Ad Code

Uji Korelasi Pearson

Uji korelasi Pearson. Banyak penelitian meminati keberadaan hubungan antara 2 atau lebih variabel. Korelasi adalah suatu ukuran hubungan linier antar variabel. Contoh, peneliti ingin melihat apakah terdapat hubungan antara Minat Mahasiswa atas Matakuliah Pengantar Ilmu Politik (x) dengan Minat Mahasiswa untuk Berpolitik Praktis (y).


Disclaimer
Karena > 200 maka sebagian komentar artikel ini kami pindahkan ke:

Silakan berkunjung untuk melihat diskusi lainnya.


Banyak penelitian meminati keberadaan hubungan antara 2 atau lebih variabel. Korelasi adalah suatu ukuran hubungan linier antar variabel. Contoh, peneliti ingin melihat apakah terdapat hubungan antara Minat Mahasiswa atas Matakuliah Pengantar Ilmu Politik (x) dengan Minat Mahasiswa untuk Berpolitik Praktis (y).
Karl Pearson
Sumber Foto: 
https://www.kdnuggets.com/2016/04/eugenics-journey-dark-side-statistics.html

Kedua variabel tersebut, x dan y, bisa berhubungan dengan salah satu dari 3 cara berikut:
  1. Hubungan Positif. Artinya, semakin berminat seorang mahasiswa atas Matakuliah Pengantar Ilmu Politik, semakin besar minat mereka untuk Berpolitik Praktis.
  2. Tidak Ada Hubungan. Artinya, minat mahasiswa atas matakuliah Pengantar Ilmu Politik tetap sama kendati mereka berminat untuk Berpolitik Praktis.
  3. Hubungan Negatif. Artinya, semakin mahasiswa berminat atas matakuliah Pengantar Ilmu Politik, semakin tidak berminat mahasiswa untuk Berpolitik Praktis.

Cara termudah guna melihat apakah dua variabel berhubungan adalah dengan melihat apakah mereka memiliki covarians. Pemahaman atas covarians menuntut kita memahami konsep varians. Varians suatu variabel mewakili rata-rata perbedaan data variabel tersebut dengan nilai Mean-nya. Rumus varians sebagai berikut:


Mean sampel diwakili


adalah nilai yang hendak dicari dan N adalah jumlah pengamatan (sampel). Jika kita tertarik apakah kedua variabel berhubungan, maka kita harus melihat apakah perubahan di satu variabel disusul dengan perubahan di variabel lainnya. Kala satu variabel menyimpang dari Mean, maka kita bisa berharap bahwa variabel lain juga menyimpang dari Mean-nya dengan cara serupa. Agar lebih jelas, lihat data berikut:


Jika terdapat hubungan di antara kedua variabel, maka kala satu variabel menyimpang dari Mean diikuti penyimpangan yang sama oleh variabel lainnya, baik searah atau berlawanan. Rumus covarians sebagai berikut:


Menghitung covarians adalah cara yang baik guna menilai apakah 2 variabel punya hubungan. Jika nilai covarians positif maka kala satu variabel menyimpang dari Mean diikuti oleh penyimpangan pada variabel lain secara searah. Jika nilai covarians negatif maka kala satu variabel menyimpang dari Mean diikuti oleh penyimpangan variabel lain secara berlawanan. Namun, covarians ini bukan uji standar guna menentukan hubungan.


Standardisasi


Masalah uji standar bagi hubungan antar variabel diselesaikan lewat konversi. Artinya, covarians dikonversikan ke dalam unit yang lebih standar. Proses ini dinamakan standardisasi. Dalam kajian statistik, ukuran standar ini adalah Standar Deviasi. Jika kita membagi setiap penyimpangan nilai observasi terhadap Mean dengan Standar Deviasi, maka kita akan mendapat jarak dalam satuan Standar Deviasi.

Singkatnya, jika kita ingin mengekspresikan covarians ke dalam unit standar pengukuran, kita tinggal membaginya dengan Standar Deviasi. Dengan demikian jika terdapat 2 variabel, maka akan terdapat 2 Standar Deviasi. Kini, kala kita hendak menghitung covarians, sesungguhnya kita menghitung 2 penyimpangan lalu mengkalikan mereka. Lalu, kita melakukannya secara sama terhadap Standar Deviasi. Kita mengkalikan mereka dan membaginya dengan hasil perkalian ini. Covarians yang sudah distandardisasi dinamakan Koefisien Korelasi. 

Rumusnya sebagai berikut:




Rumus di atas dikenal dengan nama korelasi Pearson Product-Moment atau Pearson Correlation Coefficient dan ditemukan oleh Karl Pearson.

Jenis lain uji korelasi yang populer digunakan adalah Spearman Rank Correlation (rho). Uji statistik korelasi ini banyak digunakan untuk statistik nonparametrik yang datanya tidak berdistribusi normal dan diukur menggunakan skala ordinal. Tulisan ini hanya akan membahas uji korelasi Pearson Product Moment.


Pearson Product Moment


Adapun rumus Pearson Product Moment (r) adalah sebagai berikut di bawah ini:


Lihat tabel di bawah ini dalam perhitungan korelasi Pearson:


Cara melakukan perhitungan manual untuk uji korelasi di atas adalah sebagai berikut 



Asumsi Uji Korelasi


Sebelum diimplementasi, uji Korelasi terlebih dulu harus memenuhi serangkaian asumsi. Asumsi-asumsi uji Korelasi adalah:
  1. Normalitas. Artinya, sebaran variabel-variabel yang hendak dikorelasikan harus berdistribusi normal.
  2. Linearitas. Artinya hubungan antara dua variabel harus linier. Misalnya ditunjukkan lewat straight-line.
  3. Ordinal. Artinya, variabel harus diukur dengan minimal skala Ordinal.
  4. Homoskedastisitas. Artinya, variabilitas skor di variabel Y harus tetap konstan di semua nilai variabel X.


