Korelasi Pearson 2 dan Masalahnya

Ad Code

Korelasi Pearson 2 dan Masalahnya

Uji Korelasi Pearson yang populer di kalangan penelitian cukup menyediakan aneka masalah. Masalah-masalah tentu perlu diselesaikan. Bukan benar atau salahnya, melainkan upaya melakukan pencarian solusi itulah yang lebih penting. Sebagai sebuah karya manusia, tentu artikel ini jauh dari sempurna. Motivasi utamanya adalah media saling berbagi untuk coba meringankan masalah faktual.

Artikel ini adalah lanjutan dari pindahan diskusi-komentar yang aslinya terlampau panjang. Diskusi-komentar pertama telah kami muat dalam Korelasi Pearson 1 dan Masalah. Selamat membaca.

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:
Selamat membaca.

Anonim
31.7.12
tolong tanya. saya punya data variabel A rata-rata gula darah dalam angka misalnya 324 mg% dst, variable B adalah protein urine dalam positif-1, positif-2 sampai positif-4. saya ingin uji apakah ada korelasi antara kedua variabel. cara ujinya bagaimana. trima kasih

Tanggapan
1.8.12
Gunakan saja Pearson. Skala data kamu kiranya rasio. Sama-sama. Semoga bermanfaat.

Anonim
6.8.12
lingkar pinggang kategorinya ordinal ya? terus kalau pakai spermen kelemahannya apa

Anonim
6.8.12
terima kasih

Tanggapan
6.8.12
Lingkar pinggang sekurangnya berskala interval. Kelemahan Spearman adalah, data diasumsikan tidak normal sehingga akurasi pengukurannya ada di bawah Pearson correlation yang minimal berskala interval.

Anonim
17.8.12
sorry bukannya sotoy,, mw ralat dikit tentang analis spearman,, datas bilang tinggal asal klik doank tanpa di ranking, itu salah,lalu ada pnjelasan tentang pake chi square,, bagaimana jika arahnya one tail,chi square pnya syrat, silahkan baca buku statistik GRAVERTER WALLNAU,,d situ dijelaskan smua baik manual maupun spss

Tanggapan
17.8.12
Terima kasih. Anda memang benar. Dengan demikian kekeliruan sekaligus diperbaiki. Dalam Spearman terlebih dahulu diranking dan ini terutama dalam pengujian secara manual penting dilakukan. Baru setelah itu (dalam cara manual) digunakan rumus Pearson untuk menghitung korelasinya. Jika arah hubungan sudah diprediksi dalam hipotesis, pilih 1-tailed. Kalau belum, pilih 2-tailed. Yang menarik, dalam SPSS perhitungan Spearman dengan rankin maupun tidak hasilnya sepertinya mirip.

Unknown
5.9.12
Bapak saya mw bertanya, teknik penghitungan sampel saya kan menggunakan pendekatan slovin dengan kesalahan pengambilan sampel 0,1 . Dan ketika saya mencari validitas apakah harus mengikuti 0,1 atau tidak? yang saya pernah dengar kalau SPSS default nya 5%(0,05, apa bisa dirubah 5% nya itu? Terima kasih

Tanggapan
21.9.12
Tentu saja mengikuti yang 0,1 itu. Anda dapat melihat perbandingannya ditabel statistik versi manual. Jika SPSS maka defaultnya memang 0,5. Sama-sama. Semoga bermanfaat.

Unknown
26.9.12
Pak Besral, saya mau bertanya. Apabila hasil penelitian saya dengan tingkat kepercayaan 95%, namun sig. levelnya 0,007. Artinya hubungan antar kedua variabel tidak signifikan. Apakah itu artinya buruk? atau variabel x itu tidak bisa saya gunakan untuk mengukur variabel Y? Mohon bantuannya ya pak. Terimakasih sebelumnya

Tanggapan
9.10.12
Mohon konfirmasi: Apakah 0,007 tersebut merupakan sig. level hasil hitung ataukah Nilai r hasil hitung? Apabila nilai tersebut adalah sig. level hasil hitung maka justru sebaliknya: Hasil uji statistik adalah Signifikan. Mengapa? Penelitian dengan tingkat kepercayaan 95% maka sig. level penelitiannya adalah 0,05. Ternyata, penelitian Anda sig. level hitungnya 0,007. Nilai 0,007 < 0,05, dan maknanya, penelitian Anda signifikan karena sig. hitung < sig. penelitian. Nah, untuk kuat-lemahnya hubungan dilihat dari nilai r hitung. Semakin mendekati 1 (atau -1) maka hubungan sempurna. Makin mendekati 0 maka ketiadaan hubungan. Bisa tidaknya variabel x dihubungkan dengan variabel y pada penelitian kuantitatif lebih disandarkan pada teori ataupun penelitian-penelitian terdahulu di bidang yang serupa.
Sama-sama. Semoga bermanfaat.

