MAKALAH PENGANTAR UNTUK

PENELITIAN KORELASI

Dosen Pengampu: Nafeesa S.Psi, M.Psi

Kelompok 1:
Dimas Murpratomo 158600120
Andika Ramadhani Ginting 178600217
Marnia Putri Ginting 178600408
Riska Anggreini 178600171
Dinda Surya 178600262
Annisya Nabila 178600440

UNIVERSITAS MEDAN AREA

FAKULTAS PSIKOLOGI
T.A 2019/2020
 BAB 1
PENDAHULUAN
LATAR BELAKANG

8.1 PENGANTAR UNTUK PENELITIAN KORELASI

Tujuan dari strategi penelitian korelasional adalah untuk menguji dan
membatalkan asosiasi dan hubungan antar variabel. Lebih khusus tujuan dari
studi korelasional adalah untuk menetapkan bahwa suatu hubungan antara
variabel dan untuk menggambarkan sifat hubungan. Perhatikan bahwa strategi
korelasional tidak berusaha menjelaskan hubungan tidak membuat upaya untuk
memanipulasi, mengendalikan, atau mengganggu variabel, Data untuk studi
korelasional terdiri dari dua pengukuran atau lebih, untuk masing-masing variabel
yang diperiksa.Biasanya, skor diperoleh dari individu yang sama. Sebagai contoh,
seorang peneliti dapat mencatat IQ dan kreativitas kreativitas untuk setiap orang
dalam kelompok siswa koliege.Atau seorang peneliti mencatat konsumsi dan
tingkat aktivitas makanan untuk masing-masing hewan di koloni tikus percobaan.
Pengukuran dapat dilakukan di lingkungan alami atau individu dapat
diukur dalam pengaturan laboratorium.Faktor penting adalah bahwa peneliti
hanya mengukur variabel yang sedang dipelajari.Pengukuran kemudian diperiksa
untuk menentukan apakah mereka menunjukkan pola hubungan yang
konsisten.Prosedur statistik yang digunakan untuk mengukur kekuatan ở
konsistensi hubungan dibahas dalam Bab 14 (hal. 439-441).
 BAB II
PEMBAHASAN
A. Strategi Penelitian Korelasi
Dalam strategi penelitian korelasional, dua atau lebih variabel diukur
untuk memperoleh satu set skor (biasanya dua skor) untuk setiap individu.
Pengukuran kemudian diperiksa untuk mengidentifikasi pola-pola hubungan yang
ada antara variabel dan untuk mengukur kekuatan hubungan.
Para peneliti mengukur nilai rata-rata poin dan waktu bangun untuk setiap
individu dalam kelompok mahasiswa dan menemukan bahwa waktu bangun
secara konsisten terkait dengan nilai rata-rata poin yang lebih tinggi. Meskipun
studi menunjukkan hubungan antara dua variabel, tidak jelaskan mengapa
hubungan itu ada. Secara khusus, hasilnya memang membenarkan kesimpulan
bahwa bangun lebih awal menyebabkan nilai lebih tinggi (atau bahwa nilai tinggi
menyebabkan siswa bangun lebih awal). Dalam definisi penelitian korelasional,
kami menyatakan bahwa studi korelasional biasanya memperoleh dua atau lebih
skor untuk setiap individu. Biasanya, individu yang mengacu pada satu
orang.Namun, individu tersebut dimaksudkan sebagai sumber tunggal, tidak harus
satu orang.Misalnya, seorang peneliti dapat menggunakan studi korelasional
untuk menguji hubungan antara skor IQ orang tua dan skor IQ anak-anak
mereka.Peneliti dapat memilih sekelompok siswa sekolah menengah dan mencatat
skor IQ setiap siswa dan skor IQ untuk ibu siswa. Perhatikan bahwa peneliti
memiliki dua skor berbeda untuk setiap siswa, namun satu skor berasal dari ibu
dan satu dari anak.Dalam hal ini, setiap individu adalah keluarga daripada satu
orang.

8.2 DATA UNTUK STUDI CORRELATIONAL

Sebuah studi penelitian korelasional menghasilkan dua atau lebih skor
untuk masing-masing individu.Namun, para peneliti biasanya tertarik pada
hubungan antara dua variabel sekaligus.Oleh karena itu, beberapa şcores biasanya
dikelompokkan menjadi pasangan untuk evaluasi. Di bagian ini, kami fokus pada
hubungan antara pasangan skor.Hubungan antara banyak variabel dibahas dalam
bagian 8.5.Secara tradisional, skor dalam setiap pasangan diidentifikasi sebagai X
dan Y. Data dapat disajikan dalam daftar yang menunjukkan dua skor untuk setiap
individu atau skor dapat ditampilkan dalam grafik yang dikenal sebagai sebaran
plot. Dalam sebar plot, masing-masing individu diwakili oleh, satu titik dengan
koordinat horisontal ditentukan. Oleh skor X individu dan koordinat vertikal yang
sesuai dengan nilai Y.Gambar 8.1 menunjukkan data hipotetis dari studi
kortelasional disajikan sebagai daftar skor dan sebagai sebar plot. Manfaat dari
sebar plot adalah memungkinkan Anda untuk melihat karakteristik telationship
antara dua variabel.
Mengukur Hubungan
Rescarchers biasanya menghitung nilai numerik yang dikenal sebagai
korelasi korelasional, untuk mengukur dan menggambarkan variabel taruhan
hubungan.Korelasi menggambarkan tiga karakteristik suatu hubungan.
1. Arah hubungan
Pada Gambar 8.1, ada sepuluh jelas untuk individu dengan nilai X lebih
besar untuk juga memiliki nilai Y lebih besar. Secara ekuivalen, ketika nilai X
semakin kecil, nilai Y yang terkait cenderung menjadi lebih kecil.Hubungan
hubungan. Misalnya, ada hubungan positif antara dan berat badan untuk
mahasiswa; siswa yang lebih tinggi juga cenderung untuk menimbang Hubungan
positif ditunjukkan oleh nilai-nilai positif (lebih besar daripada untuk korelasi.
Dalam sebar plot, hubungan positif ditunjukkan oleh titik-titik data yang
mengelompok di sekitar garis yang miring ke kanan di sisi lain, hubungan di mana
X dan Y cenderung berubah dalam arah yang berlawanan (dengan X meningkat,
Y menurun) disebut hubungan negatif.Pada sebagian besar tugas kinerja,
misalnya, ada hubungan negatif antara kecepatan dan akurasi, berjalan lebih cepat
cenderung menghasilkan lebih rendah akurasi.
Hubungan negatif ditunjukkan oleh nilai nega (kurang dari nol) untuk
korelasi.Dalam sebar plot, hubungan negatif ditunjukkan oleh titik data yang
mengelompok di sekitar garis yang miring ke kanan.Dalam hubungan positif, ada
kecenderungan bagi dua variabel untuk mengubah arah yang sama; karena satu
variabel meningkat, yang lain juga cenderung meningkat. Dalam hubungan
negatif, ada kecenderungan untuk dua variabel untuk bertolak belakang arah;
peningkatan satu variabel cenderung disertai b penurunan yang lain.

