Panduan Dasar # 4 Analisis Korelasi

Analisis korelasi digunakan untuk menjelaskan kekuatan dan arah hubungan antara dua variabel. Korelasi bersifat undirectional yang artinya tidak ada yang ditempatkan sebagai predictor dan respon (IV dan DV).

Angka korelasi berkisar antara  -1 s/d +1. Semakin mendekati 1 maka korelasi semakin mendekati sempurna. Sementara nilai negative dan positif mengindikasikan arah hubungan. Arah hubungan yang positif menandakan bahwa pola hubungan searah atau semakin tinggi A menyebabkan kenaikan pula B (A dan B ditempatkan sebagai variabel)

Interprestasi angka korelasi menurut Prof. Sugiyono (2007)

• 0          -           0,199   : Sangat lemah
• 0,20     -           0,399   : Lemah
• 0,40     -           0,599   : Sedang
• 0,60     -           0,799   : Kuat
• 0,80     -           1,0       : Sangat kuat

Dalam Bivariate model, korelasi yang umum digunakan adalah Pearson, Kendall, dan Rank Spearman, namun yang dibahas kali ini adalah Pearson r Correlation aja..

Uji korelasi dalam spsss dapat dilihat dalam menu Correlate dengan sub menu :

·         Bivariat  (besar hubungan diantara dua variable : koefisien korelasi bivariate/product moment pearson untuk mengukur keeratan hubungan antara peringkat-peringkat dibandingkan hasil pengamatan itu sendiri dengan mengasyaratkan bahwa populasi asal sampel mempunyai dua varians dan berdistribusi normal, korelasi pearson untuk mengukur data interval atau rasio) dan korelasi peringkat spearman dan kendall (untuk mengukur keeratan hubungan antara peringkat-peringkat dibandingkan hasil pengamtan itu sndiri dan bisa digunakan untuk menghitung data ordinal dan pengunaan asoisasi pada sttsistik nonparametric)

Pearson r correlation:

Pearson r correlation biasa digunakan untuk mengetahui hubungan pada dua variabel. Korelasi dengan Pearson ini mensyaratkan data berdistribusi normal.

Rumus yang digunakan adalah sebagai berikut :

Diketahui kasus

·         Partial (perubahan menegnai ubungan linier antara dua variable dengan melakukan control terhadap satu atau lebih variable tambahan)

Kasus : dilakukan penelitian untuk mengetahui ada tidaknya hubungan antara kemampuan grammer (X) terhadap kemampuan conversation (Y)  yang dilakukan terhadap 20 mahasiswa yang diambil secara random, didapatkan nilai

X : 70, 80, 72, 67, 64, 70, 71, 76, 90, 96, 54, 52, 65, 71, 66, 89, 80, 64, 60, 74

Y : 70, 67, 74, 58, 73, 79, 57, 58, 71, 66, 72, 55, 76, 65, 81, 75, 76, 77, 69, 70

Langkah-langkah :

1.    Buat Variable dengan mengklik Variable View untuk X dan Y, isikan di …

·         Name :  ketik X, untuk Type (klik pojok yang berwarna abu-abu,”Variable Type” klik “numeric”

·         Widh : default 8

·         Decimals : default 2

·         Label : ketik Grammer

·         Terus dibawah name X, ketik Y untuk type : Numeric

·         Widh : default 8

·         Decimals : default 2

·         Label : ketik Conversation

2.    Masukan data dengan mengklik Data View divariabel X dan Y

3.    Kemudian buka Analyze àCorrelate (sesuai kasus) klik Bivariate, pindahkan ke variable X dan Y untuk kolom Correlation Coefficient, pilih Pearson dan abaikan alat hitung yang lain. Untuk kolom test of significance, karena akan diuji dua sisi, maka pilih two-tailed. Untuk pilihan Flag Significant Correlation, kemuian klik option, pada pilihan statistic abaikan saja.pada pilihan missing values ada dua pilihan Exclude Cases Pairwise dan Exclude Cases Listwise, untuk keseragaman ambil Exclude Cases Pairwise, tekan Continue kemudian Ok

Korelasi rank spearman dan kendall

Menu regresi

dilakukan penelitian untuk mengetahui ada tidaknya hubungan antara kemampuan Grammer (X₁)dan Vocabulary (X₂) terhadap kemampuan Conversation (Y)  yang dilakukan terhadap 20 mahasiswa yang diambil secara random, didapatkan nilai

