Popular
Home » Analisis Data » Analisis Korelasi » Cara Uji Korelasi Parsial dengan SPSS Serta Interpretasi
Lengkap 1
Cara Melakukan Uji
Normalitas Kolmogorov-
Smirnov dengan SPSS
Cara Uji Korelasi Parsial dengan SPSS Serta Interpretasi Lengkap 2
Cara melakukan Uji
Sahid Raharjo Analisis Data, Analisis Korelasi
Validitas Product Moment
dengan SPSS
Cara Uji Korelasi Parsial dengan SPSS Serta Interpretasi Lengkap | Secara umum uji
3
korelasi bertujuan untuk mengetahui keeratan hubungan antar variabel yang diteliti (yakni Cara Melakukan Uji t
hubungan antara variabel X dengan variabel Y). Korelasi atau hubungan yang terbentuk Parsial dalam Analisis
antar variabel ini dapat bersifat hubungan postif ataupun hubungan negatif. Hal ini dapat Regresi dengan SPSS
dilihat berdasarkan nilai koefisein korelasi dari hasil analisis apakah bernilai plus (+) atau
4
minus (-). Jika plus (+) maka hubungan yang terbentuk antar variabel bersifat positif. Cara Melakukan Uji
Reliabilitas Alpha
Sementara jika koefisein korelasi bernilai minus (-) maka artinya hubungan yang terbentuk
Cronbach’s dengan SPSS
antar variabel tersebut adalah hubungan negatif. Hubungan positif bermakna bahwa jika
variabel X mengalami peningkatan maka variabel Y juga akan mengalami peningkatan. 5
Cara Melakukan Analisis
Sementara hubungan negatif bermakna bahwa jika variabel X mengalami penurunan maka
Regresi Multiples
variabel Y akan mengalami peningkatan. (Berganda) dengan SPSS
6
Makna Koefisien
Determinasi (R Square)
dalam Analisis Regresi
Linear Berganda
7
Download Distribusi Nilai
Tabel Statistik Lengkap
Category
Analisis Data
Analisis Faktor
Analisis Korelasi
Analisis Regresi
Download File Praktik Youtube
Uji korelasi dapat dilakukan dengan beberapa teknik atau metode analisis statistik
Ebook SPSS
tergantung dari skala data dari masing-masing variabel yang digunakan dalam penelitian.
Misalnya: uji korelasi koefisien cramer lambda dipakai untuk data berskala nominal. Non Parametrik
Sementara uji korelasi kendall dan rank spearman cocok digunakan untuk data berskala Parametrik
ordinal. Sedangkan untuk data berskala rasio atau interval menggunakan uji korelasi SPSS Indonesia
pearson Tabel Statistik
Tutorial SPSS
Uji korelasi parsial disebut juga dengan analisis korelasi pearson dengan variabel kontrol
Uji Asumsi Dasar
atau variabel pengendali yang diasumsikan nilainya tetap atau konstan. Penggunaan
Uji Asumsi Klasik
variabel kontrol dalam analisis korelasi bertujuan untuk mengetahui apakah hubungan yang
sudah terbentuk antara variabel X dengan variabel Y dipengaruhi oleh variabel kontrol Uji Deskriptif
tersebut atau tidak. Uji Instrumen
Uji Perbedaan
Derajad Keearatan Hubungan dalam Uji Korelasi
Dalam bukunya [V. Wiratna Sujarweni. 2014. SPSS untuk Penelitian. Yogyakarta: Pustaka
Baru Press. Hal-127] menjelaskan bahwa keeratan hubungan atau koefisien korelasi antar
variabel dapat dikelompokkan sebagai berikut:
