Tampilkan postingan dengan label Pearson. Tampilkan semua postingan
Tampilkan postingan dengan label Pearson. Tampilkan semua postingan

Korelasi

Korelasi adalah hubungan. Lebih lengkapnya korelasi adalah angka yang menunjukkan arah hubungan tersebut dan kuatnya hubungan antara dua variabel atau lebih. Angka yang menunjukkan kuatnya hubungan juga sering disebut dengan koefisien korelasi. Secara lebih ringi, arah hubungan ada dua yaitu positif dan negatif. Hubungan antara dua variabel atau lebih dinyatakan positif, jika suatu variabel meningkat nilainya, maka variabel yang lain juga akan meningkat, atau jika satu variabel menurun nilainya, maka variabel yang lain juga akan menurun. Contoh korelasi positif adalah hubungan antara jam belajar dengan prestasi siswa. Semakin banyak jumlah jam belajar seorang siswa, maka prestasi atau nilai juga akan meningkat, atau semakin rendah atau sedikit jam belajar siswa, maka prestasi atau nilai juga akan rendah.

Korelasi dinyatakan negatif adalah jika satu variabel ditingkatkan, maka variabel yang lain akan turun, atau jika satu variabel nilainya turun, maka variabel yang lain akan meningkat. Contoh hubungan negatif misalnya harga produk dengan omset pembelian. Semakin tinggi harga suatu produk, maka akan semakin sedikit produk yang terjual, atau jika harga diturnkan menjadi rendah, maka tingkat penjualan akan meningkat.

Gambar kiri adalah hubungan positif dan gambar di kanan adalah hubungan negatif

Lebih lanjut, kuatnya hubungan dinyatakan dalam koefisien korelasi yang besarnya antara 0 sampai dengan 1. Karena ada hubungan negatif dan positif, maka nilainya juga bisa positif atau pun negatif, jadi antara -1 sampai dengan 1. Nilai 0 berarti tidak ada korelasi sama sekali antara dua variabel dan nilai 1 berarti ada korelasi yang sempurna antara dua variabel tersebut. Penting dicatat, bahwa nilai negatif bukan berarti nilai tersebut adalah rendah, tetapi arahnya yang berlawanan atau negatif. Jadi jika ada dua variabel mempunyai korelasi sebesar -0,9 kita dapat mengatakan bahwa koefisien korelasinya tinggi, bukan rendah karena nilai negatif (-) adalah arah bukan berarti kecil karena di bawah 0.

Untuk mencari koefisien korelasi antara dua variabel atau lebih telah tersedia banyak sekali metode statistik yang ada. Hal yang pertama adalah mengidentifikasikan sebagai parametris atau non parametris. Tentunya ini bukan hal yang asing, parametris jika memenuhi asumsi normalitas dan non parametrik jika tidak memenuhi asumsi normalitas. Jika asumsi normalitas terpenuhi maka metode korelasi yang bisa diterapkan adalah korelasi Pearson (Product Moment), korelasi ganda atau juga korelasi parsial. Metode-metode ini telah tersdia menunya di SPSS. Korelasi Pearson, sering dilambangkan dengan R, juga digunakan dalam uji validitas baik dengan R hitung maupun dengan corrected item to total correlation. Keduanya menggunakan korelasi Pearson. Nilai R juga sering digunakan dalam koefisien determinasi yang merupakan kuadrat dari nilai korelasi atau sering disebut juga dengan R Square. 

Untuk data yang tidak normal, atau salah satu variabel tidak normal maka menggunakan statistik non parametris. Analisis korelasi non parametris yang dapat dipergunakan adalah Korelasi Spearman, Korelasi Kendall, Koefisien Kontingensi (Chi Square). Korelasi Spearman Rho sering diadopsi dalam uji heteroskedastisitas. Demikian juga banyak aplikasi dalam Korelasi Kendall Tau dan tentu saja koefisien kontingensi Chi Square yang sangat populer dipergunakan. Salah satu aplikasi koefisien kontingensi adalah untuk menentukan efikasi atau tingkat efektivitas vaksin Covid-19 yang sering dimuat di beberapa artikel media nasional. 

Beberapa pertanyaan yang sering terkait dengan korelasi adalah sebagai berikut:

1. Apakah bedanya korelasi dengan regresi?

Korelasi dan regresi memang berbeda. Untuk lebih jelasnya silahkan simak di artikel di sini.


2. Bagaimana menentukan korelasi termasuk tinggi atau rendah?

Banyak sekali para ahli yang memberikan justifikasi tinggi atau rendahnya suatu korelasi. Misalnya 0,2 termasuk rendah, 0,9 adalah tinggi dan lain-lain. Akan tetapi sebenarnya yang menentukan tinggi rendahnya suatu korelasi adalah bidang kajian ilmu masing-masing. Secara empiris masing-masing bidang ilmu telah mempunyai kisaran tinggi rendahnya suatu korelasi. Rentang atau range yang ada di buku statistik adalah guidance saja, bukan harga mutlak.


