-ANALISIS KORELASI-

NAMA LENGKAP PENYUSUN (Kelompok 2) Reni Pratiwiningtyas Obey Angga Nursyahid Aisyah Trees Sandy Saleh kaliky Telah di Presentasikan di kelas tanggal 3 Maret 2015

PRODUCT-MOMENT CORELATION SPEARMAN RANK CORELATION . PRODUCT-MOMENT CORELATION Skala Data Interval Parametrik SPEARMAN RANK CORELATION Skala Data Ordinal-Rasio Non Parametrik

Product-Moment Corelation Menyatakan derajat hubungan linier (searah bukan timbal balik) atau dua variabel atau lebih yang variabelnya berskala interval. PARAMETRIK SKALA DATA INTERVAL

Kegunaan: Untuk menyatakan ada tidaknya hubungan antara variable x dan y. Untuk menyatakan sumbangan variabel satu terhadap yang lainnya dinyatakan dalam persen (%)

Asumsi Data berdistribusi normal. Variabel yang dihubungkan mempunyai data yang dipilih secara acak. Variabel yang dihubungkan mempunyai pasangan yang sama dari subyek yang sama pula. Variabel yang dihubungkan mempunyai data interval. Asumsi

Contoh diagram pencar dapat dilihat (scatterplot ) Setiap pasangan data (x, y) diplotkan sebagai titik tunggal.

Rumus Perhitungan P-MC . Rumus Perhitungan P-MC 𝑟= 𝑥𝑦 𝑛 −𝑥𝑦 𝑠 𝑥 𝑠 𝑦 Keterangan: r = Product-moment correlation XY = Nilai dari 2 variabel yang berkaitan = Rata-rata dari 2 variabel SxSy = Satndar deviasi dari 2 variabel

Langkah-langkah menghitung Koefisien korelasi Tulis Ho dan Ha dalam bentuk kalimat. Tulis Ho dan Ha dalam bentuk statistik. Membuat Tabel penolong Langkah-langkah menghitung Koefisien korelasi No. Responden X Y XY X² Y²

. Pedoman Antara 0.800 s/d 1.000 : Hubungan sangat tinggi/kuat Antara 0.600 s/d 0.800 : Hubungan tinggi/kuat Antara 0.400 s/d 0.600 : Hubungan cukup Antara 0.200 s/d 0.400 : Hubungan rendah/lemah Antara 0.000 s/d 0.200 : Hubungan rendah sekali/lemah sekali

Hubungan Motivasi dengan Kinerja Guru SD 01 Samarinda . Contoh Studi Kasus Hubungan Motivasi dengan Kinerja Guru SD 01 Samarinda

. Contoh Studi Kasus

. Contoh Studi Kasus

. Contoh Studi Kasus

Contoh-> jika menggunakan SPSS Output Analisis dengan menggunakan SPSS

SPEARMAN RANK CORELATION Uji Rank Spearman diperkenalkan oleh Spearman pada tahun 1904 SKALA DATA ORDINAL SKALA DATA RASIO

KEGUNAAN Untuk menyatakan ada tidaknya hubungan antara variable x dan y. Untuk menyatakan sumbangan variable satu terhadap yang lainnya dinyatakan -1,0,1

Korelasi berdasarkan arah hubungannya dapat dibedakan, menjadi : Korelasi Positif Jika arah hubungannya searah Korelasi Negatif Jika arah hubunganya berlawanan arah Korelasi Nihil Jika perubahan kadang searah tetapi kadang berlawanan arah.

Rumus Perhitungan

Aturan mengambil keputusan . No Parameter Nilai Interpretasi 1. ρhitung dan ρtabel. ρtabel dapat dilihat pada Tabel J (Tabel Uji Rank Spearman) yang memuat ρtabel, pada berbagai n dan tingkat kemaknaan α ρ hitung ≥ ρ tabel Ho ditolak Ha diterima ρhitung < ρtabel Ho diterima Ha ditolak 2. Kekuatan korelasi ρhitung 0.000-0.199 Sangat Lemah 0.200-0.399 Lemah 0.400-0.599 Sedang 0.600-0.799 Kuat 0.800-1.000 Sangat kuat 3. Arah Korelasi ρhitung + (positif) Searah, semakin besar nilai xi semakin besar pula nilai yi - (negatif) Berlawanan arah, semakin besar nilai xi semakin kecil nilai yi, dan sebaliknya Aturan mengambil keputusan

SPEARMAN RANK CORELATION CONTOH KASUS : SKALA DATA ORDINAL SPEARMAN RANK CORELATION

CASE Ada 10 orang responden yang diminta untuk mengisi daftar pertanyaan tentang Motivasi dan Prestasi dalam sebuah kantor. Jumlah responden yang diminta mengisi daftar pertanyaan itu 10 karyawan, masing-masing diberi nomor 1, 2, 3, 4, 5, 6, 7, 8, 9, 10. Nilai yang diberikan oleh kesepuluh responden tentang Motivasi dan Prestasi itu diberikan pada contoh berikut. Yang akan diketahui adalah apakah ada hubungan antara Motivasi dengan Prestasi.

