asosiasi korelatif

Analisis Asosiasi KorelatifDewi Sawitri

Metoda Analisis Menurut Skala PengukuranNominalOrdinalInterval/RasioUkuran Korelasi Berbasis Chi-SquareKoefisien PhiKoefisien V CreamerKoefisien Kontingensi CUkuran Korelasi Bebasis Proportional Reduction Error (PRE)Koefisien LambdaUkuran Korelasi Variabel Ordinal KontinyuKoefisien Korelasi Tau KendalKoefisien Korelasi Rho SpearmenUkuran Korelasi Variabel Ordinal CollapsedKoefisien GammaKoefisien d SommerKoefisien Tau-b KendalKoefisien Korelasi r Pearson (Product Moment)

Asosiasi Variabel NominalUkuran Asosiasi Berbasis Chi-SquareKoefisien Phi: 2 = nilai Chi-squareN = Jumlah SampelTabel 2 x 2Nilai = 0 tidak ada hubunganNilai = 1 ada hubungan sempurnaBila Tabel > 2 kolom dan baris hasil >1 mempersulit interpretasi.

Asosiasi Variabel Nominal

Jenis KelaminJumlahPriaWanitaTinggi BadanTinggi44852Pendek64248Jumlah5050100

Asosiasi Variabel NominalKoefisien V CreamerTabel > 2 kolom dan barisNilai V tertinggi = 1 untuk beberapa ukuran tabelV dan sebagai indeks pengukur kekuatan hubungan antara dua variabelMasalah utama V dan tidak mempunyai interpretasi langsung yang bermakna tentang nilai 0 - 1

Asosiasi Variabel NominalKoefisien Kontingensi CNilai C antara 0 1, dari tidak ada hubungan sama sekali sampai hubungan sempurna

Asosiasi Variabel NominalPengujian Koefisien Asosiasi Hipotesa:H0 : tidak ada korelasi antara kedua variabelH1 : ada korelasi antara kedua variabelTentukan Wilayah Kritis 2 > ; df; (b-1)(k-1)Statistik Uji 22 jatuh di wilayah kritis hubungan nyata

Asosiasi Variabel NominalUkuran Asosiasi Berbasis Proportional Reduction Error (PRE)Koefisien Lambda ()Jumlah Kesalahan Prediksi dengan mengabaikan variabel independent (E1)Jumlah Kesalahan Prediksi dengan mempertimbangkan variabel independent (E2)Keduanya dibandingkan untuk memperoleh Statistik

Asosiasi Variabel NominalInterpretasi Nilai dari 0 10 informasi variabel independent tidak memperbaiki prediksi1 informasi variabel independent memperbaiki prediksiBila dikalikan 100 Lambda menunjukkan prosentase reduksi kesalahan.

Asosiasi Variabel NominalProsedur Menghitung Lambda:E1 = N (Total Baris* Terbesar)*/**Perhatikan dimana posisi variabel independent baris atau kolom?Kurangkan frekwensi terbesar pada setiap kolom** dengan frekwensi total kolomJumlahkan hasil pengurangan pada setiap kolom tersebut (E2)Hitung Lambda.Perhatian:AsimetrikBila salah satu total baris jauh lebih besar dari yang lain nilai lambda dapat nol gunakan koefisien lain koefisien berbasis Chi-square lebih baik.

Asosiasi Variabel NominalE1=100-52=48 kesalahan terkecil tanpa mempertimbangkan variabel independent.Kesalahan terkecil mempertimbangkan variabel Independent:Laki-laki= 50-44=6Wanita = 50-42=8E2=6+18=14

Jenis KelaminJumlahPriaWanitaTinggi BadanTinggi44852Pendek64248Jumlah5050100

Asosiasi Variabel OrdinalData Ordinal Terdiri dari Dua Bentuk:Data Ordinal Kontinyu: Rentang yang lebar dari banyak nilai yang mungkinData Ordinal Collapsed (Dilebur):Mempunyai sedikit (tidak lebih dari 5 atau 6) nilai setiap variabel dapat diperoleh dari pengumpulan data dalam kontinyu.

Asosiasi Variabel OrdinalUkuran Asosiasi Variabel Ordinal CollapsedKoefisien Gamma (G)Memperkirakan urutan dari pasangan kasusMemperkirakan apakah satu kasus mempunyai skor yang > atau < dari yang lain dalam variabel yang ingin diketahui.Prinsip:Memprediksi urutan dari suatu pasang kasus pada satu variabel, sementara mengabaikan urutan variabel lain.Memprediksi urutan suatu pasang kasus pada satu variabel dengan mempertimbangkan urutan pada variabel lain.Dua variabel berhubungan bila kesalahan prediksi satu variabel akan dikurangi dengan mempertimbangkan atau dengan pengetahuan tentang variabel yang lain.

