Iklan 1

Minggu, Agustus 26, 2007

Korelasi Bagian I: Apa itu Korelasi

Korelasi atau Regresi? Pertanyaan seperti ini sering muncul ketika peneliti akan melakukan analisis statistik untuk melihat hubungan antar variabel. Jawaban yang sering saya dengar adalah: "Kalau korelasi itu untuk dua variabel, satu variabel independen dan satu variabel dependen.Sementara kalo regresi itu untuk lebih dari dua variabel, lebih dari satu variabel independen dan satu variabel dependen."

Ungkapan ini tidak sepenuhnya salah, karena regresi memang bisa digunakan untuk melihat hubungan antara lebih dari satu variabel independen dengan satu variabel dependen. Masalahnya adalah ungkapan ini tidak menggambarkan perbedaan utama antara regresi dan korelasi. Regresi juga bisa digunakan untuk menganalisis hubungan antara satu variabel independen dengan satu variabel dependen. Selain itu diperoleh kesan bahwa kedua teknik ini berbeda hanya pada tataran jumlah variabel yang ditangani, padahal perbedaan keduanya lebih dari itu.

Apa itu Korelasi?

Mungkin sebelum kita sampai ke sana, kita perlu membahas terlebih dulu apa itu teknik korelasi. Teknik korelasi merupakan teknik analisis yang melihat kecenderungan pola dalam satu variabel berdasarkan kecenderungan pola dalam variabel yang lain. Maksudnya, ketika satu variabel memiliki kecenderungan untuk naik maka kita melihat kecenderungan dalam variabel yang lain apakah juga naik atau turun atau tidak menentu. Jika kecenderungan dalam satu variabel selalu diikuti oleh kecenderungan dalam variabel lain, kita dapat mengatakan bahwa kedua variabel ini memiliki hubungan atau korelasi.

Ketika berbicara mengenai korelasi, biasanya orang (mahasiswa atau peneliti) akan berbicara mengenai korelasi antara dua atau lebih variabel yang memiliki skala pengukuran interval bukan kategorik. Sebenarnya pengertian korelasi juga dapat digunakan untuk menganalisis hubungan antara dua atau lebih variabel yang memiliki skala pengukuran kategorik. Tapi untuk sementara kita sisihkan dulu saja pembahasannya agar tidak terlalu rumit.

Angka yang digunakan untuk menggambarkan derajat hubungan ini disebut koefisien korelasi dengan lambang rxy. Teknik yang paling sering digunakan untuk menghitung koefisien korelasi selama ini adalah teknik Korelasi Product Momen Pearson. Teknik ini sebenarnya tidak terbatas untuk menghitung koefisien korelasi dari variabel dengan skala pengukuran interval saja, hanya saja interpretasi dari hasil hitungnya harus dilakukan dengan hati-hati.

Pemikiran utama korelasi product momen adalah seperti ini:
  • Jika kenaikan kuantitas dari suatu variabel diikuti dengan kenaikan kuantitas dari variabel lain, maka dapat kita katakan kedua variabel ini memiliki korelasi yang positif. Jika kenaikan kuantitas dari suatu variabel sama besar atau mendekati besarnya kenaikan kuantitas dari suatu variabel lain dalam satuan SD, maka korelasi kedua variabel akan mendekati 1.
  • Jika kenaikan kuantitas dari suatu variabel diikuti dengan penurunan kuantitas dari variabel lain, maka dapat kita katakan kedua variabel ini memiliki korelasi yang negatif. Jika kenaikan kuantitas dari suatu variabel sama besar atau mendekati besarnya penurunan kuantitas dari variabel lain dalam satuan SD, maka korelasi kedua variabel akan mendekati -1.
  • Jika kenaikan kuantitas dari suatu variabel diikuti oleh kenaikan dan penurunan kuantitas secara random dari variabel lain atau jika kenaikan suatu variabel tidak diikuti oleh kenaikan atau penurunan kuantitas variabel lain (nilai dari variabel lain stabil), maka dapat dikatakan kedua variabel itu tidak berkorelasi atau memiliki korelasi yang mendekati nol.
Dari pemikiran ini kemudian lahirlah Rumus Korelasi Product Momen Pearson seperti yang sering kita lihat di buku. Ada beberapa rumus yang dapat diacu. Semuanya akan memberikan hasil r yang sama, hanya saja dengan melihatnya kita akan dapat melihat pemaknaan yang berbeda-beda.