Anonim
31.10.12
Saya sedang melakukan penelitian tentang hubungan kompetensi terhadap hasil belajar. Saya menggunakan skala likert untuk kompetensinya dan sudah memberi beri skor dan hasilnya saya jadikan frekuensi (dalam %) yang kemudian di kriteria (baik, cukup, kurang). Bila data tsb saya korelasi dengan hasil belajar, kira2 analisis mana yang tepat Pak? jika dilihat data kompetensi adalah ordinal dan data hasil belajar adalah interval.terima kasih mohon bantuannya

Tanggapan
31.10.12
Jika Anda melakukan mengkriteriakan Kompetensi, maka skala data turun menjadi data kategorik (ordinal). Penentuan uji korelasi didasarkan pada skala terendah. Antara interval dan ordinal, ordinal lebih rendah, jadi Spearman lebih cocok.
Namun, ada hal menarik menurut paparan Anda. Mengapa nilai persen harus dikriteria ke dalam B, C, K ? Apakah tidak lebih baik nilai persen tersebut tetap digunakan? Jika demikian maka Pearson Correlation tetap dapat digunakan. Namun, selain skala data, Pearson juga mempersyaratkan normalitas data.
Sama-sama. Semoga bermanfaat.

Anonim
31.10.12
Data saya termasuk nonparametrik

Tanggapan
31.10.12
Untuk korelasi nonparametrik, dapat digunakan Spearman test ataupun Kendall-tau test.

Anonim
11.11.12
Menanggapi jawaban Bapak mengenai pertanyaan saya diatas, data persentase tersebut saya kategorikan karena selain menggunakan analisis korelasi, saya juga menggunakan analisis deskripsi pada permasalahan skripsi saya. Saya sudah mencoba analisis korelasi dengan menggunakan persentase seperti yang Bapak sarankan, tetapi yang membuat saya bingung adalah bila data angket saya tsb termasuk tidak berdistribusi normal (nonparametrik)bagaimana dengan analisisnya? lalu jika data intervalnya diturunkan menjadi ordinal, bagaimana dengan hasil belajarnya yang berupa nilai/angka?
Sekali lagi terima kasih Pak, jawaban Bapak di atas sangat bermanfaat bagi saya..

Tanggapan
12.11.12
Data asli Anda adalah interval (untuk X) dan rasio (untuk Y). Dengan kedua data ini, Anda bisa melakukan uji Pearson. Untuk uji Pearson, salah satu prasyarat (asumsi) adalah normalitas data. Terlebih dahulu ujilah normalitas datanya. Jika data berdistribusi normal, lakukan uji korelasi Pearson. Analisis deskriptif dapat dilakukan sekaligus. Buat saja satu variabel baru (di sheet Variable View pada SPSS, beri nama misalnya "Kategori"), isi valuenya 0% s/d ...% = Rendah, ...% s/d ...% = Sedang, dst. Anda dapat mendeskripsikan Y berdasarkan variabel "Kategori" tadi.
Namun, jika setelah uji normalitas ternyata data Anda tidak normal, silakan gunakan Spearman. Tentu saja, Anda juga tetap bisa melakukan analisis deskriptif. Hasil belajar yang berupa nilai/angka tidak masalah. Penentuan uji didasarkan pada skala data terendah sebagai patokannya. Jadi karena variabel Anda (X dan Y) adalah Ordinal dan Rasio, sementara Ordinal yang terendah, maka Spearman yang digunakan.
Sama-sama. Alhamdulillah jika bermanfaat.

Anonim
12.11.12
Bapak.. terima kasih banyak atas bantuannya..sekarang sudah ada pencerahan thd analisis skripsi saya..

Tanggapan
12.11.12
Sama-sama. Sukses ya.

Anonim
12.11.12
Pak Saya, saya ingin tanya apakah di setiap spss ada menu utk mengubah taraf signifikai? karena oleh dosen diminta utk menggunakan signifikansi 0,05 tapi di spss 17 saya ternyata memakai 0,01..terima kasih

Tanggapan
12.11.12
Sig. 0,01 justru lebih teliti ketimbang 0,05. Jadi, jika SPSS mencantumkan hasil seperti .880** (bintang) yang diterakan di bawah tabel dengan kalimat **. Correlation is significant at the 0.01 level (2-tailed), maka justru lebih teliti ketimbang 0,05.
Masalahnya, SPSS secara default sudah menggunakan sig. 0,05. Jika probabilitas lebih tinggi (misalnya 0,01) maka SPSS akan menyebutkan dengan tanda bintang tersebut.
Namun, jika Anda hendak menghilangkan tanda bintang, bisa saja. Caranya, klik Analyze > Correlate > Bivariate. Hilangkan ceklis pada Flag significant correlations. Nanti tanda tersebut pun akan hilang di output.
Sama-sama. Semoga bermanfaat.

kadek
5.12.12
terimakasih materinya sangat membantu

Tanggapan
19.12.12
Sama-sama. Semoga bermanfaat.

Anggun
12.12.12
Malam Bapak Saya, saya mau bertanya. Untuk penelitian saya menggunakan 3 variabel hubungan x1, x2 dan y:
x1 skala guttman ,x2 skala likert dan y skala likert. x1 menyebabkan y dan x2 menyebabkan y. Utk x1 dan x2 data berdistribusi tidak normal, tapi y berdistribusi normal dan keseluruhan x1 x2 y itu linier.
Jika, saya menggunakan Korelasi Pearson untuk mengukur korelasi ke3 variabel tersebut. apakah benar? Terimakasih.