2. Bentuk hubungan
Biasanya, peneliti mencari pola dalam data yang menunjukkan hubungan
yang konsisten dan dapat diprediksi antara kedua variabel.Dalam kebanyakan
situasi, peneliti mencari hubungan linier, di mana titik data dalam plot pencar
cenderung mengelompok di sekitar garis lurus. Dalam hubungan linear positif,
misalnya, setiap kali variabel X meningkat sebesar 1 poin, variabel Y juga
meningkat, dan ukuran kenaikan adalah jumlah yang diprediksi secara konsisten.
Gambar 8.2a menunjukkan contoh hubungan linear yang positif.Namun,
hubungan tersebut mungkin konsisten dan dapat diprediksi, tetapi tidak linier.
Sebagai contoh, cenderung ada hubungan yang konsisten antara praktik dan
kinerja; untuk sebagian besar keterampilan, peningkatan praktik mengarah pada
peningkatan kinerja. Namun, peningkatan tidak konstan dari satu minggu ke
minggu lainnya, sehingga hubungannya tidak linier.
Selama beberapa minggu pertama latihan, peningkatan kinerja sangat
besar.Namun, setelah bertahun-tahun berlatih, lebih banyak minggu menghasilkan
perubahan kinerja yang hampir tidak terlihat.Hubungan yang konsisten satu arah,
baik secara konsisten positif atau konsisten negatif, disebut hubungan
monoton.Dalam hubungan monotonik positif, misalnya, peningkatan dalam satu
variabel cenderung disertai dengan peningkatan dalam variabel lainnya. Namun,
jumlah kenaikannya tidak harus selalu sama ukurannya. Gambar 8.2b
menunjukkan contoh hubungan monotonik positif yang mirip dengan contoh
praktik dan kinerja.Berbagai jenis correiations digunakan untuk mengukur
berbagai jenis hubungan.Sebagai contoh, korelasi Pearson mengukur hubungan
linear dan korelasi Spearman digunakan untuk mengukur hubungan monoton
(lihat Bab 14, hal. 410-411).
Akhirnya, kami harus mengingatkan Anda bahwa sebagian besar studi
korelasional mencari hubungan linier, dan korelasi Pearson, mengukur hubungan
linear, sejauh ini merupakan korelasi yang paling umum digunakan dalam
penelitian ilmu perilaku. Jika Anda melihat korelasi dalam laporan penelitian,
Anda dapat dengan aman menganggap itu adalah korelasi Pearson, kecuali jika
laporan secara khusus mengidentifikasikannya sebagai sesuatu yang lain.

3. Konsistensi atau kekuatan hubungan

Anda mungkin telah memperhatikan bahwa titik-titik data yang disajikan
dalam Gambar 8.2 tidak membentuk hubungan linear sempurna atau monoton
sempurna.Pada Gambar 8.2a, titik-titik tidak sempurna pada garis lurus dan pada
Gambar 8.2b, hubungan tidak sempurna satu arah (ada pembalikan dalam tren
positif).Faktanya, hubungan yang konsisten sempurna pada dasarnya tidak pernah
ditemukan dalam data ilmu perilaku nyata.Sebaliknya, data nyata menunjukkan
tingkat konsistensi.Dalam studi korelasional, konsistensi hubungan biasanya
diukur dan dijelaskan oleh nilai numerik yang diperoleh untuk koefisien korelasi.
Korelasi +1,00 (atau-1,00) menunjukkan hubungan yang konsisten sempurna, dan
nilai nol menunjukkan tidak ada yang terkonsentrasi di mana pun. Nilai-nilai
antara mengindikasikan tingkat konsi yang berbeda. Sebagai contoh, koefisien
korelasi Pearson sebesar 0,8 (atau-0,8) indi hubungan lincar yang hampir
sempurna di mana titik-titik data mengelompok di sekitar garis lurus. Setiap kali
nilai X berubah, nilainya juga berubah dengan jumlah yang dapat diprediksi
secara wajar.
Sebaliknya, suatu koaksi dari 0,2 (atau -0,2) menggambarkan suatu
hubungan di mana hanya ada kecenderungan untuk nilai Y berubah dalam cara
yang dapat diprediksi ketika nilai X berubah. Dalam hal ini, titik data tersebar
secara luas di sekitar garis lurus.Perhatikan bahwa tanda korelasi (+ atau- nilai
numeriknya independen. Korelasi +0,8 memiliki tingkat konsistensi sebagai
korelasi -0,8, dan kedua korelasi menunjukkan bahwa data menunjukkan kluster
erat di sekitar garis lurus; garis hanya miring ke arah yang berbeda. Menunjukkan
serangkaian plot pencar menunjukkan tingkat hubungan linier yang berbeda dan
nilai-nilai korelasi yang sesuai.Sebagai titik terakhir, kita harus mencatat sekali
lagi bahwa koefisien korelasi hanya menggambarkan konsistensi atau kekuatan
suatu hubungan antar variabel. Bahkan korelasi terkuat dari 1,00 (atau -1,00)
tidak menyiratkan bahwa ada hubungan sebab-akibat antara kedua variabel.

Data untuk Studi Korelasi 233 Korelasi, atau koefisien korelasi, adalah nilai
numerik yang mengukur dan menggambarkan hubungan antara dua variabel.
Tanda korelasi (+/-) menunjukkan arah hubungan. Nilai korelasi numerik (0,0
hingga 1,0) menunjukkan kekuatan atau konsistensi hubungan. Jenis korelasi
(Pearson atau Spearman) menunjukkan bentuk hubungan.

