Korelasi Pearson dan Spearman digunakan untuk meguji ada/tidaknya hubungan serta arah hubungan dari dua variabel atau lebih.
KOEFISIEN KORELASI adalah Besar kecilnya hubungan antara dua variabel dinyatakan dalam bilangan, 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
- Hubungan Positif (Koefisien 0 s/d 1)
- Hubungan Negatif (Koefisien 0 s/d -1)
- Hubungan Nihil (Koefisien 0)
Tingkat Korelasi :
- 0 : Tidak ada korelasi antara dua variabel
KORELASI PEARSON (PEARSON CORRELATION)
- Korelasi Pearson Digunakan untuk data interval & rasio
- Distribusi data normal
- Terdiri dari dua variabel 1 Variabel X (Independen) dan 1 Variabel Y (dependen)
CONTOH KASUS KORELASI PEARSON
Judul: HUBUNGAN ANTARA INTENSITAS BELAJAR DENGAN PRESTASI MATA KULIAH STATISTIK
- Variabel X Intensitas belajar (diukur dari lamanya belajar dalam satu minggu)
- Variabel Y Prestasi matakuliah statistik (diukur dari nilai ujian akhir semester)
•Hipotesa:
• H0 : Tidak ada hubungan antara Intenitas belajar dengan prestasi mata kuliah statistik
• Ha : Ada hubungan antara Intenitas belajar dengan prestasi mata kuliah statistik
PENYELESAIAN KASUS DENGAN SPSS
KOEFISIEN KORELASI adalah Besar kecilnya hubungan antara dua variabel dinyatakan dalam bilangan, 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
- Hubungan Positif (Koefisien 0 s/d 1)
- Hubungan Negatif (Koefisien 0 s/d -1)
- Hubungan Nihil (Koefisien 0)
Tingkat Korelasi :
- 0 : Tidak ada korelasi antara dua variabel
-
>0 – 0,25: Korelasi sangat lemah
-
>0,25 – 0,5: Korelasi cukup
-
>0,5 – 0,75: Korelasi kuat
-
>0,75 – 0,99: Korelasi sangat kuat
-
1: Korelasi sempurnaKORELASI PEARSON (PEARSON CORRELATION)
- Korelasi Pearson Digunakan untuk data interval & rasio
- Distribusi data normal
- Terdiri dari dua variabel 1 Variabel X (Independen) dan 1 Variabel Y (dependen)
CONTOH KASUS KORELASI PEARSON
Judul: HUBUNGAN ANTARA INTENSITAS BELAJAR DENGAN PRESTASI MATA KULIAH STATISTIK
- Variabel X Intensitas belajar (diukur dari lamanya belajar dalam satu minggu)
- Variabel Y Prestasi matakuliah statistik (diukur dari nilai ujian akhir semester)
•Hipotesa:
• H0 : Tidak ada hubungan antara Intenitas belajar dengan prestasi mata kuliah statistik
• Ha : Ada hubungan antara Intenitas belajar dengan prestasi mata kuliah statistik
PENYELESAIAN KASUS DENGAN SPSS
- Masukkan pada SPSS tamplan DATAVIEW angka angka yang ada pada kolom var0000 dan kolom var000000
- Setelah semua angka dimasukkan klik VARIABELVIEW pada sudut kiri layar hingga tampilan seperti tabel-2
- Ganti var0000 menjadi INTENSITAS BELAJAR dan var00000 menjadi PRESTASI STATISTIK lalu klik kembali DATAVIEW Untuk kembali kelayar SEMULA
![](https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEh5vl5ftCf_JaZuP1RblS9HjHCQQa-JE63-klENdmGY2X-3h5jIPEPh3_e0VZBUXqDljwytsULKI0n_hprnyODPsIYpLUvmz-Rd8UUxPcRGe_pkPuM-MbGli7pY9dQqqiMcZhVIZvrUnzHb/s320/tabel-2+pearson-spss.png)
4. Selanjutnya lakukan uji normalitas dengan cara Klik Analyze, Descriptive Statistic, Explore,
Klik PLOT, Centang BOX NORMALITY PLOTS WITH TEST Setelah itu Klik
CONTINUE lalu OK untuk menampilkan Output Uji Normalitas.