1. Nilai koefisien korelasi 0,00 sampai 0,20 berarti hubungan sangat lemah.
2. Nilai koefisien korelasi 0,21 sampai 0,40 berarti hubungan lemah.
3. Nilai koefisien korelasi 0,41 sampai 0,70 berarti hubungan kuat.
4. Nilai koefisien korelasi 0,71 sampai 0,90 berarti hubungan sangat kuat.
5. Nilai koefisien korelasi 0,91 sampai 0,99 berarti hubungan kuat sekali.
6. Nilai koefisien korelasi 1,00 berarti hubungan sempurna.
Asumsi dasar atau persyaratan yang harus terpenuhi ketika kita menggunakan uji korelasi
parsial untuk menganalisis data penelitian adalah sebagai berikut:
Seorang dosen ingin mengetahui apakah ada hubungan antara IQ (Intelligence Quotient)
dengan nilai IPK (Indeks Prestasi Kumulatif) mahasiswa dengan Motivasi Berprestasi
sebagai variabel Kontrol. Guna keperluan penelitian ini maka dosen tersebut
mengumpulkan data-data yang dibutuhkan menggunakan kuesioner untuk 12 orang sampel
atau responden penelitian. Adapun tabulasi data penelitian yang dimaksud dapat anda lihat
pada tabel berikut ini.
Tahapan-tahapan analisis data dalam uji korelasi parsial ini dimulai dari memasukkan atau
menginput data penelitian ke program SPSS, selanjutnya melakukan uji normalitas data
terlebih dahulu, baru kemudian melakukan analisis data dengan uji korelasi parsial.
1. Langkah pertama buka lembar kerja baru SPSS, lalu klik Variable View, selanjutnya anda
cukup mengisi pada kolom Name, Decimals, Label, dan Measure, sementara untuk pilihan
yang lain biarkan tetap default. Tampak di layar SPSS sebagaimana gambar bawah ini.
2. Jika sudah, langkah berikutnya klik Data View, lalu masukkan data IQ, IPK dan Motivasi
ke-12 orang responden tersebut sesuai dengan judul kolom yang ada di layar SPSS.
Karena persyaratan atau asumsi dasar yang harus terpenuhi dalam penggunaan uji korelasi
parsial ini adalah data berdistribusi normal, maka terlebih dahulu kita akan melakukan uji
normalitas untuk variabel IQ, IPK dan Motivasi. Adapun caranya sebagai berikut ini.
1. Dari menu utama SPSS klik menu Analyze >> Descriptive Statistics >> Explore…
2. Maka muncul kotak dialog “Explore” selanjutnya masukkan semua variabel penelitian ke
kotak Dependent List: kemudian pada bagian “Display” pilih Both, setelah itu klik Plots…
3. Maka muncul kotak dialog “Explore Plots” lalu beri tanda ceklist (v) pada Normality plots
with tests, selanjutnya klik Continue, kemudian klik Ok
4. Maka akan mucul output SPSS, kita cukup perhatikan pada tabel output “Tests of
Normality” tampak dilayar seperti gambar di bawah ini.
Untuk mengetahui apakah variabel IQ, IPK dan Motivasi yang digunakan dalam penelitian
berdistribusi normal atau tidak, maka terlebih dahulu kita harus mengetahui teori tentang
dasar pengambilan keputusan untuk uji normalitas. Adapun dasar pengambilan keputusan
dalam uji normalitas adalah sebagai berikut.
1. Jika nilai Signifikansi (Sig.) < 0,05, maka variabel tidak berdistribusi normal.
2. Jika nilai Signifikansi (Sig.) > 0,05, maka variabel berdistribusi normal.
Berdasarkan tabel output SPSS “Tests of Normality” di atas, diketahui bahwa nilai Sig.
dalam uji normalitas Shapiro-Wilk adalah sebagai berikut.
Karena nilai signifikansi (Sig.) untuk semua variabel penelitian di atas > 0,05 maka dapat
disimpulkan variabel IQ, IPK dan Motivasi adalah berdistribusi normal. Dengan demikian,
asumsi dasar atau persyaratan dalam uji korelasi parsial sudah terpenuhi.
Catatan: metode Shapiro-Wilk dipakai untuk sampel < 50. Sementara metode Kolmogorov-
Smirnov dipakai untuk sampel > 50.
1. Selanjutnya kita akan melakukan Uji Korelasi Parsial dengan SPSS, caranya klik menu
Analyze >> Correlate >> Partial… Tampak dilayar.