Rumus pertama :
Ada beberapa hal yang dapat kita pelajari dari rumus ini :
  1. Jika setiap subjek yang memiliki nilai X lebih rendah dari meannya, memiliki nilai Y yang juga lebih rendah dari meannya, nilai r akan menjadi positif. Begitu juga jika setiap subjek yang memiliki nilai X lebih tinggi dari meannya, memiliki nilai Y yang lebih tinggi dari meannya.
  2. Jika setiap subjek yang memiliki nilai X yang lebih tinggi dari meannya, memiliki nilai Y yang lebih rendah dari meannya maka nilai r akan menjadi negatif. Begitu juga jika tiap subjek yang memiliki nilai X lebih rendah dari meannya memiliki nilai Y yang lebih tinggi dari meannya.
  3. Jika tiap nilai X yang lebih tinggi dari meannya terkadang diikuti oleh nilai Y yang lebih tinggi terkadang lebih rendah dari meannya maka nilai r akan cenderung mendekati 0 (nol).
Rumus Kedua
Nah dari rumus kedua ini dapat kita simpulkan bahwa nilai korelasi sebenarnya nilai kovarian dari dua variabel x dan y yang distandardkan dengan menggunakan standard deviasi x dan standard deviasi y sebagai denominatornya. Mengapa nilai kovarian perlu distandardkan? (ada yang bertanya apa itu kovarian? lihat di posting berikutnya ya...). Nilai kovarian sangat dipengaruhi oleh satuan skala yang digunakan oleh kedua variabel. Misalnya kita menghitung kovarian dari tinggi badan dengan panjang rambut , pengen tahu apakah tinggi badan berkorelasi dengan panjang rambut (iseng banget yak...). Kita menghitung tinggi badan dan panjang rambut dalam satuan meter. Kemudian kita hitung kovariannya. Setelah itu kita menggunakan data yang sama, hanya mengubah satuannya menjadi centimeter, lalu menghitung kovariannya. Nah kovarian dari hasil perhitungan kedua akan terlihat lebih besar daripada yang pertama.
Lebih besar? Ya karena dengan menggunakan satuan centimeter, 1.4 meter akan menjadi 140 centimeter. Jika kita hitung kovariannya, perhitungan pertama akan menghitung dalam skala satuan (1.4, 1.5, dst) sementara perhitungan kedua akan menghitung dalam skala ratusan.
Oleh karena itu perlu distandardkan agar data yang sama akan menghasilkan angka yang sama meskipun diubah skalanya.

Rumus Ketiga
Rumus ketiga ini agak sulit ceritanya. Kalo nggak hati-hati bisa dimarah-marah sama Pedhazur (Pedhazur, 1997) soalnya. Begini:
  • Zx dan Zy itu berbicara mengenai nilai X dan Y dalam satuan SD.
  • Jika nilai X ada di bawah mean dari X maka nilai Zx akan negatif, jika nilai X ada di atas meannya maka nilai Zx akan positif. Begitu juga dengan Y.
  • Seperti pada rumus pertama, jika Zx dan Zy sepakat (keduanya positif atau negatif) maka nilai r akan positif. Jika Zx dan Zy berlawanan (jika yang satu positif yang lain negatif) maka nilai r akan negatif.
  • Nah misalnya ada seratus subjek memiliki nilai X dan Y. Lalu kita hitung satu-satu nilai Z dari X dan Y untuk tiap subjek. Tentu saja ada beberapa yang sangat sepakat yang lain agak sepakat yang beberapa berlawanan. Kemudian nilai-nilai Z ini dijumlahkan sehingga jika yang sepakat lebih banyak akan menghasilkan angka positif. Kalo yang berlawanan lebih banyak akan menghasilkan angka negatif. Kemudian hasil penjumlahan ini dicari rata-ratanya.
  • Jadi bisa dibilang nilai r itu akan menggambarkan rata-rata keadaan X dan Y dari semua subjek dalam kelompok.
  • Ribet ya? OK...OK... contohnya begini : misalnya ada sekelompok orang di stadion. Beberapa dari mereka (misalnya 80 orang) mengenakan baju hijau dan celana hijau, sisanya baju hijau celana merah (idih norak banget yak...). Kalo kamu ditanya bagaimana pakaian mereka? kita bisa bilang kebanyakan berpakaian sepakat hijau-hijau, karena tingkat kesepakatan hijau-hijau lebih dominan. Jadi bisa dibilang korelasi baju dan celana di kelompok itu positif. Semoga bisa lebih jelas ya. Fiuhh...
Rumus Keempat
Rumus keempat?!!! Hehe cuma bercanda kok. Nggak usah emosi gitu dong.