Cara Uji Asumsi Korelasi dengan SPSS


1. Normalitas


Uji Normalitas bisa dilakukan dengan teknik Kolmogorov-Smirnov. Data yang normal adalah Sig. Kolmogorov-Smirnov hitung > Sig. Penelitian (0,05). Cara melakukan uji normalitas dengan SPSS adalah:
  1. Klik Analyze --> Nonparametric Tests --> 1-Sample K-S. 
  2. Pada jendela One-Sample Kolmogorov-Smirnov Test, masukkan variabel x1, x2, x3, x4, dan y ke kota Test Variable List. 
  3. Pastikan sudah terceklis Normal pada Test Distribution. 
  4. Klik OK. 
  5. Linieritas. Linieritas terlihat apabila skor variabel X meningkat, skor variabel Y juga meningkat. Plot-plot data cenderung mengikuti garis diagonal Z yang menaik. Uji asumsi dengan SPSS sangatlah mudah, caranya adalah: 
  6. Klik Graphs --> Scatter/Dot... 
  7. Klik icon Simple Scatter 
  8. Klik Define untuk membuka jendela Simple Scatter plot. 
  9. Masukkan variabel Y ke Y Axis ---> Masukkan variabel X ke X Axis. 
  10. Klik Options --> Ceklis Exclude cases listwise. 
  11. Klik Continue 
  12. Klik OK. 

2. Ordinal


Masih terdapat sejumlah perdebatan diantara para ahli apakah skala sikap (misal: sangat setuju, setuju, agak setuju, kurang setuju, tidak setuju, sangat tidak setuju) masuk kategori ordinal atau interval. Juga, uji Pearson apakah layak ditimpakan pada skala Interval dan Rasio ataukah minimal Ordinal bisa menggunakannya.

Robert Ho menyatakan bahwa skala Ordinal pun layak ditimpakan uji korelasi Pearson. Mengenai apakah skala sikap masuk ke dalam kategori skala Ordinal atau Interval, Donald P. Schwab menjawab bahwa skala sikap boleh dimasukkan ke dalam skala Interval. Atau, jika tidak bisa, sekurangnya “mendekati Interval.” Schwab memutuskan, dengan demikian uji-uji statistik yang diperuntukkan bagi skala Interval bisa ditimpakan kepada yang “mendekati interval” tersebut.


3. Homoskedastisitas


Dalam menguji asumsi Homoskedastisitas dilakukan secara grafis. Dengan SPSS hal ini sangat mudah. Caranya adalah sebagai berikut:

Caranya dengan melihat grafik persilangan SRESID dengan ZPRED pada output hasil SPSS. Caranya sebagai berikut:
  1. Klik Analyze --> Regression --> Linear 
  2. Masukkan variabel y ke Dependent. 
  3. Masukkan variabel-variabel x ke Independent(s) 
  4. Klik Plot. 
  5. Isikan SRESID pada y-axis dan ZPRED pada x-axis. 
  6. Klik Continue. 
  7. Saksikan hasilnya pada Output SPSS. 
Perhatikan grafik scatterplot. Ingat, Homoskedastisitas terjadi jika varians dari residual satu pengamatan ke pengamatan lain tetap atau sama. Heteroskedastisitas terjadi jika varians dari residual satu pengamatan ke pengamatan lain tidak sama atau tidak tetap.

Homoskedastisitas terjadi jika tidak terdapat pola tertentu yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu X. Heteroskedastisitas terjadi jika terdapat titik-titik memili pola tertentu yang teratur seperti bergelombang, melebar kemudian menyempit.


Uji Korelasi Pearson dengan SPSS


Melakukan uji Korelasi Pearson untuk mencari nilai r dengan SPSS sangatlah mudah. Caranya sebagai berikut:
  1. Klik Analyze --> Correlate --> Bivariate 
  2. Klik Masukkan variabel x1, x2, x3, dan y ke kotak Variables. 
  3. Pada bagian Correlation Coefficients, ceklis Pearson. 
  4. Pada bagian Test of Significance, ceklis Two-tailed. 
  5. Klik Options --> Ceklis Means and standard deviations --> Ceklis Exclude cases pairwise. 
  6. Klik Continue. 
  7. Klik OK. 
  8. Saksikan hasilnya pada Output SPSS. 

Contoh Output Hasil SPSS sebagai berikut:


Hipotesis penelitian adalah:



Interpretasi Hasil Uji Korelasi


Penelitian (contoh) hendak menguji apakah terdapat hubungan antara Budaya Organisasi (x1) dan Iklim Organisasi (x2) dengan Kepuasan Kerja (y). Hasil uji statistik menggunakan Pearson Product Moment (sudah tertera di atas). Bagaimana melakukan penafsiran?

Korelasi 


Jika suatu hubungan tidak sama dengan 0, maka dapat dikatakan terjadi hubungan. Perhatikan baris-baris Pearson Correlation, di mana dihasilkan hasil-hasil berikut:
  1. Budaya Organisasi berhubungan secara positif dengan Kepuasan Kerja sebesar 0,451 (r = 0,451).
  2. Iklim Organisasi berhubungan secara positif dengan Kepuasan Kerja sebesar 0,838 (r = 0,838).

Dengan demikian, terdapat hubungan antara variabel x1 dan x2 dengan y. Hipotesis-hipotesis 0 di atas, sebab itu, ditolak.


Signifikansi


Signifikansi bisa ditentukan lewat baris Sig. (2-tailed). Jika nilai Sig. (2-tailed) < 0,05, maka hubungan yang terdapat pada r dianggap signifikan. Hasil uji signifikansi (di atas) adalah:
  1. Nilai r hubungan Budaya Organisasi dengan Kepuasan Kerja adalah 0,000. Artinya, 0,000 < 0,05 dan dengan demikian korelasi antara kedua variabel signifikan.
  2. Nilai r hubungan Iklim Organisasi dengan Kepuasan Kerja adalah 0,000. Artinya, 0,000 < 0,05 dan dengan demikian korelasi antara kedua variabel signifikan.


Interval Kekuatan


Sejumlah penulis statistik membuat interval kategorisasi kekuatan hubungan korelasi. Jonathan Sarwono, misalnya, membuat interval kekuatan hubungan sebagai berikut:



Atau penulis lain seperti D.A de Vaus menginterpretasikannya sebagai berikut:



Untuk korelasi negatif (-) interpretasi adalah sama.


