Tanya jawab Uji Korelasi Pearson ini sengaja kami posting di artikel ini. Ia merupakan pindahan sebagian dari komentar di artikel kami Uji Korelasi Pearson. Masalahnya serupa dengan lainnya bahwa tidak seluruh embedded-comment-system mampu menampilkan seluruh komentar di satu page.
Akibatnya pengunjung tidak dapat membaca seluruh komentar secara utuh. Namun, apabila embedded-comment diubah menjadi full untuk menampilkan seluruh komentar yang terbagi menjadi page 1, 2, 3, dan seterusnya, pengunjung akan berhadapan dengan popup yang muncul. Hal tersebut malah memunculkan ketidaknyamanan.
Atas alasan itulah maka kami pindahkan sebagian komentar ke artikel ini. Harapannya selain embedded-comment-system selalu full untuk menampilkan 1 page yang hanya maksimal 200 komentar, juga untuk menjadi masalah-solusi atas Uji Korelasi Pearson yang banyak digunakan para mahasiswa dan peneliti. Namun, karena terlampau panjang, kami bagi artikel diskusi-komentar ini menjadi 2 bagian. Ini adalah bagian 1. Selamat mengikuti.
Disclaimer
Diskusi di bawah merupakan pindahan sebagian
dari yang terdapat pada artikel kami :
Silakan berkunjung untuk melihat diskusi lainnya.
Karena diskusi-komentar cukup panjang, maka kami bagi dua di link:
Anonim
10.8.11
tanya dunk klw data saya berdistribusi normal tapi gak linier gimana dunk cara liat hubungan antar variabel? mksh sebelumnya...
Tanggapan
12.8.11
Dipakai saja Spearman.
Yudha
12.9.11
trus X3 ada dmn...?
dalam hasil output spss cmn ada 3 variabel, sedangkan dalam petunjuk x1, x2, x3, dan Y dimasukkan dalam kotak variabeL.....
tolong penjelasannya........!!!!
Yudha
12.9.11
trus X3 ada dmn...?
dalam hasil output spss cmn ada 3 variabel, sedangkan dalam petunjuk x1, x2, x3, dan Y dimasukkan dalam kotak variabeL.....
kmudian pada intepretasi hasil uji korelasi (terdapat hubungan antara variabel x1 dan x2 dengan y).
tolong penjelasannya........!!!!
Tanggapan
14.9.11
Dalam uji korelasi tidak disediakan kotak "dependent variable." Jadi ketiga variabel yaitu x1, x2, dan y dimasukkan sekaligus. Kita cuma melihat matriks hubungan antar variabel tersebut dalam output SPSS.
Anonim
20.9.11
gimana kalo variabel xnya banyak?
Tanggapan
27.9.11
Menurut pengalaman saya tidak ada masalah jika dengan SPSS. Saya justru membayangkan bagaimana jika variabel x yang banyak itu dihitung secara manual. Wah, berapa lama waktu dibutuhkan ya?
Anonim
17.10.11
apa beda pake spearman dengan pearson??thx
Tanggapan
18.10.11
Sepengetahuan saya, Spearman hanya digunakan apabila data yang diukur bertipe Ordinal dan Tidak Berdistribusi Normal. Pearson digunakan apabila data yang diukur minimal bertipe Interval dan Berdistribusi Normal. Terima kasih kembali.
Hana
22.6.12
permisi admin,, mo nanya, tulisan di atas blangnya "Robert Ho menyatakan bahwa skala Ordinal pun layak ditimpakan uji korelasi Pearson"
trus menurut pnjelasan admin "Pearson digunakan apabila data yang diukur minimal bertipe Interval dan Berdistribusi Normal"
jdi yang bener Pearson boleh pake data skala ordinal atw cuman interval? :)
terima kasih
Tanggapan
22.6.12
Robert Ho memang menyatakan demikian, bahwa data yang diukur dalam skala ordinal boleh saja menggunakan Pearson sebagai uji korelasinya. Alasan Ho, skala likert (alat ukur populer untuk data berskala ordinal) menunjukkan suatu peringkat sikap. Namun, sebagian penulis statistik lain secara ketat memberlakukan skala interval dan normalitas data sebagai prasyarat pemberlakuan Pearson. Namun, ada pula penulis lain yang mencari 'middle way', misalnya Donald P. Schwab. Baginya, data yang diukur menggunakan Likert Scale sekurangnya sudah mendekati skala interval sehingga boleh digunakan Pearson sebagai uji korelasinya. "Pearson digunakan apabila data yang diukur minimal bertipe Interval dan Berdistribusi Normal" merupakan bagian dari prasyarat uji korelasi Pearson. Bahkan, ada pula yang 'mengakali' agar data yang diukur dalam Likert Scale yang ordinal itu berubah menjadi Interval dengan menggunakan Method of Successive Interval (MSI), suatu perhitungan yang cukup kompleks tentunya. Nah, kini terpulang kepada para peneliti yang hendak menggunakan uji korelasi Pearson untuk menentukannya. tentu saja dengan legitimasi teoritisnya masing-masing.
Sama-sama. Semoga bermanfaat.