Ya saya cuma menyajikan tiga rumus aja. Semuanya menghasilkan nilai r yang sama persis (kalo sampe beda pasti ada kesalahan dengan kalkulatornya...). Hanya saja dari tiap rumus kita bisa melihat atau mempelajari interpretasi yang berbeda dari nilai r.

Oke yang dah bosen bisa lihat klip di bawah ini, dua-duanya idola saya :



Further Study:
Howell, D.C.(1984) Statistical methods for psychology. London : Duxbury Press

Pedhazur,E.J.(1997) Multiple regression in behavioral research. Wadsworth:Thomson Learning

46 komentar:

Anonim mengatakan...

trima kasih banyak........

ini sangat membantu saya.....

sx lg makasih

arenews mengatakan...

Pak Agung, tanya ya...

Pak skala Likert itu skala ordinal ya pak?
Lalu kalau itu ordinal, berarti tidak boleh dikali, dibagi, dll... kan?
Lalu bagaimana mengukur korelasinya..?

Thanks bgt..
Arie

Agung Santoso mengatakan...

Pertanyaan ini seharusnya baru terjawab dengan memuaskan jika dibahas dalam posting sendiri. Tetapi untuk sementara jawaban saya begini: Skor respon subjek dalam tiap item skala likert sebenarnya diberikan melalui proses tertentu. Proses ini akan memberikan skor dengan jenis data yang interval, sehingga dapat dijumlahkan menjadi satu skor total.
Nah, dalam penelitian2 sebelumnya, skor respon subjek pada satu kategori, biasanya akan memperoleh skor yang cenderung sama (misalnya Setuju cenderung memperoleh skor mendekati 4). Oleh karena itu kemudian dalam prakteknya, peneliti2 cenderung untuk menggunakan skor respon ini dalam skalanya tanpa melalui proses yang seharusnya dilalui demi efisiensi.

Oleh karena itu dapat dikatakan, pada awalnya, skala Likert itu menghasilkan jenis data yang interval khususnya setelah diperoleh skor total skalanya.

Dalam praktek berikutnya, kita berasumsi bahwa karakteristik ini tidak berubah meskipun kita tidak melakukan proses penentuan skor seperti pada rancangan awalnya.
Oleh karena itu, asumsi interval ini yang kemudian digunakan dalam penelitian2.

Dengan demikian, jika arenews sependapat dengan ini, penghitungan korelasinya tentu saja tetap dapat menggunakan korelasi produk momen sejauh asumsi lain terpenuhi.

Anonim mengatakan...

Assalamualaikum pak Agung
nama saya : Yulfrinal
judul saya :'Peranan Sistem PDE dalam menunjang Efektivitas Aktivitas Persediaan Bahan Baku'
identifikasi masalahnya :
1.Adakah peranan system pengolahan data elektronik dalam meningkatkan efektivitas aktivitas pengendalian persediaan bahan baku
2.Seberapa besar peranan System Pengolahan Data Elektronik dalam meningkatkan Efektivitas Aktivitas Pengendalian Persediaan Bahan Baku
yang mau ditanyakan, sebaiknya saya menggunakan teknik analisis apa??yang sudah saya jalankan pakai teknik analisis Korelasi product moment...apakah itu sudah tepat?

Agung Santoso mengatakan...

Untuk Yufrinal,

Terima kasih untuk pertanyaannya ya.
Menurut saya penggunaan korelasi product momen sebagai teknik analisis tergantung dari jenis data yang diperoleh dari hasil penelitian. Jika kedua variabel yang akan diperoleh adalah data kontinum, maka product momen merupakan analisis yang baik.