2. Muncul kotak dialog “Partial Correlations” Selanjutnya, masukkan variabel IQ dan IPK ke
kotak Variables: kemudian masukkan variabel Motivasi ke kotak Controlling for, pada bagian
“Test of Significance” pilih Two-tailed dan beri tanda ceklist (v) untuk Display actual
significance level, lalu klik Options…
3. Muncul kotak diloag “Partial Correlations: Options”, kemudian pada bagian “Statistics”
berikan tanda ceklist (v) untuk Means and standard deviations dan Zero-order correlations.
Selanjutnya pada bagian “Missing Values” aktifkan pilihan Exclude cases pairwise, lalu klik
Continue
4. Kemudian klik Ok untuk mengakhiri perintah. Maka muncul Output SPSS dengan judul
“Partial Corr” selanjutnya tinggal interpretasikan saja tabel output tersebut.
Tabel output SPSS di atas, memberikan informasi kepada kita tentang ringkasan nilai
statistik deskriptif atau gambaran data untuk ketiga variabel (IQ, IPK dan Motivasi)
mencakup Mean atau nilai rata-rata, Std. Deviation (Standar Deviasi), dan N atau jumlah
sampel yang digunakan dalam penelitian ini.
Tabel output SPSS ini memberikan informasi mengenai hubungan yang terbentuk antar
variabel sebelum dan sesudah dimasukkannya variabel kontrol dalam analisis korelasi.
Untuk memaknai tabel output Correlations di atas, maka ada 3 tahapan yang harus kita
lalui, yaitu: (1) Menentukan rumusan hipotesis penelitian. (2) Melihat teori tentang dasar
pengambilan keputusan dalam uji korelasi parsial. (3) Manafsirkan hasil analisis dan
membuat kesimpulan.
1. H0: Hubungan antara IQ dengan IPK dengan Motivasi sebagai variabel kontrol tidak
signifikan.
2. Ha: Hubungan antara IQ dengan IPK dengan Motivasi sebagai variabel kontrol
signifikan.
1. Jika nilai Significance (2-tailed) > 0,05, maka H0 diterima dan Ha ditolak.
2. Jika nilai Significance (2-tailed) < 0,05, maka H0 ditolak dan Ha diterima.
Tabel output pertama “-none-a” menunjukkan nilai korelasi atau hubungan antara variabel
IQ dengan IPK sebelum dimasukkannya variabel kontrol (Motivasi) dalam analisis. Dari
output di atas diketahui nilai koefisien korelasi (Correlations) sebesar 0,832 (positif) dan
nilai Significance (2-tailed) adalah 0,001 < 0,05, maka dapat disimpulkan bahwa ada
hubungan yang positif dan signifikan antara IQ dengan IPK mahasiswa tanpa adanya
variabel kontrol (Motivasi). Sementara nilai Correlations sebesar 0,832 ini masuk dalam
kategori hubungan sangat kuat.
Tabel output kedua “Motivasi” menujukkan nilai korelasi atau hubungan antara variabel IQ
dengan IPK setelah memasukkan Motivasi sebagai variabel kontrol dalam analisis. Dari
tabel output di atas terlihat bahwa terjadi penurunan nilai koefisien korelasi (Correlations)
menjadi 0,626 (bernilai positif dan kategori hubungan kuat) dengan nilai Significance (2-
tailed) sebesar 0,039 < 0,05, maka H0 ditolak dan Ha diterima yang berarti bahwa
hubungan antara IQ dengan IPK dengan Motivasi sebagai variabel kontrol adalah signifikan
(nyata).
*Kesimpulan Penelitian
Berdasarkan pembahasan dalam uji korelasi parsial di atas diketahui bahwa kehadiran
variabel motivasi berprestasi sebagai variabel kontrol akan memberikan pengaruh terhadap
hubungan antara variabel IQ dengan variabel IPK. Dengan demikian maka dapat
disimpulkan bahwa variabel IQ (Intelligence Quotient) bukanlah satu-satunya variabel yang
menentukan nilai IPK mahasiswa, karena ada variabel lain juga yang berhubungan dengan
nilai IPK yaitu variabel Motivasi berprestasi.
