Senin, 19 Agustus 2013

Analisis Korelasi

Didalam Walpole (1995), analisis korelasi adalah metode statistik yang digunakan untuk mengukur besarnya hubungan linier antara dua variabel atau lebih. Nilai korelasi populasi (ρ) berkisar pada interval -1 ≤ ρ ≤ 1. Jika korelasi bernilai positif, maka hubungan antara dua variabel bersifat searah. Sebaliknya, jika korelasi bernilai negatif, maka hubungan antara dua variabel bersifat berlawanan arah. Misalkan korelasi sampel antara variabel X dan Y (rX,Y) bernilai positif mengartikan bahwa jika nilai X naik maka nilai Y juga naik, sedangkan jika nilai X turun maka nilai Y juga turun. Misalkan korelasi sampel antara variabel X dan Y (rX,Y) bernilai negatif mengartikan bahwa jika nilai X naik maka nilai Y juga turun, sedangkan jika nilai X turun maka nilai Y juga naik. Nilai korelasi sampel (r) diukur dari korelasi Pearson dengan syarat data berskala interval/rasio yang mana dirumuskan sebagai berikut.
Nilai n adalah jumlah pengamatan. Interpretasi dari besarnya nilai korelasi sampel antara variabel dapat diklasifikasikan sebagai berikut.
Tabel 1. Koefisien Korelasi dan Interpretasinya*
Nilai Korelasi Sampel (r)
Interpretasinya
0,00 - 0,09
Hubungan korelasinya diabaikan
0,10 - 0,29
Hubungan korelasi rendah
0,30 - 0,49
Hubungan korelasi moderat
0,50 - 0,70
Hubungan korelasi sedang
> 0,70
Hubungan korelasi sangat kuat
                 *Dijabarkan oleh Yamin dan Kurniawan (2009:70)
Untuk menguji korelasi populasi (ρ) antara X dan Y digunakan hipotesis sebagai berikut
          H0ρ = 0
          H1ρ ≠ 0
Korelasi populasi signifikan (keberadaannya nyata)  ketika P-value (Sig.(2-tailed)) ≤ α dengan P-value adalah probabilitas kesalahan yang dihasilkan dari proses pengujian, sedangkan nilai α adalah probabilitas kesalahan yang ditentukan oleh peneliti biasanya sebesar 1%, 5%, atau 10%. Secara teori, P-value merupakan probabilitas kesalahan ketika hipotesis nol dapat ditolak berdasarkan statistik uji, sedangkan nilai α merupakan probabilitas kesalahan menolak hipotesis nol padahal hipotesis nol bernilai benar.

Berdasarkan skala pengukuran pada data pengamatan, korelasi dibedakan menjadi:
  1. Korelasi Pearson digunakan untuk mengetahui hubungan antara dua variabel yang memiliki data beskala interval/rasio.
  2. Korelasi Kendall's Tau dan Korelasi Rank Spearman digunakan untuk mengetahui hubungan antara dua variabel yang memiliki data beskala ordinal.
  3. Contingency Coefficient dan Cramer's V digunakan untuk mengetahui hubungan antara dua variabel yang memiliki data beskala nominal.
  4. Korelasi Eta digunakan untuk mengetahui hubungan antara variabel data yang beskala nominal dan interval.

REFERENSI
[1]  Yamin, S. dan Kurniawan, H., 2009, SPSS Complete: Teknik Analisis Statistik Terlengkap dengan Software SPSS, Buku Seri Pertama, Jakarta: Salemba Infotek. 
[2]  Walpole, R.E. 1995. Pengantar Statistika. Edisi ke-3. Jakarta: Gramedia.

0 komentar:

Poskan Komentar