Tanggapan
19.12.12
Selamat malam. Secara prosedural, uji korelasi tidak diperuntukkan untuk menentukan pengaruh, karena uji korelasi tidak bertujuan membangun persamaan regresi. X1 tidak berdistribusi normal, X2 tidak berdistribusi normal, Y berdistribusi normal. Dengan asumsi seperti ini, ada baiknya prosedur uji korelasi menggunakan Spearman. Kendati demikian, nilai hasil uji Spearman dan Pearson tidak terpaut jauh secara ekstrim.
Terima kasih kembali. Semoga bermanfaat.

Anonim
9.1.13
Maaf saya ingin bertanya
  1. untuk melihat sebaran distribusinya normal jika data kurangdari sama dengan 50 yg digunakan shapiro wilk atau kolomogorv sminornov?
  2. jika dari 4 data dan 2 data tidak berdistribusi normal apakah memakai spearman atau pearson?
  3. jika 1 dari 4 yg sebaran normal dpt digunakan spearman?
Tanggapan
18.1.13
  1. Untuk yang < 50 umumnya digunakan Shapiro-Wilk. Untuk yang >=50 umumnya digunakan Kolmogorov-Smirnov. Saran saya, gunakan saja KS.
  2. Jika ada satu saja yang tidak normal, seluruhnya mengikuti. Jadi, sebaiknya gunakan Spearman.
  3. Ya. Mengikuti yang tidak normal. Juga gunakan Spearman.
Demikian. Semoga bermanfaat.

Anonim
11.1.13
ASS..pak seta..
make sure..mencari association.
kalo var. independent
knowledge (continuous).
persepsi (ordinal)
stigma (ordinal)
Dependent var.
perilaku pencarian pengobatan (in days)/ continuous
apakah tepat kalo pake pearson corelation. atau ada uji lain yg lebih tepat?
step nya bagaimana Nuhun..

Tanggapan
11.1.13
Wa 'alaikumus salam.
Penentuan uji korelasi didasarkan pada skala terendah variabel. Dalam hal ini skala terendah adalah ordinal. Ini karena ordinal lebih rendah dari kontinus. Dengan demikian, uji korelasi yang paling cocok adalah Spearman. Terlebih, apabila asumsi parametrik (yaitu normalitas data) terlanggar, Spearman adalah pilihan pas.
Namun, ada sejumlah catatan. Perhatikan variabel persepsi (ordinal) dan stigma (ordinal). Ada peneliti semisal Donald P. Schwab menyatakan, variabel yang 'disangka' ordinal karena pernyataan pilihan SS, S, R, TS, STS sesungguhnya dapat dikategorikan masuk skala interval. Atau, apabila tidak mungkin, mendekati interval. Dengan demikian, kata Schwab, uji Pearson dapat dilakukan. Ini bilamana asumsi uji pearson tidak terlanggar (lihat di bagian artikel atas, mengenai asumsi).
Nah, kini tinggal bagaimana Anda memilih. Apakah hendak pakai Spearman ataukah Pearson. Adapun hasil akhir dari kedua uji tersebut (dengan SPSS) mirip (tidak jauh beda).
NB: Juga, patut dilihat. Jika ada di antara variabel persepsi dan stigma yang punya 2 pilihan jawaban (maka dengan otomatis uji korelasi yang dilakukan sebaiknya Point-Bisserial (jika dua jawaban bersifat diskrit, misalnya laki-perempuan) atau Biserrial (jika dua jawaban bersifat kontinus, misalnya lulus-gagal, jauh-dekat).
Mengenai step pengujian data dapat dilakukan: uji validitas --> uji reliabilitas--> uji asumsi--> uji hipotesis.
Sami-sami. Semoga bermanfaat.

Unknown
12.1.13
kalau 2 variabel ordinal (tingkat pengetahuan sm status gizi) kan pake spearman rank yagh....
yang q binguunggg kok susah dapet tabel distribusi z yang dua arah...
padahal d rumus yang q pljari ada angka yang berdasar tabel itu,,,
gmana dund,,,?
truuss di tabel phi yang ada hanya sampai besaran n 30 apa emang kalau pke spearman jumlah sample di batasi sampe 30 ajja??
nuhuunnn

Tanggapan
17.1.13
Untuk uji Spearman > 30 sampel dapat dibaca artikel berikut:
  • http://setabasri01.blogspot.com/2012/04/uji-korelasi-spearman-dengan-spss-dan.html
Sami-sami. Semoga bermanfaat.

palupi
3.2.13
kalau Variabel independent X1 (pengetahuan) menggunakan data nominal yaitu jika benar mendapat nilai 1 salah mendapat nilai 0, 2 variabel lainnya menggunakan skala likert dan variabel dependent menggunkan rasio laba. Rencana mau pake regresi berganda, jadi data variabel X1 harus menggnakan MSI dulu. nah saya belum tahu cara menggunakan MSI untuk data nominal pada variabel yang saya pakai. bisa dikasih solusi??? terimakasih

Tanggapan
14.4.13
Sebenarnya terdapat pilihan bukan dengan MSI saja. Anda dapat menggunakan Logistic Regression apabila data VB adalah nominal. Atau, menggunakan Multinomial Regression apabila data VB adalah Ordinal/Sikap. Untuk MSI banyak sekali di Google sebagai sumber, bahkan ada yang menyediakan file excel sehingga kita tinggal menginputnya.
Sama-sama. Semoga bermanfaat.