Koefisien Determinasi


Koefisien Determinasi digunakan untuk menafsirkan skor korelasi Pearson (r). Caranya dengan mengkuadratkan nilai r tersebut. Nilai r harus dikuadratkan karena ia bukan berada dalam skala Rasio. Akibatnya, kita tidak bisa melakukan operasi aritmetika (kurang, bagi, kali, tambah) terhadap nilai r tersebut. Guna mencari nilai Koefisien Determinasi, dilakukan langkah berikut:
  1. Nilai r Budaya Organisasi – Kepuasan Kerja = 0,451 x 0,451 = 0,2034. Kalikan nilai ini dengan 100% maka 0,2034 x 100% = 20,34%.
  2. Nilai r Iklim Organisasi – Kepuasan Kerja = 0,838 x 0,838 = 0,7022. Kalikan nilai ini dengan 100% maka 0,7022 x 100% = 70,22.

Penafsiran Koefisien Determinasi adalah:

Sebesar 20,34% varians Kepuasan Kerja dapat dijelaskan oleh Budaya Organisasi. Sebesar 70,22% varians Kepuasan Kerja dapat dijelaskan oleh Iklim Organisasi.


Daftar Pustaka

Andi Field, Discovering Statistics using SPSS: And Sex Drug and Alcohol, Second Edition (London: SAGE Publication, 2005)

Donald P. Schwab, Research Methods for Organizational Studies, Second Edition (New Jersey: Lawrence Erlbaum Associates, Publishers, 2005)

Jonathan Sarwono, Statistik Itu Mudah: Panduan Lengkap untuk Belajar Komputasi Statistik Menggunakan SPSS 16 (Yogyakarta: Penerbit Universitas Atma Jaya Yogyakarta, 2009).

Mark R. Leary, Introduction to Behavioral Research Methods, Third Edition (Boston: Allyn and Bacon, 2001)

Muhammad Nisfiannoor, Pendekatan Statistika Modern untuk Ilmu Sosial (Jakarta: Penerbit Salemba Humanika, 2009)

Robert Ho, Handbook of Univariate and Multivariate Data Analysis and Interpretation with SPSS (Boca Raton: Chapman & Hall/CRC, 2006) p. 184.


Appendix



Kecenderungan Data






Disclaimer
Karena > 200 maka sebagian komentar artikel ini kami pindahkan ke:


Silakan berkunjung untuk melihat diskusi lainnya


tags:

melakukan uji korelasi pearson langkah-langkah dengan spss menafsirkan hasil output spss menghitung kekuatan hubungan menguji hipotesis uji korelasi
Reactions

Posting Komentar

101 Komentar

  1. bagaimana bila uji normalitas yang didapat datanya tidak terdistribusi dengan normal?

    BalasHapus
  2. Data tidak berdistribusi normal atau banyak outlier gunakan saja Spearman Rank.

    BalasHapus
  3. perlu di transformasi dulu ga sebelum di pindah ke spearman?

    BalasHapus
  4. Kalau lewat perhitungan manual, skor total masing-masing variabel di-rangking dulu baru dimasukkan ke dalam rumus Spearman. Tapi, kalau menggunakan SPSS, tidak perlu di-rangking sebab sudah otomatis lewat menu Analyze > Correlate > Bivariate > ceklis Spearman.

    BalasHapus
  5. boleh nanya tentang regresi ga?

    BalasHapus
  6. Silakan, tetapi kalau saya tahu ya ?

    BalasHapus
  7. Kalo regresi kan ada :
    1. regresi linier sederhana
    2. Regresi linier berganda
    3. regresi nonlinier sederhana
    kalo regresi nonlinier berganda ada ga?

    Kalo regresi linier pada spss kan tinggal masuk ke "linier"
    Kalo regresi nonlinier sederhana, bisa di coba melalui "Curve Estimation" untuk menentukan type nonliniernya yang kemudian didapat nilai nya. Namun, cara ini hanya bisa untuk 2 variable saja.
    Trus bagaimana untuk regresi nonlinier dengan 3 variable?
    Trimakasih :)

    BalasHapus
  8. Dipakai saja Spearman.

    BalasHapus
  9. Balasan
    1. Dalam hal apa apabila boleh mengetahuinya?

      Hapus
  10. Bagaimana implementasinya pada uji besarnya kontribusi variabel dependen terhadap variabel independen

    BalasHapus
    Balasan
    1. Dalam uji korelasi (termasuk Pearson), kontribusi antar variabel (VB terhadapVT) kiranya tidak menjadi pertimbangan. Uji korelasi hanya mendeskripsikan apabila varians VB berubah sebanyak X maka variabel VT juga berubah sebanyak X. Dalam uji korelasi tidak terhitung residu. Dan dengan demikian, "koefisien determinasi" sesungguhnya tidaklah dapat ditentukan dalam uji korelasi. Lain halnya dengan pengujian regresi, dengan mana variabel satu dapat digunakan untuk (atau berkontribusi terhadap) prediksi variabel lainnya.
      Demikian tanggapan dari saya. Semoga bermanfaat.

      Hapus
  11. Anonim22.11.13

    Selamat pagi admin.
    Saya mau bertanya, apakah uji gamma bisa digunakan untuk uji hubungan dua variabel ordinal? Apakah ada uji hipitesis untuk misalnya judulnya, hubungan variabel a dengan variabel b yang keduanya ordinal, apa nama uji hipotesis tersebut?

    BalasHapus
    Balasan
    1. Selamat pagi. Tentu saja adalah memang Gamma ditujukan untuk mengorelasikan antara dua variabel ordinal. Bahkan, uji ini lebih tepat untuk diberlakukan manakalah respon responden dalam kuesioner ditentukan Sangat Setuju .... Sangat Tidak Setuju (seperti yang umum dilakukan para peneliti).
      Mengenai hipotesis adalah cukup umum. Ada hipotesis 0 (H0) di mana terjadi ketidak saling hubungan dan hipotesis 1 (H1) di mana terjadi saling hubungan. Misalnya:
      H0: Tidak terdapat hubungan antara Pola Makan dengan Obesitas
      H1: Terdapat hubungan antara Pola Maka dengan Obesitas
      Dalam kuesioner mengenai pola makan, respon responden misalnya SS, S, TS, dan STS. Demikian pula untuk obesitas. Nah, di sinilah Gamma digunakan sebagai uji korelasi.
      Demikian tanggapan dari saya. Semoga bermanfaat.