Hana
23.6.12
ooh gitu.. mo nanya lagi yah admin..
kan penelitianku mengenai hubungan karakteristik masyarakat dengan pemanfaatan puskesmas
salah satu karakteristik yang diukur tingkat pendidikan yang dibagi dalam 5 kategori (skala ordinal) trus pemanfaatan puskesmas skala nominal.
nah klu gitu analisis bivariat cocoknya pake uji apa yah?
Tanggapan
23.6.12
Untuk menguji hubungan Tingkat Pendidikan (sd-smp-sma-pt) dengan Pemanfaatan Puskesmas (ya-tidak) antara ordinal-nominal bisa digunakan Crosstabulation (sangat bermanfaat dalam mendeskripsikan hubungan), Chi Square, ataupun Likelihood Ratio.
Semoga bermanfaat.
Hana
23.6.12
ooh gitu.. makasih admin :D
Tanggapan
23.6.12
Sama-sama. Semoga bermanfaat.
Lia
26.10.11
hai admin,,
gimana sih melihat bahwa standar deviasi itu baik atau tidak? standar deviasi itu harus dibandingkan dengan apa?
terimakasih
Tanggapan
26.10.11
Standard Deviation (SD) mengukur seberapa baik Mean mewakili data. Semakin kecil SD, semakin data dekat dengan Mean. Semakin besar SD, semakin jauh data dengan Mean. Jika SD = 0 maka seluruh data adalah serupa, sekaligus merupakan kondisi ideal.
Silakan klik link http://setabasri01.blogspot.com/2011/04/analisis-deskriptif-dengan-importance.html
khususnya point D.2.4.
Semoga bermanfaat.
Anonim
26.10.11
hi,..
saya ingin tanya, saya punya 10 variabel bebas yang berpotensi mempengaruhi 1 variabel dependent. Hal-hal apa saja yang perlu kuperhatikan supaya saya dapat mengetahui variabel bebas mana saja yang paling baik digunakan untuk menentukan variabel dependent itu?
soalnya saya bingung ketika membaca hasil spss (ada std. error, significant at level 0.01, 0.05 - apalagi ini? lalu one dgn two tailed? @.@)
thx..
Tanggapan
26.10.11
Sebaiknya perhatikan Tabel MODEL SUMMARY.
Khususnya kolom Std. Error of the Estimate.
Kolom ini menjelaskan seberapa kuat variabel-variabel bebas bisa memprediksi variabel terikat. Nilai Std. Error of the Estimate diperbandingkan dengan nilai Std. Deviation (bisa dilihat pada tabel Descriptives).
Jika Std. Error of the Estimate < Std. Deviation, maka Std. Error of the Estimate baik untuk dijadikan prediktor dalam menentukan variabel terikat.
Jika Std. Error of the Estimate > Std. Deviation, maka Std. Error of the Estimate tidak baik untuk dijadikan prediktor dalam menentukan variabel terikat.
Semoga membantu.
Tanggapan
26.10.11
Atau, dapat pula dilihat Tabel ANOVA :
Lihat kolom Sig.
Tabel ANOVA menunjukkan besarnya angka probabilitas atau signifikansi pada perhitungan ANOVA. Nilai yang tertera digunakan untuk uji kelayakan Model Analisis ----dimana sejumlah variabel x mempengaruhi variabel y---- dengan ketentuan angka probabilitas yang baik untuk digunakan sebagai model regresi harus < 0,05.
Nilai ini bisa dilihat pada kolom Sig. Jika Sig. < 0,05, maka Model Analisis dianggap layak. Jika Sig. > 0,05, maka Model Analisis dianggap tidak layak.
Semoga bermanfaat.
selvy kp
21.12.11
asiarbselvykomala
saya mau tanya, kalo mau merubah correlation is significant dari 0,01 menjadi 0,05 itu gimana ya caranya, mohon bantuannya terimakasih
Tanggapan
21.12.11
Sudah default dari SPSS 0.01 dan 0.05. Namun, yang bisa dilakukan adalah:
- Lihat keterangan Sig. (2-tailed) atau (1-tailed). Jika nilai p value < 0,01 maka SPSS menyatakan hubungan signifikan pada taraf keyakinan 99% (tingkat kesalahan 0,01). Tandanya ** (dua bintang).
- Lihat keterangan Sig. (2-tailed) atau (1-tailded). Jika nilai p value > 0,01 dan < 0,05 maka SPSS menyatakan hubungan signifikan pada taraf keyakinan 95% (tingkat kesalahan 0,05). Tandanya * (satu bintang).
Amellia
22.12.11
Hi, saya ingin tanya..untuk menilai hubungan antara dua variabel signifikan atau tidak, harus slalu pake spearman tidak ya?klo saya pakai uji t boleh tidak?jadi klo uji t sig nya < 0,05 itu saya anggap ada hubungan yang signifikan..trimakasih..
Tanggapan
22.12.11
Tidak selalu harus Spearman ataupun Pearson. Bergantung distribusi dan jenis data (skala pengukurannya). T-test dalam populasi yang sama juga sering digunakan untuk menguji korelasi (hubungan) dengan penentuan signifikansi yang juga sama.
