Anda di halaman 1dari 17

ANALISIS UJI KORELASI

(UJI PEARSON)

Ns.Evin Novianti,MKep.Sp.Kep.J
Tujuan Korelasi (PEARSON)

 Mengetahui kekuatan dan arah hubungan


antara variabel numerik dengan numerik

SYARAT :
1. Berdistribusi normal gunakan PEARSON 
jika tidak normal, gunakan SPEARMAN
2. Jenis data numerik – numerik
Contoh Hipotesis
 Ho = Tidak terdapat hubungan antara berat
badan dengan tekanan darah
 Ha = terdapat hubungan antara berat badan
dengan tekanan darah.
Hubungannya :

Derajat/keeratan
Bentuk hubungan
hubungan

KORELASI REGRESI LINIER


SEDERHANA
Perbedaan Regresi dan Korelasi

 Regresi menunjukkan hubungan antara variabel


satu dengan variabel lainnya.
 Sifat hubungan dapat dijelaskan: variabel yang
satu sebagai penyebab, variabel yang lain sebagai
akibat.
 Korelasi tidak menunjukkan hubungan sebab
akibat, akan tetapi menunjukkan hubungan
antara variabel satu dengan yang lain.
KORELASI
 Untuk mengetahui derajat/keeratan hubungan
 Untuk mengetahui Arah hubungan
Misal:
Apakah hubungan BB dan tekanan darah
mempunyai derajat yang kuat atau lemah dan
apakah berpola positif/negatif
POLA POSITF POLA NEGATIF

Semakin bertambahnya BB Semakin bertambahnya BB


maka semakin bertambah juga maka semakin berkurang
Tekanan Darah Tekanan Darah
Semakin rapat, hubungan semakin
kuat, semakin melebar/pencar semakin
lemah
Kuat dan tidaknya hubungan antara X dan Y apabila dapat
dinyatakan dengan fungsi linear(paling tidak mendekati), diukur
dengan suatu nilai yang disebut koefisien korelasi. Nilai koefisien
korelasi ini paling sedikit –1 dan paling besar +1.

Jadi jika r = koefisien korelasi, maka r dapat dinyatakan sebagai


berikut :
-1 r  +1

Korelasi negatif Korelasi negatif Tidak ada Korelasi positif korelasi positif
sempurna sedang korelasi sedang sempurna

negatif kuat negatif lemah positif lemah positif kuat

-1,0 -0,5 0,0 0,5 1,0

Korelasi Negatif Korelasi Positif


REGRESI LINIER SEDERHANA
 Untuk menganalisis BENTUK HUBUNGAN
 Untuk membuat perkiraan (PREDIKSI) nilai suatu
variabel (v.dependent) melalui variabel lain
(v.independent)
 Bentuk hubungan : Y = a + bx
Y = variabel dependent
X = variabel independent
a = intercept (perbedaan rata-rata variabel Y ketika
variabel X = 0)
b = slope (perkiraan besarnya perubahan variabel Y bila
nilai variabel X berubah 1 unit pengukuran
SPSS
KORELASI
 Klik analyze
 Pilih “correlate”
 Pilih “bivariate”  muncul menu Bivariate
Correlations
 Sorot variabel independent dan dependent
ke sebelah kanan “variabels”  boleh lebih
dari 2 variabel independent
 Cek list “Pearson” dan “Two tailed”
 OK
Pastikan ketiga variabel tersebut sudah dalam kolom variables. Selanjutnya
Correlation Coefficient diaktifkan pada Pearson, dan Two Tailed, serta klik
Flag Significant correlation. Bila semua sudah sesuai, maka klik OK.
Perhatikan tampilan dibawah ini:
Output SPSS akan tampil seperti dibawah ini. Bandingkan output SPSS
dengan pedoman koefisien korelasi, sehingga diketahui hubungan variabel
variabel tersebut signifikan atau tidak.
INTERPRETASI

Kesimpulan dari hasil tersebut adalah


hubungan kecemasan dengan mekanisme
koping menunjukkan hubungan yang sangat
lemah dan berpola negatif artinya semakin
tinggi kecemasan semakin turun mekanisme
kopingnya (maladaptif). Hasil uji statistik
didapatkan ada hubungan yang signifikan
antara kecemasan dengan mekanisme koping
(pValue=0,019)
REGRESI LINIER SEDERHANA
 Klik analyze
 Pilih “Regression”
 Pilih “Liniear”
 Pada kotak Dependent  variabel dependent
 Pada kotak Independent  variabel
independent
 OK
Tabel 1. Analisis Korelasi dan Regresi BB ibu
dengan BB bayi
Variabe r R2 Persamaan garis Pvalue
l
Berat 0,684 0,468 Bbayi=657,93+44,38*bbibu 0,0005
Ibu
Hubungan BB ibu dengan BB bayi menunjukkan
hubungan yang kuat (r=0,684) dan berpola positif artinya,
semakin bertambah BB ibu, semakin besar berat badan
bayinya. Nilai koefisien dengan determinari 0,468 artinya
persamaan garis regresi yang diperoleh menerangkan
bahwa 46,8% variasi BB bayi atau persamaan garis yang
diperoleh cukup baik. Hasil uji statistik didapatkan ada
hubungan yang signifikant antara BB ibu dengan BB bayi
(p=0,0005)