Teknik Analisis

Korelasi Linear
Sederhana
(dari Pearson)

Dra Sri Sulami EA M Kes

 PEMILIHAN UJI STATISTIK UNIVARIAT /
BIVARIAT
   
Macam Jenis variabel
Jumlah sampel Rasio-Interval Ordinal / Nominal
Tujuan sampel / (bebas / pop. Rasio-Interval / kategorik
uji pasangan berpasangan) berdistribusi distrib. tak
normal normal
    Bebas Uji t 2 sampel ~     Uji Mann- ~     Uji khi-
    (independent) bebas Whitney kuadrat
    ~     Uji jumlah ~     Uji eksak dari
  2 peringkat dari Fisher
Wilcoxon
Berpasangan Uji t sampel Uji peringkat Uji McNemar
(related/paire berpasangan bertanda dari (u/ kategori
Komparas d) Wilcoxon dikotomik)
i
(perbeda-   Bebas Anava 1 arah Uji Kruskall- Uji khi-kuadrat
>2 (independent Wallis
an) )

Berpasangan Anava u/ subyek Uji Friedman Uji Cochran's Q

(related/paired) yg sama (u/ kategori
dikotomik)
  ~     Korelasi dari ~     Korelasi dari ~     Koefisien
Korelasi Pearson (r) Spearman (rs) Kontingensi
~     (Regresi) ~     Asosiasi (C)
Kappa ~     Koefisien Phi
()
Contoh rumusan masalah
(pertanyaan penelitian):

 Apakah ada korelasi antara skor

motivasi bidan dengan skor
kepatuhan menjalankan protap
pencegahan infeksi?

 Apakah (makin) meningkatnya tarif

puskesmas (Rp) akan diikuti dengan
(makin) menurunnya jumlah
kunjungan (org/bln)?
Korelasi (Pearson’s Correlation)
 Korelasi (interdependensi) antara 2
variabel atau lebih
 Tidak mempersoalkan mana var.
bebas & mana var. tergantung (pola
hubungan simetris)
 Variabel kuantitatif (rasio/interval)
Macam korelasi berdasarkan
banyaknya variabel yg terlibat:

1. Korelasi sederhana (simple):

x y

2. Korelasi ganda (multiple):

x1
y
x2
Macam korelasi berdasarkan bentuk
kurva:

1. Korelasi linear (garis lurus):

y=b0+b1.x

2. Korelasi non linear (kurvilinier)

y=b0+b1.x2 (parabolik)
y=b0+b1.x3 (kubik)
y=b0+b1.ln(x) (logaritmik)
y=b0+b1.sin(x) (sinusoid)
dll.
 Koefisien korelasi (r):

1. Kekuatan korelasi (magnitude):

sangat sangat
lemah sedang kuat

*-----*-------*-------------*-------------*-------*-----* r
0 0,1 0,25 0,5 0,75 0,9 1

tak ada lemah kuat sempurna

korelasi
 Koefisien korelasi (r):

2. Arah korelasi (direction):

y y

r>0 r<0
positif negatif

x x
Formula koefisien korelasi

x. y   x. y
r  n

(
 x2   x) 2 
(
 y2   y ) 2 

 n   n 
   
 Contoh kasus:

Tentukan korelasi antara tinggi

badan (TB, cm) dan berat badan
(BB, kg) sekelompok individu
yang merupakan sampel acak
dari suatu populasi di bawah ini:
Langkah 1:
TB BB
No (cm) (kg) x2 y2 x.y
x y
1 168 63 28224 3969 10584
2 173 81 29929 6561 14013
3 162 54 26244 2916 8748
4 157 49 24649 2401 7693
5 160 52 25600 2704 8320
6 165 62 27225 3844 10230
7 163 56 26569 3136 9128
8 170 78 28900 6084 13260
9 168 64 28224 4096 10752
10 164 61 26896 3721 10004
n x y x2 y2 x.y
10 1650 620 272460 39432 102732
Langkah 2:

x. y   x. y
r  n

2
 x  ( x) 2 
 y 2 ( y ) 2 

 n   n 
   

102732  (1650).(620)
r 10  0,9465

272460  (1650) 2 
.39432  (620) 2 

 10  10
  
 r = 0,9465

 Artinya, korelasi antara Tinggi

badan dan Berat badan tersebut:
 sangat kuat

 arah positif: makin tinggi badan,

makin berat badannya.
Uji Hipotesis
 Langkah 3:
Rumuskan hipotesis:
 H0 :=0
(Tidak ada korelasi antara TB dan BB)
 H1 :  tdk = 0
(Ada korelasi antara TB dan BB)

 Langkah 4:
Uji statistik t (thitung):

t  r n2
1 r 2
 Langkah 5:
t mempunyai distribusi sampling t dengan
df (degree of freedom) = n-2
u/ mendapatkan ttabel dgn  tertentu (=0,05)
TABLE
Critical values of Student's t distribution*
Level of significance for one-tailed test
.10 .05 .025 01 .005 .0005
df
Level of significance for two-tailed test
.20 .10 .05 .02 .01 .001
1 3.078 6.314 12.706 31.821 63.657 636.619
2 1.886 2.920 4.303 6.965 9.925 31.598
3 1.638 2.353 3.182 4.541 5.841 12.941
4 1.533 2.132 2.776 3.747 4.604 8.610
5 1.476 2.015 2.571 3.365 4.032 6.859
6 1.440 .1.943 2.447 3.143 3.707 5.959
7 1.415 1.895 2.365 2.998 3.499 5.405
8 1.397 1.860 2.306 2.896 3.355 5.041
9 1.383 1.833 2.262 2.821 3.250 4.781
10 1.372 1.812 2.228 2.764 3.169 4.587
11 1.363 1.796 2.201 2.718 3.106 4.437
12 1.356 1.782 2.179 2.681 3.055 4.318
13 1.350 1.771 2.160 2.650 3.012 4.221
Langkah 6:
Hasil & Kesimpulan

Hipotesis nihil (H0) ditolak, bila:

| thitung | > ttabel
Sebaliknya,
Hipotesis nihil (H0) diterima, bila:
| thitung | <= ttabel
 Hasil & Kesimpulan:

t  0,9465 10  2  8,295
hitung
1 (0,9465)2
Titik kritis t = ttabel =
(uji dua arah: =0,05; df=10-2=8): 2,306

Ternyata: thitung (8,295) > ttabel (2,306)

 H0 ditolak, berarti:

Ada korelasi antara TB dan BB

 Contoh print-out:
p=0,774 (>0,05)
tak ada korelasi yg signifikan
Correlations

Skor
kepatuhan
Skor memasang
motivasi infus
Skor motivasi Pearson Correlation 1 -.031
Sig. (2-tailed) . .774
N 89 89
Skor kepatuhan Pearson Correlation -.031 1
memasang infus
Sig. (2-tailed) .774 .
N 89 89
 Contoh print-out:
p=0,001 (<0,05)
ada korelasi yg signifikan
Skor koordinasi * Skor kinerja

Symmetric Measures

Asymp.
a b
Value Std. Error Approx. T Approx. Sig.
Interval by Interval Pearson's R .490 .181 3.507 .001 c
Ordinal by Ordinal Spearman Correlation .463 .158 3.259 .002 c
N of Valid Cases 41
a. Not assuming the null hypothesis.
b. Using the asymptotic standard error assuming the null hypothesis.
c. Based on normal approximation.

korelasi sedang dan positif

kooordinasi>>, kinerja >>