      Hapus
  12. min saya mau bertanya....judul skripsi saya "pengaruh keberadaan industri terhadap kondisi sosial ekonomi dan budaya masyarakat",,,dalam pengumpulan data melalui angketnya mening pake nominal atau interval? trus buat rumusnya chi kuadrat atau korelasi product moment? mohon bantuan dan bimbingannya :)

    BalasHapus
    Balasan
    1. Sepemahaman saya, apabila suatu penelitian didesain hendak menguji "pengaruh" maka uji statistik yang paling tepat adalah regresi. Regresi dipergunakan untuk menyelidiki apakah X (variabel bebas) dapat memprediksi varians yang terdapat dalam Y (variabel terikat). Dalam kasus Anda, mungkin X adalah "keberadaan industri" sementara Y adalah "kondisi sosekbud masyarakat".
      Pada intinya, dalam uji regresi nilai yang hendak dicari adalah R. R sendiri merupakan kuadrat dari r (pearson product moment). Namun, r (pearson product moment) tidak memprediksi varians Y oleh X melainkan hanya mendeskripsikan apabila mean X berubah maka mean Y juga berubah. Dan, apabila Anda memutuskan hendak menggunakan Pearson Product Moment, judul yang lebih tepat adalah "hubungan" atau "korelasi".
      Mengenai data angket, apabila Anda berkehendak menggunakan uji regresi (pengaruh) maupun uji korelasi (pearson product moment) maka sebaiknya data dalam skala interval.
      Demikian tanggapan saya. Semoga bermanfaat.

      Hapus
  13. gatrah9.12.13

    Syalom,
    Pak sya mau nanya, bagaimana cara mendapatkan aplikasi SPSS. Yah maklum Pak, sya bru mau belajar, skaligus rumus ini digunakan dalam skripsi saya. Mohon bantuannya. Terima kasih.

    BalasHapus
    Balasan
    1. Salam.
      Aplikasi PSPP dapat Anda download di link:
      http://sourceforge.net/projects/pspp4windows/
      Untuk melakukan uji korelasi klik Analyze > Bivariate Correlations > Masukkan variabel-variabel yang hendak dikorelasikan > Pilih jenis uji (satu sisi atau dua sisi) > Klik OK.
      Hasil dapat Anda lihat di Output.
      Demikian tanggapan saya. Sama-sama. Semoga bermanfaat.

      Hapus
  14. Admin... mau tanya.. dibukunya Gozali(2006) kan disebutkan untuk mengetahui validitas kuesioner bisa pakai bivariate corellation pearson dan CFA tapi tidak dijelaskan kelebihan dan kekurangan metode tersebut.. admin tahu tidak kelebihan dan kekurangan bivariate korelasi untuk uji validitas ? referensinya apa? tolong ya admin cz buat skripsi nie..

    BalasHapus
    Balasan
    1. Mengenai hal tersebut, Anda mudah-mudahan beroleh banyak informasi dalam artikel di link berikut:
      http://www.academia.edu/4481572/Confirmatory_factor_analysis_CFA_for_testing_validity_and_reliabiliity_in_instrument_in_the_study_of_education
      Demikian tanggapan dari saya. Semoga bermanfaat.

      Hapus
  15. Pak saya mau tanya...
    Judul skripsi saya pengaruh metode promosi terhadap keputusan pembelian konsumen..
    X= metode promosi
    Y=keputusan pembelian
    Skala pengukuran x ordinal, mnggunakan skla sikap likert..
    Sdgkn pungukuran Y rasio..
    Yg ingin sya tanyakan, uji apa yg cocok utk penelitian sya pak?

    BalasHapus
    Balasan
    1. Mengenai patokan penentuan uji statistik korelasi maka merujuk pada skala terendah. Apabila skala variabel-variabel adalah ordinal dan rasio, maka uji statistik korelasi patokannya adalah ordinal. Untuk itu bisa digunakan Kendall-tau (untuk sampel < 30) ataupun Spearman (untuk sampel > 30.
      Demikian tanggapan dari saya. Semoga bermanfaat.

      Hapus
  16. saya ingin bertanya....

    dalam uji t hasil menunjukkan t hitung lebih besar dari t tabel..berarti h1 diterima kan..tapi saat nilai sig lebih dri 0.05 jadi h1 ditolak..kenapa begtu? apa bisa digunakan dan bgmana penjelsannya?

    BalasHapus
    Balasan
    1. Untuk hal ini, tentu akan menjadi perdebatan. Namun, sepemahaman saya apabila t-hitung > t-tabel maka umumnya H1 diterima dan H0 ditolak. Dengan demikian (umumnya) dinyatakan terdapat pengaruh X terhadap Y (atau hubungan antara X dengan Y). Persoalannya adalah apakah pengaruh (atau hubungan) tersebut signifikan ataukah tidak ? Mengingat nilai sig. penelitian Anda > 0,05 maka tentu tidak signifikan. Maknanya, kendati ada "pengaruh" ataupun "hubungan" tetapi "pengaruh" ataupun "hubungan" tersebut tidaklah signifikan.
      Mengenai mengapa tidak signifikan ini banyak latar belakang penyebabnya. Namun umumnya besaran sampel cukup memengaruhi hasil ini (terlebih apabila sampel cukup kecil tetapi jumlah variabel X cukup banyak).
      Terlepas dari hal-hal tersebut, tentu saja hasil penelitian Anda sah. Tinggal dipaparkan secara apa adanya.
      Demikian tanggapan dari saya. Semoga bermanfaat.

      Hapus
  17. Yth Pak Seta, saya mohon bantuannya, penelitian saya meneliti tentang hubungan 4 variabel, namun meneliti semua populasi yang ebrjumlah 61 (Penelitian populasi), saya sudah menggunakan analisis korelasi product moment pearson untuk uji hipotesis, tapi ternyata disalahkan oleh pembimbing, jadi analis yang benar menggunakan analisis apa yah pak?
    terima kasih sebelumnya, jawabannya saya tunggu.

