Perbedaan Individu dan Korelasi

(Chapter 3)

Leni Maszura., S.Psi., M.Psi, Psikolog

 Pengukuran psikologis mencakup :

Kovariabilitas
Variabilitas
Interpretasi nilai tes
Sejauh mana variabilitas
Perbedaan antara skor dalam satu set skor
Memberikan arti pada
dalam distribusi skor. sesuai dengan
hasil/skor
variabilitas dalam set
skor lainnya
 Sifat Variabilitas
Pengukuran psikologis bertumpu pada asumsi bahwa orang berbeda (atau mungkin
berbeda) sehubungan dengan perilaku mereka atau karakteristik psikologis lainnya.
Setidaknya ada dua jenis perbedaan yang coba diukur oleh para ilmuwan perilaku .
Perbedaan antar individu adalah perbedaan yang ada di antara orang-orang. perbedaan
intra-individu, yaitu perbedaan yang muncul pada satu orang dari waktu ke waktu atau
dalam keadaan yang berbeda. konsep psikometrik seperti reliabilitas dan validitas
sepenuhnya bergantung pada kemampuan untuk mengukur perbedaan di antara orang-
orang.
 Variabilitas dan Distribusi Skor
Tabel 3.1 Contoh untuk Menggambarkan Distribusi
Skor :
Skor ini berbeda satu sama lain, dengan
beberapa orang memperoleh skor tinggi,
beberapa memperoleh skor rendah, dan
beberapa skor di antaranya. Itu kumpulan
skor kelompok adalah distribusi skor. Tabel
3.1 menyajikan sedikit contoh di mana enam
orang mengikuti tes IQ. Seperti yang Anda
lihat, ini kecil distribusi enam skor
mencerminkan perbedaan individu — skor
berkisar dari tertinggi 130 hingga terendah
90.
 Tendensi Sentral
Aspek paling dasar dari
distribusi skor adalah pusat
tendensi, yaitu beberapa nilai
statistik yang dapat digunakan
sebagai indeks tendensi sentral
(misalnya, median dan modus),
rata-rata.
Dengan rumus :
Dalam persamaan ini dan persamaan berikutnya, skor masing-
masing individu adalah diwakili oleh "X." Bagi Anda yang
akrab dengan penjumlahan notasi akan mengingat bahwa
simbol sigma memberitahu kita untuk menjumlahkan elemen
X. Selain itu, N digunakan untuk mewakili jumlah total orang
dalam kelompok
“rata-rata orang" dalam kelompok
tersebut memiliki IQ 110
 Variabilitas
● Varians (S2) dan Standar Deviasi (SD) mencerminkan variabilitas sebagai sejauh mana skor
dalam distribusi menyimpang / berbeda dari rata-rata distribusi skornya.
Langkah Menghitung Varians
• Pertama, temukan deviasi dari mean untuk setiap skor dalam
distribusi (perhatikan bahwa kita sudah menghitung mean dari
distribusi). Secara formal, deviasi dari mean adalah X–x untuk setiap
skor (kolom ―Deviasi)
• Kedua, kita kuadratkan setiap simpangan (X-x )2 (kolom Squared
Deviation)
• Ketiga, hitung varian dengan rumus : s² =
Rumus dan contoh soal varian:

