dua skor, dalam penelitian korelasi kita dapat menampilkan skor ini
pada grafik (scatterplot) atau menyajikannya dalam tabel (matriks korelasi).
a) Scatterplots (Diagram Pencar)
Scatterplots (diagram pencar) adalah sebuah grafik yang digunakan untuk melihat
hubungan antara dua variabel, apakah skornya linier (mengikuti garis lurus) atau curvilinear
(ikuti bentuk berbentuk U) dan menunjukkan arah hubungan (misalnya, satu nilai naik dan yang

Correlational Design by Group 11 4

lainnya naik juga) serta tingkat hubungan (apakah hubungan itu sempurna, dengan korelasi 1,0,
atau kurang sempurna).
Skor ini biasanya diidentifikasi sebagai X dan Y, dengan nilai X diwakili pada sumbu
horizontal, dan nilai Y direpresentasikan pada sumbu vertikal. Satu titik menunjukkan di mana
skor X dan Y berpotongan untuk satu individu. Dengan menggunakan skala pada sumbu
horizontal (absis) dan pada sumbu vertikal (ordinat), petak peneliti menunjuk pada grafik untuk
setiap peserta.
Seperti yang ditunjukkan pada Gambar 11.1, yang menunujukkan kumpulan data kecil
untuk 10 siswa yang mempelajari apakah penggunaan internet oleh siswa sekolah menengah
berhubungan dengan tingkat depresi mereka. Nilai hipotetis untuk 10 siswa dikumpulkan dan
diplot pada grafik. Beberapa aspek tentang grafik ini akan membantu Anda memahaminya:
 Variabel "jam penggunaan Internet" diplot pada X axis, sumbu horizontal.
 Variabel “depresi” diplot pada sumbu, sumbu vertikal.
 Setiap siswa dalam penelitian ini memiliki dua nilai: satu jam per minggu penggunaan
Internet dan satu untuk depresi.
 Tanda (atau titik) pada grafik menunjukkan skor untuk setiap individu pada depresi dan
jam penggunaan Internet setiap minggu. Ada 10 skor (poin) pada grafik, satu untuk
setiap peserta dalam penelitian.

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

Correlational Design by Group 11 5

yang lebih berat, dan ini adalah "negatif." Atau, untuk menggunakan internet kurang dari 9,7
jam (M) per minggu adalah "positif" (yaitu, karena siswa kemudian dapat menghabiskan lebih
banyak waktu pada pekerjaan rumah ), sedangkan menghabiskan lebih banyak waktu dari 9,7
jam adalah "negatif" (yaitu, terlalu sering menggunakan pencarian Internet dengan
mengorbankan sesuatu yang lain).
Tiga aspek penting dari plot ini, yaitu: Pertama, arah skor menunjukkan bahwa ketika
meningkat, Yincreases juga menunjukkan hubungan positif. Kedua, titik-titik pada scatterplot
cenderung membentuk garis lurus. Ketiga, poin-poinnya akan mendekati garis lurus jika kita
menggambar garis melalui semuanya.

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.

2.4.2 Hubungan antara Skor (Arah, Bentuk, dan Kekuatan)

Setelah menampilkan skor pada grafik dan menghasilkan matriks korelasi, kemudian
kita dapat menginterpretasi makna hubungan antara skor. Hal ini untuk memahami arah
hubungan, bentuk distribusi, tingkat hubungan, dan kekuatannya.
a) Apa Arah Hubungan?

Correlational Design by Group 11 6

 Saat memeriksa grafik, penting untuk mengidentifikasi apakah titik-titik berpotongan,
atau bergerak dalam arah yang sama atau berlawanan. Dalam korelasi positif (ditandai dengan
korelasi “1” koefisien) poin bergerak ke arah yang sama; yaitu, ketika X meningkat, begitu juga
dengan Y atau, alternatifnya, jika X menurun, begitu juga Y. Dalam korelasi negatif
(ditunjukkan oleh koefisien korelasi "-"), poin bergerak dalam arah yang berlawanan; yaitu,
ketika X meningkat, Y menurun, dan ketika X menurun, Y meningkat. Jika skor pada satu
variabel tidak berhubungan dalam pola apa pun pada variabel lain, maka tidak ada hubungan
linier.

b) Apa Bentuk Hubungan?