    BalasHapus
    Balasan
    1. Mengenai uji korelasi ini, Pearson (atau Spearman) adalah lebih tepat untuk korelasi bivariat (2 variabel, atau x dan y). Untuk korelasi multivariate (> 2 variabel) memang perlu perumusan tersendiri. Untuk itu, penyelesaiannya (dengan excel) ada di sini:
      http://www.real-statistics.com/correlation/multiple-correlation/
      Demikian tanggapan dari saya. Sama-sama. Semoga bermanfaat.

      Hapus
  18. pak, karena data saya tidak berdistribusi sama, saya menggunakan korelasi spearman. lalu bagaimana untuk koefisien determinasinya yang melalui spss?? karena hasil spss koefisien determinasi saya malah sama dengan hasil korelasi pearson. tlg d jawab ya pak. terimakasih sebelumnya

    BalasHapus
    Balasan
    1. Sepemahaman saya, uji hubungan itu tidak bisa memprediksi satu variabel atas variabel lainnya. Uji hubungan sekadar mendeskripsikan kecenderungan bahwa apabila nilai suatu variabel berubah, akan diikuti perubahan serupa pada variabel lain. Namun, tidak ada residu variabel yang "tertanam" pada variabel lain seperti uji regresi. Sebab itu, tidak diperlukan koefisien determinasi. Yang diperlukan adalah signifikansi hubungan yang terlihat pada alpha penelitian. Misalnya sig. hitung diperbandingkan dengan sig. penelitian.
      Demikian tanggapan saya. Semoga bermanfaat.

      Hapus
  19. Anonim5.5.15

    saya mau tanya, brarti kalau hipotesis saya "variabel x berpengaruh secara positif dan signifikan terhadap variabel y" brarti utk uji validitas dengan pearson saya harus menggunakan one-tailed? terimakasih

    BalasHapus
    Balasan
    1. Mohon maaf sangat terlambat menanggapi. Tentu Anda sudah sarjana kini bahwa sudah melanjutkan studi ke jenjang yang lebih tinggi lagi.
      Dalam hipotesis uji korelasi, sebaiknya dihindari istilah "pengaruh" atau "peran". Secara diksi kedua kata tersebut merupakan "trademark" uji regresi. Mungkin hipotesisnya sedikit diubah menjadi "variabel x berhubungan secara positif dan signifikan terhadap variabel y."
      Untuk uji validitas tidak menggunakan one-tailed, tetapi two-tailed. Namun, saat menguji korelasi Pearsonnya gunakan one-tailed (sesuai hipotesis Anda).
      Demikian tanggapan saya. Semoga bermanfaat.

      Hapus
  20. Anonim18.8.15

    pak, mau tanya alat analisis dong,. misalnya untuk mengetahui hubungan antara variabel X1, X2 dan X3 dengan Y. itu menggunakan korelasi apa ya? korelasi produk moment atau korelasi bergnda? soalnya X1.X2 dan X3 ini datanya menggunakan angka rupiah tapi untuk variabel y dihtung menggunakan rasio. maksih sebelumnya

    BalasHapus
    Balasan
    1. Menurut pemahaman saya, keduanya sama-sama rasio (nilai mutlak). Rupiah adalah angka dengan nilai mutlak, demikian pula variabel satunya (Anda belum menyebutkan, tetapi rasio tentu). Uji korelasi yang digunakan adalah Pearson saja, jangan lupa uji normalitas data dan asumsi-asumsi lainnya. Seluruh variabel yang 4 (3 x dan 1 y) masukkan seluruhnya. Lihat korelasi silang pada tabel hasil olahan SPSS.
      Demikian tanggapan saya. Semoga bermanfaat.

      Hapus
  21. Pak saya mau tanya. jika indeks kepercayaan yang saya gunakan 90% kemudian di spss itu nilai signifikasinya 95% (*). itu apakah tidak masalah? terima kasih

    BalasHapus
    Balasan
    1. Tentu saja tidak masalah, tetapi nilai 95% itu lebih ketat dari 90%. Sebenarnya bisa diubah (disetting) level of significance-nya, kalau saya tidak salah ingat. Namun hal yang tidak boleh adalah sebaliknya, penelitian menggunakan 95% tetapi olahan data menggunakan 90%.
      Mohon maaf atas keterlambatan. Demikian tanggapan saya. Semoga bermanfaat.

      Hapus
  22. pak kalau data nya rasio pakai uji hipotesis gak? terus kalau hasil konstanta negatif itu bagaimana ya?

    BalasHapus
    Balasan
    1. Apabila data rasio dan studi Anda kuantitatif tentu saja perlu pengujian hipotesis. Hasil korelasi yang negatif tidak salah. Maknanya terjadi hubungan berkebalikan. Jika x naik, maka y turun. Atau sebaliknya. Masalah karakter hubungan antar 2 atau beberapa variabel saja.
      Mohon maaf atas keterlambatan. Semoga bermanfaat.

      Hapus
  23. admin saya mau tanya bagaiamana kalau data saya terdapat korelasi product omen 0.860 > r tabel berarti terdapat hubungan. dan uji normalitas data normal. tapi data uji linearitas data sig 0,000 < 0,05 berarti data tidak linier. dan data uji regresi linier juga sig 0,000 <0,005 yang menandakan hubungan linier antara variabel. bagaimana? apakah saya perlu menggunakan hubungan yang lain karena sig 0,000??????

    BalasHapus
    Balasan
    1. Maksudnya, saya coba mencerna, nilai signifikansi 0,0000. Sementara sig. penelitian 0,05. Tentu saja karena 0,0000 < 0,05 maka penelitian Anda signifikan. Sangat signifikan malah. Selamat ya.
      Demikian tanggapan saya. Semoga bermanfaat.

      Hapus
  24. Anonim23.3.16

    pak saya mau tanya, penelitian saya itu semuanya menggunakan data rasio namun saat di uji menggunakan kolmogorov smirnov, uji f dan uji t tidak normal dan tidak signifikan, kemudian dosen saya menyarankan untuk menggunakan nonparametrik. Menurut bapak uji nonparametrik apa yang bisa digunakan jika datanya rasio semua terima kasih.