PEMERIKSAAN BELAJAR Jelaskan pola yang akan muncul di sebar plot yang
menunjukkan titik data untuk masing-masing korelasi berikut: 7 = -0,9 dan r =
+0,3. Jelaskan perbedaan antara hubungan linear dan monotonik.Mengevaluasi
Hubungan untuk Skor Non-numerik Kadang-kadang studi penelitian korelasional
menghasilkan dua atau lebih skor untuk setiap individu dengan setidaknya satu
skor yang tidak terdiri dari skor numerik.Sebagai contoh, seorang peneliti
mungkin tertarik pada hubungan antara gender (pria / wanita) dan keberhasilan
dalam tugas-tugas pemecahan masalah (sukses / gagal).Dalam hal ini, ada dua
pengukuran untuk setiap individu tetapi tidak ada skor numerik yang cocok untuk
menghitung korelasi.Dalam situasi ini, ada beberapa alternatif untuk
mengevaluasi hubungan. 1. Jika satu skor bersifat numerik, seperti IQ, dan yang
lainnya non-numerik, seperti gender, strategi yang paling umum adalah
menggunakan variabel non-numerik untuk mengatur skor menjadi kelompok-
kelompok yang terpisah. Untuk contoh ini, data akan terdiri dari sekelompok nilai
IQ. untuk pria dan sekelompok skor untuk wanita. Kedua kelompok kemudian
dibandingkan dengan menggunakan uji t tindakan-independen (untuk dua
kelompok, atau analisis varians (untuk lebih dari dua kelompok). Tes hipotesis ini
dibahas pada Bab 14 (lihat hal. 433-435), ketika data diatur dalam kelompok
skor, strategi penelitian umumnya dianggap diferensial daripada korelasional
(lihat Bab 12, hal. 340) Jika variabel non-numerik terdiri dari tepat dua kategori,
juga dimungkinkan untuk menghitung korelasi. Pertama, kedua kategori tersebut
adalah diberi kode numerik sebagai 0 dan 1. Misalnya, laki-laki = 0 dan
perempuan 1. Data kemudian terdiri dari dua skor per orang, skor IQ dan skor
kode untuk gender, dan korelasi Pearson dapat dihitung untuk data kode.korelasi
yang dihasilkan disebut korelasi point-biserial. Nilai korelasi numerik adalah
ukuran kekuatan atau konsistensi hubungan, tetapi tanda korelasi tidak bermakna
(karena 0 dan 1 ditugaskan secara sewenang-wenang.) 2. Jika kedua variabel
tersebut adalah n on-numeric, hubungan biasanya dievaluasi dengan mengatur
data dalam matriks dengan kategori satu variabel membentuk baris dan kategori
variabel kedua membentuk kolom. Setiap sel dari matriks menunjukkan frekuensi
atau jumlah individu dalam sel itu dan data dievaluasi menggunakan uji hipotesis
chi-square (lihat Bab 14, hal. 441). Gambar 8.4 menunjukkan contoh level inc

Strategi Penelitian Korelasi Hasil Berhasil Gagal Laki-laki 12 Perempuan

17 3 GAMBAR 8.4 Data Hipotetis Menampilkan Hasil dari Suatu Penelitian
Memeriksa Hubungan antara Jender dan Keberhasilan dalam Pemecahan Masalah
Nilai-nilai adalah jumlah individu dalam setiap kategori; sebagai contoh. 12 dari
berhasil menyelesaikan tugas dan delapan gagal.data dari penelitian yang meneliti
hubungan antara gender dan su pada tugas pemecahan masalah. Jika dua variabel
non-numerik keduanya terdiri dari tepat dua kategori, masing-masing dapat
dikodekan secara numerik sebagai 0 dan 1. Misalnya laki-laki = 0 dan perempuan
= 1; kegagalan 0 dan keberhasilan = 1. Jika korelasi Pearso dihitung untuk data
yang dikodekan, hasilnya dikenal sebagai koefisien-ph.Nilai numerik korelasi
mengukur kekuatan atau konsistensi hubungan tetapi tanda correlat dan konsep
hubungan linier tidak bermakna. 8.3 Membandingkan Penelitian Korelasi,
Eksperimental, dan Diferensial Tujuan dari penelitian eksperimental adalah untuk
menunjukkan hubungan sebab-dan-efa antara dua variabel. Untuk mencapai
tujuan ini, suatu eksperimen memerlukan manipulasi satu variabel untuk
menciptakan kondisi perawatan z: pengukuran variabel kedua untuk mendapatkan
à set skor dalam kondisi ex. Semua variabel lain dikontrol. Peneliti kemudian
membandingkan skor dari setiap perawatan dengan skor dari perawatan lain: Jika
ada perbedaan antara perawatan, peneliti memiliki bukti hubungan cas antara
variabel. Secara khusus, peneliti dapat menyimpulkan bahwa memanipulasi satu
variabel menyebabkan perubahan pada variabel kedua.Perhatikan bahwa studi
eksperimental hanya melibatkan mengukur satu variabel dan mencari perbedaan
antara dua atau lebih kelompok skor.Studi korelasional, di sisi lain, dimaksudkan
untuk menunjukkan pengaruh hubungan antara dua variabel.Perhatikan bahwa
siswa yang korelasional tidak berusaha menjelaskan hubungannya.Untuk
mencapai tujuannya, studi korelasi tidak melibatkan memanipulasi,
mengendalikan, atau mengganggu varia.Sebaliknya, peneliti hanya mengukur dua
variabel yang berbeda untuk masing-masing individu. Peneliti kemudian mencari
hubungan dalam set skor. Dalam Bab 12 (hal. 340), kami mencatat bahwa
penelitian diferensial, contoh desain non-eksperimental, sangat mirip dengan
penelitian korelasional. Perbedaan antara dua strategi penelitian ini adalah bahwa
suatu korelasi memandang data sebagai dua skor, X dan Y, untuk masing-masing
individu, dan mencari tern dalam pasangan skor untuk menentukan apakah ada
hubungan desain diferensial, di sisi lain. , menjalin hubungan keberadaan dengan
menunjukkan perbedaan antar kelompok. Khusus