Amellia
22.12.11
trimakasi atas jawabannya. saya ingin tanya lagi,yang saya maw uji hubungannya adalah hubungan antara CSR dengan kinerja keuangan. Apakah signifikan atau tidak. CSR saya ukur dengan indeks (kalau perusahaan mengungkapkan CSR dalam annual report nya saya beri 1,klo tidak 0) dan kinerja keuangan saya ukur dengan ROA.
Dengan data seperti ini saya bisa pakai uji t, tidak y? thx u so much
Tanggapan
22.12.11
Mohon dikoreksi ya:
Variabel X adalah CSR. Diukur dengan skala nominal (0= tidak; 1=ya).
Variabel Y adalah Kinerja Keuangan diukur dengan ROA. Skala pengukurannya Rasio?
Dalam konteks nominal - rasio, dan sehubungan uji t, sebaiknya rumusan masalah bukan mencari KORELASI tetapi MENCARI BEDA MEAN. Beda Mean dicari dari dua sampel independen: Satu kelompok pakai CSR, satu kelompok lagi tidak pakai CSR. Penelitian nantinya mencari kesimpulan apakah terdapat perbedaan kinerja keuangan antara yang pakai CSR dengan yang tidak pakai CSR.
selvy kp
22.12.11
terimakasih sangat membantu, tetapi saya ingin bertanya lagi, jika sampel saya sebanyak 76 responden, saya memakai sig one tailed atau sig two tailed?alasannya mengapa?dan yang kedua, saya memakai korelasi person dengan skala liekert, menurut anda apakah sudah tepat skala yang dipakai dengan korelasinya, karna saya melihat balasan komentar anda untuk yang lain, disitu anda mengatakan kalau korelasi person dipakai untuk skala interval, sedangkan dlm skripsi saya sama sekali tak ada skala interval.Dimohon bantuannya terimakasih
Anonim
23.12.11
maaf mas,kalo signifikan saja tidak,bagaimana saya membaca datanya ya?
jadi sig.(2-tailed) 0.053
rata-rata lama sekolah dan partisipasi KB 0.34
mohon pencerahannya mas :)
terimakasih
Anonim
23.12.11
oiya mas,dengan catatan distribusi datanya jelek sekali jadi untuk rata-rata lama sekolah 7 misalnya, partisipasi kb ada yg 5, 22, 16, 10. gitu mas. blognya sangat membantu sekali :)
saya
23.12.11
to: selvy kp
- Sig 1-tailed atau 2-tailed digunakan kala kita telah tahu atau tidak tahu arah hubungan antar dua atau lebih variabel.
- Sig 1-tailed ditentukan kalau kita sudah tahu arah hubungan antara variabel yaitu hubungan positif atau negatif. Jadi kalau 1-tailde kurvanya ada di sebelah kiri saja (negatif) atau kanan saja (positif).
- Sig 2-tailed ditentukan kalau belum tahu arah hubungan antara variabel. Makanya, kurvanya ada di setengah di kiri dan setengah di kanan.
- Pearson Correlation digunakan untuk menganalisis variabel yang diukur dalam skala Interval.
- Spearman Correlation digunakan untuk menganalisis variabel yang diukur dalam skala Ordinal.
- Kalau belum jelas, silakan ya.
Tanggapan
23.12.11
to: anonim 23 desember 2011
Mungkin cara membaca hasil pengambilan keputusan hipotesisnya sebagai berikut:
"Dalam taraf keyakinan 95% dan uji dua sisi maka dinyatakan bahwa Rata-rata Lama Sekolah berhubungan dengan Partisipasi Belajar sebesar 0,34 (moderat?) dalam mana hubungan keduanya kurang signifikan pada tingkat kesalahan 0,05."
Tanggapan
23.12.11
to: anonim 23 desember 2011
Untuk data dengan distribusi 'jelek' (maksudnya mungkin tidak normal) sebaiknya uji statistik yang dipakai adalah Spearman.
selvy kp
23.12.11
kalo skala liekert itu menurut anda termasuk ke dalam skala ordinal atau interval?
Tanggapan
23.12.11
Skala Likert adalah skala yang berusaha mengukur derajat persetujuan atas sikap atau penilaian tertentu. Umumnya skala ini berwujud pernyataan setuju, agak setuju, kurang setuju, tidak setuju. Skala yang demikian dalam sifat pengukurannya adalah Ordinal. Resminya, Skala Likert adalah Ordinal.
Namun, juga terdapat sejumlah pendapat yang menyatakan Skala Likert bertipe Interval. Mengapa? Salah satu pendukungnya Jay A. Weinstein (dalam bukunya Applying Social Statistics, terbitan Rowman & Littlefield Publishers, 2010 p. 37-8).
Bagi Weinstein, Skala Likert minimal terdiri atas 5 tingkatan (misalnya SS, S, RR, TS, dan STS) agar dapat dikategorikan interval. Syaratnya adalah harus KONSISTEN pengukuran variabel X dan Y nya. Maksudnya jika variabel X pilihan 1=SS, 2=S, 3=RR, 4=TS, 5=STS maka pada variabel Y pilihannya harus sama yaitu 1=SS, 2=S, 3=RR, 4=TS, 5=STS.