    BalasHapus
    Balasan
    1. Anda dapat menggunakan uji korelasi Spearman, kendati data Anda rasio tetapi distribusinya tidak normal. Pengalaman saya, hasilnya tidak berbeda jauh dengan Pearson.
      Mohon maaf atas keterlambatan. Semoga bermanfaat.

      Hapus
  25. Pada persamaan koefisien korelasi diatas,

    r = cov(x,y)/s_x*s_y = sigma(x_i - xbar)(y_i-ybar)/s_x*sy

    Apa tidak seharusnya sbb:

    r = cov(x,y)/s_x*s_y = 1/(N-1)*sigma(x_i - xbar)(y_i-ybar)/s_x*sy

    Karena
    cov(x,y) = 1/(N-1) * sigma(x_i - xbar)(y_i-ybar)

    BalasHapus
  26. pak saya mau tanya ya.. mohon pencerahan
    kalo misal saya memakai analisis korelasi pearson apakah wajib adanya uji normalitas dan linieritas?

    BalasHapus
    Balasan
    1. Untuk korelasi Pearson tentu perlu uji asumsi normalitas. Namun, untuk linieritas tidak perlu.
      Demikian tanggapan saya. Semoga bermanfaat.

      Hapus
  27. Blog penjelasan statistik terbaik yang pernah saya lihat

    BalasHapus
    Balasan
    1. Terima kasih atas apresiasinya. Semoga bermanfaat.

      Hapus
  28. Anonim22.5.16

    :'( masih bisa taya tidak ya

    BalasHapus
  29. kalo uji regresi, kenapa pada bagian ANOVA kolom sig muncul tanda "-"? begitu juga pada bagian koefisien. mohon pencerahannya. terimakasih

    BalasHapus
    Balasan
    1. Masalah nilai .sig tidak muncul terkait dengan model regresi kita. Model mendapat pengaruh dari, di antaranya, jumlah variabel bebas dan besar sampel yang digunakan. Juga, dapat berpengaruh uji asumsi regresi sebelumnya semisal linieritas dan keberadaan outier. Mungkin dapat Anda cek kembali alur-alur asumsi dan proporsi item kuesioner dengan besar sampel.
      Demikian tanggapan saya. Mohon maaf atas kesangat terlambatan. Semoga bermanfaat.

      Hapus
  30. Komentar ini telah dihapus oleh pengarang.

    BalasHapus
  31. mau tanya pak uji normalitas dan uji linierits itu dilakukan ketika data yang dipakai kita interval kan?lalu apabil menggunkan btasan koefesien yang bapak cantumkan diatas haruskah nilai vliditasnya dinamain sama ? bagaimana apabila kolerasi saja tanpa ada lemah tinggi moderat dll ???

    BalasHapus
    Balasan
    1. Kalau Anda melakukan uji korelasi Pearson, uji linieritas tidak perlu dilakukan. Linieritas diperlukan untuk uji yang gunanya memprediksi (dengan membuat residu) seperti Regresi.
      Saya sepakat dengan Anda, penyampaian hasil dengan nilai korelasi saja tentu saja bisa. Namun, para ahli biasanya membuat kategorisasi untuk memudahkan penjelasan hasil perhitungan. Dan itu diwujudkan dalam tabel-tabel kriteria kuat-lemah hubungan.
      Mohon maaf atas keterlambatan. Semoga bermanfaat.

      Hapus
  32. Pak saya mau tanya, yg di pake di spss untuk mencari korelasi product moments Pearson yg x1 x2 nya itu total atau gmna yah !
    Judul skripsi saya pengaruh perencanaan Anggaran terhadap efektivitas penyerapan Anggaran. Nah saya masih bingung, saya ada 2 variabel. Variabel X dan variabel Y masing2 x terdiri dari x1,x2,x3,x4 begitu juga dengan y1,y2,y3,y4 . Nah cara mencari r atau product moment peasronnya gmna yah Pak ?
    Mohon penjelasannya

    BalasHapus
    Balasan
    1. Halo Susan, saya asumsikan Anda tengah melakukan uji korelasi Pearson.
      Benar, yang dicari adalah skor total variabel. Itu yang dikorelasikan dan dilihat hasilnya. Kalau menggunakan korelasi Pearson 4 X dikorelasi hanya dengan 1 Y saja, tidak bisa lebih. Mungkin Anda dapat mencicil dengan 4 langkah. Korelasikan X1, X2, X3, dan X4 dengan Y1 lalu catat hasilnya. Lanjutkan dengan pengkorelasian X1, X2, X3, dan X4 dengan Y2. Dan seterusnya. Uji korelasi Pearson tidak bisa secara robust mengokorelasikan 4 VB dan 4 VT dalam satu kali pengujian.
      Demikian tanggapan sangat terlambat dari saya. Semoga bermanfaat.

      Hapus
  33. Pak saya mau tanya, yg di pake di spss untuk mencari korelasi product moments Pearson yg x1 x2 nya itu total atau gmna yah !
    Judul skripsi saya pengaruh perencanaan Anggaran terhadap efektivitas penyerapan Anggaran. Nah saya masih bingung, saya ada 2 variabel. Variabel X dan variabel Y masing2 x terdiri dari x1,x2,x3,x4 begitu juga dengan y1,y2,y3,y4 . Nah cara mencari r atau product moment peasronnya gmna yah Pak ?
    Mohon penjelasannya

    BalasHapus
  34. Halo mau nanya kalo juduk saya pengaruh intensitas komunikasi terhadap tingkat disonansi berarti skala saya adalah interval dengan skala ordinal, saya hrs menggunakan uji korekasi yg mana ya? Krna sya bngg

    BalasHapus
    Balasan
    1. Halo Unknown. Keputusan penggunaan sebuah instrumen uji statistik adalah skala terendah. Dalam penelitian Anda, skala terendahnya adalah ordinal. Tentu tidak bisa dilakukan pengujian dengan Pearson. Alternatifnya, Anda bisa gunakan Spearman.
      Demikian tanggapan sangat terlambat dari saya. Semoga bermanfaat.