8.3 Aplikasi Strategi Korelasi

235 desain diferensial menggunakan salah satu dari dua variabel untuk
membuat kelompok peserta dan kemudian mengukur variabel kedua untuk
mendapatkan skor dalam setiap kelompok. Sebagai contoh, seorang peneliti dapat
membagi sampel siswa menjadi dua kelompok yang sesuai dengan self-esreem
tinggi dan rendah, dan kemudian mengukur skor kinerja akademik di setiap
kelompok.Jika ada perbedaan yang konsisten antara kelompok, peneliti memiliki
bukti untuk hubungan antara harga diri dan kinerja akademik. Sebuah studi
korelasional yang menguji hubungan yang sama pertama-tama akan mengukur
skor harga diri dan skor kinerja akademik untuk setiap siswa, dan kemudian
mencari pola dalam set skor. Perhatikan bahwa studi korelasional melibatkan satu
kelompok peserta dengan dua skor untuk setiap individu.Fokus utama dari studi
korelasional adalah pada hubungan antara dua variabel.Studi yang berbeda
melibatkan dua kelompok skor dan berfokus pada perbedaan antara kelompok.
Namun, kedua desain mengajukan pertanyaan dasar yang sama: "Apakah ada
hubungan antara harga diri dan kinerja akademik?" CHECK LEARNING
Meskipun penelitian korelasional dan penelitian diferensial memiliki tujuan yang
sama, mereka menggunakan data yang berbeda. Identifikasi tujuan untuk kedua
jenis penelitian dan jelaskan perbedaan antara kedua jenis data tersebut.
Seperti disebutkan sebelumnya, desain korelasional digunakan untuk
mengidentifikasi dan menggambarkan hubungan antar variabel.Berikut adalah
tiga contoh bagaimana desain korelasional dapat digunakan untuk menjawab
pertanyaan penelitian.Prediksi Salah satu penggunaan penting dari penelitian
korelasional adalah untuk membangun hubungan antara variabel yang dapat
digunakan untuk keperluan prediksi. Sebagai contoh, penelitian menunjukkan
hubungan positif yang baik antara skor SAT dan rata-rata nilai poin masa depan di
perguruan tinggi (Camera & Echternacht, 2000; Geiseer & Studley, 2002).
Administrator perguruan tinggi dapat menggunakan hubungan ini untuk
membantu memprediksi pelamar mana yang paling mungkin menjadi siswa yang
berhasil.Siswa sekolah menengah yang berhasil dalam SAT cenderung berprestasi
di perguruan tinggi, dan mereka yang memiliki masalah dengan SAT cenderung
mengalami kesulitan di kelas-kelas perguruan tinggi. Penggunaan hasil
korelasional untuk membuat prediksi tidak terbatas pada prediksi tentang perilaku
masa depan. Setiap kali dua variabel terkait secara konsisten, dimungkinkan
untuk menggunakan pengetahuan dari salah satu variabel untuk membantu
membuat prediksi tentang yang lain. Misalnya, karena ada hubungan yang
konsisten dan positif antara IQ orang tua dan IQ anak-anak mereka, kita dapat
menggunakan skor mana pun untuk memprediksi yang lain. Secara khusus, orang
tua dengan IQ di atas rata-rata cenderung memiliki anak dengan IQ di atas rata-
rata. Seringkali, salah satu dari dua variabel hanya lebih mudah untuk diukur atau
lebih mudah tersedia daripada yang lain. Dalam situasi ini, dimungkinkan untuk
menggunakan pengetahuan yang tersedia dari satu variabel untuk memprediksi
nilai variabel yang tidak tersedia.Dengan membangun dan menggambarkan
keberadaan suatu hubungan, studi korelasional memberikan informasi dasar yang
diperlukan untuk membuat prediksi.

Desain diferensial menggunakan salah satu dari dua variabel untuk

membuat kelompok peserta dan kemudian mengukur variabel kedua untuk
mendapatkan skor dalam setiap kelompok. Sebagai contoh, seorang peneliti dapat
membagi sampel siswa menjadi dua kelompok yang sesuai dengan self-esreem
tinggi dan rendah, dan kemudian mengukur skor kinerja akademik di setiap
kelompok.Jika ada perbedaan yang konsisten antara kelompok, peneliti memiliki
bukti untuk hubungan antara harga diri dan kinerja akademik. Sebuah studi
korelasional yang menguji hubungan yang sama pertama-tama akan mengukur
skor harga diri dan skor kinerja akademik untuk setiap siswa, dan kemudian
mencari pola dalam set skor. Perhatikan bahwa studi korelasional melibatkan satu
kelompok peserta dengan dua skor untuk setiap individu.Fokus utama dari studi
korelasional adalah pada hubungan antara dua variabel.Studi yang berbeda
melibatkan dua kelompok skor dan berfokus pada perbedaan antara kelompok.
Namun, kedua desain mengajukan pertanyaan dasar yang sama: "Apakah ada
hubungan antara harga diri dan kinerja akademik?" CHECK LEARNING
Meskipun penelitian korelasional dan penelitian diferensial memiliki tujuan yang
sama, mereka menggunakan data yang berbeda. Identifikasi tujuan untuk kedua
jenis penelitian dan jelaskan perbedaan antara kedua jenis data tersebut.

