KORELASI Dosen : Dhyah Wulansari, SE., MM.

Tipe Variabel Variabel yang bersifat kualitatif (diskrit) Variabel kualitatif secara sederhana dapat disebut dengan data yang bukan berupa angka dan variabel kualittaif tidak dapat dilakukan operasi matematik. Dari Variabel kualitatif  itu terdapat 2 jenis yaitu: Data nominal adalah jika hanya menghasilkan satu dan hanya satu-satunya kategori. Contoh : Jenis kelamin, tanggal lahir seseorang Data  ordinal adalah data yang ada tingkatannya. Pada ada ordinal, ada data dengan urutan lebih tinggi atau lebih rendah. Contoh : Sikap seseorang tentang kemudahan menelan tablet,Tidak bisa dilakukan operasional matematik

Tipe Variabel Variabel yang bersifat kuantitatif (kontinyu) Data kuantitatif dapat juga disebut dengan data berupa angka dalam arti sebenarnya. Berbagai operasi matematik dapat dilakukan pada data kuantitatif. Dari Variabel kuantitatif (kontinyu) ada 2 jenis pula : Data interval Data ini mempunyai interval/skala tertentu yang mana perbedaan tiap level skala adalah sama. Data interval tidak mempunyai nilai nol yang absolut . Contoh : Cukup panas jika suhu 60 – 80 oC, Panas jika shu 80 – 100 oC ,Sangat panas jika suhu antara 100 – 120 oC  

Tipe Variabel Data rasio Data rasio ini adalah data bersifat angka dalam arti sebenarnya Perbedaan dengan data skala adalah bahwa data rasio mempunyai nilai nol (0) dalam arti sebenarnya. Selain dikelompokkan sebagai variable kualitatif dan kuantitatif, variabel juga dapat dikelompokkan sebagai variabel bebas (independen) dan variabel tergantung (dependen) Variabel bebas = variabel prediktor Variabel tergantung = variabel respons = kriterion

Pengertian Korelasi Merupakan teknik statistik yang digunakan untuk meguji ada/tidaknya hubungan serta arah hubungan dari dua variabel atau lebih.

Koefisien Korelasi Besar kecilnya hubungan antara dua variabel dinyatakan dalam bilangan yang disebut Koefisien Korelasi 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

Chi Square Test Chi square test tergolong dalam statistik nonparametrik sehingga tidak memerlukan syarat data terdistribusi normal Chi square tebest digunakan untuk menguji data yang mana salah satu data bersifat nominal atau berupa kategori

Chi Square Test Contoh : Hubungan antara jenis kelamin seseorang dengan tingkat pendidikan.

Chi Square Test

Chi Square Test

Chi Square Test Langkah2 : Analyze>Descriptive Statistic>Crosstabs Pindahkan data jenis kelamin ke kotak row(s) dan pindahkan tingkat pendidikanke kotak column(s) Klik statistics Pilih chi square Countinue OK

Output

Output

Analisis :

Pearson Correlation Digunakan untuk data interval & rasio Distribusi data normal Terdiri dari dua variabel 1 Variabel X (Independen) 1 Variabel Y (dependen)

Pearson Correlation Contoh : 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

Pearson Correlation Langkah2 : Uji normalitas untuk mengetahui apakah data terdistribusi normal - Analyze>Nonparametric Test>1 Sample Kolomogorov – Smirnov Test kan data ke - Pindahkan kotak Test Variable List - OK

Pearson Correlation

Pearson Correlation Langkah2 : Analyze>Correlate>Bivariate Pindahkan kedua data ke kotak variables Pastikan pada bagian correlation coefficients tercentang Pearson. Klik Option Pilih Means & Standard deviation Countinue OK

Pearson Correlation

Analisis

Spearman’s Rho & Kendall’s Tau Tergolong dalam statistik nonparametrik Keduanya cenderung memberikan hasil signifikan yang sama Perbedaan keduanya hanya terletak pada logika dan rumus perhitungannya. Korelasi Spearman’s rho menghasilkan koefisien korelasi yang setara dengan korelasi pearson. Korelasi Kendall’s tau memberikan koefisien yang lebih rendah dari korelasi spearman’s rho.

Spearman’s Rho & Kendall’s Tau Syarat2 pengujian : Salah satu atau kedua data variabel distribusi tidak normal. Kedua data variabel menggunakan level data interval atau rasio.

Spearman’s Rho & Kendall’s Tau Langkaht2 : Uji Normalitas Analyze>Correlate>Bivariate Centang Kendall’s & spearman Continue OK

Tips Membaca Cepat Output SPSS Bintang dua (**) disebelah nilai koefisien korelasi menunjukkan korelasi tersebut signifikan dengan taraf signifikansi sebesar 0,01 (p<0,01). Bintang satu (*) disebelah nilai koefisien korelasi menunjukkan korelasi tersebut signifikan dengan taraf signifikansi sebesar 0,05 (p,0,05) Jika tidak ada tanda bintang artinya korelasi tersebut sama sekali tidak signifikan (p>0,05).

Korelasi Ganda Korelasi yang digunakan untuk menguji hubungan dua atau lebih variabel independen dengan satu variabel dependen secara bersamaan.

Korelasi Ganda Contoh : Hubungan antara biaya promosi dan jumlah outlet dengan penjualan Variabel X1 : Biaya Promosi Variabel X2 : Jumlah outlet Variabel Y : Penjualan Hipotesa : H0 : Tidak ada hubungan antara biaya promosi dan jumlah outlet dengan penjualan Ha : Ada hubungan antara biaya promosi dan jumlah outlet dengan penjualan

Korelasi Ganda Langkah2 : Uji Normalitas Analyze>correlate>Bivariate> Options Mean & standar deviations Continue OK

Persamaan Korelasi & Regresi Sebenarnya antara regresi dan korelasi terdapat kemiripan meskipun dalam hal intepretasinya berbeda. Persamaan antara regresi dan korelasi sebenarnya sangat tampak pada tujuan dari alat analisis statistika tersebut. Regresi dan korelasi memiliki tujuan untuk mempelajari hubungan antar variabel dalam penelitian.

Perbedaan Korelasi & Regresi Biasanya digunakan untuk mempelajari hubungan keeratan antar 2 variabel kuantitatif berdasarkan angkanya, bukan tandanya. Ingat ! kalau keeratan lihat besarnya, bukan tandanya. Dapat mengetahui arah hubungan yang terjadi {berbading lurus (tanda +), atau berbanding terbalik (tanda -)}. Nilainya berkisar antara -1 sampai 1. Tidak bisa menyatakan hubungan kausalitas (sebab-akibat).

Perbedaan Korelasi & Regresi Digunakan untuk mempelajari bentuk hubungan antar variabel melalui suatu persamaan (bias Regresi Linier Sederhana, Regresi Linier Berganda, atau Regresi non Linier). Namun, yang perlu ditekankan bahwa regresi menunjukkan hubungan kausalitas atau sebab-akibat antara variabel bebas (independen) terhadap variabel terikat (dependen). Misalnya penelitian mengenai pengaruh tingkat pendidikan terhadap besarnya pendapatan per kapita.

Perbedaan Korelasi & Regresi Dapat mengukur seberapa besar pengaruh dari variabel bebas terhadap variabel terikatnya (variabel satu terhadap variabel lainnya), dan bisa berdasarkan tandanya. Misalnya, kenaikan harga BBM mengakibatkan penurunan (tanda negatif) pendapatan per kapita. Dapat digunakan untuk melakukan prediksi nilai suatu variabel berdasarkan variabel lain (bisa hanya satu variabel bebas atau beberapa variabel bebas). 

Selesai