Unknown
25.2.13
Mas Seta, berkaitan dengan uji korelasi saya ingin tanyakan apakah kita dapat menggunakan hasil dari Faktor Analysis (PCA) untuk langsung digunakan untuk uji korelasi Pearson, uji asumsi, dan regresi berganda (linier) dimana variabel terikat saya hanya satu dan bersifat ordinal (skala likert). Terima kasih sebelumnya dan mohon pencerahannya!
Mengingat hasil score dari PCA (yang merupakan variabel bebas saya) setelah saya save as regression bernilai kecil bahkan terdapat negatif di tabel kerja. Sedangkan variabel terikat saya likert (1-7).

Tanggapan
14.4.13
Saya sudah jawab di artikel Analisis Faktor, Mas. Semoga dapat bermanfaat.

Anonim
22.4.13
salam kenal pak seta, nama saya Dimas.
saya mohon pencerahanya mengenai skala pengukuran.
Jika variabel Independennya (beban pengasuhan) menggunakan kuesioner, dengan hasil ukur:
0-21 : tidak ada atau sedikit beban
21-40 : beban ringan sampai sedang
41-60 : beban sedang sampai berat
61-88 : beban berat
jadi beban pengasuhan tersebut masuk skala pengukuran interval/ordinal/Rasio
bnegitu juga dgn variabel Dependen (Kualitas Hidup)diukur menggunakan kuesioner dgn Hasil Ukur:
Kurang:
X < (Mean – 1.SD)
Cukup :
(Mean-1.SD) ≥ X < (Mean + 1. SD)
Baik:
X ≥ (Mean + 1. SD)
itu termasuk dalam skala pengukuran Ordinal/Rasio?

Tanggapan
22.4.13
Salam kenal juga untuk Anda. Untuk Variabel Independen mungkin masih dapat diperdebatkan jika disebut murni interval. Namun, kecenderungannya adalah interval atau sekurangnya mendekati interval. Demikian pula halnya dengan Variabel Dependen, kecenderungannya adalah sekurangnya mendekati interval. Dengan demikian apabila Anda menerapkan uji korelasi Pearson, adalah cukup tepat.
Namun, sekedar lontaran saran saja. Apabila untuk Variabel Independen dan Dependen digunakan data rasio-nya bagaimana? Penelitian tentu akan lebih "eksak" perhitungan kuantitatifnya. Kemudian signifikansi penelitian dapat dinaikkan menjadi 0,01 misalnya? Juga jangan lupa konsultasi dengan dosen pembimbing ya.
Demikian. Semoga bermanfaat.

Anonim
23.4.13
maaf pak, maksud dari "Apabila untuk Variabel Independen dan Dependen digunakan data rasio-nya bagaimana?" berarti kedua variabel tersebut dianggap Rasio? menurut dosen pembimbing kalo yg variabel Dependenny pake rasio pak.

Tanggapan
23.4.13
Variabel Independen dapat pula diskalakan menjadi rasio apabila "beban pengasuhan" digunakan angka sesungguhnya semisal "20", "33" dan sejenisnya. Namun, apabila memang hendak digunakan interval pun sebenarnya tidak mengapa karena korelasi Pearson dapat diberlakukan di dalam penelitian Anda. Selamat meneliti.

Anonim
24.4.13
terima kasih banyak atas penjelasannya pak.

Tanggapan
25.4.13
Sama-sama. Semoga bermanfaat.

Anonim
23.5.13
nanya lagi ni pak. kalo kedua variabel diatas saya menggunakan skor asli (misal "34", "36")dan data menunjukan distribusi tidak normal. kemudian saya menggunakan korelasi spearman, apakah saat uji menggunakan spearman boleh menggunakan skor asli tersebut?

Tanggapan
23.5.13
Sebaiknya dilakukan rangking terlebih dahulu karena metodologi Spearman menghendakinya demikian. Namun, sepengetahuan saya, ketika menggunakan SPSS dan kita perbandingan antara pengujian dengan skor "asli" dengan "rangking" maka akan diperoleh hasil yang tidak terlampau berbeda.
Demikian. Semoga bermanfaat.

Anonim
25.4.13
Pak, saya ingin bertanya.
saya ingin menguji hubungan antara asupan energi, lemak, serat dan aktifitas fisik terhadap obesitas.
variabel independen yaitu asupan berskala rasio dan aktivitas fisik berskala ordianal (kategori aktivitas : ringan, sedang, dan tinggi). sedangkan obesitas berskala ordinal. (sampel dicari yang sudah obesitas)
sebaiknya untuk mengetahui korelasi menggunakan uji apa ya Pak? terimakasih

Tanggapan
25.4.13
Uji korelasi berpatokan pada skala terendah. Dari deskripsi skala terlihat bahwa skala terendah adalah ordinal, maka uji korelasi Spearman lebih tepat untuk digunakan. Dan, hasil uji Spearman sesungguhnya tidak terlampau berbeda dengan uji Pearson.
Sama-sama. Semoga bermanfaat.