Dalam penelitian korelasional kita dapat mengidentifikasi bentuk skor yang diplot
apakah linier atau nonlinier. Pada contoh depresi (Gambar 11.1), dapat ditemukan hubungan
yang positif dan linier. Jenis hubungan ini hanyalah salah satu dari beberapa kemungkinan yang
mungkin dihasilkan dari data aktual. Dalam kenyataannya, hubungan itu mungkin menganggap
salah satu dari bentuk yang ditunjukkan pada Gambar 11.2.
Hubungan Linear. Bagian (a) dari Gambar 11.2 menggambarkan hubungan linear yang
positif dari skor, di mana skor rendah (atau tinggi) pada satu variabel berhubungan dengan skor
rendah (atau tinggi) pada variabel kedua. Dalam contoh, skor rendah pada depresi dikaitkan
dengan skor rendah pada jumlah jam menggunakan Internet per minggu. Bagian (b) dari
Gambar 11.2 menggambarkan hubungan linear negatif, di mana skor rendah pada satu variabel
berhubungan dengan skor tinggi pada variabel lainnya. Skor rendah pada depresi, misalnya,
mungkin terkait dengan skor tinggi pada penggunaan Internet, menunjukkan hubungan negatif.
Hubungan Tidak Korelasi dan Non-linier. Pada bagian (c) Gambar 11.2, kita melihat
hubungan tidak kolerasi dari skor. Dalam distribusi ini, variabel tidak bergantung satu sama
lain. Skor tertentu pada satu variabel tidak memprediksi atau memberi tahu informasi tentang
kemungkinan skor pada variabel lain. Dalam contoh, sebidang skor untuk depresi dan skor
untuk penggunaan Internet akan tidak teratur, tanpa pola tertentu.
Distribusi curvilinear (atau hubungan nonlinier) menunjukkan hubungan berbentuk
huruf U dalam skor. Distribusi ini sebagian dari (d) dari Gambar 11.2 menunjukkan
peningkatan, dataran tinggi, dan penurunan dalam variabel sumbu-Y dengan meningkatnya
nilai variabel sumbu-X. Distribusi dalam bagian (e) dari Gambar 11.2 menunjukkan penurunan,
dataran tinggi, dan peningkatan dalam variabel sumbu-Y dengan meningkatnya nilai-nilai
variabel sumbu-X. Sebagai contoh, hal ini mungkin ketika penggunaan Internet meningkat,
begitu pula depresi, sampai pada titik di mana internet benar-benar menjadi mekanisme
penanggulangan stres, dan depresi mulai menurun (seperti yang digambarkan pada bagian [d])

Correlational Design by Group 11 7

c) Apa Tingkat Hubungan dan Kekuatannya?
Tingkat asosiasi berarti bahwa hubungan antara dua variabel atau set skor adalah
koefisien korelasi –1,00 hingga +1,00, dengan 0,00 menunjukkan tidak ada hubungan linier
sama sekali. Hubungan antara dua set skor ini mencerminkan apakah ada hubungan yang
konsisten dan dapat diprediksi antara skor (Gravetter & Wallnau, 2000).
Peneliti korelasional mengartikan besar dan arah korelasi dengan angka yang
menunjukkan kekuatan dan tanda-tanda valensi yang menunjukkan arah (+1,00 hingga –1,00),
statistic memberikan ukuran besarnya hubungan antara dua variabel. Meskipun korelasi
mengukur tingkat hubungan, banyak peneliti lebih memilih untuk mengukur korelasi dan
menggunakan nilai yang dihasilkan untuk mengukur kekuatan hubungan (Gravetter & Wallnau,
2000). Dalam prosedur ini, peneliti cukup menghitung penentuan yang menilai proporsi
variabilitas dalam satu variabel yang dapat ditentukan atau dijelaskan oleh variabel kedua.
Misalnya, jika Anda memperoleh r = + .70 (atau – .70), mengkuadratkan nilai ini mengarah ke
r2= .49 (atau 49%). Ini berarti bahwa hampir setengah (49%) dari variabilitas di Y dapat
ditentukan atau dijelaskan oleh X. Sebagai contoh, kita bisa mengatakan bahwa tingkat
pendidikan orang tua menjelaskan 49% dari kepuasan siswa dengan sekolah (r2= 0,49).
Standar lain untuk menafsirkan kekuatan hubungan juga ada. Pedoman umum
menunjukkan apakah ukuran koefisien memberikan informasi yang berarti tentang kekuatan
hubungan antara dua variabel. Salah satu panduan tersebut tersedia di Cohen and Manion
(1994). Pertimbangkan penafsiran berikut yang diberikan oleh ukuran koefisien:
 .20 –.35: Ketika korelasi berkisar dari .20 hingga .35, hanya ada sedikit hubungan;
hubungan ini mungkin sedikit signifikan secara statistik untuk 100 atau lebih peserta.

