Diskusi.

11

Pada forum diskusi kali ini, Anda diharapkan memberikan tanggapan atas masalah
yang terkait dengan pengujian hipotesis dari analisis korelasi dan analisis regresi yang
telah Anda pelajari melalui BMP dan materi inisiasi pada minggu ini. Silahkan Anda
memberikan tanggapan / jawaban atas permasalahan yang diajukan. Anda dapat
menyajikan tanggapan Anda dengan mengunggah hasil pekerjaan yang Anda lakukan
dalam menyelesaikan masalah yang diajukan baik dalam bentuk file (format doc) atau
file hasil scan/ foto pekerjaan Anda di atas kertas.

Tanggapan :
Berdasarkan topic diskusi pada sesi 11 yang berkaitan dengan pengujian hipotesis dari
analisis korelasi dan analisis regresi dapat saya jabarkan sebagai berikut.
Pada suatu penelitian, tidak jarang para peneliti akan menggunakan analisis korelasi dan regresi.
Kedua analisis merupakan metode yang penting, karena dengan menggunakannya peneliti dapat
dengan mudah melihat adanya suatu hubungan atau pengaruh terhadap hal-hal yang mereka
teliti.
1. ANALISIS KORELASI
Analisis korelasi merupakan metode yang digunakan untuk mengetahui ada atau tidaknya
hubungan linier, antara variabel terikat dengan variabel bebas. Jika dalam pengaplikasian
metode tersebut ditemukan pengaruh, maka perubahan yang terjadi pada variabel x akan
mengakibatkan adanya perubahan juga pada variabel y atau variabel lainnya. Analisis
korelasi seringkali digunakan untuk menyatakan derajat kekuatan hubungan antara dua
variabel. Dengan mengetahui hubungan antar 2 variabel, kita bisa mendeskripsikan
bagaimana gambaran yang lebih bermanfaat dari data-data yang kita miliki. Korelasi
seringkali digunakan dalam dunia riset ataupun bisnis. Contohnya saja, seorang pemimpin
perusahaan kerap kali menggunakan korelasi untuk mengetahui apakah terdapat hubungan
yang kuat antara kenaikan gaji pegawai dengan jumlah pendapatan perusahaan. Analisis
korelasi mampu menjelaskan hal ini dan memberikan analisis yang bermanfaat bagi para
pengambil keputusan.
Jenis hubungan korelasi
Ada 2 jenis korelasi :
 Korelasi positif adalah hubungan antara 2 variabel dimana kenaikan satu variabel
menyebabkan penambahan nilai pada variabel lainnya. Atau sebaliknya, semakin kecil
 nilai suatu variabel, nilai variabel lainnya juga akan ikut turun. Bisa dikatakan juga,
korelasi ini merupakan hubungan yang searah.

Contoh Korelasi Positif

 Korelasi negatif adalah hubungan antara 2 variabel dimana kenaikan satu variabel
menyebakan penurunan nilai dari variabel lainnya. Begitu juga sebaliknya, semakin
kecil nilai suatu variabel, semakin besar nilai variabel lainnya. Hubungan antara kedua
variabel dalam kasus ini adalah berbalik arah. Contohnya : semakin lama waktu belajar
seseorang, semakin sedikit kesalahan yang dilakukan saat ujian. Atau dengan contoh
lain, semakin tinggi harga suatu produk, semakin rendah daya beli masyarakat.

Contoh Korelasi Negatif

Uji hipotesis pada analisis korelasi
Uji hipotesis juga bisa dilakukan pada analisis korelasi. Uji ini digunakan untuk
membuktikan apakah antar variabel memiliki hubungan korelasi yang signifikan atau tidak.
  (tidak terdapat hubungan korelasi yang signifikan antara variabel x dan y)
(terdapat hubungan korelasi yang signifikan antara variabel x dan y)
Layaknya uji hipotesis lain, bila nilai p-value lebih kecil dari alpha, maka H0 ditolak dan H1
diterima. Begitu juga sebaliknya.
Metode pengukuran korelasi
Secara umum, kita bisa mengetahui apakah 2 variabel memiliki hubungan korelasi atau tidak
dengan menggunakan scatter plot seperti contoh di atas. Terlebih lagi, dengan
menambahkan garis tren, kita bisa mengetahui apakah sebaran data terlalu jauh dengan garis
tersebut atau berada di sekitar garis. Tapi, tentu harus ada metode pengukuran yang bersifat
eksak dan bisa menjelaskan dengan nilai yang akurat. Secara umum, ada dua metode yang
bisa digunakan dalam pengukuran korelasi
1. Koefisien korelasi pearson
Koefisien korelasi pearson merupakan metode pengukuran korelasi yang sering
digunakan. Metode ini bisa digunakan dengan kondisi data sebagai berikut:
 Data memiliki skala interval atau rasio
 Korelasi antara 2 variabel haruslah linier, artinya distribusi data haruslah
menunjukkan hubungan searah
Formula yang digunakan adalah:

2. Koefisien korelasi spearman

Koefisien korelasi spearman merupakan metode pengukuran korelasi yang digunakan
bila data yang digunakan bersifat ordinal atau ranking. Korelasi spearman sendiri
memiliki dua kondisi penggunaan. Pertama, yaitu kondisi dimana data yang digunakan
bersifat unik atau tidak ditemukan data ganda. Kedua, kondisi dimana data yang
digunakan terdapat data ganda atau double.
 Kita bahas dulu bila kondisi data yang digunakan semuanya unik atau tidak ada yang
ganda. Formula yang digunakan adalah :

Sedangkan, untuk data ganda,rumus yang digunakan adalah

Dimana ada perhitungan faktor koreksi yaitu:

Karena terdapat data bernilai sama yang jumlahnya lebih dari 1, maka kita perlu
menggunakan faktor koreksi dengan formula diatas.

Hal yang perlu digarisbawahi dalam menggunakan analisis korelasi

Ada beberapa asumsi yang kerap kali salah ketika menggunakan analisis korelasi. Berikut
saya tuliskan penegasan ulang agar kita lebih memahami koefisien korelasi.
1. Korelasi tidak bisa menjelaskan hubungan sebab akibat
Analisis korelasi hanya mampu menyatakan dan mengukur hubungan antar variabel,
tidak bisa meyatakan hubungan sebab akibat atau saling memengaruhi antar variabel.
Korelasi tidak bisa menyatakan bila terdapat perubahan pada satu variabel, maka variabel
lain akan terkena dampak perubahan juga.
2. Korelasi negatif bukan berarti tidak terdapat korelasi
Terkadang, kita berpikir bahwa korelasi negatif bermakna bahwa tidak terdapat hubungan
sama sekali antar variabel. Korelasi negatif artinya terdapat hubungan berbalik arah antar
variabel tersebut.
3. Kedua variabel yang dianalisis memiliki hubungan yang sama
Bila kita mendapatkan nilai korelasi antara variabel A dan B, maka hal ini juga berlaku
sebaliknya. Nilai korelasi tersebut juga berlaku untuk hubungan antara variabel B dan A.
Sebelum melakukan analisis korelasi, pastikan jenis data yang digunakan terlebih dahulu.
 Bila data yang digunakan bersifat ranking atau ordinal, maka spearman adalah analisis
yang baik. Tapi, bila menggunakan data interval atau rasio, anda bisa menggunakan
formula pearson.

Contohnya : penambahan usia berbanding lurus dengan penambahan tinggi badan, penambahan
waktu produksi akan berbanding lurus dengan penambahan jumlah produksi.
4. ANALISIS REGRESI

Pemecahan masalah untuk contoh kasus yang menunjukkan skor stress dan susah makan (eating
difficulties) dari 10 orang siswa. Data disajikan dalam table dibawah ini :

EATING
STUDENT STRESS (x)
DIFFICULTIES (y)
A 17 18
B 8 13
C 8 7
D 20 18
E 14 11
F 7 5
G 20 15
H 22 15
I 19 26
J 30 28

Inijawabanteman

tanggapan

Berkaitandengantopikdiskusisesikesebelasini, adapun 5 (lima) point permasalahan yang

sayagarisbawahiberkaitandenganpengujianhipotesispadaanalisiskorelasidananalisisregresi, yang
sekaligusmenambahpemahamansayaselainmateripada BMP
sertamateriinisiasipadasesidiskusituton,  yaknisebagaiberikut:

1. Menentukannilaisignifikansi alpha (α)

Nilai alpha
menunjukkantingkatsignifikansidalamsuatupengujian.Nilai alpha merupakanpeluangdaerahpenol
akansuatupengujianstatistik.Semakinrendahnilai alpha
makasemakintnggijugatingkatkepercayaannya.MenurutrefrensiUjiHipotesisdalambuku digital
MetodelogiPenelitianBiomedis (pada alamat http://repository.maranatha.edu/1819/1/Bab
%2014_Uji%20Hipotesis.pdf, diunduhKamis, 3 Juni 2021) nilai alpha
ditentukantergantungkondisipenelitian yang padaumumnyanilai yang seringdigunakanadalah 1%,
5% dan 10%. Dengandemikianuntukmemecahkanpermasalahantersebutnilai alpha yang
akandigunakanadalah 5% karenatidakterlalurendahdantidakjugaterlalutinggi.