varians adalah rata-rata skor deviasi kuadrat. Dengan

menghitung rata-rata dari ini skor deviasi kuadrat, kami
mendapatkan angka yang mewakili rata-rata sejauh mana
orang berbeda satu sama lain, dan dengan demikian, itu
adalah ukuran dari variabilitas.
 Lanjutan…
Rumus Standart Deviasi Ada empat faktor yang perlu dipertimbangkan dalam
menafsirkan varians atau standar deviasi.
1. Faktor pertama adalah bahwa tidak ada yang bisa kurang
dari 0.
2. Kedua, tidak ada cara sederhana untuk menafsirkan
varians atau standar penyimpangan besar atau kecil.
3. Ketiga (dan terkait dengan yang kedua), varians dari
distribusi skor paling dapat ditafsirkan dan bermakna
Sebagai indeks variabilitas, standar deviasi ketika dimasukkan ke dalam semacam konteks.
memiliki keuntungan: mencerminkan 4. Keempat, pentingnya varians dan standar deviasi
variabilitas dalam hal ukuran skor deviasi terutama terletak pada pengaruhnya terhadap nilai-nilai
mentah, sedangkan varians mencerminkan lain yang lebih dapat diinterpretasikan secara langsung.
variabilitas dalam hal skor deviasi kuadrat.
 Bentuk Distribusi dan Distribusi Normal
Distribusi skor dapat digambarkan
secara grafis diwakili oleh kurva.
Gambar 3.1 menyajikan kurva
untuk distribusi besar dari skor IQ.
Sumbu x menyajikan berbagai
nilai untuk skor IQ, dan sumbu y
mewakili proporsi. Kurva pada
Gambar 3.1 menyajikan distribusi
yang simetris—bentuk kurva
dicerminkan pada kedua sisi IQ
100. Salah satu jenis distribusi
skor yang menghasilkan kurva
dengan bentuk ini disebut a
distribusi normal.
Lanjutan…
 Mengukur Asosiasi Antara
Distribusi
Kovariabilitas adalah derajat di mana dua distribusi skor bervariasi dengan cara yang sesuai.
Terdiri dari 3 bagian, yaitu :

3. Korelasi

1. Menafsirkan 2. Kovarians
Hubungan
Antara Dua
Variabel
1. Menafsirkan Hubungan Antara Dua Variabel

Hubungan antara dua variabel (yaitu, antara dua distribusi skor). Pertama, kami
ingin mengetahui arah asosiasi. informasi kedua yang ingin kami ketahui tentang
hubungan antara dua variabel adalah besarnya hubungan tersebut. Konsistensi
adalah konsep yang berguna untuk dipertimbangkan ketika memikirkan tentang
hubungan antar variable, menafsirkan asosiasi yang kuat antara dua variabel yang
menunjukkan bahwa perbedaan individu konsisten melintasi dua variabel. Dua
istilah statistik:

1. Yang dapat digunakan untuk mengukur hubungan (kovariabilitas) antara dua

distribusi skor.
2. Kovarians dan korelasi
2. Kovarians
rumus covrians dan contohnya :
• Ingatlah bahwa varians dihitung dari
distribusi skor tunggal. Sebaliknya,
kovarians dihitung dari variabilitas
antara skor dalam dua distribusi yang
berbeda.

• Kovarians mewakili derajat hubungan

antara variabilitas dalam dua distribusi
skor.

• Kovarians memberikan informasi yang

jelas tentang arah asosiasi. Jika
kovarians positif, maka kita tahu bahwa
ada hubungan positif atau langsung
antara kedua variabel. Jika nilai
kovarians negatif, maka kita akan tahu
bahwa ada hubungan negatif atau
terbalik antara kedua variabel.
Lanjutan…
Ada dua faktor yang mempengaruhi besarnya atau ukuran kovarians. Pertama, kekuatan asosiasi mempengaruhi
besarnya kovarians—semuanya sama, nilai kovarians yang besar (apakah nilai positif yang besar atau nilai negatif
yang besar) mencerminkan asosiasi yang kuat. Namun, metrik dari dua variabel juga mempengaruhi besarnya
kovarians. Artinya, kovarians antara dua variabel "skala besar" (misalnya, SAT dan IQ) cenderung lebih besar
daripada kovarians yang melibatkan satu atau lebih variabel "skala kecil" (mis., IPK), terlepas dari kekuatan asosiasi.
Matriks varians-kovarians selalu diatur dengan cara tertentu, dengan beberapa sifat standar. Pertama, setiap
variabel memiliki baris dan kolom. Properti kedua dari matriks varians-kovarians adalah bahwa variabel 'varians
disajikan "pada diagonal." Properti ketiga dari matriks varians-kovarians adalah bahwa semua sel lain menyajikan
kovarians antara pasangan variable. Properti keempat adalah bahwa kovarians adalah "simetris" di mana nilai di
bawah diagonal identik dengan nilai di atas diagonal.
Lanjutan…
 3. Korelasi