Correlational Design by Group 11 8

 Ukuran koefisien ini mungkin berharga untuk mengeksplorasi interkoneksi variabel
tetapi nilai kecil dalam studi prediksi.
 .35 –.65: Ketika korelasi di atas .35, mereka berguna untuk prediksi terbatas, mereka
adalah nilai-nilai khas yang digunakan untuk mengidentifikasi keanggotaan variabel
dalam prosedur statistik dari analisis faktor (interkorelasi variabel dengan skala), dan
banyak koefisien korelasi untuk hubungan bivariat jatuh ke dalam area ini.
 .66 –.85: Ketika korelasi jatuh ke dalam kisaran ini, prediksi yang baik dapat dihasilkan
dari satu variabel ke variabel lainnya. Koefisien dalam kisaran ini akan dianggap sangat
bagus.
 .86 dan di atasnya: Korelasi dalam rentang ini biasanya dicapai untuk studi validitas
konstruk atau reliabilitas tes-tes ulang. Faktanya, para peneliti ingin reliabilitas dan
mereka uji-uji validitas menjadi setinggi ini. Ketika dua atau lebih variabel terkait,
korelasi tinggi ini jarang tercapai, dan jika mereka menghasilkan, maka dua variabel
sebenarnya mengukur sifat dasar yang sama dan mungkin harus dikombinasikan dalam
analisis data.
Salah satu cara untuk mengetahui jika nilai koefisien untuk kekuatan hubungan antara
dua variabel bermakna adalah dengan menggunakan pengujian signifikansi. Dalam pengujian
hipotesis, kita memilih sampel dan menarik kesimpulan dari sampel ke populasi. Untuk
penelitian korelasional, hipotesis nol adalah bahwa tidak ada asosiasi atau hubungan antara skor
dalam populasi. Pengujian hipotesis ini melibatkan pengaturan tingkat signifikansi, menghitung
statistik uji, memeriksa apakah nilai koefisien korelasi jatuh ke wilayah penolakan, dan
menolak atau gagal menolak hipotesis nol. Dalam penelitian korelasional, r2 menyatakan
besarnya hubungan antara dua variabel atau set skor. Dengan demikian, ini mewakili ukuran
efek — cara lain untuk menilai besarnya hubungan tanpa menghiraukan pengujian hipotesis.

2.4.3 Beberapa Analisis Variabel (Korelasi Parsial dan Regresi Berganda)

Dalam banyak studi korelasi, peneliti memprediksi hasil berdasarkan lebih dari satu
variabel prediktor. Dengan demikian, mereka perlu memperhitungkan dampak dari setiap
variabel. Terdapat dua pendekatan analisis variabel ganda adalah korelasi parsial dan regresi
berganda.
a) Korelasi Partial
Dalam banyak situasi penelitian, kita mempelajari tiga, empat, atau lima variabel
sebagai prediktor hasil. Jenis variabel tersebut dinamakan variabel mediating atau variabel
intervening. Variabel ini juga dapat disebut sebagai "berdiri di antara" variabel independen dan
dependen dan mempengaruhi keduanya. Variabel ini berbeda dari variabel kontrol yang

Correlational Design by Group 11 9

memengaruhi hasil dalam eksperimen. Kami menggunakan korelasi parsial untuk menentukan
jumlah varians yang diintervensi variabel-variabel menjelaskan in both the independen dan
dependen.
Sebuah gambar dari dua variabel diikuti dengan memasukkan sepertiga dapat membantu
menjelaskan korelasi parsial. Periksa Gambar 11.3, yang menunjukkan korelasi bivariat (dua
variabel) di sisi kiri dan analisis korelasi parsial (tiga variabel) di sisi kanan.