Anonim
29.4.13
terimakasih, maaf saya mau bertanya mas

Anonim
29.4.13
terimakasih, maaf saya mau bertanya pak
pak, saya sedang menyusun proposal skripsi namun saya masih bingung dengan metodologi penelitian saya pak, judul penelitian saya : Hubungan faktor lingkungan fisik ( suhu, kelembapan dan pencahayaan ) dengan angka kuman udara di ruang ICU rumah sakit X kota x. jenis penelitian saya explanatory atau confirmatory reseach, total populasi dan sampel seluruh ruangan di ICU yg berjumlah 10 kamar dan tiap2 kamar akan diukur suhu, kelembapan, pencahayaan dan angka kuman udara, smua skala interval, smua menggunakan alat utk mengukur variabel tsb, uji apa yg harus saya gunakan pak dlm menghubungkan variabel tersebut, bisa tidak pak saya menggunakan uji pearson product moment atau uji korelasi spearman atau ada yang lain pak?? mohon penjelasannya pak, terimakasih pak

sehan
29.4.13
Komentar ini telah dihapus oleh pengarang.

Anonim
29.4.13
tujuan penelitian :
1. diketahuinya hubungan suhu dengan angka kuman udara
2. diketahuinya hubungan kelembapan dengan angka kuman udara
3. diketahuinya hubungan pencahayaan dengan angka kuman udara

Anonim
29.4.13
pak, sebelum dilakukan uji statistik dilakukan uji normalitas data dgn uji kolmogrov smirnov apabila data berdistribusi tdk normal dilakukan uji korelasi spearman dan apabila data berdistribusi normal dilakukan uji pearson produc moment ? atau ada uji yg lain pak ?mohon penjelasannya pak

Tanggapan
29.4.13
Untuk sebelumnya, mengenai jenis penelitian.
Explanatory Research (ElaR) ataupun Confirmatory Research (CR) adalah pengategorian penelitian berdasarkan tipe/jenisnya. ElnR adalah penelitian yang diperuntukkan demi menjelaskan hubungan antarvariabel, tidak sekadar menggambarkan data belaka. CR adalah penelitian yang diperuntukkan demi mengonfirmasi (membuktikan) hasil-hasil yang ditemukan di dalam penelitian terdahulu (juga membuktikan suatu teori). Nah, ke manakah penelitian Anda diperuntukkan? Ada juga penelitian bertipe Exploratory Research (EloR), yang diperuntukkan "meraba" bentuk hubungan tertentu karena belum adanya gambaran tentang hubungan atau kondisi antarvariabel sebelumnya.
Mengenai uji hubungan, dapatlah Anda menggunakan Pearson Correlation Test. Hal ini sangat sesuai dengan data yang Anda pergunakan. Memang, untuk data sampel < 30 hasil uji parametrik agak "mengkhawatirkan." Namun, Anda adakan saja uji asumsi normalitas. Apabila data berdistribusi normal, lanjutkan penggunaan Pearson. Apabila tidak normal, gunakan saja Spearman.
Berdasarkan penelitian Anda (nomor 1, 2, dan 3) dapatlah diketahui ke mana jenis penelitian Anda termasuk, bukan?
Demikian. Semoga bermanfaat.

Anonim
30.4.13
terima kasih banyak pak atas jawaban yg sangat bermanfaat,
maaf pak saya mau bertanya kembali :
  1. populasi dan sampelnya hanya di ruang ICU dengan total 10 ruang kamar / 10 sampel pak. teknik sampling apa yah yg cocok buat tekhnik pengambilan sampelnya pak ?
  2. diketahuinya perbedaan suhu, kelembapan, pencahayaan dan angka kuman udara di setiap kamar ruang ICU yaitu 10 kamar atau 10 sampel. yg ini bisa di jadikan tujuan penelitian gak pak? uji apa yg di gunakan kalau memang bisa pak ?
Tanggapan
30.4.13
  1. Teknik samplingnya menggunakan Complete Enumeration Method, dalam mana seorang peneliti menggunakan seluruh anggota populasi yang ia perlakukan selaku "sampel" penelitiannya atau serupa dengan sensus.
  2. Sesungguhnya adalah bisa. Guna memperoleh perbedaan seputar suhu, kelembababan, pencahaan, dan angka kuman udara antarkamar adalah juga dapat dijadikan tujuan penelitian. Uji statistik yang bisa digunakan adalah uji-uji beda semisal Kolmogorov-Smirnof ataupun Kruskal-Wallis.
Demikian. Semoga bermanfaat.

Anonim
29.4.13
tujuan penelitian :
1. diketahuinya hubungan suhu dengan angka kuman udara
2. diketahuinya hubungan kelembapan dengan angka kuman udara
3. diketahuinya hubungan pencahayaan dengan angka kuman udara

saya
29.4.13
Silakan dilihat komentar balasan di bagian atas. Semoga bermanfaat.

Anonim
5.5.13
bagaimana dengan uji regresi dan bedanya dengan uji korelasi ?

saya
6.5.13
Uji regresi bertujuan mencari "pengaruh" suatu variabel atas variabel lain (biasanya variabel bebas terhadap variabel terikat. Uji korelasi bertujuan menggambarkan terdapatnya "hubungan" suatu variabel dengan variabel lain.

Unknown
7.5.13
Pak, luar biasa lengkap, saya izin copas materi nya....
makasih

Tanggapan
9.5.13
Sama-sama. Silakan. Semoga bermanfaat.