• Korelasi sebagai indeks dari konsistensi perbedaan

Rumus Korelasi :
individu.
• Koefisien korelasi dimaksudkan untuk memberikan indeks
asosiasi linier yang mudah ditafsirkan. Koefisien korelasi
dibatasi dalam rentang nilai yang sangat spesifik—
koefisien hanya dapat berkisar dari -1 hingga +1.
• Korelasi dengan nilai yang terletak antara 0 dan +1
memberi tahu kita bahwa ada hubungan positif antara dua
variabel.
• Manfaat besar dari korelasi adalah bahwa hal itu
mencerminkan besarnya hubungan antara dua variabel jauh
lebih jelas daripada kovarians.
• korelasi yang besar (dalam hal nilai absolutnya) mencerminkan asosiasi
kuat, dan korelasi kecil (yaitu, korelasi yang dekat dengan 0)
mencerminkan asosiasi yang lemah.
• Korelasi merupakan bagian penting dari teori reliabilitas, estimasi
reliabilitas, dasar konseptual validitas, estimasi validitas, pengaruh bias
respon terhadap nilai tes, dan gagasan bias tes.
 Varians dan Kovarians untuk “Komposit Variabel”

Varians skor komposit dapat dihitung dengan cara menggunakan dua item i dan j. varians
dari komposit akan menjadi

Selanjutnya dalam hal ini sepasang dua item komposit, kovarians antara skor komposit
hanyalah jumlah dari kovarians lintas komposit. Artinya, itu adalah jumlah kovarians antara
item dari komposit yang berbeda (yaitu, kovariansantara item dari komposit 1 dan item
dari komposit 2):
 Item Biner
Tes berdasarkan item biner diberi skor dengan
menjumlahkan tanggapan rata-rata di seluruh
item.

Jika tanggapan dikodekan dengan cara 0 versus 1

ini, maka rata-rata item biner sama dengan
proporsi jawaban bervalensi positif. Biarkan “p”
mewakili proporsi tanggapan bervalensi positif
untuk item (misalnya,proporsi orang yang
menjawab "Ya" untuk item depresi biner):
Bayangkan 10 orang mengikuti tes depresi
ituterdiri dari satu pertanyaan biner, dengan 6
menjawab "Ya" untuk item dan 4menjawab
“Tidak.” Dalam data ini, kami menemukan
bahwa proporsi "Ya"tanggapan adalah
Menafsirkan Skor Tes

skor "mentah" adalah skor yang diperoleh paling

langsung dari tanggapan terhadap item tes, seperti untuk menginterpretasikan
sebagai jumlah tanggapan "Setuju" pada tes skor tes mentah individu,
kepribadian atau jumlah jawaban yang benar pada tes kita perlu membuat
prestasi. referensi ke seluruh
distribusi skor pada tes,
ada dua segi dari "makna" nilai ujian dalam dan kita harus
pengukuran psikologis. Yang pertama adalah arti dasar mengidentifikasi di mana
dari tes mentah skor sebagai relatif tinggi atau rendah. individu berada dalam
Mungkin mengejutkan, bahkan dasar ini masalah distribusi itu.
interpretatif tidak jelas untuk banyak tes psikologi.
 Lanjutan…
Informasi kunci kedua dalam menafsirkan skor tes
adalah variabilitas dalam distribusi nilai tes mentah.
standar deviasi digunakan untuk membantu
menafsirkan jarak skor tertentu dari skor rata-rata.