![](https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEhIf6tD5XAbQGTawhj_OmmsfS5cpaQ8hHXbV3gwGFSecdubcTbTNZXEaYvOZCl1rk4FaS6RphuaGsaqpae7OYWDfcwKp8irWz93lsTQpT19bzlPyiOlL7zWkhdfLfVXjzVIGuBj7UCRf8pb/s1600/Tabel-4+Pearson+SPSS.png)
![](https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEigRmF4l4rjQKcbxMttIyxD7P-N15WOWfNHOZoqLOHGPN5a693W3ggKMhpclbHWOKFEBpiMzg8JMZoAzO0kElv_WTflQCKDJCh3ndF1as-xfHND_ybxXfpIHFVJaX2JNgELJcFrOoMCttz1/s320/tabel-6+Output+Pearson+SPSS.png)
INTERPRETASI HASIL OUTPUT SPSS
Perhatikan Uji Normalitas pada tabel test of normality
jika nilai Siq > 0.05 maka Normal
jika nilai siq < 0.05 maka tidak normal
BIVARIAT CORRELATION (HUBUNGAN 2 VARIABEL)
1. Layar Tampilan Masih dalam tampilan DataVIEW Klik Analyze, Correlate,Bivariate
Perhatikan Uji Normalitas pada tabel test of normality
jika nilai Siq > 0.05 maka Normal
jika nilai siq < 0.05 maka tidak normal
BIVARIAT CORRELATION (HUBUNGAN 2 VARIABEL)
1. Layar Tampilan Masih dalam tampilan DataVIEW Klik Analyze, Correlate,Bivariate
![](https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEiZM5nPiJvfuokZcOiV4LvdXhi_WzSEzxxWzR9JwhiiR47DrzftChCJWmIThRV0xaE0BsL7PHgqna9mptDpaKR2qhVcVfXxTTZUgTJHc521-5iqkfgZW72XJnqJCfGY_JvYzi7wDPD8Y-cW/s320/Tabel+7+Pearsen+Correlate.png)
2. Berikutnya akan tampil seperti tabel berikut lalu pindahkan variabe INTENSITAS BELAJAR DAN PRESTASI STATISTIK KE Kekanan, Klik CEK BOX Pearson Lalu Klik OK Selanjutnya Lihat OUTPUS SPSS dan INTERPRETASI.
![](https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEgoeN879I_ufhjqevSo4BNqkaE-jSN0_SIVosYZD6bbEqTcyEOP8YTx1W2kvlqtb_hQ4n86vT4VqcwcDjc2MY1y3w9Dv2quUUF9ok4kVaHS9WmJA-kbFfQdLaASrifJiI9RAkx-jTMCP51k/s320/Tabel-9+Pearson+Correlate.png)
OUTPUT SPSS BIVARIAT CORRELATION
![](https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEgMZubAdLIfDYeB9_8yk5LwezgXi6_oSI1s9RO2jCpu2LTKRY3IWtL5I6XsR4EKN8s_dsrfnjfUfJIwzpWGqc3-YPHYsIugLYwwgwgrTWuOpfFQbwXLK_iXO3tsi6-3MEN47BTgdcZiSAEh/s320/tabel-10+pearson+correlate.png)
Lihat Person korelasi 0.721
dan sig (2-tailed) = 0.000
Untuk pengambilan keputusan statistik, dapat digunakan 2 cara:
1. Koefisien Korelasi dibandingkan dengan nilai (r tabel) (korelasi tabel)
- Apabila Koefisien Korelasi > r korelasi yang signifikan (Ha tabeL Diterima)
- Apabila Koefisien Korelasi < r Maka tidak ada korelasi yang signifikan (Ho Diterima)
2. Melihat Sig.tabel
- 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
Korelasi Spearman sebetulnya sama dengan korelasi pearson. Hanya kalau korelasi pearson digunakan untuk jenis data interval dan rasio sedangkan untuk korelasi spearmen digunakan untuk jenis data ordinal dan perbedaan pengolahan data pada spss hanya pada cara memilih box yang diaktifkan adalah BOX SPEARMEN.
dan sig (2-tailed) = 0.000
Untuk pengambilan keputusan statistik, dapat digunakan 2 cara:
1. Koefisien Korelasi dibandingkan dengan nilai (r tabel) (korelasi tabel)
- Apabila Koefisien Korelasi > r korelasi yang signifikan (Ha tabeL Diterima)
- Apabila Koefisien Korelasi < r Maka tidak ada korelasi yang signifikan (Ho Diterima)
2. Melihat Sig.tabel
- 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
Korelasi Spearman sebetulnya sama dengan korelasi pearson. Hanya kalau korelasi pearson digunakan untuk jenis data interval dan rasio sedangkan untuk korelasi spearmen digunakan untuk jenis data ordinal dan perbedaan pengolahan data pada spss hanya pada cara memilih box yang diaktifkan adalah BOX SPEARMEN.
Tidak ada komentar:
Posting Komentar