Jawaban saya, Skala Likert datanya bertipe Ordinal. Namun, pada sejumlah kondisi ia dapat saja disikapi sebagai Interval.
selvy kp
23.12.11
terimakasih, tapi saya masih bingung, dimohon bantuannya kembali
- apakah bisa diberi contoh data berdistribusi normal dan tidak berdistribusi normal itu seperti apa?karena saya belum tau perbedaannya
- skala liekert bisa juga dikatakan skala interval dengan syarat harus konsisten, saya mengambil kesimpulan seperti ini mohon dikoreksi jika salah, kalo seumpama variabel X tingkat penilaian dari 5-1, berarti variabel Y juga 5-1?apakah seperti ini mksdnya?(mohon dikoreksi)
- selain menentukan arah posisi kurva, apakah jumlah responden berpengaruh terhadap penentuan sign one tailed atau two tailed (jumlah responden saya 76)
terimakasih yang sebanyak2nya
Tanggapan
23.12.11
- Contoh Kurva normal saya cantumkan di tulisan atas, setelah bagian Daftar Pustaka, untuk uji dua sisi. Mean adalah rata-rata jawaban responden penelitian (misalnya 2,7 atau 3,8). Cantumkan itu di mean pada kurva di atas. Standar Deviasi (SD) adalah simpangan baku (kalau dengan SPSS sudah langsung dapat dicari). Ke kanan mean ada 3 titik dari kiri ke kanan isikan (mean + SD), (mean + SD + SD), dan (mean + SD + SD + SD). Mean dan kekiri ada 3 titik juga isikan (mean - SD), (mean - SD - SD), dan (mean - SD - SD - SD). Suatu kurva normal 68% data observasi (data sesungguhnya dari responden) ada di antara (mean - SD) hingga (mean + SD). Juga, 95% data observasi ada di antara (mean - SD - SD) hingga (mean + SD + SD). Juga, 99,7% data observasi ada di antara (mean - SD - SD - SD) hingga (mean + SD + SD + SD). Cara di atas secara visual (common sense) tanpa uji-uji statistik. Kalau hendak pakai uji statistik dapat digunakan Uji Kolmogorov-Smirnov.
- Benar, begitu juga bisa yang penting ada konsistensi.
- Yang menentukan pakai 1-tailed atau 2-tailed bukan jumlah responden melainkan teori. Jika teori menyatakan "variabel x berhubungan secara positif dengan variabel y" maka uji yang dilakukan adalah 1-tailed. Jika teori menyatakan "variabel x berhubungan dengan variabel y secara negatif" maka uji yang dilakukan 1-tailed. Jika teori hanya menyatakan "variabel x berhubungan dengan variabel y" maka uji yang dilakukan 2-tailed.
Sama-sama. Semoga bermanfaat.
selvy kp
24.12.11
3. Yang menentukan pakai 1-tailed atau 2-tailed bukan jumlah responden melainkan teori. Jika teori menyatakan "variabel x berhubungan secara positif dengan variabel y" maka uji yang dilakukan adalah 1-tailed. Jika teori menyatakan "variabel x berhubungan dengan variabel y secara negatif" maka uji yang dilakukan 1-tailed. Jika teori hanya menyatakan "variabel x berhubungan dengan variabel y" maka uji yang dilakukan 2-tailed. Bisa tau referensi teori yang dimaksud?
Anonim
24.12.11
tanya ya...
untuk mengetahui peran A terhadap B dengan jumlah sampel 25 menggunakan uji apa ya?
mksh
Tanggapan
24.12.11
to: selvi kp
Dalam bagian Kerangka Teori biasanya dijelaskan "hubungan antar konsep" atau "hubungan variabel x dengan variabel y" yang kita teliti. Pernyataan tersebut bisa berasal dari para ahli atau penelitian-penelitian sebelumnya dalam masalah yang sama.
Tanggapan
24.12.11
to: Anonim
A diukur dalam Skala apa?
B diukur dalam Skala apa?
selvy kp
25.12.11
lalu hubungan secara positif atau negatif itu maksudnya memiliki nilai hubungan dari +1 hingga -1 bukan?
lalu yang kedua, ternyata data saya berdistribusi normal, memakai skala ordinal, tetapi antara variabel x dan y pengukurannya konsisten..menurut anda saya lebih baik menggunakan spearman atau person product moment?
selvy kp
25.12.11
Robert Ho menyatakan bahwa skala Ordinal pun layak ditimpakan uji korelasi Pearson, bisa minta referensi bahan bacaannya?terimksh
Tanggapan
26.12.11
Ya, Ho dan Schwab kiranya menjadi dasar digunakannya Pearson bagi skala Ordinal. Data yang distribusinya normal, boleh menggunakan Pearson. Hubungan positif adalah (+) hubungan negatif adalah (-). Hubungan positif dan negatif harus punya justifikasi teori. Kalau tidak pasti arah hubugannya, gunakan uji 2 sisi. Bahan bacaan sudah saya muat di bagian daftar pustaka.