X1 : 70, 80, 72, 67, 64, 70, 71, 76, 90, 96, 54, 52, 65, 71, 66, 89, 80, 64, 60, 74

X2 : 72, 82, 75, 65, 67,70, 73, 75, 86, 90, 95, 56, 55, 71, 67, 88, 80,66, 60, 70

Y : 70, 67, 74, 58, 73, 79, 57, 58, 71, 66, 72, 55, 76, 65, 81, 75, 76, 77, 69, 70

1.    Buat Variable dengan mengklik Variable View untuk X1, X2  dan Y, isikan di …

·         Name :  ketik X1à untuk Type (klik pojok yang berwarna abu-abu,”Variable Type” klik “numeric”

·         Widh : default 8

·         Decimals : default 2

·         Label : ketik Grammer

·         Dibawah X1 ketik X2à, untuk Type (klik pojok yang berwarna abu-abu,”Variable Type” klik “numeric”

·         Widh : default 8

·         Decimals : default 2

·         Label : ketik Vocabulary

·         Kemudian ketik Y untuk type : Numeric

·         Widh : default 8

·         Decimals : default 2

·         Label : ketik Conversation

2.    Masukan data dengan mengklik Data View divariabel X1, X2 dan Y

3.    Kemudian buka Analyze àRegression (sesuai kasus) klik Linear, kemudian tampak layar Linear Regression, lalu pindahkan variable Y ke kotak Dependent dan masukan variable X1 dan X2 ke kotak Independent, Case Label : biarkan, kemudian Method : klik Enter.

·         Kemudian pilih option àStepping method criteria, klik Use Probability Of F, klik Entry .05, kemudian pilihan default Include Constant In Equation, sedang Missing Value dengan klik Exclude Cases Listwise, klik Continue…

·         Pilih kolom statistic, àRegression Coefficient, aktifkan Estimate. Pilih descriptive pada kolom sebelah kanan, tetap aktifkan Model Fit, residual klik mouse pada Casewise Diagnostics lalu pilih All Cases, klik Continue.

·         Pilih Plot (berhubungan dengan gambar/grafik untuk regresi). Klik pilihan SDRESID masukan ke pilihan Y, lalu pilihan ZPRED dan masukan ke pilihan X, klik Next isikan plot ke dua…(tampak variable Y dan X kosong), kemudian klik ZPRED dan masukan ke pilihan y, kemudian pilihan pilihan DEPENDNT dan masukan pilihan x, klik tombol next untuk pengisian plot ke tiga, PILIHAN Standardized Residual Plots, Klik Mouse Pada Normal Probability Plot, Klik Continue..OK.

B. Contoh Kasus

Pak Ali ingin mengetahui apakah ada hubungan antara pengawasan (Control), kepuasan kerja (Job Satisfaction), Disiplin kerja (discipline), dan kinerja (Performance). data dapat diambil CONTOH DATA KORELASI

Jumlah data 37.

Instrumen : angket

C. Penyelesaian Kasus dengan SPSS:

Langkah 1. Pada menu Analyze pilih “Correlate .> Bivariate” . Setelah itu akan ada tampilan sbb:

Langkah 2.

Masukkan variabel yang akan dikorelasikan ke dalam Variable list. Klik  Pearson dan untuk test significance klik Two tailed. kemudian OK.

Click on “option” and select “descriptive statistics”, abaikan yang lain lalu klik “OK”

Interprestasi

Arti angka Korelasi

1.      Control – Performance. Nilai korelasi adalah positif 0.668. Besaran angka korelasi menunjukkan bahwa korelasi antara Control dan Performance berada dalam kategori “Kuat”, sementara nilai positif mengindikasikan pola hubungan antara Control dengan Performance adalah searah (semakin tinggi Control maka semakin tinggi pula Performance). Perolehan p hitung = 0.000 < 0.05 yang menandakan bahwa hubungan yang terjadi adalah signifikan.

2.      Job Satisfaction – Performance. Nilai korelasi adalah positif 0.772. Besaran angka korelasi menunjukkan bahwa korelasi antara Job satisfaction dan Performance berada dalam kategori “Kuat”, sementara nilai positif mengindikasikan pola hubungan antara adalah searah (semakin tinggi Job Sat maka semakin tinggi pula Performance). Perolehan p hitung = 0.000 < 0.05 yang menandakan bahwa hubungan yang terjadi adalah signifikan.

3.      Dicipline – Performance. Nilai korelasi adalah positif 0.749. Besaran angka korelasi menunjukkan bahwa korelasi antara Dicipline dan Performance berada dalam kategori “Kuat”, sementara nilai positif mengindikasikan pola hubungan antara dicipline dengan Performance adalah searah (semakin tinggi Control maka semakin tinggi pula Performance). Perolehan p hitung = 0.000 < 0.05 yang menandakan bahwa hubungan yang terjadi adalah signifikan.

Buku Rujukan : Prof. Dr. Sugiyono. Metode Penelitian Administasi. Bandung : Alfabeta