Anonim
11.5.13
salam sejahtera pak.
saya mau bertanya, apakah untuk uji korelasi Spearman rho menggunakan SPSS datanya harus di buat ranking terlebih dahulu?

Tanggapan
11.5.13
Salam sejahtera.
Sebaiknya dibuat rangking terlebih dahulu baru kemudian dilakukan uji korelasi Spearman. Namun demikian, sepemahaman saya hasilnya adalah serupa baik sebelum dirangkin maupun sesudah dirangking.
Demikian. Semoga bermanfaat.

Anonim
12.5.13
Jadi tidak masalah jika data tidak di ranking terlebih dahulu dan hasilnya tidak berbeda kan pak?
terima kasih pak seta. .

Tanggapan
12.5.13
Ya. Kelihatannya memang demikian adanya. Apabila ragu, silakan diperbandingkan kedua metode tersebut. Dan, apabila Anda dikehendaki oleh pembimbing skripsi untuk berhitung secara manual, tentu saja haruslah dirangking terlebih dahulu.
Sama-sama. Semoga bermanfaat.

Anonim
14.5.13
pak..saya bisa dapet buku Robert Ho dmn ya?soalny saya cari dgramedia tdk ada pak..terima kasih

Tanggapan
15.5.13
Anda dapat membacanya di www.scribd.com/ atau www.goodreads.com Selamat mencoba.

Anonim
16.5.13
wah terima kasih banyak pak..sangat membantu..

Anonim
5.6.13
Bpk yg rendah hati mohon pencerahannya
untuk menganalisis korelasi saya menggunakan pearson setelah sebelumnya
melakukan transformasi dari data ordinal ke interval memakai rumus
Methode of Successive Interval (MSI).
langkah selanjutnya melakukan uji asumsi klasik (normalitas,multikolinearitas, hteroskedastistitas, auto korelasi)
apakah urutannya sudah benar pak: MSI>asumsi klasik>korelasi>regresi ganda (mohon koreksi)
-AHMAD-

Tanggapan
6.6.13
Mungkin alangkah lebih baik apabila tujuan dari penelitian dimuatkan terlebih dahulu, apakah melakukan uji korelasi, uji regresi, ataukah keduanya. Namun, sepertinya urutan pengujian sudah tepat, yaitu konversi data, uji asumsi klasik, uji korelasi, dan terakhir regresi.
Demikian tanggapan saya. Semoga bermanfaat.

Anonim
5.6.13
malam pak... saya yg awam ingin bertanya
untuk point no 2 yaitu
2. Klik Masukkan variabel x1, x2, x3, dan y ke kotak Variables.
maksudnya jumlah skor butir stiap variabelnya aja ya pak,, tidak usah dengan data skor butir seperti waktu uji validitas.. trims

Tanggapan
6.6.13
Selamat malam.
Memang, yang dimaksudkan pada langkah point nomor 2 yaitu "Masukkan variabel x1, x2, x3, dan y ke kotak Variables" adalah skor total masing-masing variabel, bukan skor per butir seperti uji validitas. Misalnya, dalam variabel x1 total item ada 5 maka skor total ke-5 butir tersebut (1+2+3+4+5).
Sama-sama. Semoga bermanfaat.

Unknown
7.6.13
Saya sedang mengerjakn tugas statistik saya yang judulnya " Perbedaan kemampuan berbahasa arab antara laki-laki dan perempuan di kelas PKPBA "A" ",
dan ada 20 soal, 10 menerjemah arab-indo, yg 10 indo-arab..
lha.. saya bingung menentukan, mana yg termasuk X mana yg Y ??
dan X.nya berapa??
jujur sya belum begitu faham..
mohon bantuannya...
syukron..

Tanggapan
7.6.13
Tugas Anda tampaknya adalah studi komparatif. Anda berupaya melakukan perbandingan mengenai perbedaan kemampuan berbahasa Arab antara laki-laki dan perempuan di kelas PKPBA "A". Sebenarnya tidaklah harus variabel yang kita teliti berwujud X dan Y. Dalam kasus Anda, variabel yang diteliti hanya satu yaitu X yang bernama "kemampuan bahasa Arab." Anda hendak menjelaskan perbedaan antara K1 (kelompok 1 atau laki-laki) dengan K2 (kelompok 2 atau perempuan). Dengan demikian, alangkah lebih tepat apabila Anda menggunakan uji beda sampel independen.
Sama-sama. Semoga bermanfaat.

Anonim
12.6.13
Pak saya mau tanya, saya sedang melakukan penelitian dengan judul efektivitas. saya menggunakan skala likert, saya hitung dengan pearson hasilnya tingkat hubungan rendah namun di hitung dengan spearman hasilnya kuat. jadi saya harus memakai yang mana? data tersebut ordinal atau interval? terimakasih.