      Hapus
  35. Selamat malam ...
    Saya mau bertanya pak.. saya sedang penelitian skripsi dgn judul "hubungan antara sikap guru dan prestasi nilai siswa". Saya agak bingung . Tahapan2 atau cara2 yg harus digunakan untuk menghitung signifikan korelasi itu apa aja y pak?

    BalasHapus
    Balasan
    1. Selamat malam Unknown.
      Buat skor total variabel X (Sikap Guru) juga skor total variabel Y (Prestasi Siswa). Buka SPSS > Masukkan X dan Y ke kotak analisis (lihat artikel di atas). Signifikansi korelasi ditandai dengan nilai .sig pada tabel output.
      Demikian tanggapan sangat terlambat dari saya. Tentu Anda sudah sarjana saat ini. Selamat ya.

      Hapus
  36. Selamat malam ...
    Saya mau bertanya pak.. saya sedang penelitian skripsi dgn judul "hubungan antara sikap guru dan prestasi nilai siswa". Saya agak bingung . Tahapan2 atau cara2 yg harus digunakan untuk menghitung signifikan korelasi itu apa aja y pak?

    BalasHapus
  37. Anonim11.3.17

    apa yang menyebabkan rumus korelasi pearson ini romantis?

    BalasHapus
    Balasan
    1. Karena membicarakan detail hubungan antara 2 entitas. Demikian tanggapan saya. Semoga bermanfaat.

      Hapus
  38. Assalamualaikum pa, saya ingin bertanya pa, skripsi saya menguji hubungana antara tuntutan (skala interval yang tidak berdistribusi normal) dengan stres kerja (skala ordinal). melihat jawaban bapa pada pertanyaan diatas mengatakan bahwa apabla skala terendah adalah ordinal, maka bisa menggunakan uji spearman rho. namun sari referensi yang saya baca spearman rho itu untuk sampel kurang dari 30. sedangkan sampel saya lebih dari 30 pa. apakah tetap menggunakan spearman rho atau pakai uji kendall tau (yang sampelnya untuk lebih dari 30 sampel)? terimakasih pa. mohon bantuannya.

    BalasHapus
    Balasan
    1. Wa'alaikum salaam warahmatullahi wabarakaatuh.
      Benar, karena ada variabel berdistribusi tidak normal dan skala terendah ordinal, tepat keputusan untuk memilih korelasi Spearman. Saya sudah menuliskannya uji korelasi Spearman untuk sampel > 30 di sini :
      https://www.setabasri.com/2012/04/uji-korelasi-spearman-dengan-spss-dan.html
      Semoga bermanfaat.

      Hapus
  39. terima kasih, sangat membantu..

    BalasHapus
  40. pak saya mau tanya, uji alternatif dari product moment itu kan spearman, kalao untuk uji alternatif dari korelasi ganda itu apa ya pak?
    untuk menguji dua variabel bebas secara bersama-sama dengan datu variabel terikat. namun datanya tidak terdisitibusi nomral misalnya.
    mohon petunjuknya.

    BalasHapus
    Balasan
    1. Sepemahaman saya, uji Spearman untuk korelasi ganda (dua variabel bebas, maksudnya?) juga dapat diterapkan bagi data tidak berdistribusi normal.
      Demikian tanggapan saya. Semoga bermanfaat.

      Hapus
  41. maaf pak saya mau tanya, jika data tidak terdistribusi normal bisa dklakukan uji speraman sebagai alternatif dari uji korelasi product moment. tapi apakah ada uji alternatif untuk korelasi ganda jika datanya tidaj terdistribusi secara normal?

    BalasHapus
    Balasan
    1. Selain Spearman, dapat juga dilakukan uji Kendall-tau untuk mencari korelasi antar variabel.
      Demikian tanggapan saya. Semoga bermanfaat.

      Hapus
  42. kak mautanya
    1.klu uji normalitasnya berdistribusi normal..?

    2. penggunaan uji korelasi pearson untuk data yg bgimana?
    trimksh

    BalasHapus
    Balasan
    1. Saya tanggapi per poin, ya :
      1. Kalau data berdistribusi normal, uji Pearson terpenuhi syaratnya.
      2. Uji Pearson untuk data berdistribusi normal dan minimal berskala interval.
      Demikian tanggapan saya. Sama-sama. Semoga bermanfaat.

      Hapus
  43. Anonim26.12.18

    kak, mau tanya.. semisal penelitian saya memiliki 2 variabel bebas (rasio dan interval) dan 1 terikat (rasio) apakah saya harus menggunakan pearson? atau regresi berganda? terimakasih

    BalasHapus
    Balasan
    1. Halo Anonim. Keputusan memilih uji statistik bergantung pada rumusan masalah penelitian. Apabila di rumusan masalah kita hendak mencari "pengaruh" atau "peran" maka pilih uji Regresi. Apabila kita sekadar hendak mencari hubungan (kecenderungan antar variabel) pilih uji Korelasi Pearson.
      Sama-sama. Semoga bermanfaat.

      Hapus
  44. Pak mau tanya, apa bisa dalam suatu penelitian uji korelasi >0.05 yang artinya tidak ada hubungan, tapi uji normalitasnya menunjukkan bahwa data berdistribusi normal dan ketika di uji statistik pakai uji paired t test menunjukkan signifikan, itu bagaimana ya pak? Makasih

    BalasHapus
    Balasan
    1. Sepemahaman saya tidak bisa. Nilai korelasi tetap ada asalkan bukan 0. Nilai > 0.05 menandakan korelasi ada tetapi tidak signifikan. Pandangan saya paparkan data apa adanya, justru Anda menemukan fakta bahwa kendati ada hubungan, tetapi kedua variabel yang diteliti itu tidak signifikan hubungannya.
      Demikian tanggapan saya. Sama-sama, semoga bermanfaat.

      Hapus
  45. Pak mau tanya, apa bisa dalam suatu penelitian uji korelasi >0.05 yang artinya tidak ada hubungan, tapi uji normalitasnya menunjukkan bahwa data berdistribusi normal dan ketika di uji statistik pakai uji paired t test menunjukkan signifikan, itu bagaimana ya pak? Makasih

    BalasHapus
  46. Mau tanya, kalau penelitian menggunakan sampel jenuh apa diperlukan uji korelasi?