Catatan: selain mengacu pada nilai Significance (2-tailed) dari output SPSS, pengambilan
keputusan dalam uji korelasi parsial ini dapat pula berdasarkan pada perbandingan nilai
nilai koefisien korelasi (Correlations) atau r hitung dengan nilai r table pearson product
moment. Pembahasan lebih detail tentang hal ini saya rangkum dalam bentuk video
panduan SPSS, silahkan anda saksikan videonya melalui link di bawah ini.
Sekian pembahasan kita mengenai cara melakukan analisis data penelitian dengan uji
korelasi parsial menggunakan program SPSS beserta interpretasinya. Bagi anda merasa
terbantu dengan panduan ini, silahkan dibagikan ke media sosial supaya panduan ini bisa
bermanfaat bagi banyak orang. Terimakasih, semoga sukses untuk penelitian anda. Salam
dari saya Sahid Raharjo
[Kata Kunci Pencarian: Cara Uji Korelasi Parsial dengan SPSS Serta Interpretasi
Lengkap, Langkah-langkah Analisis Korelasi Parsial (Partial Correlations) menggunakan
Program SPSS, Tutorial Uji Korelasi Parsial dengan SPSS dilengkapi Penjelasan]
Related Posts :
Terimakasi Pak sahid wawasan imunya apabila variabel independen saya 1 dari 4/ variabel
dependen yglain berskala nominal/ variabel dummy apakah boleh menggunakan korelasi
parsial ya pak
Terimakasih sekali lagi pak
Balas
kalau saya ingin mengetahui hubungan yang negatif dan signifikan caranya bagaimana
ya?
Balas
Balasan
Hubungan negatif itu ditandai oleh nilai Correlations minus (negatif) dan
nilai sig. < 0,05
Balas
Selamat Siang
Admin, mau tanya, setelah kita mengetahui data kita berdistribusi normal, apakah kita
perlu juga melakukan uji asumsi klasik lainnya seperti multikolinearitas,
heteroskedastisitas dan autokorelasi ?
Terima kasih Admin respond nya
Balas
Balasan
cukup dengan uji normalitas saja, jika analisis hipotesis penelitian anda
menggunakan uji korelasi parsial
Min, kalo saya menggunakan variabel bebas nya lebih dari 2 (X1,
X2 , X3 , X4 , dan X5), jdi variable control nya adalah X2, X3 , X4,
dan X5 ya min?
apakah benar
Balas
Siang, pak. Kalau taraf hubungan stlh diberi variabel kontrol berubah dari "sedang" ke
"lemah", itu bagaimana interpretasinya?
Balas
Kalau setelah uji normalitas ternyata salah satu datanya ada yang tidak normal
bagaimana?
Balas
Pak, saya ingin tanya. Apabila tidak memenuhi asumsi dasar normalitas namun variabel
penelitian saya mengharuskan pakai control, apakah saya tetap bisa pakai partial
correlation? Atau apakah ada tool yang pas untuk saya gunakan dalam melihat hubungan
antar variabel dengan adanya variabel control? Mohon pencerahannya pak.
Balas
Balas
mau nanya... cara di atas itu bisa digunakan untuk uji korelasi data yang variabel
bebasnya (x) cuma 1 kan? kalo contoh di atas kan variabel bebasnya ada 2, saya hanya
akan menghitung pengaruh satu variabel bebas terhadap satu variabel terikat??
bagaimana pak?
Balas
Permisi Pak mohon ijin bertanya saya ingin mengujikan korelasi 2 nilai post test tapi data
normalitas saya tidak terdistribusi secara normal. dan prasayarat pearson itu harus
normal. kira kira uji korelasi apa yang cocok ya pak
Balas
terima kasih ilmunya pak. mohon maaf mau bertanya apakah syarat menggunakan uji
korelasi parsial ini harus memasukan data variabel kontrol? apabila tidak ada variabel
kontrolnya bagaimana ya?
Balas
terima kasih ilmunya pak. saya ingin bertanya, apakah syarat menggunakan uji korelasi
parsial ini harus ada variabel kontrolnya? kalau tidak ada bagaimana ya?
Balas
syiiippp
Balas
Apakah ada persamaan rumus kriteria nilai koefisien korelasi? Mohon arahannya
Balas
Silahkan tinggalkan jejak sobat disini. Sehingga saya tau bahwa artikel di atas bermanfaat.
Terimakasih