Tetapi jika data yang diperoleh berbentuk kategori, maka korelasi product momen kurang tepat untuk digunakan.

Selain itu korelasi product momen itu sendiri tidak sepenuhnya dapat menjawab pertanyaan Yufrizal terkait dengan peranan. Karena ada makna kausal di dalam kata peran. Sementara korelasi product momen saja hanya mampu memberikan salah satu bukti kausalitas yaitu hubungan. Sementara bukti lain yang dibutuhkan seperti sebab mendahului akibat dan tidak adanya alternatif penjelasan lain, tidak dapat dibuktikan dengan korelasi. Dua bukti itu dapat diperoleh melalui desain eksperimental.

Semoga membantu.

Anonim mengatakan...

jadi bedanya korelasi dan regresi apa?

Agung Santoso mengatakan...

Sebelumnya minta maaf nih. Saya memang tidak menjawab pertanyaan itu dalam postingan ini padahal sudah mengajukan pertanyaan itu di awal. Semoga dalam waktu dekat saya segera posting satu artikel lagi yang bisa menjawab pertanyaan ini. Salam...

tegar mengatakan...

terima kasih banyak..
sangat membantu saya yang bulan depan mau sidang..
semoga anda selalu dibawah naungan ridho-Nya. orang yang membagi ilmunya akan dinaikkan derajat kemuliaannya..

Agung Santoso mengatakan...

Amin dan Terima Kasih mas Tegar,

Semoga anda juga sukses di sidang bulan depan.

Salam

afruri mengatakan...

saya terbantu dengan adanya artikel yang anda buat..terima kasih banyak.. namun masih kurang lengkap..

Agung Santoso mengatakan...

Halo Afruri,

Terima kasih untuk komentar dan sarannya. Mungkin Afruri bisa memberikan saran untuk melengkapi tulisan-tulisan di blog ini?

Saya pribadi merasa memang belum semua analisis dan isu mengenai statistik saya bahas dalam postingan-postingan ini. Jadi tentu saja saya mengharapkan masukan dari teman-teman semua.

Salam.

Anonim mengatakan...

pak agung, saat ini saya sdg mengerjakan skripsi.. dan saya menemukan beberapa kesulitan,
saya sudah melakukan analisa regresi ganda, dan memperoleh persamaan:
Y = 4,563 + 0,118 X1 + 0,075 X2 + 0,243 X3 + 0,362 X4 + 0,022 X5
Dimana:
Y = variabel brand switching
X1 = variabel variety seeking
X2 = variabel promotion
X3 = variabel product distribution
X4 = variabel price
X5 = variabel consumer’s dissatisfaction

yg ingin saya tanyakan kpd pak agung..
bagaimana interpretasi yg tepat untuk menjelaskan persamaan saya tersebut??
misalnya, hingga harga berapa, konsumen akan melakukan brand switching?? apakah pertanyaan tersebut bisa dijawab melalui persamaan tersebut??

terimakasih pak.. saya tunggu jawabannya...

Agung Santoso mengatakan...

mengenai interpretasi garis regresi, yang dapat dilakukan menurut saya interpretasi dengan melihat parameter untuk tiap var independen. Misal, untuk X2, dapat kita katakan: kenaikan satu point dari X2, sementara X yang lain tetap, akan meningkatkan nilai Y sebanyak 0.075. Untuk angka 4.563(disebut sebagai intercept), dapat diinterpretasi bahwa jika semua X adalah nol, maka nilai Y akan sama dengan 4.563.

Sebelum menjawab pertanyaan kedua mungkin saya perlu tanyakan mengenai jenis data dari variabel dependennya. Sejauh yang saya tangkap, sepertinya Y dalam penelitian anda adalah data kategorik, atau diskrit (misalnya 1 untuk switch brand, dan 0 untuk tidak switch brand) apakah benar demikian?

Jika benar maka, analisis yang anda lakukan keliru. Karena untuk data kategorik seperti dugaan saya di atas, yang perlu dilakukan adalah analisis regresi logistik. Sehingga akan diketahui besarnya probabilitas jika satu atau lebih variabel X diubah nilainya.