Berdasarkan hal tersebut maka: Judul penelitian adalah : Hubungan antara Motivasi dengan Prestasi. Variabel penelitiannya adalah : nilai jawaban dari 10 responden tentang Motivasi (Xi) dan Prestasi (Yi) Rumusan masalah: apakah ada hubungan antara variabel Motivasi dan Prestasi? Hipotesis: Ho: tidak ada hubungan antara variabel Motivasi dan Prestasi. Ha: ada hubungan antara variabel Motivasi dan Prestasi

Kriteria Pengujian Hipotesis Ho ditolak bila harga ρ hitung > dari ρ tabel Ho diterima bila harga ρ hitung ≤ dari ρ tabel

Pertimbangan menentukan alfa: Ketelitian yang akan digunakan , tergantung jumlah sampel Rumus menentukan jumlah sampel

6. Perhitungan untuk pengujian Hipotesis Jawaban responden yang telah terkumpul ditunjukkan pada Tabel 1 berikut ini: Tabel 1. Nilai Motivasi dan Prestasi Nomor responden Jumlah Skor Jumlah skor 1 9 8 2 6 7 3 5 4 10

Korelasi Spearman rank bekerja dengan data ordinal Korelasi Spearman rank bekerja dengan data ordinal. Karena jawaban responden merupakan data ordinal, maka data tersebut diubah terlebih dahulu dari data ordinal dalam bentuk ranking yang caranya dapat dilihat dalam Tabel 2. Bila terdapat nilai yang sama, maka cara membuat peringkatnya adalah: Misalnya pada Xi nilai 9 adalah peringkat ke 1, nilai 8 pada peringkat ke 2, selanjutnya disini ada nilai 7 jumlahnya dua. Mestinya peringatnya kalau diurutkan adalah peringkat 3 dan 4. tetapi karena nilainya sama, maka peringkatnya dibagi dua yaitu: (3 + 4) : 2 = 3,5. akhirnya dua nilai 7 pada Xi masing-masing diberi peringkat 3,5. Selanjutnya pada Yi disana ada nilai 8 jumlahnya tiga. Mestinya peringkatnya adalah 2, 3 dan 4. Tetapi karena nilainya sama maka peringkatnya dibagi tiga yaitu: (2 + 3 + 4) : 3 = 3. Jadi nilai 8 yang jumlahnya tiga masing-masing diberi peringkat 3 pada kolom Yi. Selanjutnya nilai 7 diberi peringkat setelah peringkat 4 yaitu peringkat 5. Lanjutkan saja

Tabel 2. Tabel penolong untuk menghitung koefisien korelasi Spearman Rank Nomor Responden Nilai Motivasi Resp. I (Xi) Nilai Prestasi dari Resp.  II (Yi) Peringkat (Xi) Peringkat (Yi) bi bi2 1 9 8 3 -2 4 2 6 7 5,5 5 0,5 0,25 6,5 3,5 10 -1

Selanjutnya harga bi2 yang telah diperoleh dari hitungan dalam tabel kolom terakhir dimasukkan dalam rumus korelasi Spearman Rank : ρ = 1 – 6.7 : ( 10 x 102 -1 ) = 1 – 0,04 = 0,96

Sebagai interpretasi, angka ini perlu dibandingkan dengan tabel nilai-nilai ρ(dibaca: rho) dalamTabel 3. Dari tabel itu terlihat bahwa untuk n = 10, dengan derajat kesalahan 5 % diperoleh harga 0,648 dan untuk 1 % = 0,794. Hasil ρ hitung ternyata lebih besar dari ρ tabel Derajat kesalahan 5 %…..  0,96 >  0,648 Derajat kesalahan 1 %…..  0,96 > 0,794 Hal ini berarti menolak Ho dan menerima Ha.

Kesimpulan dari kasus 2 Terdapat hubungan yang nyata/signifikan antara Motivasi (Xi) dengan Prestasi (Yi).  Dalam hal ini hipotesis nolnya (Ho) adalah: tidak ada hubungan antara variabel Motivasi (Xi) dengan Prestasi (Yi). Sedangkan hipotesis alternatifnya (Ha) adalah:terdapat  hubungan yang positif dan signifikan  antara variabel Motivasi (Xi) dengan Prestasi (Yi). Dengan demikian hipotesis nol (Ho) ditolak dan hipotesis alternatif (Ha) diterima. Atau dengan kata lain bahwa variabel Motivasi mempunyai hubungan yang signifikan dengan Prestasi.

Tabel 3: Tabel Nilai-nilai ρ (RHO), Korelasi Spearman Rank Derajat signifikansi 5% 1% 5 1,000 16 0,506 0,665 6 0,886 18 0,475 0,625 7 0,786 0,929 20 0,450 0,591 8 0,738 0,881 22 0,428 0,562 9 0,683 0,833 24 0,409 0,537 10 0,648 0,794 26 0,392 0,515 12 0,777 28 0,377 0,496 14 0,544 0,715 30 0,364 0,478

DAFTAR PUSTAKA Nazir,.2003. Metode Penelitian. Ghalia Indonesia: Jakarta. Sugiono.2004. Statistik Nonparametrik Untuk Penelitian, CV  ALFABETA: Bandung.