Uji Korelasi
ALFIAN FAWZI
Uji Korelasi
POSITIF NEGATIF
makin besar nilai variabel 1 makin besar nilai variabel 1
menyebabkan makin besar menyebabkan makin kecil
pula nilai variabel 2 nilai variabel 2
Contoh : makin banyak waktu contoh : makin banyak waktu
belajar, makin tinggi skor bermain, makin kecil skor
Ulangan korelasi positif Ulangan korelasi negatif
antara waktu belajar antara waktu bermain
dengan nilai ulangan dengan nilai ulangan
NOL
tidak ada atau tidak menentunya hubungan dua variabel
contoh : pandai matematika dan jago olah raga ; pandai
matematika dan tidak bisa olah raga ; tidak pandai
matematika dan tidak bisa olah raga
korelasi nol antara matematika dengan olah raga
Analisis Korelasi
BERTUJUAN UNTUK MENGETAHUI
HUBUNGAN DUA VARIABEL ATAU LEBIH .
KORELASI = HUBUNGAN
ANALISIS KORELASI: SUATU ANALISIS YANG
DIGUNAKAN UNTUK MELIHAT HUBUNGAN
ANTAR VARIABEL.
ANALISIS KORELASI TIDAK
MEMPERSOALKAN PENGARUH ANTAR
VARIABEL.
Uji korelasi tidak membedakan jenis variabel
ANALISIS SIGNIFIKANSI
HUBUNGAN (UJI KORELASI)
BERTUJUAN UNTUK MENGUJI
HUBUNGAN ANTAR VARIABEL YANG
TIDAK MENUNJUKKAN HUBUNGAN
FUNGSIONAL (BERHUBUNGAN
BUKAN BERARTI DISEBABKAN )
Pengelompokan Nilai Korelasi
0,00-0,20 korelasi keeratan sangat lemah
0,21-0,40 korelasi keeratan lemah
0,41-0,70 korelasi keeratan kuat
0,71-0,90 korelasi keeratan sangat kuat
0.91-0,99 korelasi keeratan sangat kuat
sekali
1 berarti korelasi keeratan sempurna
Macam Analisis
Korelasi
DALAM SPSS, ANALISIS KORELASI
YANG BANYAK DIGUNAKAN ANTARA
LAIN:
KORELASI PRODUCT MOMENT
(PEARSON), KORELASI KENDALL’S
TAU, KORELASI SPEARMAN.
PEMILIHAN TERGANTUNG UKURAN/
JENIS DATA: NOMINAL, ORDINAL,
ATAU SCALE (INTERVAL ATAU
RASIO)
Korelasi Ukuran Data
Macam Analisis Korelasi
Variabel 1 Variabel 2
Product Momen scale scale
(Pearson)
Kendall’s Tau ordinal ordinal
Spearman ordinal ordinal
Kontingensi nominal nominal
Eta nominal scale
Uji Korelasi
1. KORELASI PEARSON :
apakah di antara kedua variabel terdapat hubungan, dan jika ada hubungan bagaimana
arah hubungan dan berapa besar hubungan tersebut.
Digunakan jika data variabel kontinyu dan kuantitatif
Chi-Square (tes independensi) : menguji apakah ada hubungan antara baris dengan
kolom pada sebuah tabel kontingensi. Data yang digunakan adalah data kualitatif.
(O – E)2
X2 = Σ E
Di mana
O = skor yang diobservasi
E = skor yang diharapkan (expected)
Contoh :
Terdapat 20 siswa perempuan dan 10 siswa laki-laki yang fasih berbahasa Inggris, serta
10 siswa perempuan dan 30 siswa laki-laki yang tidak fasih berbahasa Inggris.
Apakah ada hubungan antara jenis kelamin dengan kefasihan berbahasa Inggris ?
Ho = tidak ada hubungan antara baris dengan kolom
H1 = ada hubungan antara baris dengan kolom
P L Σ O E (O-E) (O-E)2 (O-E)2/E
a b a 20 (a+b)(a+c)/N
Fasih
b 10 (a+b)(b+d)/N
c d
Tidak fasih c 10 (c+d)(a+c)/N
Σ d 30 (c+d)(b+d)/N
df = (kolom – 1)(baris – 1)
Jika X2 hitung < X2 tabel, maka Ho diterima
Jika X2 hitung > X2 tabel, maka Ho ditolak
Uji Chi-Square (X2)
Chi-Square dengan menggunakan SPSS
KASUS : apakah ada hubungan pendidikan dengan status marital responden
Ho = tidak ada hubungan antara baris dengan kolom atau tidak ada hubungan pendidikan
dengan status marital
H1 = ada hubungan pendidikan dengan status marital
Dasar pengambilan keputusan :
1. X2 hitung < X2 tabel Ho diterima ; X2 hitung > X2 tabel Ho ditolak
2. probabilitas > 0.05 Ho diterima ; probabilitas < 0.05 Ho ditolak
pendidikan terakhir Asymp. Sig.
Value df (2-sided)
S1 S2 S3 Total
Pearson Chi-Square 9,431 6 ,151
status belum kawin 21 3 1 25
perkawinan Likelihood Ratio 9,541 6 ,145
kawin 32 9 6 47
Linear-by-Linear
janda 5 3 2 10 3,070 1 ,080
Association
duda 4 4 0 8 N of Valid Cases
Total 62 19 9 90 90
parametrik
sebaran tidak
normal tidak diuji
dan tidak linear
speraman
ordinal-ordinal gamma
Korelatif somers"d
ordinal-nominal chi-square
non eta
parametr
ik
interval-nominal
eta
koef. kontingensi
nominal-nominal
lamda
phi & cramers