Jika brand switching ini berupa data interval, maka perlu ditentukan 'cut score' berapa yang identik dengan terjadinya brand switching. Jika ini ditemukan maka kita bisa memasukkan nilai untuk tiap variabel dengan menjaga semua variabel lain konstan, untuk mencapai nilai cut score tersebut.

Anonim mengatakan...

kasih banyak atas ilmunya Pak..

Anonim mengatakan...

pak..sy sedang bingung menentukan rumus skala likert yg baik untuk 2 variabel. kira2 apa ya pak??
sekedar info..
masalah yang saya mengenai pengaruh kepemimpinan dan motivasi kerja terhadap disiplin kerja karyawan.

sofie mengatakan...

trims bwt artikel2nya
saya ingin menanyakan, jika suatu data sudah diuji validitasnya dan data yang tak valid dibuang, maka yang nanti dilanjutkan ke regresi data yang sudah valid apa mentah?
trims

Agung Santoso mengatakan...

Hai Sofie,

Saya berasumsi kalau sofie menggunakan pendekatan try out terpakai. Jika menggunakan tryout terpakai maka yang digunakan adalah data dari skala yang telah diseleksi itemnya.

Sebagai catatan saja, menurut saya mungkin ada sedikit kesalahpahaman terkait dengan istilah validitas. Yang dimaksudkan mungkin adalah seleksi item berdasarkan korelasi item-total. Bisa dilihat di bagian lain di blog ini mengenai korelasi item total = validitas item?

sofie mengatakan...

trims mas bwt jawabannya.
saya mau menanyakan lagi, jika ada dua variabel terikat dan satu variabel bebas itu diuji memakai apa?
misal judulnya : hubungan harga diri, dan obesitas, ketidakobesitasan yang diukur dari kecerdasan emosional.
dengan harga diri& obesitas ketidak obesitasan variabel dependen, kecerdasan emosionla sebagai variabel dependen.

Agung Santoso mengatakan...

Hai sofie,
Saya mau bertanya dulu ya, apakah kamu akan melakukan korelasi ketiganya secara langsung atau memilih dua-dua?
Kalau dua-dua akan menjadi lebih sederhana analisisnya. Misalnya dengan menggunakan korelasi product moment biasa saja, hanya dilakukan dua kali.

Kalau ketiganya mau dianalisis langsung sepertinya agak ribet ya. Kalau misalnya dilakukan dua-dua seperti di atas apakah akan bermasalah?

sofie mengatakan...

thx..saya sudah punya gambaran.pertama saya akan lakukan uji pengaruh terlebih dahulu, kemudian baru melakukan uji banding.
pertanyaan lain, untuk menlakukan uji pengaruh regresi ganda dengan 1 variabel independen dummy,apakah masih harus dilakukan uji prasyarat dulu seperti regresi ganda biasa.
thx

Agung Santoso mengatakan...

Uji asumsi tetap perlu dilakukan khususnya pada variabel dependennya. untuk kasus regresi ada baiknya Sofie membaca posting tentang uji asumsi normalitas dulu. Semoga bisa membantu.

sofie mengatakan...

thx. iya saya tau.uji asumsi itu kan ada empat yt : normalitas, homogenitas, autokorelasi, dan multikolinieritas. jika pada uji reg ganda biasa kan harus terpenuhi semua. sedangkan ini dengan 1 variabel independen biasa, dan 1 variabel independen dummy.thx jk masih berkenan membalas lagi.

here's imegyn blog mengatakan...

trimakasih banyak atas penjelasannya.

saya sedang belajar psikometri. saya tidak cukup mengerti mengenai pembelahan tes spearman brown yang mengkorelasikan data gasal dan genap.

apakah rumus korelasi yang Bapak jelaskan dapat saya terapkan pada pengkorelasian pembelahan tes tersebut? dan bila tidak bagaimana caranya?

sekali lagi terimakasih
_Megin

here's imegyn blog mengatakan...

terimakasih banyak atas penjelasan yang Bapak berikan.

Saya sedang kesulitan mempelajari psikometri tentang pembelahan tes Spearman Brown

pembelahan tes menggunakan gasal-genap. saya harus mengkorelasikan data tersebut.

