PENGERTIAN
Korelasi Merupakan teknik statistik yang digunakan untuk meguji ada/tidaknya hubungan serta arah hubungan dari dua variabel atau lebih
Korelasi Merupakan teknik statistik yang digunakan untuk meguji ada/tidaknya hubungan serta arah hubungan dari dua variabel atau lebih
Materi Korelasi yang akan dibahas dalam blog ini adalah :
- Korelasi sederhana pearson & spearman
- Korelasi partial
- Korelasi ganda
KOEFISIEN KORELASI
Besar kecilnya hubungan antara dua variabel dinyatakan dalam bilangan yang disebut Koefisien Korelasi Besarnya Koefisien korelasi antara ( -1 0 +1 )
- Besaran koefisien korelasi ( -1 & 1 ) adalah korelasi yang sempurna
- Koefisien korelasi 0 atau mendekati 0 dianggap tidak berhubungan antara dua variabel yang diuji
ARAH HUBUNGAN
PEARSON CORRELATION
• 1 Variabel Y (dependen)
SPSS
Ada dua view dalam SPSS
Untuk pengambilan keputusan statistik, dapat digunakan 2 cara:
1. Koefisien Korelasi dibandingkan dengan nilai rtabel (korelasi tabel)
• Apabila Koefisien Korelasi > rtabeL Maka ada korelasi yang signifikan (Ha Diterima)
• Apabila Koefisien Korelasi < rtabeL Maka tidak ada korelasi yang signifikan (H0 Diterima)
2. Melihat Sig.
• Apabila nilai Sig. < 0,05 Maka ada korelasi yang signifikan (Ha Diterima)
• Apabila nilai Sig. > 0,05 Maka tidak ada korelasi yang signifikan (H0 Diterima)
Arah hubungan Dilihat dari tanda koefisien korelasi
•Tanda (-) berarti apabila variabel X tinggi maka variabel Y rendah
•Tanda (+) berarti apabila variabel X tinggi maka variabel Y juga tinggi
Digunakan untuk jenis data ordinal • Cara analisis dan interpretasi sama dengan Pearson. Perbedaan hanya pada waktu memilih box yang diaktifkan adalah box spearman
Korelasi yang digunakan untuk menguji hubungan dua atau lebih variabel independen dengan satu variabel dependen dan dilakukan Pengendalian pada salah satu variabel independennya
X1
Y
X2
*Kunci: X2 Dikendalikan
Korelasi yang digunakan untuk menguji hubungan dua atau lebih variabel independen dengan satu variabel dependen secara bersamaan
X1
} Y
X2
- Positif (Koefisien 0 s/d 1)
- Negatif (Koefisien 0 s/d -1)
- Nihil (Koefisien 0)
PEARSON CORRELATION
- Digunakan untuk data interval & rasio
- Distribusi data normal
- Terdiri dari dua variabel
• 1 Variabel Y (dependen)
SPSS
Ada dua view dalam SPSS
- Data View digunakan untuk memasukkan data yang akan dianalisis
- Variabel View digunakan untuk memberi nama variabel dan pemberian koding
INTERPRETASI
Untuk pengambilan keputusan statistik, dapat digunakan 2 cara:
1. Koefisien Korelasi dibandingkan dengan nilai rtabel (korelasi tabel)
• Apabila Koefisien Korelasi > rtabeL Maka ada korelasi yang signifikan (Ha Diterima)
• Apabila Koefisien Korelasi < rtabeL Maka tidak ada korelasi yang signifikan (H0 Diterima)
2. Melihat Sig.
• Apabila nilai Sig. < 0,05 Maka ada korelasi yang signifikan (Ha Diterima)
• Apabila nilai Sig. > 0,05 Maka tidak ada korelasi yang signifikan (H0 Diterima)
INTERPRETASI
Arah hubungan Dilihat dari tanda koefisien korelasi
•Tanda (-) berarti apabila variabel X tinggi maka variabel Y rendah
•Tanda (+) berarti apabila variabel X tinggi maka variabel Y juga tinggi
SPEARMAN
Digunakan untuk jenis data ordinal • Cara analisis dan interpretasi sama dengan Pearson. Perbedaan hanya pada waktu memilih box yang diaktifkan adalah box spearman
KORELASI PARTIAL
X1
Y
X2
*Kunci: X2 Dikendalikan
KORELASI GANDA
Korelasi yang digunakan untuk menguji hubungan dua atau lebih variabel independen dengan satu variabel dependen secara bersamaan
X1
} Y
X2
INTERPRETASI KORELASI GANDA
Untuk menginterpretasi korelasi ganda lihat nilai R, semakin mendekati 1 maka korelasi semakin kuat Guna memperkaya analisis, sebelum dianalisis korelasi ganda dapat juga ditambahkan analisis korelasi pada masing-masing variabel independen dengan variabel dependen (caranya sama dengan analisis korelasi pearson )
Untuk menginterpretasi korelasi ganda lihat nilai R, semakin mendekati 1 maka korelasi semakin kuat Guna memperkaya analisis, sebelum dianalisis korelasi ganda dapat juga ditambahkan analisis korelasi pada masing-masing variabel independen dengan variabel dependen (caranya sama dengan analisis korelasi pearson )
Tidak ada komentar:
Posting Komentar