Seperti disebutkan sebelumnya, desain korelasional digunakan untuk

mengidentifikasi dan menggambarkan hubungan antar variabel.Berikut adalah
tiga contoh bagaimana desain korelasional dapat digunakan untuk menjawab
pertanyaan penelitian.Prediksi Salah satu penggunaan penting dari penelitian
korelasional adalah untuk membangun hubungan antara variabel yang dapat
digunakan untuk keperluan prediksi. Sebagai contoh, penelitian menunjukkan
hubungan positif yang baik antara skor SAT dan rata-rata nilai poin masa depan di
perguruan tinggi (Camera & Echternacht, 2000; Geiseer & Studley, 2002).
Administrator perguruan tinggi dapat menggunakan hubungan ini untuk
membantu memprediksi pelamar mana yang paling mungkin menjadi siswa yang
berhasil.Siswa sekolah menengah yang berhasil dalam SAT cenderung berprestasi
di perguruan tinggi, dan mereka yang memiliki masalah dengan SAT cenderung
mengalami kesulitan di kelas-kelas perguruan tinggi. Penggunaan hasil
korelasional untuk membuat prediksi tidak terbatas pada prediksi tentang perilaku
masa depan. Setiap kali dua variabel terkait secara konsisten, dimungkinkan
untuk menggunakan pengetahuan dari salah satu variabel untuk membantu
membuat prediksi tentang yang lain. Misalnya, karena ada hubungan yang
konsisten dan positif antara IQ orang tua dan IQ anak-anak mereka, kita dapat
menggunakan skor mana pun untuk memprediksi yang lain. Secara khusus, orang
tua dengan IQ di atas rata-rata cenderung memiliki anak dengan IQ di atas rata-
rata. Seringkali, salah satu dari dua variabel hanya lebih mudah untuk diukur atau
lebih mudah tersedia daripada yang lain. Dalam situasi ini, dimungkinkan untuk
menggunakan pengetahuan yang tersedia dari satu variabel untuk memprediksi
nilai variabel yang tidak tersedia.Dengan membangun dan menggambarkan
keberadaan suatu hubungan, studi korelasional memberikan informasi dasar yang
diperlukan untuk membuat prediksi.
Dalam studi korelasional, dua variabel yang diperiksa setara secara
resmi.Meskipun demikian, studi korelasional sering mengidentifikasi satu sebagai
variabel prediktor dan variabel kedua sebagai kriteria studi korelasi korelasional
yang digunakan untuk prediksi, penunjukan kedua vari biasanya cukup
jelas.Kantor penerimaan universitas kadang-kadang menggunakan skor ujian
(GRE) untuk memprediksi keberhasilan sekolah pascasarjana.Dalam sir ini, skor
GRE adalah variabel prediktor dan variabel kriteria kinerja lulusan.Jelas, satu
variabel (prediktor) digunakan untuk predi lainnya (kriteria). Proses statistik
untuk menggunakan satu variabel untuk memprediksi yang lain adalah o regresi.
Biasanya, tujuannya adalah untuk menemukan persamaan yang menghasilkan
prediksi Y yang akurat (variabel kriteria) untuk setiap nilai X (variabel
tor).Sebagai contoh, Ng dan Jeffery (2003) menggunakan regresi untuk perilaku
kesehatan untuk orang dewasa yang bekerja menggunakan stres sebagai hasil
variabel prediktor menunjukkan bahwa tingkat stres yang lebih tinggi
memprediksi diet yang lebih tinggi lemak dan merokok.Namun, stres bukan
merupakan prediktor signifikan dari alcoho.Dalam situasi di mana studi
korelasional tidak digunakan untuk predisi, peneliti masih cenderung merujuk
pada variabel prediktor dan kriteria.Dalam situasi, label biasanya ditentukan oleh
tujuan st. Biasanya, studi korelasional dimulai dengan salah satu dari dua variabel
yang diketahui atau dipahami, dan variabel kedua relatif tidak diketahui.Tujuan
penelitian ini adalah untuk mendapatkan pemahaman yang lebih baik tentang
variabel unkr dengan menunjukkan bahwa hal itu terkait dengan variabel yang
sudah diketahui dan dikenal.Dalam situasi ini, variabel yang diketahui ditetapkan
sebagai variabel prediktor dan variabel yang tidak diketahui sebagai
kriteria.Sebagai contoh, para peneliti telah menemukan hubungan antara IQ dan
kecepatan pemrosesan dalam berbagai tugas persepsi dan kognitif (Eysenck,
1999). Dalam penelitian ini, IQ akan menjadi variabel utama dan kecepatan akan
menjadi variabel kriteria.
Ketika studi korelasional menunjukkan hubungan antara dua variabel, ini
memungkinkan para peneliti untuk menggunakan pengetahuan tentang satu
variabel untuk membantu memprediksi atau menjelaskan variabel kedua.Dalam
situasi ini, variabel pertama disebut variabel prediktor dan variabel kedua (sedang
dijelaskan atau diprediksi) disebut variabel kriteria.

Keandalan dan Validitas

Dalam Bab 4 (p. 107), konsep keandalan dan validitas diperkenalkan sebagai dua
kriteria dasar untuk mengevaluasi prosedur pengukuran. Dalam hal, reliabilitas
mengevaluasi konsistensi atau stabilitas ukuran dan validitas mengevaluasi sejauh
mana prosedur pengukuran mengukur apa yang diklaim sebagai pengukuran. Baik
reliabilitas dan validitas umumnya ditentukan oleh hubungan yang dibangun
menggunakan desain penelitian korelasional. Sebagai contoh, reliabilitas uji-
ulang didefinisikan oleh hubungan antara set pengukuran asli dan set tindak lanjut
pengukuran. Jika individu yang sama diukur dua kali dalam kondisi yang sama,
dan ada hubungan yang konsisten antara kedua pengukuran, maka prosedur
pengukuran dikatakan dapat diandalkan. Validitas konkuren dari prosedur
pengukuran juga dapat didefinisikan dalam hubungan (lihat Bab 4, hal. 108).Jika
tes baru dikembangkan untuk mendeteksi penyakit Alzheimer tahap awal,
misalnya, validitas tes dapat ditetapkan dengan menunjukkan bahwa skor dari tes
tersebut sangat terkait dengan skor dari tes yang ditetapkan.Inilah yang dilakukan
oleh Ijuin et al.(2008) untuk memvalidasi tes 7 menit yang relatif baru yang
dikembangkan sebagai alternatif untuk tes skrining yang biasa digunakan untuk
Alzheimer.Korelasi dihitung untuk mengukur hubungan antara skor dari Layar 7-
Menit dan skor dari masing-masing dari tiga tes kognitif yang ditetapkan untuk
Alzheimer. Para peneliti memperoleh korelasi sekitar 0,70 untuk setiap tes,
menunjukkan hubungan positif yang kuat dan validitas bersamaan yang tinggi
antara Layar 7-Menit dan tes skrining yang ditetapkan.
Mengevaluasi Teori
Banyak teori menghasilkan pertanyaan yang relevan tentang hubungan antara
variabel yang dapat diatasi oleh korelasia! desain penelitian. Sebuah contoh yang
baik datang dari pertanyaan kodrat / pengasuhan kuno yang berlaku untuk
kecerdasan: "Apakah kecerdasan terutama merupakan karakteristik yang
diwariskan, atau apakah itu terutama ditentukan oleh lingkungan?" Jawaban
parsial untuk pertanyaan ini berasal dari studi korelasional yang memeriksa IQ
kembar identik yang dipisahkan sejak lahir dan ditempatkan di lingkungan yang
berbeda.Karena kembar ini memiliki faktor keturunan yang identik dan
lingkungan yang berbeda, mereka memberikan kesempatan kepada peneliti untuk
memisahkan kedua faktor tersebut.Karya asli di bidang ini, yang dilakukan oleh
psikolog Inggris Cyril Burt, menunjukkan hubungan yang kuat antara IQ si
kembar, menunjukkan bahwa faktor keturunan membanjiri lingkungan (Burt,
1972).Namun, bukti kemudian menunjukkan bahwa Burt mungkin memalsukan
banyak datanya (Kamin, 1974).Meskipun demikian, hasil korelasional
menunjukkan hubungan yang kuat antara IQ kembar.Perhatikan bahwa desain
penelitian korelasional digunakan untuk mengatasi masalah teoritis.