Pertanyaan:
Apakah saya dapat memakai rumus yang Bapak jelaskan? jika tidak, rumus korelasi apa yang harus saya pakai? dan bagaimana cara mengaplikasikannya

mohon bantuan
terimakasih
_Megin

Agung Santoso mengatakan...

untuk sofie,

Seperti jawaban sebelumnya, untuk kasus yang diajukan sofie, yaitu satu variabel independen dan dependen uji asumsi tetap perlu dilakukan. Tentu saja karena hanya terdapat satu variabel maka multikolinearitas tidak perlu dilakukan. Selain itu autokorelasi tidak perlu dilakukan kecuali data diambil dari subjek yang sama pada waktu yang berbeda (time series).

Anonim mengatakan...

pak, saya sedang melakukan penelitian untuk bahan menyusun skripsi, judul penelitian saya "pengaruh perubahan sistem pembayaran dari sistem konvensional ke sistem onlineterhadap percepatan pelayan pelanggan" saya bingung alat analisis apa yang harus saya gunakan, apakah saya dapat menggunakan alat analisi korelasi produk moment atau ada alat analisis lain yang lebih tepat, terima kasih sebelumnya

Agung Santoso mengatakan...

Untuk anonim,

Sebelumnya saya perlu bertanya dulu apa jenis data dari variabel perubahan sistem pembayaran? Seperti apa ya datanya?

Agung Santoso mengatakan...

Untuk Imegyn,

Untuk perhitungan korelasi antar belahan dengan menggunakan belah dua Spearman Brown, kita memang menggunakan koefisien korelasi product momen. Kemudian baru diterapkan rumus dari Spearman Brown tersebut.

SugiyonoTati mengatakan...

Mas Agung, saya sangat tertarik dengan materi korelasi dan regresi. Saya sedang menulis "Pengaruh Kepemimpinan Kepala Sekolah dan Budaya Organisasi Sekolah terhadap Kepuasan Kerja Guru di SMA Negeri Kabupaten Brebes". Instrumen yang digunakan adalah skala likert dengan lima pilihan "Sangat Setuju, Sutuju, Ragu-ragu, Tidak Setuju, dan Sangat Tidak Setuju". Data adalah persepsi guru. Untuk menguji/menganalisis, uji prasyarat apa saja yang dibutuhkan dan alasan mengapa harus seperti itu? Terima kasih, Mas Agung. Salam kenal.

Agung Santoso mengatakan...

Untuk sugiyonotati,
uji asumsi yang terkait dengan regresi dan korelasi yang sama adalah sebaran data normal dan linearitas. Untuk regresi ada beberapa tambahan asumsi seperti homogenitas varian (homoscedasticity).
Dalam kasus seperti yang disebutkan, maka sepertinya perlu juga melakukan uji multikolinearitas.

Alasannya biasanya terkait dengan keakuratan analisis. Jika asumsi-asumsi tersebut dilanggar maka hasil analisis akan menjadi bias atau estimasi nilai p (signifikansi) menjadi tidak tepat.

Anonim mengatakan...

Mas Agung. Saya sedang terlibat dalam penelitian sosial mengenai Pengaruh sosial kapital bonding,linking dan bridging pada keberhasilan proyek proyek yang masuk di perdesaaan di dua kecamatan di Sulawesi Tenggara.Yang saya pahami sementara ini bahwa dalam penelitian ini adalah :
1. Mendeskripsikan/mengidentifikasi social kapital yang mana yang paling dominan (apakah boding, linking atau bridging?)
2. Melihat korelasi dari setiap modal sosial (bonding, bridging dan linking) pada keberhasilan proyek proyek pemberdayan di perdesaan.

Sekedar informasi bahwa saya tidak berpengalaman dalam hal penelitian kuantitatif. Saya paham dan ada gambaran mengenai deskriptif dari modal sosial tersebut, namuan saya belum paham mengenai cara mengkorelasikan modal sosial tersebut dengan keberhasilan proyek pemberdayaan perdesaan.

Mohon tanggapannya. Terima kasih banyak atas perhatiannya. Nama saya Yamin

Agung Santoso mengatakan...