Asumsikan bahwa seorang peneliti melakukan penelitian yang menghubungkan waktu

dengan tugas dengan prestasi untuk anak-anak sekolah menengah. Setelah mengumpulkan skor,
peneliti menghitung koefisien korelasi dengan hasil r = .50. Gambar 11.3 menunjukkan
hubungan r2 ini dan juga perbandingan, atau proporsi varians antara dua variabel. Namun,
situasinya lebih rumit. Motivasi siswa, variabel ketiga, juga dapat mempengaruhi waktu siswa
dalam tugas maupun prestasi mereka di kelas. Peneliti mengidentifikasi variabel ketiga ini
berdasarkan tinjauan literatur dan studi tentang teori-teori masa lalu yang telah menunjukkan
faktor-faktor yang mungkin mempengaruhi prestasi siswa. Dalam desain, motivasi perlu
dihapus sehingga hubungan antara waktu-tugas dan prestasi dapat lebih jelas ditentukan.
Sebuah analisis statistik korelasi parsial digunakan untuk menghilangkan varians bersama di
kedua waktu-on-tugas dan prestasi dengan motivasi. Perhitungan matematis untuk koefisien ini
tersedia dalam buku statistik; itu didasarkan pada koefisien korelasi di antara ketiga variabel
dan variansnya. Area yang ditandai-menetas menunjukkan varians yang dibagikan ini tersisa
setelah menghilangkan efek motivasi, dan r2 = (. 35)2 sekarang lebih rendah daripada korelasi
asli r = .50.

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

Correlational Design by Group 11 10

grafik. Garis ini datang paling dekat ke semua titik di plot dan dihitung dengan menggambar
garis yang meminimalkan jarak kuadrat dari titik-titik dari garis. Periksa Gambar 11.4, yang
merupakan grafik yang sama yang digunakan pada Gambar 11.1, menunjukkan hubungan
antara "jam penggunaan Internet per minggu" dan "skor depresi" untuk siswa sekolah
menengah. Gambar 11.4 sekarang berisi informasi tambahan: lebih detail tentang garis regresi.
Anda dapat melihat bagaimana garis mendekati semua titik pada grafik, dan kami
menggambarnya secaradiagonal konsistendengan korelasi positif antara penggunaan Internet
dan skor depresi.

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

Correlational Design by Group 11 11

berganda) adalah prosedur statistik untuk memeriksa hubungan gabungan beberapa variabel
independen dengan variabel dependen tunggal. Dalam regresi, variasi dalam variabel dependen
dijelaskan oleh varians dari setiap variabel independen (kepentingan relatif masing-masing
prediktor), serta efek gabungan dari semua independen variabel(proporsi varians kriteria
dijelaskan oleh semua prediktor), yang ditunjuk oleh R2 (Kline, 1998). Mirip dengan persamaan
regresi yang disebutkan sebelumnya, skor prediksi pada hasil dapat dihasilkan menggunakan
persamaan yang mirip dengan persamaan regresi sederhana, tetapi itu termasuk prediktor
tambahan. Persamaannya adalah:
𝑌 (𝑝𝑟𝑒𝑑𝑖𝑘𝑠𝑖) = 𝑏1 (𝑋1) + 𝑏2 (𝑋2) + 𝑎
di mana:
Y = skor prediksi
b1= konstanta untuk kemiringan X1 (b2, untuk X2)
a = mencegat
Asumsikan bahwa lereng untuk b1= .24 dan b2= .19 dan mencegat adalah 10.77.
Persamaan prediksi untuk dua variabel independen akan menjadi:
𝑌 (𝑑𝑖𝑝𝑟𝑒𝑑𝑖𝑘𝑠𝑖) = .24 (𝑋1) +. 19 (𝑋2) + 10.77
Jika kita ingin memprediksi skor individu pada kuis, misalnya, dari waktu-tugas (X1)
dan pencapaian sebelumnya (X2), peneliti akan mengganti skor mereka pada kedua ukuran ini
ke dalam rumus. Asumsikan waktu-tugas adalah 10 dan prestasi sebelumnya adalah 70. Skor
yang diprediksi dari kombinasi dua variabel independen ini adalah:
𝑌 (𝑑𝑖𝑝𝑟𝑒𝑑𝑖𝑘𝑠𝑖) = .24 (10) + .19 (70) + 10.77
Mari kita memperluas contoh untuk mengilustrasikan beberapa fitur tambahan regresi.
Misalkan waktu-on-tugas, motivasi, prestasi sebelumnya di bidang subjek, dansebaya teman-
teman diperkirakan mempengaruhi pembelajaran siswa (atau prestasi) untuk siswa SMA yang
berisiko. Kita mungkin ingin tahu bagaimana variabel-variabel ini dalam pembelajaran siswa
gabungan. Mengetahui informasi ini mungkin lebih realistis daripada menentukan korelasi
antara waktu-tugas dan pencapaian; itu memodelkan dunia yang kompleks di mana sekolah
siswa menengah tinggal. Singkatnya, situasi yang rumit ada, dan kita perlu menentukan
bagaimana setiap variabel secara individual dan dalam kombinasi membantu menjelaskan
variasi dalam pembelajaran siswa. Informasi ini akan membantu peneliti mengisolasi faktor-
faktor yang dapat diubah di sekolah menengah atau masalah yang harus ditangani dengan siswa.
Periksa tabel regresi yang ditunjukkan pada Tabel 11.2.