Tanggapan
13.6.13
Persoalannya, Likert Scale sendiri masih terdapat sejumlah tafsiran apakah dikategorikan sebagai ordinal ataukah interval (atau cenderung mendekati interval). Baiklah, apabila dikategorikan sebagai interval. Uji korelasi Pearson diperuntukkan untuk uji korelasi data minimal berskala interval, data berdistribusi normal, dan terjadi linieritas. Ketiga asumsi ini adalah asumsi parametrik. Apabila asumsi parametrik tidak terpenuhi, maka tersedia uji korelasi alternatif yaitu Spearman. Nah, dengan kondisi yang demikian, mungkin kini dapat ditetapkan apakah menggunakan Pearson ataukah Spearman?
Demikian. Semoga bermanfaat.

pebri
13.6.13
kalau analisis korelasi menggunakan SPSS untuk skala nominal dengan ordinal pake yang jenis apa??,

Tanggapan
13.6.13
Apabila nominal dengan ordinal hendak dikorelasikan, dapat dipertimbangkan penggunaan uji korelasi Biserial ataupun Point-Biserial. Point-biserial digunakan apabila salah satu variabel dikotomus-diskrit, sementara Biserial digunakan apabila salah satu variabel adalah dikotomus-kontinus. Biserial tidak dapat langsung digunakan dalam SPSS karena kita harus terlebih dahulu menghitung korelasi Point-Biserial lalu menggunakan suatu persamaan dalam menghitungnya.
Demikian. Semoga bermanfaat.

Unknown
18.6.13
Halo pak, saya mau tanya, untuk mencari normalitas data dengan spss yg benar itu yg mana ya pak? apakah :
"analyze - Descriptive Statics - Explore - pada box plots centang normality"
atau
"analyze - non parametric - 1 sample K-S" ??
karena ketika saya menggunakan yg explore slah satu variabel saya tidak berdistribusi normal, sedangkan ketika memakai 1 sample K-S data yg saya punya berdistribusi normal semuanya.
yang ke-2, apabila data berdistivrusi normal, namun uji linearitas, uji keberartian dan uji multikolinearitas tidak terpenuhi, apa saya masih bisa tetap menggunakan statistik parametrik atau langsung menggunakan statistik non parametrik?
Mohon maaf apabila pertanyaan saya banyak.
Mohon tanggapannya, terima kasih pak :)

Tanggapan
19.6.13
Halo juga. Yang pertama. Dalam mencari normalitas, saya lebih menyarankan penggunaan 1 Sample Kolmogorov-Smirnof. Mengapa? Karena nilainya lebih definitif dan populer digunakan. Dapat diperbandingkan nilai K-S atau nilai Sig. Hitung K-S diperbandingkan dengan Sig. Penelitian (umumnya 0,05). Yang kedua. Saya amat menyarankan, apabila kondisinya demikian, untuk segera menggunakan statistik non-parametrik. Mengapa? Karena sesuai dengan kondisi data. Selain itu, hasilnya pun tidak terlampau jauh berbeda dengan yang parametrik (Pearson).
Demikian. Semoga bermanfaat.

Anonim
20.6.13
Pak, saya mau tanya, apa ada perbedaan dalam langkah SPSS untuk uji satu arah dan dua arah?
mohon jawabannya, terima kasih bayak Pak...

Tanggapan
20.6.13
Untuk uji korelasi dengan SPSS, tentu ada langkah berbeda untuk uji signifikansi. Pada kotak dialog Bivariate Correlation, perhatikan pilihan Test of Significance. Di sana terdapat pilihan: Two-tailed untuk uji dua arah; One-tailed untuk uji satu sisi. Namun, untuk signifikansi penelitian, SPSS sudah secara default menetapkan nilai 0,05. Untuk di luar nilai tersebut perhatikan "tanda bintang" di output SPSS.
Demikian. Semoga bermanfaat.

Anonim
23.6.13
Pak saya mau tanya tentang analisis regresi linear ganda.
  1. Apakah yg menjadi faktor predominan tidak boleh variabel yang pernah dikeluarkan namun dimasukkan ke pemodelan lagi?
  2. Jika variabel yang memiliki koefisien beta terbesar merupakan variabel yg pernah dikeluarkan dan dimasukkan lg tersebut bagaimana?
  3. Apakah variabel yg pernah dikeluarkan dan dimasukkan lg tersebut disebut confounding?
Terima kasih sebelumnya.

Tanggapan
27.6.13
  1. Tentu saja faktor predominan tersebut adalah di mana nilai R Square secara signifikan berbeda dari 0. Uji statistik secara umum pertama kali mencari nilai hasil yang signifikan.
  2. Menurut pemahaman saya, tidak masalah selama tunduk pada desain konstruk dan memenuhi tujuan pencarian nilai signifikan seperti pada poin 1.
  3. Apabila asosiasi antara X terhadap Y diganggu oleh Z, maka terjadilah confounding. Z menjadi confounding variable baik terhadap X maupun Y. Variabel ini dicirikan "sesuatu" yang berkorelasi dengan dua atau lebih perlakuan pada persamaan. Ia muncul secara kausal, lebih dahulu sebelum perlakuan atas persamaan diberlakukan oleh peneliti. Juga, variabel ini disebut sebagai "pengganggu", "covariate", atau "concomitant". Umumnya, confounding menjadi masalah dalam konteks penelitian observasional, bukan penelitian acak (random). Ini karena proses pengacakan akan otomatis mengeliminasi korelasi antara variabel confounder dengan variabel prediktor. Untuk bahasan teoretis mengenai confounder Anda dapat mempelajarinya di link: http://www.soc.duke.edu/~jmoody77/205a/ecp/frank_smr_2000.pdf
Demikian. Semoga bermanfaat.