Menurut saya ada beberapa hal yang perlu diperjelas dulu:
1. data yang diperoleh mengenai Social Capital dalam bentuk seperti apa? Apakah jumlah uang, atau hanya koding atau seperti apa?
2. data mengenai keberhasilan nya dalam bentuk seperti apa?

Tergantung pada dua informasi ini, kita baru bisa menentukan analisis apa yang dapat digunakan.

Anonim mengatakan...

pak agung, judul skripsi saya hubungan pemberian krdit KBMT terhadap pendapatan nasabah, apakah dengan metode korelasi bisa menjawab permasalahan skripsi saya ini...?

thanks pak

Agung Santoso mengatakan...

untuk anonim,

masalah bisa atau tidak, tergantung dari jenis data yang akan didapatkan nanti. Misalnya korelasi product momen baru bisa digunakan jika jenis data yang digunakan untuk kedua variabel adalah variabel kontinum.

arditya rendra graha mengatakan...

pak permisi numpang tenar donk...
eh salah numpang tanya..

dalam suatu metode regresi dan korelasi tersebut kan dilihat nilai intervalnya, mulai dari sangat rendah samapi dengan sangat kuat.

nah dalam hitungan skirpsi saya hubungan ny rendah (0,33).

dan selanjutnya dengan mengunakan uji hipotesis satu arah data yang saya dapat Ttabel ny lebih besar dari Thitung.

yang mana mengakibatkan tidak adanya hubungan yg signifikan antra variabel X dan Y.


Yang saya mau tanya,, apakah harus suatu data dengan mengunakan regresi dan korelasi hasil akhirnya adalah MENYIMPULKAN ADANYA HUB ANTARA VARIABEL X dan Y????

Terima kaish sebelumnya...

Agung Santoso mengatakan...

Untuk Arditya,

Kalau yang dimaksudkan adalah apakah hasil analisis harus menunjukkan adanya korelasi, tentu saja tidak. Justru kalau harus begitu, untuk apa analisis dilakukan?
Analisis dilakukan untuk menguji apakah hipotesis yang kita ajukan didukung oleh data yang kita kumpulkan. Jika ternyata tidak didukung, maka dapat kita katakan hipotesis ditolak.

fadhilahfitri mengatakan...

tolong jelaskan mengenai tryout terpakai? alasan diperbolehkan menggunakan tryout terpakai dan dalam keadaan pa diperbolehkan menggunakan tryout terpakai? ada kah referensi buku yang memperkaya pengetahuan tentang tryout terpakai..
sebelumnya thanks atas bantuannya...

jup mengatakan...

sslm.. pak mohon bantuannya
sy mw tanya kl pke analisis kovarian
mnggunakan pre test dan post test
untuk kelompok kontrol dan kelompok eksperimen
1).setelah uji valid dan reliabel kuesioner untuk penelitian skripsi langkah apalagi yang hrsus dilakukan??

2). apakah langsung mnghitung Jumlah Kuadrat Total?
Atau uji asumsi anakova trlebih dahulu?

3). apakah untuk analisis kovariannya dihitung jg sebelum dikoreksi dan setelah dikoreksi nya??
sy lihat dibuku Vincent Gaspersz sperti itu.
Apakah seperti ksusus yg sy kmukaakan diatas jg hrs mnggunakan itu??

maaf pa sy bukan ank psikolog
sy ingin mngaplikasikan anakova di bidang psikolog.

mohon bantuannya.

mkasih pak sebelumnya.

Anonim mengatakan...

pak agung,, mau tanya... Kalo koefisien korelasinya sebesar 0,260 dg signifknsi 0,008, hubungan yang terjadi apakah dapat dikatakan kuat ataukah lemah? terimaksih sbelumnya pak...

Anonim mengatakan...

Asw..
pak saya mau bertanya :
1. syarat pemakaian try out terpakai apa saja? dan caranya bagaimana?
2. variable yang negatif seperti "bullying" apakah item nya selalu hanya favourable, atau bisa dibuat item unvafourable?

bapak bisa memberikan saya rujukan judul buku dan pengarang nya untuk menjelaskan pertanyaan saya diatas?

terimakasih sebelumnya, saya harap segera dibalas

wassallam

Agung Santoso mengatakan...

sebelumnya mohon maaf pada banyak teman yang komentarnya baru bisa dibalas sekarang.