Menafsirkan Korelasi
Nilai numerik suatu korelasi, berkisar antara 0,00 hingga 1,00, menggambarkan
keterkaitan hubungan dengan 1,00 (atau -1,00) yang menunjukkan hubungan yang
sangat konsisten dan 0,00 yang menunjukkan kurangnya konsistensi. Namun, ada
dua faktor tambahan yang harus dipertimbangkan ketika menginterpretasikan
kekuatan suatu hubungan.Nyala adalah koefisien determinasi.yang diperoleh
dengan mengkuadratkan korelasinya, dan yang lainnya adalah sie dari
korelasinya. Masing-masing faktor ini dibahas di bawah ini.

Kekuatan Hubungan
Teknik yang paling umum untuk mengukur kekuatan hubungan antara dua
variabel adalah menghitung koefisien determinasi, yang diperoleh dengan
mengkuadratkan nilai numerik korelasi.Karena lasi biasanya diidentifikasi oleh
huruf r, koefisien determina 7.Koefisien ini mengukur seberapa besar variabilitas
dalam satu variabla yang dapat ditentukan dari hubungannya dengan variabel
lainnya.Sebagai contoh, jika siswa t lege dipilih secara acak, mereka hampir pasti
memiliki rata-rata titik kelas yang berbeda.Meskipun ada banyak penjelasan untuk
nilai yang berbeda, satu kemungkinan adalah bahwa kedua siswa memiliki IQ
yang berbeda. Di ge ada kecenderungan untuk IQ yang lebih tinggi untuk
berkorelasi dengan nilai yang lebih tinggi. Jika hubungan antara 1Q dan nilai
rata-rata poin dihitung dan kemudian hasil kuadrat memberikan ukuran berapa
banyak perbedaan dalam rata-rata kelas p yang dapat diprediksi oleh skor IQ.
Korelasi T 0,80 akankah r = 0,64 (atau 64%) dari perbedaan dalam nilai rata-rata
kelas dapat ditentukan oleh perbedaan dalam 1Q. Korelasi r = 0,30 akan berarti
bahwa 0,09 (9%) dari perbedaan dapat diprediksi. Nilai kuadrat dari suatu
korelasi disebut koefisien determinasi dan mengukur persentase variabilitas dalam
satu variabel yang menentukan atau diprediksi, melalui hubungannya dengan
variabel lainnya.
Dalam ilmu perilaku, perbedaan yang ada dari satu orang ke orang lain cenderung
besar dan biasanya sulit diprediksi atau dijelaskan. Akibatnya, kemampuan untuk
memprediksi hanya sebagian kecil dari perbedaan perilaku biasanya dianggap
sebagai pencapaian besar.Dengan mengingat hal ini, panduan dalam Tabel 8.1
biasanya digunakan untuk menginterpretasikan kekuatan hubungan antara dua
variabel (Cohen, 1988).Kita harus mencatat bahwa nilai-nilai pada Tabel 8.1
adalah panduan umum l menafsirkan korelasi yang diperoleh dalam sebagian
besar ilmu perilaku muncul. Namun ada beberapa situasi, di mana korelasi 0,50
akan dianggap besar.
Misalnya, ketika menggunakan korelasi untuk mengukur keandalan pengukuran,
peneliti biasanya mencari nilai yang besar, biasanya jauh lebih besar daripada r =
0,50. Demikian pula, sebuah studi penelitian yang menemukan hubungan yang
secara teoritis penting antara dua variabel mungkin melihat korelasi "kecil" r =
0,10 sebagai hubungan substansial. Signifikansi suatu Hubungan Signifikansi
statistik dari suatu korelasi adalah faktor penting kedua untuk menafsirkan
kekuatan suatu korelasi.Dalam konteks korelasi, istilah sjgnificant berarti bahwa
korelasi yang ditemukan dalam data sampel sangat tidak mungkin dihasilkan oleh
variasi acak.Sebaliknya, setiap kali korelasi sampel ditemukan signifikan, Anda
dapat menyimpulkan bahwa itu mewakili hubungan nyata yang ada dalam
populasi. Dengan sampel kecil, adalah mungkin untuk mendapatkan apa yang
tampak sebagai korelasi yang sangat kuat ketika, pada kenyataannya, sama sekali
tidak ada hubungan antara dua variabel yang diperiksa. Misalnya, dengan sampel
hanya dua individu, hanya ada dua titik data dan mereka dijamin cocok dengan
sempurna pada garis lurus. Dengan demikian, dengan sampel dua individu, Anda
akan selalu mendapatkan korelasi sempurna sebesar 1,00 (r -1,00) terlepas dari
variabel apa pun yang Anda ukur. Dengan meningkatnya ukuran sampel, semakin
besar kemungkinan korelasi sampel mewakili hubungan nyata yang ada dalam
populasi.Korelasi yang ditemukan dalam sampel yang relatif besar biasanya
merupakan indikasi hubungan yang nyata dan bermakna dan cenderung
signifikan.Anda harus diingatkan, bahwa hubungan yang signifikan secara
statistik tidak selalu berarti bahwa korelasinya besar atau kuat. Dengan sämple
yang sangat besar, misalnya, dimungkinkan untuk korelasi r = 0,10 atau lebih
kecil secara statistik signifikan. Jelas, ini bukan korelasi yang kuat.