Anonim
28.6.13
Pak saya mau tanya, apakah nilai Mean mempengaruhi nilai r? Sebab nilai mean independent variable saya yg tinggi malah mendapatkan nilai r lebih rendah dibandingkan independent variable yg memiliki nilai mean yg rendah. Maaf pak agak ribet bahasanya, tapi semoga bapak bisa mengerti :'(

Tanggapan
28.6.13
Sebelum menanggapi, alangkah baiknya apabila juga disebutkan nilai Standard Deviasi (SD). SD inilah yang menunjukkan apakah Mean penelitian kita (Mean yang diambil dari sampel) serupa dengan Mean yang sesungguhnya (Mean populasi, yang tentu saja tidak kita ketahui. Tapi itulah guna dari SD tersebut). Semakin kecil SD maka semakin kecil penyimpangan Mean observasi terhadap Mean populasi. Semakin besar SD maka semakin besar penyimpangan Mean observasi terhadap Mean populasi. Dengan demikian, nilai Mean rendah atau tinggi hendaklah tidak menjadi patokan utama karena masih ada SD yang patut dipertimbangkan.
Nah, berdasarkan hubungan antara SD dan Mean ini, amat disarankan untuk kembali melihat nilai-nilai Mean dan SD hasil olahan kuesioner.
Demikian. Semoga bermanfaat.

Anonim
29.6.13
Begitu ya pak, terima kasih banyak penjelasannya. sangat bermanfaat.

Anonim
1.7.13
syarat apa yang harus dipenuhi dalam penggunaan uji KS ?n apa bedanya dengan uji DW pada normalitas?

Tanggapan
2.7.13
Apakah yang dimaksudkan adalah syarat dalam konteks uji normalitas? Apabila memang demikian, maka untuk mengadakan uji normalitas dengan Kolmogorov-Smirnov (KS), ukuran sampel hendaklah tidak terlalu besar (kira-kira 30). Karena dengan sampel yang besar, uji ini hampir selalu memperlihatkan hasil yang signifikan. Durbin-Watson adalah test yang lebih populer untuk digunakan dalam menguji adanya autokorelasi residu variabel bebas.
Demikian. Semoga bermanfaat.

Unknown
9.7.13
pak mau tanya tau sumber mean median gak ?
teori dari menggunakan hasil ukur mean median ??

Tanggapan
15.7.13
Mungkin situs ini akan cukup bermanfaat:
  • http://www.mathgoodies.com/lessons/vol8/median.html
Selamat menjelajah.

ipung
20.7.13
mohon penjelasannya,saat ini saya sedang melakukan penelitian tentang pengaruh kompetensi dan motivasi terhadap kinerja. mengapa hasil uji lineartias yang saya lakukan tidak dapat ditampilkan dalam tabel anova? apakah dapat diartikan bahwa tidak terjadi hubungan yang linear antar masing-masing variabel bebas dan variabel terikat? apabila uji linearitas tidak saya lakukan, apakah akan mengurangi kualitas hasil penelitian ini nantinya. trims

Tanggapan
00.0.00

Afriyanti Hasanah
21.7.13
Pak, saya sedang menyelesaikan skripsi dengan Y=1, var X=4 dan Var moderating = 1. saya ingin bertanya.
1. pada saaat uji autokorelasi dg durbin watson, apakah var moderating dimasukkan ke dalam pengujian? dan apakah jumlah k=4 atau k=5..?
2. setelah dilakukan pengujian asumsi klasik, semuanya terpenuhi. tp pas uji F (uji simultan), ternyata antara X1, x2, x3, x4 tidak mempunyai pengaruh serempak terhadap Y.
apakah penelitian saya ini harus di ganti variavbelnya? atau tetap bisa dilanjutkan ke bab V kesimpulan saran..?
terimakasih sebelumnya pak. Mohon bimbingannya.. :)

Tanggapan
00.0.00

Unknown
22.7.13
Maaf pak, jika hendak menguji antara jamaah wafat (Kelompok umur <60 thn dan >=60 thn) dengan gelombang haji (gel 1 dan gel 2); kelompok umur dengan periode prosesi haji (pra, armina, dan pasca armina), sebaiknya menggunakan uji apa?
Terima kasih

Tanggapan
00.0.00

Anonim
29.7.13
Terima kasih banyak, tulisannya sangat membantu :)

Unknown
13.8.13
maaf mau tanya, kalau seumpama ada variabel yang tidak signifikan itu kita menjelaskannya gimana ???? misal, kepuasan tidak berpangruh signifikan terhadap loyalitas ??? tolong pejelasannya....
kalau ada buku atau jurnalnya mohon diberitahukan.
terima kasih........

Tanggapan
00.0.00

Anonim
24.8.13
mau tanya tentang interpretasi pearson product moment pak ?

Tanggapan
00.0.00

Anonim
19.9.13
selamat siang pak saya mau bertanya, saat ini saya sedang menyusun skripsi yang berjudul hubungan religiusitas dengan perilaku seksual mahasiswa, dan menggunakan skala yang berbeda antara keduanya, yaitu skala likert dan skala guttman. uji analisis apa yang sebaiknya saya gunakan ?

Tanggapan
00.0.00


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:
Selamat membaca.
Reactions