Correlational Design by Group 11 12

 Kita dapat menghitung koefisien regresi untuk setiap variabel, menilai pengaruh
gabungan semua variabel, dan memberikan gambaran hasilnya. Tabel regresi menunjukkan
jumlah keseluruhan varians dijelaskan dalam variabel dependen oleh semua independen
variabel, disebut R2 (R squared). Ini juga menunjukkan bobot regresi — jumlah kontribusi
setiap variabel yang mengendalikan varians dari semua variabel lain, yang disebut beta — untuk
setiap variabel. Pada Tabel 11.2 kita melihat empat variabel prediktor belajar siswa. Koefisien
di kolom kanan adalah bobot beta untuk setiap variabel independen. Berat beta adalah koefisien
yang menunjukkan besarnya prediksi untuk variabel setelah menghapus efek dari semua
prediktor lainnya. Koefisien berat beta mengidentifikasi kekuatan hubungan variabel prediktor
dari hasil dan memungkinkan peneliti untuk membandingkan (dalam data dengan distribusi
normal) kekuatan satu prediktor variabel dengan kekuatan prediktor lainnya. Koefisien regresi
standar biasanya digunakan untuk tujuan seperti memilih variabel dan menilai kepentingan
relatif mereka (Bring, 1994). Berat beta dilaporkan dalam bentuk standar (sebuah skor z
menstandardisasi ukuran sehingga semua variabel dapat dibandingkan) dan ditafsirkan seperti
Pearson r, dengan nilai biasanya dari +1,00 hingga –1,00. Perhatikan bahwa tabel regresi sering
melaporkan nilai B (koefisien unstandardized), tetapi nilai-nilai ini, sementara berguna dalam
prediksi rumus, tidak memungkinkan peneliti untuk membandingkan kekuatan relatif dari
setiap independen variabelsebagai prediktor karena nilai dapat dinilai dalam unit yang berbeda.
Misalnya, satu variabel dapat dinilai pada skala 5-point dan satu lagi pada skala 3-point.
Seperti yang terlihat pada Tabel 11.2, prediktor "pencapaian sebelumnya" menjelaskan
sebagian besar varians, diikuti oleh "motivasi." Di bawah tabel kita melihat korelasi kombinasi
variabel (korelasi ganda yang ditunjuk oleh R) dari .38 dan proporsi variabilitas dijelaskan
dalam variabel dependen oleh semua prediktor (R2) dari .14. Ingat bahwa nilai R2, yang disebut
koefisien determinasi, merupakan proporsi variabilitas dijelaskan oleh variabel independen
dalam variabel dependen. Dalam melaporkan hasil, peneliti korelasional harus menunjukkan
tidak hanya signifikansi statistik dari tes, tetapi juga efek ukuran varians, R2.