KEKUATAN DAN KELEMAHAN STRATEGI PENELITIAN KORELASI

Strategi penelitian korelasional sering digunakan untuk pekerjaan
pendahuluan di daerah yang belum mendapatkan banyak perhatian
penelitian.Desain korelasional dapat mengidentifikasi variabel dan
menggambarkan hubungan antara variabel yang mungkin menyarankan
penyelidikan lebih lanjut menggunakan strategi eksperimental untuk menentukan
hubungan sebab-akibat.Selain itu, desain penelitian korelasional memungkinkan
peneliti kesempatan untuk menyelidiki variabel yang tidak mungkin atau tidak etis
untuk dimanipulasi.Misalnya, studi korelasional dapat menyelidiki bagaimana
perilaku atau keterampilan spesifik terkait dengan kekurangan diet atau paparan
polusi.Meskipun dimungkinkan dan etis untuk mencatat kekurangan diet dan
pencemaran lingkungan sebagaimana adanya secara alami, tidak etis untuk
menciptakan kondisi ini di laboratorium. Variabel lain yang tak terhitung
jumlahnya seperti ukuran keluarga, kepribadian, konsumsi alkohol, tingkat
pendidikan, pendapatan, dan preferensi warna dapat menjadi topik menarik untuk
penelitian perilaku tetapi tidak dapat dimanipulasi dan dikendalikan dalam studi
penelitian eksperimental. Namun, variabel-variabel ini dapat dengan mudah
diukur dan dijelaskan dalam penelitian korelasional.
Baik penelitian corelasional Stitleqy
Dengan sedikit kejutan.Penelitian al, dua variabel yang cxamax setara.Tulip cless,
penelitian korasional sering mengidentifikasi onen sebagai variabel preditor dan
variabel kedua sebagai kriteria studi corrclational yang digunakan untuk
memprediksi, sebutan dua var biasanya cukup jelas. Inikejahatannya adnissions
kantor kadang-kadang menggunakan rekor ujian gal (audio video) skor untuk
kesuksesan sekolah pra-sarjana. Di sini skor GRE adalah variabel preditor dan
lulus kinerja critcrion variabel. Jelas, variabel onc (preditor) digunakan untuk pred
yang lain (kriteria).
Proses statistik untuk menggunakan satu variasi untuk meramalkan yang lain
adalah kemunduran. Biasanya, tujuannya adalah untuk menemukan TKP yang
menghasilkan prediksi akurat m dari Y (the critcrion variabel) untuk nilai cach
dari X (variabel atau tor).Misalnya, Ng dan letfery (2003) menggunakan regresi
untuk adalah perilaku kesehatan tor orang dewasa yang menggunakan stres
sebagai variasi preditor hasil menunjukkan bahwa lctekanan yang lebih tinggi
memprediksi diet lemak dan merokok. Namun, stres bukanlah petunjuk penting
dari aloh
Dalam situasi di mana penelitian korelasional tidak digunakan untuk peneliti
predin masih cenderung merujuk pada preditor dan kriteria variabel. Dalam situasi
apapun, labelnya biasanya ditentukan oleh tujuan dari STH secara khusus, studi
korelasi dimulai dengan salah satu dari dua variabel reats yang diketahui atau
dipahami, dan variabel kedua,
Saat penelitian korelasi menunjukkan hubungan antara dua varia hal ini
memungkinkan peneliti menggunakan pengetahuan tentang satu variabel untuk
membantu memprediksi atau menjelaskan variabel kedua.Pada situasi ini, variabel
pertama disebut variabel prediktor ahe dan variabel kedua (sedang dijelaskan atau
diprediksi) disebut variabel criteron.
Misalkan ada hubungan negatif antara point aver dengan jumlah jam yang
dihabiskan untuk bermain video game untuk bog sma nilai apa yang akan anda
prediksikan untuk anak laki-laki yang menghabiskan lebih dari jumlah waktu
bermain video game?
Bisa diandalkan dan validitas
Dalam pasal 4 (HLM. 107), the concep. S dari keandalan dan validitas adalah
introd sebagai dua kriteria dasar untuk mengevaluasi suatu prosedur pengukuran.
Istilah Ing, dapat diandalkan mengevaluasi konsistensi atau stabilitas dari campak
tersebut dan validitas mengevaluasi sejauh yang pengukuran procedumerah

Mengukur apa yang klaim sebagai pengukuran. Keterandalan dan

keabsahannya biasanya diturunkan dari hubungan yang dibentuk menggunakan
desain penelitian corall.Misalnya, tingkat keandalan uji coba dihancurkan oleh
hubungan kapal antara seperangkat ukuran yang semula dan seperangkat ukuran
yang tindak lanjutnya.Saya jamin. Jika individu yang sama diukur dua kali di
bawah kondisi yang sama, saya dan ada hubungan yang konsisten antara kedua
pengukuran, maka pengukuran mereka dikatakan dapat diandalkan.
Keabsahan suatu prosedur pengukuran yang bersamaan juga dapat didefinisikan
dalam hal hubungan (lihat HLM. 4, HLM. 108).Jika sebuah tes baru
dikembangkan untuk mendeteksi penyakit Alzheimer tahap awal, misalnya,
keabsahan tes tersebut dapat disahkan dengan menunjukkan bahwa skor ketiga tes
tersebut sangat berhubungan dengan nilai dari tes yang sudah ditetapkan.Inilah
tepatnya yang dilakukan juin et al. (2008) untuk mengesahkan tes 7 menit baru
yang dikembangkan sebagai perubahan. Saya asli ke lain digunakan tes skrining
tor Alzheimer. Korelasi saya dihitung untuk mengukur hubungan antara skor 7
menit layar thei dan skor dari masing-masing tiga test kognitivei yang didirikan
untuk Alzheimer. Para peneliti mendapatkan korelasi sekitar 0,70 untuk setiap tes,
menunjukkan hubungan positif yang kuat dan kebenaran hubungan yang kuat
antara layar 7 menit dan pemeriksaan awal.

I. Mengevaluasi teori
Banyak teori menghasilkan pertanyaan Tesearch tentang hubungan
diantara variabel yang dapat dibahas oleh desain penelitian coronal. Contoh yang
baik datang dari sifat kuno/memelihara pertanyaan sebagai berlaku untuk
kecerdasan: "adalah kecerdasan terutama karakteristik warisan, atau apakah
primiarilyi ditentukan oleh lingkungan?" Sebagian jawaban dari pertanyaan ini
muncul penelitian korelasi fromi yang memeriksa iq dari kembar identik yang
terpisah saat lahir dan ditempatkan di lingkungan yang berbeda. Karena kedua
faksi ini sudah dikenali melalui lingkungan keturunan dan penerus, mereka pori -
pori menghasilkan rancangan yang terpisah dari kedua taco itu. Karya pertama di
daerah ini, yang diadakan oleh psikolog inggris Cyril Burt, memperlihatkan
hubungan yang kuat antara iq kembar mereki, yang menunjukkan bahwa faktor-
faktor keturunan telah mempengaruhi lingkungan (Burt, 1972). Namun, bukti
belakangan memperlihatkan bahwa Burt mungkin telah memalsukan sebagian
besar datanya (Kamin, 1974). Meski begitu, hasil korrelasi menunjukkan
hubungan kuat antara iq kembar. Perhatikan bahwa desain penelitian korelasi ini
digunakan untuk mengatasi isu teoritis.
Menafsirkan korelasi
Nilai numerik korelasi, mulai dari pukul 02.00 sampai pukul 1.00,
menggambarkan konsistensi hubungan dengan pukul 1.00 (atau -1.00) yang
menunjukkan hubungan yang sangat konsisten dan 0,00 menunjukkan, sangat
kurangnya konsistensi. Namun, ada dua faktor tambahan yang harus
dipertimbangkan ketika inter preting