Untuk Fadhilahfitri:
Referensi mengenai tryout terpakai bisa dibilang sangat jarang. Satu-satunya referensi yang pernah saya baca adalah pidato Alm. Bpk Sutrisno Hadi yang diterbitkan di Anima tahun 2005.
Saya tidak berani menjawab pertanyaan Fadhilahfitri yang lain karena saya sendiri merasa masih kurang referensi mengenai ini.

untuk Jup,
setelah analisis data tryout dilakukan, jika ternyata pengukuran yang dihasilkan dari skala tersebut baik, maka penelitian sebenarnya dapat dilakukan dengan skala tersebut.

Data penelitian ini tentu saja dapat dianalisis menggunakan anakova, hanya saja memang perlu pengecekan asumsi anakova sebelumnya. Saya pikir semua buku yang membahas anakova akan menganjurkan cara yang sama. Pengecekan asumsi terlebih dulu baru analisis dilakukan.

untuk dua komentar terakhir:
1. mengenai korelasi. Jika rxy nya 0.26 meskipun signifikan, nilai r nya tetap dianggap kecil. sehingga hubungan kedua variabel dianggap lemah.

2. Untuk pertanyaan terakhir, mengenai tryout terpakai bisa dilihat jawaban saya terhadap komentar Fadhilahfitri di atas. Untuk favorabel dan unfavorabel: pendapat saya begini. Adanya fav dan unfav tergantung dari konstruk yang akan dibuat skalanya. Jika teorinya bilang bahwa memungkinkan dibuat fav-unfav maka ada baiknya dibuat demikian untuk menghindari faking. Tapi jika konstruknya tidak memungkinkan maka memang tidak perlu dibuat unfav nya.

My Computer Lesson mengatakan...

Pak, saya mau nanya
Penelitian saya itu merupakan penelitian korelasi dan kbtlan kami ber 11 org masg2 dgn variabel bebas yang sama dan variabel tergantung yg berbeda.
kmrn hsl penelitian saya didapatkan korelasi lemah n tdk bermakna (signifikansi lebih dari 0,05)
sdgkan dari hsl teman2 saya didptkan korelasi ada yg sedang n lemah namuan signifikansinya di bawah 0,05 (bermkna)
hanya penelitian saya sndr yg menghasilkan signifikansi berbeda, mnrt bapak sndr maslhnya di mna ya Pak ?
pdhl kita menggunakan data yang sama ?
saya sampai skrg tdk bsa memikirkan penyebab ketidakbermaknaan dari penelitian saya
terima kasih Pak, jwbn bpk akan sangat membantu di dalam penyusunan skripsi saya

Agung Santoso mengatakan...

Menurut saya sebenarnya tidak ada korelasi yang signifikan bukan indikasi masalah. Memang benar datanya sama (var independennya) tapi variabel tergantungnya berbeda. Tentu saja hasilnya akan berbeda dengan yang lain.

Beberapa penjelasan yang dapat dielaborasi antara lain apakah desain penelitiannya sudah baik, apakah review literaturnya juga sudah baik, apakah pengambilan datanya sudah baik, dst. Penjelasan yang lain, mungkin memang tidak ada korelasi antara kedua variabel tersebut?

Semoga membantu.

Anonim mengatakan...

boleh saya minta penjabaran tentang rumus korelasi phi..
mohon bantuannya ..
smoga sukses slalu

kirim ke email saya ya
bryankaszha@gmail.com

Anonim mengatakan...

Pak, jika data saya berskala interval dan saya ingin mencari korelasi antar variable. Namun kedua variabel tidak memiliki hubungan linear dan tidak memenuhi syarat Pearson Product Moment.
Lalu saya bisa memakai teknik apa? Apakah bisa menggunakan Kendall Tau/Spearman?

Tks

Agung Santoso mengatakan...

Kalau boleh tanya dulu: Bagaimana cara yang dilakukan untuk mengecek linearitasnya? Kalau menggunakan compare mean->linearity di SPSS, cobalah cek dengan scatter plot dulu.

Jika memang tidak linear bentuknya, maka menggunakan analisis non-parametrik tidak banyak membantu. Kita perlu menggunakan analisis yang bisa mengakomodasi korelasi non linear.