Sama-sama. Semoga bermanfaat.
selvy kp
27.12.11
terimakasih admin, blog ini sebagai referensi dalam penulisan skripsi saya. Sangat membantu
Tanggapan
27.12.11
Sama-sama. Semoga bermanfaat.
Amellia
28.12.11
makasi mas seta buat rekomendasinya:D..nanti cb saya pikirkan lagi ya..mas maw tnya lagi,klo buat uji durbin watson kan kt musti taw jumlah k nya..itu ngitungnya gmn ya mas?variabel apa aj yang diitung?var independen ama dependen?klo ad moderasi nya gmn ya?diitung juga ya mas?makasi
Tanggapan
29.12.11
Nilai k untuk Durbin Watson adalah jumlah variabel bebas (variabel independen), biasanya dinamakan variabel x. Jadi yang dihitung variabel-variabel x nya saja.
Durbin Watson digunakan apakah variabel-variabel bebas residunya mengalami otokorelasi satu sama lain. Variabel moderasi juga merupakan pemberi pengaruh.
Sama-sama. Semoga bermanfaat.
oki putra
9.1.12
kulonuwun , saya mau tanya kalo hasil dari perhitungan korelasi pearson melebihi atau diatas 0,5 gimana ? ada yang bilang harus dibawah 0,5 ? trus kalo saya ganti spearman ? padahal hasil semua normal dan linier , help me please . . .
Tanggapan
9.1.12
Maksud dari 0,5 ini alpha penelitian atau nilai korelasi? Atau, maksudnya mungkin 0,05 (untuk alpha penelitian).
Kalau alpha penelitian melebihi atau di atas 0,5 artinya hasil perhitungan korelasi tidak signifikan. Umumnya, alpha penelitian untuk ilmu sosial menggunakan alpha 0,05. Jika nilai > 0,05 maka hasil penelitian tidak signifikan, berapapun hasil kekuatan hubungan korelasinya.
Pengalaman saya, hasil perhitungan Pearson dan Spearman tidak terlampau jauh berbeda (tidak signifikan perbedaannya). Silakan dicoba.
budi
16.1.12
bang basri yang baik, mohon penjelasan :
bila menggunakan sampling jenuh, tipe data interval, utk hipotesa asosiatif, 5 var bebas 1 var terikat, dgn pearson, kemudian dibuat regresi, bagaimana menguji hipotesis ha atau ho diterima/tolak?. yg sy baca pada sampling jenuh tidak ada uji signifikansi, apa perlu uji parsial dan uji F?, trus kalo di spearman apa bisa dibuat regresi? trima ksh bantuannya
Tanggapan
18.1.12
Umumnya penyusunan hipotesis menggunakan teori. Dari teori diketahui kaitan antar variabel apakah sifatnya korelatif atau regresif. H0 umumnya menyatakan kondisi yang hendak ditolak, H1 untuk yang hendak diterima. Walau menggunakan sampling jenuh, tetap dalam uji statistik tidak ada yang mutlak. Ada potensi error. Sebab itu sebaiknya tetap digunakan signifikansi. Uji parsial atau F tergantung hipotesis. Spearman digunakan untuk uji korelatif dengan data berdistribusi tidak normal, regresi untuk data distribusi normal. Regresi untuk uji regresif (pengauh), dan juga ada sejumlah asumsi yang harus dipenuhi sebelum diselenggarakan. Saran saya kembali ke teori, susun hipotesis, tentukan skala data (apa nominal s/d rasio), baru tentukan uji hipotesisnya.
sigit pradana
29.1.12
apakah hasil perhitungan manual kita dengan hasil perhitungan spss harus sama?
Anonim
8.2.12
penelitian korelasi kalo datanya tidak normal kan nonparametrik ya sehingga menggunakan spearman-rho ya..tapi klo sudah tw ada arah hubungan&datanya tidak normal itu pake teknik analisis apa ya..mksdnya data tidak normal dan menggunakan one tailed itu teknik korelasinya apa ya?
Tanggapan
10.2.12
Sebaiknya demikian. Perhitungan manual dilakukan dan pengecekan dengan SPSS dilakukan itu lebih baik. Namun, potensi human ataupun machine error tetap ada.
MASEKO
22.2.12
trim, setelah baca semua komentar, jadi sedikit ngerti, tapi bingungnya masih banyak ha..ha..( lagi ngerjakan skripsi).
Tanggapan
1.3.12
Sama-sama. Semoga skripsinya tuntas.
Anonim
3.3.12
tolong bantu saya dalam mengerjakan skripsi saya terutama dalam perhitungannya, yang salah satunya adalah menggunakan perhitungan uji korelasi dan regresi.