2. PermasalahanNilaikorelasisemu

Permasalahankorelasisemuadalahketikamenghitungdanmengujikorelasisertamendapatkanhasilkor
elasi yang
tinggisertasignifikanberkorelasisecarastatistiknamunsecarateoritiskeduavariabeltidakmemilikihub
ungan yang erat.Misalnyakematiangajah di Afrikasetiaptahundenganjumlahcurahhujan di
Indonesia yang
tidakmemilikihubungansecarateoritisnamunbisasajajikakorelasinyadihitungdapatmenghasilkannil
aikorelasi yang
tinggidanbahkansignifikansecarastatistik.Untukmengatasipermasalahaninimakasebelumdilakuka
nujikorelasimaupunregresimakakeduavariabelharusmemilikihubungansecarateoritismaupunsetida
k-tidaknyamemilikihubungan yang masukakal.

3.  Memasukkanvariabeldalam model regresi

Permasalahaniniseringmunculketikapenelitiinginmenentukanvariabel yang
perludimasukkankedalam model regresi linear bergandauntukmendapatkan model yang
terbaik.Ketikamelakukanujiregresi linear bergandasering kali menemukanhasil yang
menunjukkanbahwavariabelindependen (x)
tidakberpengaruhsignifikanterhadapvariabeldependen ( y ) bahkandapatmenyebabkan model
menjaditidak fit ataupadauji - F menghasilkankeputusangagaltolak H0.
Makauntukmengatasipermasalahantersebutdapatdilakukandenganmembangunujikorelasiterlebihd
ahuluantarvariabelbebas (x)
denganvariabeldependen( y ) untukdapatmendeteksigambarankeeratanhubunganantaravariabelin
dependendenganvariabeldependen.

4.  Menentukandaerahpenolakanuji-t padaujiregresidankorelasi

Menentukandaerahpenolakanpadauji-t
untukujikorelasimaupunregresi.Padadasarnyauntukmenentukandaerahpenolakanuji-t
adalahberdasarkanpadahipotesis yang
digunakan.Untukujikorelasidapatmenggunakanhipotesissatuarahmaupunduaarah,
apabilahipotesis yang digunakanadalahsatuarahmakadaerahpenolakanuji-t
bergantungpadanilaikorelasiantaraduavariabelapakahnegatifmaupunpositif.Sedangkanuntukanali
sisregresipengujianhipotesisdenganuji-t adalahuntukmenentukanapakahterdapatpengaruh yang
signifikanantaravariabelindependenterhadapvariabeldependensearah
individual.Dengandemikianuntukanalisisregresidaerahpenolakanuji-t
menggunakanduaarahsehingganilai alpha dibagimenjadi 2.
5.  Menghitungnilaikorelasipadavariabeldengan data berkelompok

Permasalahaninisepertiditunjukkanpadamateripembelajaransesi 11

Jika data tunggalmakanilaikorelasiakanbisalangsungdicaridenganmenggunakanrumuskorelasi

Pearson yang telahkitapelajarisebelumnya, namunberbedadengan data berkelompok. Untuk data
berkelompokkitaperlumenentukan data yang digunakanuntukmasing-
masingkelompok.Padamasing-masingkelompok data untukmasing-
masingvariabelperludicarinilaitengahnya.Setelahnilaitengahditentukanselanjutnyadimasukkanke
dalamrumussepertimencarinilaikorelasi Pearson padaumumnya.Namun yang
menjadicatatanadalahperluuntukmeperhatikanfrekuensiataukuantitasdarimasing-masingpasangan
data.Seperticontohtinggibadan 65-66 dantinggibadanketurunannya 71-72
memilikijumlahsebanyak 2. Hal iniakanmenjadifaktorpengalipadarumuskorelasi Pearson.
Selanjutnyauntukpengujianhipotesisdilakukandengancara yang sama.