Keterandalan pengukuran, biasanya para peneliti mencari nilai-nilai yang

besar, saya biasanya jauh lebih besar daripada = 0,50. Demikian pula, sebuah
penelitian yang menemukan hubungan l secara teoritis yang penting antara dua
variabel mungkin memandang korelasi al "kecil '" = 0,10 sebagai hubungan yang
substansial.
Pentingnya sebuah hubungan
Tanda tangan statistik dari sebuah korelasi adalah faktor penting kedua untuk
menafsirkan kekuatan sebuah korelasi.Dalam konteks korelasi, istilah i
menandakan bahwa korelasi yang ditemukan dalam data sampel sangat tidak
mungkin telah dihasilkan oleh variasi acak.Sebaliknya, setiap kali hubungan
sampel l ditemukan dan ditunjukkan, anda dapat menyimpulkan bahwa itu adalah
hubungan nyata yang ada dalam populasi.saya
Dengan sampel kecil, adalah mungkin untuk mendapatkan korelasi yang sangat
kuat yang, pada kenyataannya, sama sekali tidak ada hubungan antara dua
variabel yang diperiksa. Sebagai contoh, dengan hanya dua orang, hanya ada dua
titik data dan mereka dijamin akan langi pada garis lurus. Ihus, dengan contoh
dari dua orang, anda akan selalu mendapatkan korelasi yang jelas antara pukul
1.00 (r-1.00) tidak peduli variabel apa yang anda ukur. Sebagai jumlah sampel
meningkat, menjadi semakin banyak Tikely bahwa korelasi sampel secara akurat
mewakili hubungan nyata yang ada dalam populasi. Sebuah korelasi dalam sampi
yang relatif besar biasanya merupakan dalam Perbudakan dan kelemahan

Strategi penelitian korelasi.

Strategi penelitian korelasional sering digunakan untuk pekerjaan
pendahuluan di daerah yang tidak menerima banyak perhatian penelitian.Desain
correlali bisa membuat variabel identitas dan menggambarkan hubungan antara
variabel yang mungkin menyarankan penyelidikan lebih lanjut menggunakan
strategi eksperimen untuk membuat hubungan abadi.Selain itu, rional researchi
design memungkinkan peneliti menyelidiki berbagai variabel yang mustahil
dimanipulasi atau tidak etis.Contohnya, studi korelasional yang saya bisa
menyelidiki bagaimana perilaku atau keterampilan spesial berhubungan dengan
kelainan pola makan atau paparan polusi.Meskipun mungkin dan etis untuk
mencatat kekurangan dieti dan polusi lingkungan karena kondisi alami mereka,
maka tidak etis untuk menciptakan kondisi ini di laboratorium. Tak terhitung
banyaknya materi vari lain seperti ukuran keluarga, kepribadian, konsumsi
alkohol, tingkat pendidikan, pendapatan saya, dan kecenderungan warna dapat
menjadi topik yang menarik untuk penelitian perilaku tetapi tidak dapat
dimanipulasi dan dikendalikan dalam suatu penelitian penelitian eksperimental.
Meskipun demikian, variabel-variabel ini dapat dengan mudah diukur dan
dijelaskan dalam penelitian correla-i.

Teknik-teknik paling comnon quc untuk mengukur kekuatan penghubung betwecn

dua adalah untuk menentukan c penentuan coctlicicnt, h diperoleh dengan
memperkecil nilai mati dari korelasi. Karena lation biasanya diidentifikasi oleh
surat tersebut adalah, the cocthcicnt dari dctermin22. Cocthcicnt nsantai berapa
banyak variabilty di variabe dictable Irom hubungan dengan varable lainnya.
Sebagai contoh, siswa tf dua dipilih secara acak, mereka hampir pasti akan
havepoint rata-rata. Meskipun ada arc banyak cxplanations untuk nilai dite, satu
kemungkinan adalah bahwa kedua siswa memiliki membolos adalah.Ingene ada
kecenderungan untuk IOs yang lebih tinggi berkorelasi dengan nilai yang lebih
tinggi. Jika or ation betwecn I) dan nilai rata-rata dihitung dan kemudian hasil
kuadrat menyediakan ukuran berapa banyak perbedaan dalam nocah gradepo
averages yang diprediksikan oleh l skor. Korelasi yang = 0,80 wouldme yang
adalah 0.64 (atau 64%o) dari pembesaran rata-rata dapat dipotong oleh perbedaan
di 0. Korelasi dari r = 0,30 berarti bahwa o.09 (9%) dari perbedaan dapat
diprediksi.
Dalam ilmu perilaku, perbedaan yang ada dari satu orang cenderung besar dan
biasanya dilkultus untuk memprediksi atau menjelekkan.Akibatnya, kemampuan
untuk memprediksi hanya sebagian kecil dari perbedaan pada behag yang
biasanya dianggap sebagai prestasi besar.Dengan mempertimbangkan hal ini,
gude 0 di tabel 8.1 biasanya adalah uscd untuk menginterpretasikan kekuatan dari
selulosa betwecn dua variabel (Cohen, 1988).
Kita harus memperhatikan bahwa nilai-nilai di menu 8.1 adalah gud umum
menafsirkan korhubungan yang obtan di paling ilmu perilaku resea ada beberapa
situasi, namun di mana korelasi (0,50 wouldaf akan dianggap besar. Sebagai
contoh, ketika menggunakan korelasi kepada saya.
 BAB III
PENUTUP
Kesimpulan
Pada penelitian korelasi ini, peneliti tidak perlu menentukan mana yang
berperan sebagai variabel bebas dan variabel terikat. Tetapi jika peneliti ingin
mengetahui bagaimana pengaruh suatu variabel yang terkait, maka peneliti perlu
mengidentifikasi variabel sebab maupun variabel akibatnya.
Berisi tentang hasil analisis deskripsi dan pembahasan tentang hal yang di
teliti dengan menggunakan mudah dipahami pembaca secara ringkas.