Tanggapan
8.3.12
@ nindyamirfa :
Maaf baru jawab. Kalau demikian gunakan pula Spearman jika datanya berskala ordinal dan tidak normal. Ceklis pilihan One-Tailed saat penentuannya di SPSS.
edy rasyi
18.3.12
maaf mau tanya untuk mengetahui respon mahasiswa trhdap sbuah program lebih baik mnggunakan rumus apa??
minta info mengenai rumus bobot rating
terimakasih
Tanggapan
18.3.12
Untuk respon, mungkin bisa dicoba menggunakan Skala Guttman mengenai jarak sikap atas suatu konsep tertentu.
edy rasyi
16.4.12
saya sudah baca mengenai skala guttman, untuk menganalisa saya lebih baik menggunakan rumus apa, saya masih bingung.
terimakasih sebelumnya
edy rasyi
16.4.12
saat ini saya menggunakan skala likert untuk angket saya
Tanggapan
16.4.12
Pak Edi, kalau boleh tahu judul penelitiannya apa? Dari sana mungkin dapat dipecahkan skala apa yang digunakan (nominal, ordinal, interval, rasio). Juga, uji statistik yang tepat untuk digunakan.
edy rasyi
18.4.12
respon mahasiswa UIN jurusan komunikasi terhadap program belajar islam MNC Muslim, itu judulnya pak.
pada angket saya menggunakan skala likert atau ordinal pak
menurut bpk saya lebih baik menggunakan product moment bagaimana atau standarisasi???
terimaksih atas bantuannya
Tanggapan
18.4.12
Pak Edy, ini cuma saran saya. Sebaiknya Bapak lakukan saja penelitian Deskriptif. Tujuannya melihat respon mahasiswa .... terhadap program ... Tidak perlu menggunakan statistik inferensial seperti Pearson, Spearman, dan sejenisnya. Skala pengukuran Bapak kemungkinan Ordinal, dan yang paling populer Skala Likert. Namun, gunakan saja peringkatan genap misalnya dua (setuju - tidak setuju), empat (ss-s-ts-sts), atau enam (ss-s-cs-ts-cts-sts). Tentu saja, sikap yang masuk kategori "setuju" adalah positif dan sebaliknya, respon yang masuk kategori tidak setuju adalah negatif.
Emmy
22.3.12
tambah banyak ilmu, tapi tambah banyak bingung.....
Tanggapan
23.3.12
Bingung adalah awal penelitian. Selamat meneliti.
Anonim
5.6.13
LIKE THIS OM!!!!! HA HA HA
Genteng jatiwangi
24.3.12
ikut copas gan...
Anonim
18.5.12
pak.. uji spearman bagaimana cara membaca data kita berhubungan apa tidak? bagian yang mana yang di bandingkan dengan 0,05? (bener ya 0,05?) makasih pak...
Tanggapan
18.5.12
Bagian Sig. (2-tailed) pada output SPSS. Jika < 0,05 maka berhubungan. Jika >= 0,05 maka tidak. Sama-sama.
Anonim
31.5.12
pak..cara standarized it gmn ya?saat bobot skala dalam satu dimensi itu tdak sama, namun mau d satukan pas korelasi
Tanggapan
31.5.12
Bisa dijelaskan terlebih dahulu skala yang dimaksud: Apakah dalam pengertian nominal, ordinal, interval rasio ataukah skala ukur (kg, km, m, dlsb)?
Anonim
8.6.12
q mau tax mas..
saya sedang mencari hubungan antara konsep diri dengan depresi,saya analisisx pake spearman,apakh udah betul?konsep diirix pake skala likert,trus depresix adopsi dr teori tokoh yg respon jawabanx berupa memilih pernyataan dan diberi skor 0-3..
terimksh
Tanggapan
8.6.12
Hal yang patut diperhatikan adalah 'konsistensi.' Artinya, jika variabel Konsep Diri diukur (dalam skala ordinal) dengan skala Likert, demikian pula Depresi diukur secara sama. Jika Depresi memilih pernyataan yang setiap penyataannya diberi skor 0 - 3 maka Konsep Diri pun harus menggunakan ukuran skor yang sama (0 - 3) dalam menilai pernyataan (dalam kuesioner).
Anonim
15.6.12
mas, mau tanya..
Skripsi saya berjudul "ANALISIS FAKTOR YANG MEMENGARUHI PERILAKU KONSUMEN MENGAMBIL KREDIT KPR BTN",
menggunakan 80 Responden,
Skala Interval,
17 variabel manifest ( 14 var. bebas & 3 var terikat)
metode analisis: analisis faktor dan regresi linier berganda.
untuk Normalitas data, uji apa yg harus saya gunakan? pearson atau chi kuadrat?
Tanggapan
15.6.12
Untuk yang regresi, uji normalitas sebaiknya gunakan Kolmogorov-Smirnov karena sampel > 30. Data mengalami normalitas residu jika sig. hitung SPSS > sig. penelitian.
Anonim
17.6.12
Halo pak, saya mau bertanya. Untuk penelitian saya menggunakan 3 variabel : x1,x2 dan y yang diukur dgn skala likert. x1 menyebabkan x2 dan x2 menyebabkan y. Saya menggunakan Korelasi Pearson untuk mengukur korelasi ke3 variabel tersebut. apakah benar? Hasilnya ternyata x1 berhubungan signifikan dan positif dengan y, apa saya bs mengatakan bahwa secara kesimpulan x1 menyebabkan y? Terimakasih.