2.5 Bagaimana Langkah-Langkah dalam Melakukan Penelitian Korelasi?

Correlational Design by Group 11 13

 Berdasarkan pembahasan sebelumnya yaitu karakteristik utama dalam melakukan
penelitian korelasi, kita dapat menentukan langkah yang akan digunakan. Langkah-langkah
berikut ini memberikan gambaran untuk melakukan penelitian korelasi, adalah sebagai berikut:
Langkah 1 : Menentukan Apakah Penelitian Korelasi Cara Yang Tepat Dalam
Menyelesaikan Masalah Pendidikan
Penelitian korelasi digunakan ketika permasalahan yang membutuhkan identifikasi arah
dan tingkat hubungan antara dua varibel. Hal tersebut digunakan untuk mengidentifikasi sautu
kumpulan, penjelasan dari kumpulan data yang kompleks, dan memprediksikan hasil dari satu
atau lebih data yang diperoleh. Penelitian korelasi tidak membuktikan suatu hubungan, namun
menunjukan suatu kumpulan antara dua atau lebih variabel. Karena anda tidak membandingkan
dua kelompok dalam penelitian korelasi, anda harus menggunakan pertanyaan penelitian
daripada hipotesis.

Langkah 2 : Identifikasi Subjek Penelitian

Umumnya, subjek penelitian dipilih secara random untuk menyamaratakan hasil dari
suatu populasi. Dalam pengumpulan data anda harus memperoleh izin dari otoritas yang
bertanggung jawab atau dari dewan peninjau institusional. Kelompok harus memiliki ukuran
yang memadai untuk penggunaan statistik korelasional, seperti N = 30; ukuran yang lebih besar
berkontribusi terhadap varian kesalahan yang lebih sedikit dan lebih baik klaim keterwakilan
yang. Misalnya, seorang peneliti mungkin mempelajari 100 sekolah menengah atlet untuk
menghubungkan sejauh mana partisipasi mereka dalam olahraga yang berbeda dan penggunaan
tembakau mereka. Kisaran skor yang sempit dari suatu populasi dapat memengaruhi kekuatan
hubungan korelasi. Misalnya, jika Anda melihat hubungan antara tinggi pemain basket dan
jumlah keranjang dalam permainan, Anda mungkin menemukan hubungan yang kuat diantara
siswa kelas 12. Tetapi jika Anda memilih pemain NBA, hubungan ini mungkin jauh lebih
lemah.

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.

Correlational Design by Group 11 14

Langkah 4 : Kumpulkan Data dan Pantau Ancaman Penelitian
Langkah selanjutnya adalah mengelola instrumen dan mengumpulkan setidaknya dua
set data dari masing-masing individu. Desain penelitian yang sebenarnya cukup sederhana
sebagai presentasi visual. Dua nilai data dikumpulkan untuk setiap individu sampai Anda
memperoleh skor dari setiap sampel pada penelitian. Situasi ini berlaku untuk menggambarkan
hubungan antara dua variabel atau untuk memprediksi hasil tunggal dari variabel prediktor
tunggal. Anda mengumpulkan beberapa variabel independen untuk memahami hubungan yang
kompleks.