• dua cara tambahan untuk merepresentasikan skor

tes:
(1) skor standar yang dikonversi (kadang-kadang
disebut standar skor) dan
(2) peringkat persentil. Kami kemudian akan
membahas proses "menormalkan" skor tes, yang
mungkin dilakukan pengembang tes di beberapa
keadaan.
 z Skor (Skor Standar)

kita dapat mengubah skor tes mentah individu menjadi skor z, yang mencerminkan jarak yangskor jatuh di
atas atau di bawah rata-rata. Kita bisa mengubah skor tes mentah menjadiskor z dengan menghitung selisih
antara skor (X) dan meandistribusinya () dan kemudian membagi perbedaan ini dengan standardeviasi (s) dari
distribusi itu:

Misalnya, untuk menghitung skor z untuk ujian kelas Anda, mari kitapertama bayangkan bahwa ada
perbedaan individu yang besar dalam tes mentahskor. Artinya, distribusi skor mentah memiliki standar yang
relatif besar deviasi, katakan s = 8. Skor z Anda adalah

Skor Z memiliki interpretasi yang spesifik, meskipun agak abstrak. Mereka dapat diinterpretasikan dalam
satuan “standar deviasi”. Artinya, Anda akan menafsirkanskor z Anda yang menunjukkan bahwa skor tes
Anda adalah “0,5 standar deviasidi atas rata-rata” atau “setengah dari simpangan baku di atas rata-rata”.
standar deviasi (s) mungkin hanya 2,daripada 8.
 Lanjutan…
Skor z memiliki beberapa manfaat dalam hal
menginterpretasikan skor tes.
Pertama,mereka mengekspresikan skor tes dengan cara
yang melewati ambiguitas sebagian besarlangkah-
langkah psikologis. Dengan membingkai makna skor
dalam hal"jarak dari rata-rata," skor z membebaskan
kita dari kekhawatiran tentangunit dari nilai tes asli.
Kedua, skor z dapat digunakan untuk membandingkan
skor di seluruh tes yang sedang berlangsungunit yang
berbeda ukuran.
Rumus untuk menghitung korelasi antar variabel
menggunakan z skor ;
dimana Zx Zyadalah jumlah
perkalian silang dari skor z masing-
masing individu.Dapat ditunjukkan
bahwa Persamaan 3.11 secara aljabar
setara dengan Persamaan3.5, yang
menyatakan korelasi dalam hal
kovarians dan standarpenyimpangan.
Beberapa dari Anda mungkin pernah
menemukan Persamaan 3.11 di
lainnyabuku atau kelas di mana Anda
belajar tentang koefisien korelasi.
Skor Standar yang Dikonversi (Skor Standar)

Konversi dapat dicapai melalui proses dua langkah di pengguna pengujian atau
pengembang pengujian mana yang pertama kali memilih rata-rata baru untuk skor
(baru) dan standar deviasi baru (salju) untuk distribusi yang dikonversi skor.
Sekali lagi, pemasar MMPI-2 telah memilih untuk memiliki rata-rata 50 dan
simpangan baku 10. skor z individu dikonversi melalui persamaan:

di mana T adalah skor standar yang dikonversi dan z adalah z asli individu skor.
Misalnya, seseorang dengan skor z 1,5 pada MMPI-2 Paranoia skala akan
memiliki skor T
Lanjutan..

z skor (skor standar) bersifat informatif karena merupakan nilai

murni ekspresi jarak skor di atas atau di bawah rata-rata kelompok. Oleh
ekstensi, skor standar yang dikonversi bersifat informatif karena hanya
reex-press skor z dengan cara yang mungkin lebih intuitif untuk lebih
banyak orang.
 Peringkat Persentil
Peringkat persentil menunjukkan persentase skor yang di bawah nilai tes
tertentu. Ada dua cara untuk menentukan peringkat persentil untuk
individu skor tes. Cara langsung atau empiris berguna jika seseorang
memiliki akses ke semua skor mentah dalam distribusi.

