Korelasi adalah hubungan dan telah kita bahas secara rinci di sini. Korelasi berbeda dengan regresi dan perbedaannya telah kita uraikan di sini. Kali ini kita akan membahas tentang korelasi pada statistik parametrik. Korelasi pada parametrik ini digunakan pada data yang memenuhi asumsi normalitas, sedangkan jika tidak maka menggunakan korelasi non parametrik. Dalam artikel ini ada 3 kajian yaitu korelasi product moment, korelasi ganda dan korelasi parsial. Mari kita bahas satu persatu. Adapun contoh data yang dipergunakan dapat Anda download di G Drive. Pastikan Anda menggunakan akun G mail Anda untuk melakukan download.
1. Korelasi Product Moment
Teknik korelasi ini digunakan untuk mencari hubungan atau korelasi antara dua variabel yang keduanya berskala interval atau rasio. Korelasi ini juga sering disebut dengan korelasi Pearson sesuai dengan ahli yang menemukannya yaitu Karl Pearson. Korelasi ini juga sering dipergunakan untuk uji validitas. Pilih Analyze, lalu pilih correlation lalu klik pada Bivariate seperti pada gambar di bawah ini:
 |
Menu Korelasi Product Moment pada SPSS Versi 23 |
Maka akan diarahkan ke menu seperti pada gambar di bawah ini:
 |
Menu Korelasi |
Masukkan variabel X1, X2, X3 dan Y ke dalam box Variables lalu klik OK sehingga akan keluar output sebagai berikut:
 |
Output Korelasi |
Pada baris paling atas, maka korelasi antara X1 dengan X1 adalah 1. Korelasi antara X1 dengan X2 adalah 0,767; antara X1 dengan X3 sebesar 0,789; antara X1 dengan Y sebesar 0,818. Kita dapat melihat bahwa pada baris kedua juga sama antara X2 dengan variabel yang lain. Jumlah sampel adalah N yaitu 125 sampel. Signifikansi dapat kita bandingkan dengan R Tabel tetapi bisa juga kita lihat signifikansinya di atas 0,05 atau di bawah 0,05 jika menggunakan taraf 95%.
2. Korelasi Ganda
Korelasi ganda (multiple correlation) adalah angka yang menunjukkan kuatnya hubungan atau korelasi antara dua atau lebih variabel secara simultan dengan satu buah variabel yang lain. Dalam contoh ini kita bisa menghitung korelasi ganda antara X1 dan X2 dengan Y, atau antara X1 dan X3 dengan Y, atau bisa juga antara X1, X2 dan X3 dengan Y. Bisa dua atau lebih variabel dengan satu variabel yang lain. Penting dicatat bahwa korelasi antara X1 dan X2 dengan Y BUKAN merupakan jumlah korelasi dari X1 dengan Y dan X2 dengan Y.
Untuk menghitung korelasi ganda, dalam contoh kita ambil 3 variabel yaitu X1, X2 dan X3 dengan Y kita gunakan menu regresi sebagai berikut:
 |
Menu regresi untuk mencari korelasi ganda |
Pilih Analyze, pilih Regression lalu klik pada Linear seperti pada gambar di atas. Maka akan diarahkan ke menu regresi. Masukkan Variabel Y ke box Dependent dan variabel yang lain ke Box Independents. Lalu klik Statistics pada bagian kanan atas:
 |
Memasukkan Variabel |
Maka kita akan masuk ke sub menu statistics. Berikan tanda centang seperti pada gambar di bawah ini:
 |
Sub Menu Statistics |
Setelah itu klik Continue lalu klik OK sehingga akan keluar output sebagai berikut:
 |
Output Korelasi Ganda |
Nilai R sebesar 0,891 adalah korelasi ganda antara X1, X2 dan X3 secara serempak dengan Y. Nilainya bukan penjumlahan dari korelasi antara masing-masing variabel X1, X2 dan X3 dengan Y, tetapi nilainya memang lebih tinggi dibandingkan nilai korelasi masing-masing. R Square merupakan kuadrat dari R yang juga sering disebut dengan
koefisien determinasi yang lebih banyak dibahas di regresi.
3. Korelasi Parsial
Korelasi parsial adalah untuk mengetahui korelasi antara dua atau lebih variabel dengan satu variabel tetapi dikontrol oleh variabel lain. Dalam contoh ini, kita bisa menghitung korelasi parsial antara X1 dengan Y dikontrol oleh dua variabel yang lain yaitu X2 dan X3. Variabe kontrol bisa lebih dari dua demikian juga variabel yang akan dihitung korelasi parsialnya juga bisa lebih dari satu. Korelasi parsial juga digunakan sebagai dasar untuk perhitungan gangguan multikolinearitas pada analisis regresi linear berganda.
Dalam contoh ini kita akan menghitung korelasi parsial antara X1 dengan Y dikontrol oleh X2 dan X3. Pilih Analyze, pilih Correlation, lalu klik pada Partial seperti pada gambar di bawah:
 |
Menu Korelasi Parsial |
Maka kita akan masuk ke Menu Korelasi parsial. Masukkan variabel X1 dan Y ke dalam box Variables dan variabel X2 dan X3 ke dalam box Controlling for seperti pada gambar di bawah:
 |
Memasukkan variabel |
Setelah itu klik OK sehingga akan keluar output sebagai berikut: |
Korelasi parsial X1 dengan Y dikontrol X2 dan X3 |
Nilai korelasi antara X1 dengan Y dengan dikontrol oleh X2 dan X3 adalah sebesar 0,364. Jika kita ingin mencari korelasi parsial X2 dengan Y dikontrol oleh X1 dan X3 maka diperoleh hasil sebesar:
 |
Korelasi parsial X2 dengan Y dikontrol X1 dan X3 |
Tampak bahwa nilai korelasi parsial antara X2 dengan Y dikontrol X1 dan X3 adalah sebesar 0,384. Kita juga dapat mencari korelasi parsial antara X3 dengan Y dikontrol X1 dan X2 yaitu sebesar:
 |
Korelasi X3 dengan Y dikontrol X1 dan X2 |
Ketiga nilai korelasi parsial di atas, sebenarnya bisa dihitung secara langsung dengan menu Regression, tanda centang pada part and collinearity diagnostic seperti yang telah dilakukan di atas.
 |
Korelasi parsial pada analisis regresi |
Hasil di atas sama persis dengan korelasi parsial yang telah dihitung sebelumnya. Nilai ini dapat dipergunakan untuk menguji gangguan multikolinearitas pada analisis regresi berganda. Tentu kita juga dapat menghitung korelasi parsial antara X1 dan X2 dengan Y dikontrol oleh variabl X3. Demikian juga dengan alternatif yang lain. Silahkan Anda hitung sendiri jika diperlukan.
Tidak ada komentar:
Posting Komentar
Baca dulu sebelum tulis komentar:
Sebelum menuliskan pertanyaan, mohon disimak tanya jawab yang ada terlebih dahulu. Pertanyaan yang sama atau senada biasanya tidak terjawab. Untuk pengguna Blogger mohon profil diaktifkan agar tidak menjadi dead link. Atau simak dulu di Mengapa Pertanyaan Saya Tidak Dijawab?
Simak juga Channel kami di Statistik TV
Komentar akan kami moderasi dulu sebelum ditampilkan. Aktifkan Akun Google Anda.
Terima kasih.