Langkah 5 : Analisis Data dan Wakili Hasilnya

Tujuan dalam penelitian korelasi adalah untuk menggambarkan tingkat hubungan antara
dua atau lebih variabel. peneliti mencari pola tanggapan dan menggunakan statistik prosedur
untuk menentukan kekuatan hubungan serta arahnya. Statistik hubungan yang signifikan
secara, jika ditemukan, tidak menyiratkan sebab-akibat tetapi hanya hubungan antara variabel.
Prosedur yang lebih ketat, seperti yang digunakan dalam percobaan, dapat memberikan kontrol
yang lebih baik daripada yang digunakan dalam studi korelasi. Analisis dimulai dengan
pengkodean data dan mentransfernya dari instrumen ke file komputer. Maka peneliti perlu
menentukan statistik yang tepat untuk digunakan.
Pertanyaan awal adalah apakah data secara linier atau terkait kurvilinearly. Sebuah
scatterplot skor (jika studi bivariat) dapat membantu menentukan pertanyaan ini. Juga,
pertimbangkan apakah:
 Hanya satu variabel independen sedang dipelajari (koefisien korelasi Pearson).
 Sebuah variabel mediasi menjelaskan baik variabel independen dan dependen dan perlu
dikontrol (koefisien korelasi parsial).
 Lebih dari satu variabel independen perlu mempelajari untuk menjelaskan variabilitas
dalam variabel dependen (koefisien regresi berganda)
Berdasarkan pada uji statistik yang paling tepat, peneliti selanjutnya menghitung apakah
statistik signifikan berdasarkan skor. Sebagai contoh, nilai diperoleh dalam studi bivariat oleh:
 Pengaturan level alfa.
 Menggunakan nilai kritis dari sebuah tabel, tersedia dalam banyak buku statistik.
 Menggunakan derajat kebebasan N = 2 dengan tabel ini.
 Menghitung r yang teramati koefisien dan membandingkannya dengan nilai r-kritis.
 Menolak atau gagal untuk menolak hipotesis nol pada tingkat signifikansi tertentu, seperti
P < 0,05

Correlational Design by Group 11 15

 Selain itu, juga berguna untuk melaporkan ukuran efek (r2). Dalam analisis korelasi,
ukuran efek adalah koefisien korelasi Pearson. Dalam mewakili hasil, peneliti korelasi akan
menyajikan matriks korelasi dari semua variabel serta statistik tabel (untuk studi regresi)
melaporkan nilai R dan R2 dan bobot beta untuk setiap variabel.

Langkah 6 : Menafsirkan Hasil

Langkah akhir dalam melakukan penelitian korelasi adalah menafsirkan makna dari
hasil yang diperoleh. Ini memerlukan pembahasan lanjut mengenai besarnya dan arah hasil
dalam penelitian korelasi, mengingat dampak variabel intervening dalam korelasi parsial studi,
menafsirkan bobot regresi variabel dalam analisis regresi, dan mengembangkan persamaan
prediktif untuk digunakan dalam studi prediksi.
Dalam semua langkah ini, yang menjadi fokus utama adalah apakah data Anda
mendukung teori, hipotesis, atau pertanyaan. Selanjutnya, peneliti mempertimbangkan apakah
hasil atau temuan yang dioeroleh juga ada pada penelitian lain. Juga, sebuah refleksi dibuat
tentang apakah beberapa ancaman yang dibahas di atas mungkin telah berkontribusi terhadap
koefisien yang salah dan langkah-langkah yang mungkin diambil oleh peneliti masa depan
untuk mengatasi masalah ini.

2.6 Bagaimana Cara Mengevaluasi Penelitian Korelasi?

Untuk mengevaluasi dan menilai kualitas penelitian korelasi yang baik, penulis
mempertimbangkan:
 Ukuran sampel yang memadai untuk pengujian hipotesis.
 Tampilan hasil korelasional dalam matriks atau grafik.
 Interpretasi tentang arah dan besarnya hubungan antara dua atau lebih variabel.
 Penilaian terhadap besarnya hubungan berdasarkan koefisien determinasi, nilai p, ukuran
efek, atau ukuran koefisien.
 Pilihan statistik yang tepat untuk analisis.
 Identifikasi prediktor dan variabel kriteria.
 Jika model visual dari hubungan tersebut sudah maju, peneliti menunjukkan arah yang
diharapkan dari hubungan antar variabel, atau arah yang diprediksi berdasarkan data yang
diamati.
 Identifikasi yang jelas dari prosedur statistik

2.7 Bagaimana Penerapan Penelitian Korelasi?

Dalam menerapkan penelitian korelasi ini, sebagai contohnya adalah suatu riset dengan
judul : “Predicting Asian Americans’ Academic Performance In The First Year Of Collage :

