Analisis Korelasi Tunggal

ANALISIS KORELASI

Korelasi adalah istilah statistic yang menyatakan derajat hubungan linear antara dua variabel atau lebih. Korelasi adalah salah satu teknik analisis yang paling banyak digunakan oleh peneliti, karena pada umumnya peneliti tertarikpada peristiwa peristiwa yang terjadi dan mencoba untuk menghubungkannya.

Hubungan antara dua variabel didalam teknik korelasi bukanlah dalam arti hubungan sebab akibat (timbal balik), melainkan hanya hubungan searah saja. Data penyebab atau yang mempengaruhi disebut variabel bebas, dan data akibat atau yang dipengaruhi disebut variabel terikat. Istilah bebas juga disebut dengan Independent yang biasanya dilambangkan dengan huruf X, sedangkan istilah terikat juga di sebut variabel dependent yang biasanya dilambangkan huruf Y. Bagaimana menentukan variabel bebas dan variabel terikat? Jawabnya tergantung dari landasan teoi yang akan digunakan

Variabel variabel yang akan digunakan terdiri atas berbagai tingkatan tingkatan data yang berupa interval, ordinal dan nominal serta rasio yang akan menentukan analisis korelasi mana yang paling tepat digunakan. Berikut teknik menentukan korelasi

Tabel 1

Teknik analisis tipe dan jumlah variabel bebas

		Interval		Ordinal		Nominal
		1	>1	1	>1	1	>1
Interval	0		Analisis Faktor	transformasi variabel ordinal ke nominal dan gunakan C-1, atau transformasikan variabel interval ke ordinal dan gunakan B-2, atau transformasikan kedua variabel ke nominal dan gunakan C-3				Lajur 1
	1	Korelasi	korelasi ganda			Anava ( atau t test )	Anava
	>1	Korelasi Ganda	Korelasi Kanonika			Analisis Diskriminasi Ganda	Analisis Diskriminasi Ganda
Ordinal	0	Transformasikan variabel ordinal ke nominal dan gunakan C-1, atau transformasikan variabel interval ke Ordinal dan gunakan B-2 atau transformasikan variabel internal ke nominal dan gunakan C-2			Koefisiaen Konkordas ( W )			Lajur 2
	1			Korelasi Spearman Kendall'stau		Sign test, median test, U test Kruskal Wallis, Anava satu jalan	Anava dua jalan (Friedman)
	>1
Nominal	0							Lajur 3
	1	Anava (Lihat C-1)	Analisis Diskriman Ganda (Lihat C-1)	Sign test, median test, U test Kruskal Wallis ( lihat C-1)		Koef Phi Fisher Exact Test, X2
	>1	Anava (Lihat C-1)	Anava (Lihat C-1)	Anava dua jalan (Friedman)
		KOLOM A		KOLOM B		KOLOM C

                Sumber : Tuckman

Tabel 2

Teknik Korelasi Dua variabel Bivariant untuk berbagai variabel

Teknik Korelasi	Simbol	Variabel 1	Variabel 2	Keterangan
Product	r	Kontinum(Interval)	Kontinum(Interval)	Teknik yang paling banyak dipakai, khususnya untuk mendapatkan standar kesalahan terkecil
Rank	ρ	Rank ( Ordinal	Rank ( Ordinal	Sering dipakai sebagai pengganti product moment terutama jika sampel kurang dari 30
Tan kendall	τ	Rank ( Ordinal	Rank ( Ordinal	Untuk Pengganti jika sampel kurang dari 10
Biserial	rbis	Kontinum	Kontinum	Kadang kadang lebih dari =1 standar kesalahan lebih besar dari r umumnya dipakai untuk analisis item
Biserial Widespread	rwbs	Kontinum	Kontinum	Khususnya dipakai untuk perseorangan yang ekstrem dalam dikotomi variabel
Point-Biserial	rpbis	Kontinum	Kontinum	Hasil lebih rendah dari pada rbis
Tentrachoris	Ss	Dikotomi Artifisial Buatan	Dikotomi Artifisial Buatan	Digunakan jika kedua variabel dapat dipecahkan pada titik kritis
Phi	Ø	Dikotomi Sebenarnya	Dikotomi Sebenarnya	Digunakan pada perhitungan antara anilisi item
Contingensi	ɛ	2 Kategori atau lebih	2 Kategori atau lebih	Ialah kondisi khusus dapat dibandingkan dengan r tan -ber-hubungan erat dengan chi kuadrat
Rasio Otomatis	ƞ	kotinum	kotinum	Digunakan untuk mengetahui hubungan nonliniear

