LAPORAN PRAKTIKUM KE-11

METODE STASTIK 1
MENGGUNAKAN SPSS 20

Disusun oleh :
Ifatimah Julita Rahayu (1500015067)

PROGRAM STUDI MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS AHMAD DAHLAN
YOGYAKARTA
2016
 PARTIAL CORRELATIONS

A. DASAR TEORI

Analisis korelasi parsial (Partial Correlation) digunakan untuk mengetahui

hubungan antara dua variabel dimana variabel lainnya yang dianggap berpengaruh
dikendalikan atau dibuat tetap (sebagai variabel kontrol). Nilai korelasi (r) berkisar antara
1 sampai -1, nilai semakin mendekati 1 atau -1 berarti hubungan antara dua variabel
semakin kuat, sebaliknya nilai mendekati 0 berarti hubungan antara dua variabel semakin
lemah. Nilai positif menunjukkan hubungan searah (X naik maka Y naik) dan nilai
negatif menunjukkan hubungan terbalik (X naik maka Y turun). Data yang digunakan
biasanya berskala interval atau rasio.
Menurut Sugiyono (2007) pedoman untuk memberikan interpretasi koefisien
korelasi sebagai berikut:
0,00    -   0,199    = sangat rendah
0,20    -   0,399    = rendah
0,40    -   0,599    = sedang
0,60    -   0,799    = kuat
0,80    -   1,000    = sangat kuat

B. CONTOH KASUS
Untuk mengetahui apakah uang saku mempengaruhi  korelasi jam belajar dan nilai
IP mahasiwa maka dilakukan pendataan terhadap 10 sampel mahasiswa sebagai berikut :

No. IP Jam Belajar (dalam jam/hari) Uang Saku (dalam ribuan)

1. 3,5 3 Rp. 800,-

2. 2,77 1 Rp. 550,-

3. 3,2 3,5 Rp. 800,-

4. 2,8 3 Rp. 600,-

5. 3,6 3 Rp. 800,-

 6. 2,75 2 Rp. 600,-

7. 2,9 1 Rp. 750,-

8. 3,4 3 Rp. 1000,-

9. 3 2 Rp. 550,-

10. 2 1 Rp. 500,-

C. LANGKAH-LANGKAH UJI MENGGUNAKAN SPSS

1. Buka lembar kerja baru.

2. Input data pada Variable View dan juga pada Data View :

3. Klik Analyze > Correlate > Partial :

4. Setelah muncul jendela Partial Correlations, masukkan variable IP dan Jam belajar
ke dalam Variables dan variable uang saku ke Controlling for seperti pada gambar
berikut :
 5. Kemudian klik pilihan Options dan centang Zero-order correlations dan juga
Exclude cases listwise :

6. Klik Continue dan OK maka akan muncul output seperti pada di bawah ini :

Correlations

Control Variables IP Jam_belajar Uang_Saku

Correlation 1.000 .715 .782

IP Significance (2-tailed) . .020 .007

Df 0 8 8

Correlation .715 1.000 .616

-none-a Jam_belajar Significance (2-tailed) .020 . .058

Df 8 0 8

Correlation .782 .616 1.000

Uang_Saku Significance (2-tailed) .007 .058 .

Df 8 8 0

Uang_Saku IP Correlation 1.000 .475

Significance (2-tailed) . .197

 Df 0 7

Correlation .475 1.000

Jam_belajar Significance (2-tailed) .197 .

Df 7 0

a. Cells contain zero-order (Pearson) correlations.

D. ANALISIS OUTPUT

Signifikansi Hasil Korelasi (lihat Sig. (2-tailed))

Bila kita hendak merumuskan hipotesis bahwa antara dua variabel, yaitu uang saku
mempengaruhi  korelasi jam belajar dan nilai IP mahasiwa memiliki hubungan (korelasi),
maka secara statistik dapat dinyatakan seperti berikut:

H0:Tidak ada hubungan (korelasi) antara dua variabel

Hi: Ada hubungan (korelasi) antara dua variabel

Maka bila kita ingin menguji hipotesis ini, kita misalnya dapat menguji dengan
melakukan uji dua sisi. Dasar pengambilan keputusannya adalah dengan dasar probabilitas
sebagai berikut:

 Jika probabilitas > 0,05 maka Ho diterima

 Jika probabilitas < 0,05 maka Ho ditolak
 Catatan: nilai alfa = 0,05

Keputusan pada contoh kasus yang kita miliki pada keterangan Sig. (2-tailed)
diperoleh angka probailitasnya 0,197 maka kedua variabel tersebut memang tidak
berkorelasi. Hal ini bisa dilihat juga dari tidak adanya tanda ** pada angka korelasi.

Arti Angka Korelasi

 Pada hasil output analisis korelasi antara IP dengan jam belajar dimana uang saku
menjadi variabel pengontrolnya.

Bila dibandingkan terlihat bahwa angka korelasi antara IP dengan jam belajar dengan
menggunakan uang saku variabel pengontrol nilainya menjadi turun, yaitu dari 0,715
menjadi 0,197. Sedangkan tandanya masih “positif’. Hal ini berarti bahwa dengan
memperhitungkan besarnya uang saku seseorang, masih ada korelasi positif antara IP dan
jam belajar. Sehingga, semakin tinggi uang saku seseorang dan jika jam belajarnya pun
meningkat, maka ada kecenderungan IP orang tersebut akan semakin meningkat. Demikian
pula sebaliknya.