3. Bolehkah menggunakan penelitian dengan korelasi dan regresi?

Tidak ada yang melarang dan juga tidak ada yang menyuruh. Terpenting adalah peneliti paham apa itu regresi atau korelasi. Untuk menggunakan metode yang mana, tentunya ini berkaitan dengan telaah teori yang ada. Silahkan simak jurnal yang ada, lalu adopsilah, apakah menggunakan regresi, atau korelasi atau dua-duanya. 


Jika masih ada pertanyaan lain, silahkan tulis di kolom komentar secara elegan. Bagi pengguna blogspot, sama dengan blog ini, mohon diaktifkan profilnya agar tidak menjadi dead link.

Share:

Uji Validitas SPSS pada Skala Guttman

Ada banyak pertanyaan di kolom komentar yang menanyakan apakah kuesioner dengan Skala Guttman bisa diuji validitas dengan Korelasi Pearson? Atau ada juga yang senada yang menanyakan jika menggunakan Skala Guttman uji validitas apa yang bisa dipergunakan. Sebenarnya di kolom komentar tersebut sudah ada jawaban dari kami, tapi kadang terlewatkan sehingga muncul pertanyaan yang serupa.

Pertama adalah definisi Skala Guttman. Secara ringkas Skala Guttman adalah skala pada kuesioner yang menggunakan jawaban 0 dan 1. Ringkas dan tegas. Jika iya di koding 1 dan jika tidak di koding 0. Ini respons, kita tidak bisa menyatakan bahwa 1 > 0. Ada juga yang mengatakan dummy. Apakah kuesioner seperti ini bisa diuji validitasnya dengan Korelasi Pearson atau Product Moment? Iya bisa. Banyak ahli yang menyatakan bisa. Lakukan seperti biasa saja, mengkorelasikan item tersebut dengan skor totalnya. Berikut kita berikan simulasinya dengan data yang bisa Anda download di sini dengan G Drive.

Simulasi ini menggunakan 7 indikator dan kolom paling kanan adalah jumlah skor dari ketujuh indikator tersebut.

Menu Uji Validitas dengan Korelasi Pearson

Pilih Analyze, pilih Correlate lalu klik pada Bivariate seperti pada gambar di atas. Maka kita akan diarahkan ke menu korelasi. Masukkan ketujuh indikator beserta dengan jumlahnya ke dalam Box Variables. Ingat jangan lupa memasukkan jumlah skor indikator, karena konsepnya adalah mencari korelasi antara masing-masing indikator dengan skor totalnya.
Memasukkan Masing-masing Indikator dan Skor Total

Setelah itu Klik OK sehingga akan keluar output sebagai berikut:
Output Uji Validitas SPSS dengan Skala Guttman

Pada output di atas, sebenarnya yang dipergunakan hanya kolom paling kanan, yatu korelasi antara indikator dengan skor totalnya. Output yang lain tidak dipergunakan sebagai justifikasi. Kita bisa menghilangkan kolom yang lain atau meng-Hide-nya sehingga akan muncul output yang lebih sederhana yaitu sebagai berikut:
Output Uji Validitas dengan Korelasi Pearson

Tampak bahwa semua indikator adalah signifikan dengan signifikansi < 0,05 kecuali indikator X1 dengan signifikansi sebesar 0,733 > 0,05. Indikator X1 tidak valid. Lalu apa yang kita lakukan? Langkah yang paling sederhana adalah mengeluarkan indikator tersebut. Anda tinggal mengeluarkan atau tidak menggunakan indikator X1 dalam perhitungan selanjutnya. Ingat jumlahnya juga akan berubah karena X1 tidak dipergunakan lagi. Setelah itu silahkan lakukan uji validitas lagi seperti awal. Lihat hasilnya, jika sudah valid semua berarti sudah selesai. Tetapi jika masih ada yang tidak valid yang dikeluarkan saja dengan cara yang sama, sampai semuanya valid. Simulasi cara mengatasi angket yang tidak valid ada di sini.

Untuk selanjutnya, untuk uji reliabilitas, banyak ahli yang menyatakan bahwa Skala Guttman tidak bisa menggunakan Alpha Cronbach. Tapi jangan khawatir, karena masih banyak uji yang lain, salah satunya adalah dengan Split Half. Kita sudah buat simulasinya uji reliabilitas Split-Half di sini.

Untuk uji reliabilitas, indikator X1 dipergunakan atau tidak? Tentunya jawabannya sederhana, tidak. Mengapa harus dipertanyakan. Buat apa susah-susah mencari yang tidak valid, mengeluarkannya dari model penelitian, kok lalu dimasukkan lagi diuji berikutnya. Hal serupa juga berlaku untuk uji yang lain, misalnya trimming data untuk uji asumsi klasik. Setelah model ditransformasikan, lalu model yang dipergunakan yang mana? Yang awal atau yang ditransformasikan?Tentu model yang terbaik
Share:

Ingin menghubungi kami untuk kerja sama?

Nama

Email *

Pesan *

Translate

Artikel Populer Seminggu Terakhir

Komentar Terbaru

`