Disadur dari Borg w Gall, 1983, hal 587; Isaacc &  Michael 1983 hal 166

Tabel 3

Koefisien Korelasi

Koefisien Korelasi	Variabel yang diukur
Produk Moment Pearson                                       è Kedua Variabelnya berskala interval
Order rank Spearman                                             è Kedua variabelnya berskala Ordinal
Point Serial                                                               è Satu berskala dikotomi sebenarnya dan satu berskala interval
Biserial                                                                       è Satu berskala dikotomi buatan dan satu interval
Koefisien kontingensi                                             è  Kedua Variabel berskala nominal

Disadur dari Sutrisno Hadi, 1987, hal 6-7

KORELASI PRODUCT MOMENT

Korelasi product Moment sering disebut Korelasi saja merupakan salah satu teknik korelasi yangpaling banyak digunakan dalam penelitian social. Besarnya angka korelasi disebut koefisien korelasi yang dinyatakan dengan lambing r.

1.      Guna Korelasi

a.       Untuk menyatakan ada atau tidaknya hubungan yang signifikan antara variabel satu dengan variabel yang lainnya

b.      Untuk menyatakan besarnya sumbangan variabel satu terhadap yang lainnya yang dinyatakan dengan persen. Dengan demikian, maka r² disebut koefisien determinasi atau koefisien penentu. Hal ini disebabkan r² X 100% terjadi dalam variabel terikat Y yang mana ditentukan oleh variabel X

2.      Asumsi

Asumsi ataupun persyaratan yang harus dipenuhi dalam menggunakan korelasi Pearson Product Moment adalah :

a.       Variabel yang dihubungkan mempunyai data yang berdistribusi normal

b.      Variabel yang dihubungkan mempunyai data linear

c.       Variabel yang dihubungkan mampunyai data yang dipilih secara acak ( random )

d.      Variabel yang dihubungkan mempunyai pasangan sama dari subjek yang sama pula ( variasi skor variabel yang dihubungkan harus sama )

e.       Variabel yang dihubungkan mempunyai data interval atau rasio

3.      Kelayakan nilai r

a.       Batas nilai r

Nilai r tebesar adalah +1, dan terkecil -1sehingga dapat ditulis -1 ≤ r ≤ +1. Untuk r=+1 disebut hubungan positif sempurna dan hubungan linear langsung sangat tinggi, dan sebaliknya untuk r=-1 disebut hubungan negative sempurna dan hubungan tidak langsung sangat tinggi

b.      Hanya untuk hubungan linear

c.       Tidak berlaku untuk satu sampel dengan varian = 0, karena z tidak dapat dihitung dan akhirnya r tidak dapat dihitung juga

d.      r tidak mempunyai satuan (dimensi)

Jika r = +1 diberi makna hubungan kedua hubungan linear, positif dan sangat tinggi, begitu pula sebaliknya jika r = -1 diberi makna kedua hubungan tidak linear, negative sangat tinggi, maka diantara +1 dan -1  untuk mengetahui nilai r dapat dihitung atau dikonsultasikan pada table berikut :

Tabel 4

Interpretasi Nilai r

r	Interpretasi
0	Tidak berkorelasi
0,01 – 0,20	Sangat Rendah
0,21 – 0,40	Rendah
0,41 – 0,60	Agak Rendah
0,61 – 0,80	Cukup
0,81 – 0,99	Tinggi
1	Sangat Tinggi

4.      Menghitung nilai r

Untuk menghitung nilai korelasi atau hubungan antar variabel yang telah menjadi obyek penelitian, lebih lanjut terurai dalam modul yang bisa di download.
karena penyajian materi ini dengan menggunakan rumus dan tidak muncul, untuk menghindari kesalahan dan anggapan komunikasi. maka sabarrr dulu masih dalam proses pengunggahan file.