Asosiasi Variabel OrdinalInterpretasi Asosiasi yang lebih kuat lebih sedikit kesalahan yang akan diperoleh: G=0 tidak ada hubungan antar variabel Pengetahuan urutan sepasang kasus pada satu variabel tidak akan memperbaiki prediksi urutan variabel yang lainG1 hubungan sempurnaUrutan semua pasangan kasus pada satu variabel akan dapat diprediksi tanpa kesalahan dari urutannya pada variabel lain.Hubungan Positif semua kasus diurutkan dalam urutan yang sama pada kedua variabelHubungan Negatif semua kasus diurutkan pada urutan kebalik diantara dua variabelGamma sebagai ukuran: Keberadaan, Kekuatan dan Arah Hubungan

Asosiasi Variabel OrdinalPenghitungan Koefisien Gamma:Jumlah Pasangan Kasus yang diurutkan dalam urutan yang sama pada dua variabel (Ns)Jumlah Pasangan Kasus yang diurutkan dalam urutan yang berbeda dalam dua variabel (Nd)semua pasangan dalam urutan yang sama pada kedua variabel Nd=0 G=1Semua pasangan dalam urutan berbeda pada kedua variabel Ns=0 G=-1Ns=Nd G=0 tidak dapat memprediksi urutan satu variabel berdasarkan variabel yang lain

Asosiasi Variabel Ordinal

NsXLMHYLFLLMHFHH


NdXLMHYLMH

Latihan Asosiasi Variabel Ordinal

Ns=1.831XLMHYL2064M10155H81121


Nd=499XLMHYL2064M10155H81121

Asosiasi Variabel OrdinalPerhatian:Untuk menghitung Koefisien Gamma Tabel perlu disesuaikanKoefisien Gamma suatu Ukuran Asosiasi Simetris tidak membedakan Variabel Bebas dan Terikat.

Asosiasi Variabel OrdinalKoefisien Sommer (d)Sommer melibatkan pasangan satu baris atau satu kolom terikat pada variabel terikat (Tx) atau (Ty).

d selalu < dari G dalam tabel yang samad tidak simetri bergantung variabel mana yang yang dinyatakan tidak bebas


TxXLMHYLMH


Ty=986XLMHYLMH


Tx=970XLMHYL2064M10155H81121

Asosiasi Variabel OrdinalKoefisien Tau b KendalTau-b Kendal melibatkan pasangan yang terikat pada variabel terikat dan variabel bebas Tx dan Ty.Tau-b Kendal SimetrisHanya mencapai nilai1 bila tabel bujur sangkarBagi Tabel Persegi Panjang koefisien ini bukan pilihan utama

Asosiasi Variabel OrdinalMana yang dipilih?Ada perbedaan variabel bebas dan terikat SommerTabel Non bujur sangkar hindari Tau-b KendalKetiganya memberikan kesimpulan yang relatif sama mengenai keberadaan, kekuatan dan arah hubungan.

Asosiasi Variabel OrdinalProsedur Pengujian Hubungan Variabel Ordinal Collapsed GammaBila Ukuran sampel lebih besar dari 10, distribusi sampling semua gamma sampel yang mungkin dapat dianggap berbentuk normalPembuatan Asumsi:Pengambilan sampel randomTingkat Pengukuran OrdinalDistribusi Sampling Normal Pernyataan Hipotesa Nol:Ho: =0,0 H1: 0,0

Asosiasi Variabel OrdinalProsedur Pengujian Hubungan Variabel Ordinal Collapsed GammaPemilihan distribusi sampling dan penentuan wilayah kritisDistribusi sampling= distribusi ZTingkat Keberartian =Zkritis=Statistik Uji:

Membuat keputusanMembandingkan Z Hitung dan Z kritis

Asosiasi Variabel OrdinalUkuran Asosiasi Variabel Ordinal KontinyuKoefisien Rho (Spearman)Melihat perbedaan Rank dua variabel yang dilihat hubungannyaBila perbedaan sangat kecil kedua variabel saling berhubunganr= 1 hubungan sempurnar=1 hubungan positif sempurna, kedua variabel diurutkan pada urutan yang sama.r=-1 hubungan negatif sempurna, kedua variabel diurutkan secara terbalik.r=0 tidak ada hubunganR2 menunjukkan reduksi kesalahan dalam memprediksi satu variabel berdasarkan yang lain.

ObyekXRankYRankDD211815217183151241216510669107888879551012

ObyekXRankYRankDD21181153-242172181113153124-11412416224510568-3969610511787,5861,52,25887,5770,50,2595959001011021000Total22,5

Asosiasi Variabel OrdinalProsedur Pengujian Hubungan Variabel Ordinal Kontinyu Rho Bila Ukuran sampel lebih besar dari 10, distribusi sampling semua rho sampel yang mungkin mendekati distribusi t Pembuatan Asumsi:Pengambilan sampel randomTingkat Pengukuran OrdinalDistribusi Sampling Normal Pernyataan Hipotesa Nol:Ho: s=0,0 H1: s0,0

Asosiasi Variabel OrdinalProsedur Pengujian Hubungan Variabel Ordinal kontinyuRhoPemilihan distribusi sampling dan penentuan wilayah kritisDistribusi sampling= distribusi tTingkat Keberartian =df=N-2=tkritis=Statistik Uji:

Membuat keputusanMembandingkan t Hitung dan t kritis

Asosiasi Variabel OrdinalKoefisien Tau KendalMenelusuri urutan kedua variabel secara bersama.

Asosiasi Variabel OrdinalProsedur Menghitung SBuat Rank masing-masing variabelVariabel pertama susun sesuai dengan urutan rank dari kecil ke besarVariabel kedua disusun obyeknya sesuai dengan urutan yang dihasilkan pada tahap keduaBerdasarkan variabel kedua, untuk setiap obyek hitung jumlah obyek pada urutan berikutnya yang mempunyai rank > Tanda +Berdasarkan variabel kedua, setiap obyek hitung jumlah obyek pada urutan berikutnya dengan rank< Tanda Setiap obyek hitung Si= Pos-NegHitung

ObyekXRankYRank>

asosiasi korelatif

Documents