    BalasHapus
    Balasan
    1. Menurut saya tentu saja bisa. Bergantung kepada rumusan masalah penelitian dan hipotesis kita tentunya.

      Hapus
  47. Assalamualaikum pak . saya ingin bertanya penelitian saya dengan metode event study pendekatan market adjusted model .
    Dengan jumlah data 30 . dan periode pengamatan 7 hr sebelum dan 7 hr sesudah .. Dospem saya meminta saya untuk melakukan uji validitas dan uji reabilitas sedangkan variabel Y saya tidak ada nilainya karena termasuk penelitian komparatif . untuk uji hipotesis saya menggunakan paired sample t-test untuk data berdistribusi normal sedangkan data tidak normal menggunakan uji wilxocon signed rank test . kira2 untuk uji pengganti validitas dan reabilitas yg cocok digunakan penelitian saya uji apa ya pak ?
    Bisakah di ganti dengan uji one tailed sisi sebelah kanan . atau sejenisnya. Terima kasih

    BalasHapus
    Balasan
    1. Wa'alaikum salaam. Boleh saja uji one-tailed sisi kanan asalkan teori kita mendukung bahwa korelasi antara x dan y adalah positif.
      Demikian tanggapan saya. Semoga bermanfaat.

      Hapus
  48. https://www.youtube.com/watch?v=Jp-rZnUQZqA
    Video Tutorial Uji Validitas dan Reliabilitas STATA 16 Lengkap
    (Dilengkapi File Materi Dan Software STATA 16)
    Merupakan Panduan Yang Lengkap Dan Detail
    Klik Link Dibawah Untuk Mendapatkannya
    https://bit.ly/UjiSTATA

    BalasHapus
  49. Permisi, saya ingin bertanya, apabila saya memiliki 6 variabel bebas (nominal) dan 1 variabel terikat (nominal) dengan tujuan untuk uji korelasi, uji statistik yang saya gunakan apa ya ? mohon bantuannya..

    BalasHapus
    Balasan
    1. Mungkin dapat dipelajari Analisis Loglinear (Loglinear analysis).

      Hapus
  50. Maaf saya mau bertanya pada korelasi terdapat significant 0.000 apakah tidak apa-apa?

    BalasHapus
    Balasan
    1. Tidak apa-apa. Nilai sig. < 0,05 (kalau penelitian sosial) artinya signifikan.
      Demikian, semoga bermanfaat.

      Hapus
  51. Hallo pak, izin bertanya.
    Judul penelitian saya pengaruh aktivitas fisik terhadap kadar gula darah pasien DM. Dengan skala ordinal. Uji statistik apa yg bisa saya gunakan ya pak,
    Terimakasih

    BalasHapus
    Balasan
    1. Halo Dhani. Uji statistik yang bisa Anda gunakan adalah Regresi Logistik, bukan linier biasa. Karena salah satu variabelnya Ordinal.
      Mohon maaf atas keterlambatan. Semoga bermanfaat.

      Hapus
  52. Jumlah minimal sampel untuk korelasi pearson berapa?

    BalasHapus
    Balasan
    1. Pearson cenderung diberlakukan bagi data berskala interval dan rasio. Apabila kita ambil analogi uji regresi, maka minimal sampel untuk 1 variabel bebas adalah 58. Dengan demikian, secara ideal, jumlah sampel minimal bagi Pearson adalah 58. Namun, kini lumrah pula para peneliti menggunakan 30. Mengapa? Karena "saudara" Pearson yaitu Spearman digunakan untuk sampel hingga 30.
      Demikian tanggapan saya. Semoga bermanfaat.

      Hapus
  53. Terimakasih penjelasannya. Ada beberapa hal yang saya ingin tanyakan lagi, mohon untuk jawab. Saya menggunakan Uji Normalitas yaitu Uji shapiro wilk karena sampel saya cukup kecil tidak lebih dari 50. Saya perlu melakukan juga uji lineraitas, uji lineraitas apa yang cocok sesuai dengan jumlah sampel yg saya punya?

    BalasHapus
    Balasan
    1. Kalau Anda melakukan uji korelasi Pearson, uji linieritas tidak perlu dilakukan. Linieritas diperlukan untuk uji yang gunanya memprediksi (dengan membuat residu) seperti Regresi.

      Mohon maaf atas keterlambatan. Semoga bermanfaat.

      Hapus
  54. STATA 17 MP Crack Full Version
    Stata 17.0 MP Crack Full Version is an integrated statistical tool which gives data analysis
    Stata 17 MP Crack Full Version Full Download! Stata 17 MP Crack Full Version is flexible and powerful statical software for the science field
    Link Download Stata 17 MP Crack Full Version
    https://dik.si/MPV17

    BalasHapus
  55. Anonim26.1.22

    Selamat siang, mau tanya jika variabel independen skala datanya ordinal sedangkan variabel dependennya rasio, apakah bisa jika menggunakan uji pearson? Atau gimana?

    BalasHapus
    Balasan
    1. Selamat siang. Maaf respon sangat terlambat.
      Dalam penentuan uji statistik, patokannya adalah skala terendah dari variabel yang diteliti. Karena skala Ordinal lebih rendah dari Rasio, maka patokannya adalah uji statistik untuk skala Ordinal. Bisa menggunakan Spearman.
      Demikian tanggapan saya. Semoga bermanfaat.

      --- Ada penulis yang menyatakan bahwa skala dalam Ordinal berupa sikap dapat disikapi sebagai Interval. Apabila Anda sepakat dengan ini, maka Pearson bisa digunakan.

      Hapus

Anonim pun dapat berkomentar. Namun, tentu saja dengan akun pun sangat dipersilakan. Jika sudah klik Publikasikan. Juga pemirsa boleh bersoal/sharing tanggapan. Komentar pemirsa tentu tidak berisi kata atau link yang merujuk pada p*rn*grafi, jud*, *ogel, kekerasan, atau sejenisnya. Terima kasih.