Tanggapan
18.6.12
Jika hubungan antar variabel korelasi Pearson memang bisa digunakan. Namun, jika sekilas membaca : X1 --> X2 --> Y mirip analisis jalur (path analysis). Dalam uji korelasi yang dikaji bukan "pengaruh" melainkan sekadar "hubungan" karena uji korelasi tidak berupaya memprediksi varians data yang diobservasi menggunakan serangkaian variabel prediktor layaknya regresi. Sebab itu (menurut saya) kurang tepat jika dikatakan karena X1 berhubungan signifikan dan positif dengan Y maka X1 menyebabkan Y. Pernyataan yang (mungkin) lebih tepat adalah terdapat hubungan signifikan antara X1 dengan Y.
Sama-sama. Semoga bermanfaat.
Anonim
18.6.12
Maaf pak,saya mau bertanya lagi. Apa yang membedakan analisa regresi linier dgn path analysis? Stlh saya baca2, apakah saya bisa ttp bs menggunakan korelasi pearson dan regresi linier dalam hal ini? atau hrs diganti? Terimakasih banyak Pak.
Tanggapan
18.6.12
Kalau yang hendak diselidiki adalah apakah X1 dan X2 berhubungan dengan Y, maka dapat digunakan korelasi Pearson sebagai uji statistiknya. Kalau yang hendak diselidiki adalah apakah X1 dan X2 mempengaruhi Y maka dapat digunakan regresi linier berganda sebagai uji statistiknya. Kalau yang hendak diselidiki adalah apakah X1 mempengaruhi X2 mempengaruhi Y maka dapat digunakan path analysis sebagai uji statistiknya. Penggunaan uji statistik tiada lain ditentukan oleh rumusan masalah yang dikemukakan dalam penelitian serta skala data yang digunakan.
Sama-sama. Semoga bermanfaat.
Anonim
19.6.12
Terimakasih banyak pak atas bantuannya
Anonim
24.6.12
mau numpang konsul. Data korelasi pearson saya r=0,1;p=0,6 berarti korelasi sangat lemah namun tidak signifikans.Kemungkinan penyebab2 tidak signifikans kalau dari statistik apa?
Ada yg menyarankan analisa dengan menggunakan titik potong dengan rerata. apa memang ada cara itu? terimakasih
Tanggapan
24.6.12
Kalau nilai r mungkin masuk ke dalam kategori korelasi lemah. Nilai p = 0,6 (jika alpha penelitian yang digunakan 0,05) tentu tidak signifikan. Penyebabnya bisa beragam, tentunya. Pertama-tama jumlah sampel (untuk jumlah sampel, perkiraannya dapat dilihat di sini: http://setabasri01.blogspot.com/2012/04/cara-menentukan-sampel-penelitian.html). Kedua, apakah uji-uji validitas dan reliabilitas item sudah dilangsungkan. Ketiga, apakah uji-uji asumsi korelasi telah diselenggarakan sebelumnya. Nah, jika hal-hal tersebut telah terpenuhi tetapi hasil uji korelasi tetap r = 0,1 dan p = 0,6 maka itulah hasil penelitian. Simpulannya seperti yang Anda sematkan di atas.
Demikian, semoga bermanfaat.
ardhi
28.6.12
numpang pertanyaan yang sangat awam. maksud tidak signifikans itu bagaimana? mungkin dalam bahasa sederhana.berdasar contoh diatas (korelasi pearson saya r=0,1;p=0,6 berarti korelasi sangat lemah dan tidak signifikan....dst). apakah penelitian "gagal" atau bagaimana? walaupun dia memiliki korelasi yang lemah. terimakasih atas jawabannya
Tanggapan
29.6.12
Tidak signifikan maknanya Hipotesis Nol (H0) tidak dapat ditolak. Ini akibat mean (nilai rata-rata) sampel (yang diperoleh dari proses penelitian) jatuh di luar mean populasi. H0 ditolak apabila mean sampel jatuh di dalam mean populasi. Sesungguhnya, dalam ilmu sosial, tidak harus nilai signifikansi adalah melulu 0,05. Ada pula penelitian yang menggunakan nilai signifikansi 0,10.
Dalam contoh anda, nilai r=0,1 dan p=0,6 bermakna H0 tidak dapat ditolak (sehingga dinyatakan berlaku). Namun, keberlakuan H0 tersebut tidaklah absolut karena ternyata terdapat pula hubungan yaitu 0,1 kendatipun sifatnya lemah sekali.
Apakah penelitian gagal? Tidak bermakna demikian. Ingat, variabel dan indikator penelitian anda dikonstruk dari teori. Teori adanya sebuah pernyataan yang menyatakan terdapatnya hubungan diantara dua atau lebih variabel dan telah dibuktikan kebenarannya. Namun, teori (utamanya di dunia sosial) tidaklah "abadi." Dalam filsafat ilmu pengetahuan adalah proses verifikasi (penyempurnaan) bahkan falsifikasi (pembatalan) teori. Verifikasi dan falsifikasi ini dilakukan lewat proses penelitian yang anda lakukan. Bisa saja teori yang anda gunakan menyatakan memang terdapat hubungan antara x dan y. Namun, patut diingat para pembuat teori (utamanya orang Barat) melakukannya lewat serangkaian penelitian. Penelitian mereka juga umumnya menggunakan sampel. Dapat saja teori mereka memang relevan untuk kasus sampel mereka, sementara dalam kasus anda (karena sampel yang digunakan berbeda, paradigma orang timur dan barat berbeda misalnya dalam soal menyebut orang tua dengan "you" atau kamu yang di masyarakat Indonesia dinilai tidak sopan untuk menyebutnya demikian) teori mereka mungkin relevan dengan sejumlah "catatan."