Cara kedua untuk mengidentifikasi peringkat persentil individu mungkin

berguna jika kita tidak memiliki akses ke distribusi individu yang lengkap
skor. Standar distribusi normal, mewakili skor standar yang
didistribusikan dalam bentuk yang sangat normal (lihat diskusi kami di
atas tentang "normal" distribusi dan kemiringan). Distribusi normal
standar memiliki kekhususan kualitas, yang memungkinkan kita untuk
menghubungkan skor standar tertentu dengan persentil.
 Skor yang Dinormalisasi

Pengembang pengujian mungkin membuat dua asumsi: (1) teori mereka benar (yaitu,
atributnya memang terdistribusi normal) dan (2) data tes aktual (skor IQ dalam contoh ini) adalah
refleksi tidak sempurna dari distribusi konstruk itu sendiri. Salah satu cara pengembang
pengujian mencoba memecahkan ketidaknormalan ini masalahnya adalah dengan mengubah
distribusi tidak sempurna (yaitu, tidak normal) dari skor tes ke dalam distribusi yang lebih
mendekati normal distribusi. Prosedur ini kadang-kadang disebut normalisasi transformasi atau
transformasi area.
Lanjutan..
Transformasi normalisasi ini merupakan proses 3 langkah, yaitu:

01 02 03
Menghitung peringkat
Mengubah peringkat
persentil langsung atau Mengambil skor z (skor standar)
persentil ke dalam skor
empiris dari nilai tes
standar (yaitu, skor z) dan hitung skor standar yang dikonversi
mentah
ke metrik yang kami inginkan (yaitu,
agar sesuai dengan rata-rata dan standar
tertentu deviasi)
Tes Norma
Sebagian besar kelompok telah Dalam pengaturan penelitian, pengguna tes mungkin
tidak terlalu bergantung pada norma tes untuk setidaknya
mengikuti tes dan skor mereka telah dua alasan. Pertama, norma tes, skor standar, dan
peringkat persentil mungkin tidak tersedia untuk banyak
dihitung, pengguna tes dapat tes yang digunakan peneliti. norma dan proses
menggunakan skor mereka sebagai standardisasi yang telah kita bahas sering dilakukan
untuk tes psikologis yang banyak digunakan di bidang
kerangka acuan untuk menafsirkan perilaku yang diterapkan sains, seperti penilaian klinis,
pengujian prestasi, kecerdasan pengujian, dan
skor orang lain orang yang pada penyaringan karyawan.
akhirnya akan mengikuti tes.
Alasan kedua mengapa peneliti cenderung menggunakan
Sekelompok besar orang yang informasi tentang norma-norma tes dan skor standar
adalah bahwa mereka biasanya tidak tertarik untuk
digunakan dalam konstruksi tes menafsirkan skor individu. Sebaliknya, peneliti biasanya
tertarik untuk menemukan asosiasi antar variabel—
disebut sebagai sampel referensi, dan korelasi komputasi dan statistik lainnya untuk memahami
mereka skor disebut "norma" untuk bagaimana variabel perilaku penting terkait satu sama
lain.
tes.
 Keterwakilan Sampel
Referensi
Tes dinormakan untuk memberikan informasi untuk digunakan sebagai kerangka acuan untuk
interpretasi nilai tes individu. Misalnya, Anda ingin mengembangkan tes harga diri untuk
digunakan di pusat konseling universitas. Hal pertama yang harus Anda lakukan adalah
mendefinisikan populasi sasaran yang sesuai.

Dengan "perwakilan," kami maksudkan bahwa jika pertanyaan tes harga diri diberikan kepada
semua orang di seluruh populasi, skor harga diri dari sampel referensi dapat terbukti memiliki sifat
statistik yang mirip dengan sifat skor dari itu populasi.

Dua jenis prosedur pengambilan sampel:

 Pengambilan sampel probabilitas, sampel probabilitas diperoleh dengan menggunakan
prosedur yang menjamin sampel yang representatif.
 Pengambilan sampel non probabilitas
TERIMA KASIH