Correlational Design by Group 11 16

An Approach Combining SAT Scores And Noncognitive Variables”. Artikel tersebut dipilih
karena menyajikan setiap bagian dengan jelas dan rinci, seperti penyajian data, prediksi
variabel, analisis korelasi, dan sebagainya. Berikut merupakan hasil review artikel ini :
a) Masalah penelitian dan penggunaan penelitian kuantitatif
Penulis memperkenalkan permasalahan penelitian—bahwa siswa kampus Asian Amerika
melanjutkan menghadapi permasalahan seperti rasisme, masalah mental dan psikologi,
kesendirian, dan isolasi. Masalah ini, butuh banyak penelitian/studi mengenai penyesuaian
psikologi Asian Amerika, membutuhkan pemeriksaan prediktor kesuksesan akademik.
Artikel tersebut memgandung kunci karakteristik studi kuantitatif, yaitu :
 Menyampaikan bahwa permasalahan penelitian berfokus pada kebutuhan memprediksi
faktor yang menjelaskan kesuksesan akademik dan ingatan.
 Mengidentifikasi prediktor dalam literatur yang mempengaruhi kesuksesan dan
ingatan.
 Berfokus pada tujuan pernyataan yang berhubungan dengan variabel, khususnya SAT
dan variabel psikologis terhadap IPK siswa dan ingatan.

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.

c) Tujuan dan pertanyaan penelitian

Penulis dengan jelas mengidentifikasi tujuan pernyataan pada jurnal tersebut.
Pernyataan ini menunjukan bahwa variabel prediktor akan diperiksadalam istilah dua hasil. IPK
dan ingatan. Pertanyaan penelitian, akan tetapi tidak disebutkan, dan mungkin kegunaan
pertanyaan penelitian ini berlebihan dengan kegunaan pernyataan. Oleh karena itu, penulis
mungkin saja tidak merasa perlu untuk memasukan kedua pertanyaan dan tujuan pernyataan.

d) Jenis dan langkah-langkah dalam pengumpulan data korelasi

Pengumpulan data yang terdiri dari memberikan instrumen kepada siswa pada saat tahun
ajaran baru. Penelitian ini terdiri dari NCQ. Kemudian juga terdapat validitas dan
releabilitas dari instrumen ini. Hasil akhirnya terkait pada GPA dan pemahaman yang
didapatkan berdasarkan persetujuan siswa. Tetapi kita mengetahui sedikit tentang proses
belajar catatan siswa.

Correlational Design by Group 11 17

e) Jenis dan langkah-langkah dari analisis korelasi data dan interpretasi
Penulis menggunakan beberapa prosedur analisis data yang tidak dibahas, seperti statistik
deskriptif. Pembahsan tentang analisis data terdiri dari analisis regresi yang menggunakan
SPSS, dan prosedur lainnya. Akan tetapi, peneliti telah menyajikan matriks korelasi dan
memberikan tafsiran tentang arah dari perhitungan tersebut. peneliti tersebut menggunakan
analisis regresi untuk memeriksa pengaruh gabungan dari preiktor dan nilai GPAs. Selain
itu, formula regresi digunakan untuk memprediksi hasil berdasarkan kombinasi data. pada
hasil penelitian, peneliti tidak mengecek nilai distribusi linear (meskipun prosedur ini
mungkin tidak selesai). Akan tetapi, peneliti menyebutkan sampel data kecil untuk multi
analisis regresi, hal tersebut menjadi data pendukung untuk nilai distribusi non normal.

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.

Correlational Design by Group 11 18

 BAB III
PENUTUP

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

Correlational Design by Group 11 19

belajar, untuk menentukan dua atau lebih langkah-langkah untuk setiap individu, untuk
mengumpulkan data dan memantau potensi ancaman terhadap validitas skor, untuk
menganalisis data menggunakan statistik korelasi untuk data kontinyu atau kategoris, dan untuk
menginterpretasikan kekuatan dan arah hasil.
Mengevaluasi studi korelasional dalam hal kekuatan pengumpulan data, analisis, dan
interpretasinya. Faktor-faktor ini termasuk ukuran sampel yang memadai, presentasi yang baik
dalam grafik dan matriks, prosedur yang jelas, dan interpretasi tentang hubungan antar variabel.

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.

Correlational Design by Group 11 20

 DAFTAR PUSTAKA

Creshwell, John W, 2012, Research Design, Pendekatan Kualitatif, Kuantitatif, Dan Mixed,
Edisi Ketiga, Pustaka Pelajar: Bandung.

Correlational Design by Group 11 21