Jika konstruk anda sudah logis, instrumen penelitian anda valid dan reliabel, rangkaian asumsi uji korelasi dijalankan, tetapi hasil penelitian anda menunjukkan r=0,1 dan p=0,6 maka penelitian anda dinyatakan berhasil.
ardhi
29.6.12
wah terimakasih banyak, penjelasannya sangat mencerahkan. maturnuwun
ardhi
29.6.12
melanjutkan lagi. Apakah sama arti "tidak bermakna secara statistik" dengan "tidak signifikan"? terimakasih.maaf merepotkan
Tanggapan
29.6.12
Bagi saya (pribadi) setiap angka dalam uji statistik memiliki makna karena angka-lah petunjuk utama dalam membaca gejala penelitian. Tidak signifikan-nya suatu uji statistik bukan berarti hasilnya tidak memiliki makna secara statistik. Misalnya, suatu uji statistik memperlihatkan nilai > 0,05 maka disebutlah ia "tidak signifikan." Apa sesungguhnya makna tidak signifikan ini? Maknanya adalah H1 (hipotesis alternatif) kita tolak dan kita "terpaksa" menerima H0. Namun, itu bukan berarti H0 adalah "benar." Mengapa?
H0 adanya suatu hipotesis yang menyatakan tidak ada dampak atas populasi. Hampir seluruh uji statistik (kendati tidak signifikan) memperlihatkan tiadanya efek yang bernilai 0 pas ini. Hasil uji statistik yang tidak signifikan tidak bisa ditafsirkan sebagai sama sekali "tidak ada perbedaan antar mean (rata-rata)" ataupun sama sekali "tidak ada hubungan antar variabel." Semua akibat tidak ada nilai 0 yang benar-benar absolut itu.
Joni
12.7.12
pak, saya mau analisa korelasi, data saya berdistribusi normal, tapi tidak liniear pak.. lalu bagaimana ya?
Tanggapan
19.7.12
Anda dapat mencoba korelasi Spearman rho. Namun, skala ukur Anda turun menjadi Ordinal.
jun
23.7.12
mas,,data hasil tes saya kan berbeda,,ad yg berupa kg,waktu n angka,,ap bisa langsung mengolah datanya memakai SPSS??
serta apa aja langkah2 mengolah data tersebuT??
tentang korelasi ganda mas,,
terima kasih!!!
Tanggapan
1.8.12
Hal yang dilihat adalah value-nya. Justru dalam ukuran-ukuran tersebut skala data adalah rasio. Jadi silakan saja langsung mengolah datanya. Mengenai langkah-langkah, silakan lihat di artikel bagian atas. Sama-sama. Semoga bermanfaat.
vita
25.7.12
mas, mw tny, syarat korelasi parsial itu apa? bs utk data kategorik?
ini saya jg br skripsi jg..penelitian saya hubungn stunting (ordinal)dng motorik (ordinal)..itu ujiny pkai apa y? spearman/somersd/chi square?
mhn,infony,mkasih
Tanggapan
1.8.12
Umumnya, partial correlation menghadirkan suatu hubungan "triangle". Partial correlation adalah hubungan antara dua variabel dalam mana dalam hubungan tersebut dampak (efek) dari variabel-variabel lainnya disifati sebagai konstan. Misalnya, kita hendak menghubungkan antara Stunting dengan Motorik (dua variabel). Namun, terdapat variabel ketiga yaitu Model Pembelajaran, di mana variabel Model Pembelajaran ini berhubungan baik dengan Stunting maupun Motorik. Singkatnya, partial correlation melibatkan 3 variabel: Dua variabel yang hendak dikaji hubungannya, 1 variabel sebagai "controlling."
Dalam SPSS, partial correlation ini dapat dilihat dalam Analyze > Correlation > Partial. Stunting dan Motorik dimasukkan ke dalam Variables, sementara Model Pembelajaran masukkan ke Controlling For:.
Untuk yang berskala Ordinal, sebaiknya gunakan saja Spearman. Pearson kiranya kurang tepat bagi data yang sifatnya kategorik.
Sama-sama. Semoga bermanfaat.
Unknown
27.7.12
Mau tanya, kalo hasil uji linieritas tidak linier, distribusi normal, data interval. Untuk uji hubungan dengan menggunakan model analisis apa ya? Trims
Tanggapan
1.8.12
Jika memang datanya non linier, kamu bisa gunakan Spearman rho. Skala diturunkan dari interval menjadi ordinal. Sama-sama. Semoga bermanfaat.
Disclaimer
Diskusi di bawah merupakan pindahan sebagian
dari yang terdapat pada artikel kami :
Silakan berkunjung untuk melihat diskusi lainnya.
Karena diskusi-komentar cukup panjang, maka kami bagi dua di link:
