Cara Menghitung Korelasi dan Menafsirkannya Menggunakan SPSS

Topics: korelasi pearson, olahdata, Olahdata Statistik, SPSS 19, statistik

<p>Your browser does not support iframes.</p>

Menghitung Korelasi dan menafsirkan menggunakan software SPSS dapat dilakukan dengan cepat dan mudah. Pada artikel kali ini tidak akan dibahas lagi bagaimana rumus korelasi namun lebih kepada langkah praktis bagaimana cara perhitungan dan cara membaca hasilnya dengan program SPSS.

Korelasi merupakan teknik analisis statistik yang  sering digunakan oleh peneliti untuk beragam keperluan seperti tugas akhir, skripsi, thesis, disertasi, ataupun penelitian ilmiah lainnya dan termasuk dalam salah satu teknik pengukuran asosiasi atau  hubungan (measures of association). Analisis korelasi sering pula dihubungkan dan berkaitan regresi.

Pengukuran asosiasi  merupakan istilah umum yang sering digunakan dalam teknik statistik bivariat untuk mengukur kekuatan hubungan antara dua variabel. Diantara beberapa teknik-teknik pengukuran asosiasi, ada dua teknik korelasi yang sangat populer sampai sekarang, yaitu Korelasi Pearson Product Moment dan Korelasi Rank Spearman. Selain kedua teknik tersebut, terdapat pula teknik-teknik korelasi lain, seperti Kendal, Chi-Square, Phi Coefficient, Goodman-Kruskal, Somer, dan Wilson.

Korelasi bermanfaat untuk mengukur kekuatan hubungan antara dua variabel (kadang lebih dari dua variabel) yang terbagi dengan skala-skala tertentu menurut jenis data. Sebagai contoh; Korelasi Pearson menggunakan data berskala interval atau rasio; Spearman dan Kendal menggunakan skala ordinal; Chi Square menggunakan data nominal.

Hasil perhitungan korelasi mempunyai kemungkinan penafsiran terhadap pengujian hipotesis dua arah (two tailed). Korelasi searah jika nilai koefesien korelasi diketemukan positif; sebaliknya jika nilai koefesien korelasi negatif, korelasi  disebut tidak searah.

Berikut ini contoh menghitung korelasi dan cara menafsirkannya dengan bantuan software SPSS versi 19.

Misalkan kita memiliki 4 variabel penelitian X1,X2,X3, dan Y. Cara melakukan perhitungan korelasi pearson dengan SPSS 19 adalah sebagai berikut :

Masukkan data penelitian pada menu SPSS Data editor

Pilih menu Analyze, lalu Correlate, kemudian Bivariate

Pada kotak dialog yang muncul, pilih variabel yang akan diproses dengan meng-klik variabel X1,X2,X3, dan Y dan meng-klik tombol panah (1) yang ada di tengah kotak kiri dan kanan. Nomor (2) dan (3) dipilih berdasarkan perhitungan korelasi yang akan

digunakan dan jenis tes signifikansi.

Lihat hasil output di jendela SPSS Output Viewer dan berikan penafsiran atas hasil perhitungan yang muncul.

 Penafsiran Hasil Korelasi: o Arti Angka Korelasi

Ada dua tanda dalam penafsiran korelasi melalui nilai koefisien, yaitu tanda (+) dan (-) yang berhubungan dengan arah korelasi, serta menyatakan kuat tidaknya korelasi.

o Signifikansi Hasil KorelasiBerdasarkan nilai Signifikansi, kita bisa mengambil simpulan atas hipotesis :H0 = Tidak ada hubungan (korelasi) antara dua variabel.H1 = Ada hubungan (korelasi) antara dua variabel.Uji dilakukan dua sisi / arah / tailed (ekor).Dasar pengambilan keputusan berdasarkan probabilitas menggunakan kriteria :

- Jika probabilitas > 0,05 (atau 0,01), maka H0 diterima.- Jika probabilitas < 0,05 (atau 0,01), maka H0 ditolak.

Berdasarkan acuan penafsiran diatas, contoh perhitungan korelasi pearson menggunakan data X1,X2, X3, dan Y maka salah satu tafsiran yang dapat kita berikan adalah ;

o Korelasi X1 dan Y memiliki nilai 0,342 yang dapat dikategorikan memiliki hubungan yang lemah dan berdasarkan uji signifikasi hasilnya menunjukkan nilai 0,140 yang berarti asosiasi kedua variabel adalah tidak signifikan

Demikian cara menghitung korelasi pearson dengan SPSS 19 dengan contoh korelasi X1-Y. Perhitungan korelasi lainnya seperti korelasi Kendall’s tau-b ataupun korelasi Rank Spearman dapat dilakukan dengan cara yang hampir sama dengan perhitungan korelasi pearson. Tinggal sesuaikan saja jenis data yang dimiliki dengan metoda perhitungan yang tepat.

Artikel lainnya mengenai penjelasan seputar; uji korelasi, regresi dan korelasi, rumus korelasi, korelasi spearman, korelasi spss, statistik korelasi,definisi korelasi, data korelasi, arti korelasi, koefisien korelasi, hubungan korelasi, korelasi penelitian, korelasi statistik, korelasi kanonik, rumus product moment pearson, rumus korelasi pearson, analisis korelasi sederhana, rumus statistik korelasi, analisis korelasi pearson  dapat juga dibaca pada referensi berikut  :

Buku Latihan SPSS Statistik Parametrik, Singgih Santoso, Elexmediahttp://id.wikipedia.org/wiki/Korelasihttp://www.jonathansarwono.info/korelasi/korelasi.htm

Related Posts :

Cara Menghitung Korelasi dan Menafsirkannya Menggunakan SPSS 00:30 ringga arie suryadi No comments

Menghitung Korelasi dan menafsirkan menggunakan software SPSS dapat dilakukan dengan cepat dan mudah. Pada artikel kali ini tidak akan dibahas lagi bagaimana rumus korelasi namun lebih kepada langkah praktis bagaimana cara perhitungan dan cara membaca hasilnya dengan program SPSS.

Korelasi merupakan teknik analisis statistik yang sering digunakan oleh peneliti untuk beragam keperluan seperti tugas akhir, skripsi, thesis, disertasi, ataupun penelitian ilmiah lainnya dan termasuk dalam salah satu teknik pengukuran asosiasi atau hubungan (measures of association). Analisis korelasi sering pula dihubungkan dan berkaitan regresi.

Pengukuran asosiasi merupakan istilah umum yang sering digunakan dalam teknik statistik bivariat untuk mengukur kekuatan hubungan antara dua variabel. Diantara beberapa teknik-teknik pengukuran asosiasi, ada dua teknik korelasi yang sangat populer sampai sekarang, yaitu Korelasi Pearson Product Moment dan Korelasi Rank Spearman. Selain kedua teknik tersebut,

terdapat pula teknik-teknik korelasi lain, seperti Kendal, Chi-Square, Phi Coefficient, Goodman-Kruskal, Somer, dan Wilson.

Korelasi bermanfaat untuk mengukur kekuatan hubungan antara dua variabel (kadang lebih dari dua variabel) yang terbagi dengan skala-skala tertentu menurut jenis data. Sebagai contoh; Korelasi Pearson menggunakan data berskala interval atau rasio; Spearman dan Kendal menggunakan skala ordinal; Chi Square menggunakan data nominal.

Hasil perhitungan korelasi mempunyai kemungkinan penafsiran terhadap pengujian hipotesis dua arah (two tailed). Korelasi searah jika nilai koefesien korelasi diketemukan positif; sebaliknya jika nilai koefesien korelasi negatif, korelasi disebut tidak searah.

Berikut ini contoh menghitung korelasi dan cara menafsirkannya dengan bantuan software SPSS versi 19.

Misalkan kita memiliki 4 variabel penelitian X1,X2,X3, dan Y. Cara melakukan perhitungan korelasi pearson dengan SPSS 19 adalah sebagai berikut :

Masukkan data penelitian pada menu SPSS Data editor

Pilih menu Analyze, lalu Correlate, kemudian Bivariate

Pada kotak dialog yang muncul, pilih variabel yang akan diproses dengan meng-klik variabel X1,X2,X3, dan Y dan meng-klik tombol panah (1) yang ada di tengah kotak kiri dan kanan. Nomor (2) dan (3) dipilih berdasarkan perhitungan korelasi yang akan digunakan dan jenis tes signifikansi.

Lihat hasil output di jendela SPSS Output Viewer dan berikan penafsiran atas hasil perhitungan yang muncul.

Penafsiran Hasil Korelasi: o Arti Angka Korelasi

Ada dua tanda dalam penafsiran korelasi melalui nilai koefisien, yaitu tanda (+) dan (-) yang berhubungan dengan arah korelasi, serta menyatakan kuat tidaknya korelasi.

o Signifikansi Hasil KorelasiBerdasarkan nilai Signifikansi, kita bisa mengambil simpulan atas hipotesis :H0 = Tidak ada hubungan (korelasi) antara dua variabel.H1 = Ada hubungan (korelasi) antara dua variabel.Uji dilakukan dua sisi / arah / tailed (ekor).Dasar pengambilan keputusan berdasarkan probabilitas menggunakan kriteria :- Jika probabilitas > 0,05 (atau 0,01), maka H0 diterima.- Jika probabilitas < 0,05 (atau 0,01), maka H0 ditolak.

Berdasarkan acuan penafsiran diatas, contoh perhitungan korelasi pearson menggunakan data X1,X2, X3, dan Y maka salah satu tafsiran yang dapat kita berikan adalah ;

o Korelasi X1 dan Y memiliki nilai 0,342 yang dapat dikategorikan memiliki hubungan yang lemah dan berdasarkan uji signifikasi hasilnya menunjukkan nilai 0,140 yang berarti asosiasi kedua variabel adalah tidak signifikan

Demikian cara menghitung korelasi pearson dengan SPSS 19 dengan contoh korelasi X1-Y. Perhitungan korelasi lainnya seperti korelasi Kendall’s tau-b ataupun korelasi Rank Spearman dapat dilakukan dengan cara yang hampir sama dengan perhitungan korelasi pearson. Tinggal sesuaikan saja jenis data yang dimiliki dengan metoda perhitungan yang tepat.

Artikel lainnya mengenai penjelasan seputar; uji korelasi, regresi dan korelasi, rumus korelasi, korelasi spearman, korelasi spss, statistik korelasi,definisi korelasi, data korelasi, arti korelasi, koefisien korelasi, hubungan korelasi, korelasi penelitian, korelasi statistik, korelasi kanonik,

rumus product moment pearson, rumus korelasi pearson, analisis korelasi sederhana, rumus statistik korelasi, analisis korelasi pearson dapat juga dibaca pada referensi berikut :

Buku Latihan SPSS Statistik Parametrik, Singgih Santoso, Elexmediahttp://id.wikipedia.org/wiki/Korelasihttp://www.jonathansarwono.info/korelasi/korelasi.htm

Rumus-Rumus Reliabitas Pada Uji Instrumen Penelitian

Topics: Olahdata Statistik, rumus alpha cronbach, rumus flanagan, rumus hoyt, rumus KR 20, rumus KR 21, Rumus Reliabitas, rumus rulon, rumus split half, Uji Instrumen Penelitian

<p>Your browser does not support iframes.</p>

Rumus-rumus reliabilitas pada uji instrumen penelitian memiliki beberapa variasi perhitungan. Perbedaan rumus menghitung reliabilitas ini tergantung kepada metoda pengambilan tes, ada metode berbentuk paralel (equivalent), metode tes ulang (test-retest method), metode belah dua (split half method)

Selain menggunakan rumus Alpha Cronbach sebagaimana yang telah dibahas pada artikel konsep dan contoh perhitungan reliabilitas, ada pula rumus lain yang dapat digunakan untuk menghitung nilai reliabilitas, beberapa diantaranya adalah :

Rumus Split HalfRumus reliabilitas split half ini memiliki variasi lagi yaitu pembelahan secara ganjil-genap dan pembelahan awal akhir.Rumus yang digunakan untuk menghitung reliabilitas dengan rumus ini adalah :

dengan r1/21/2 =r xy

dimana :r11= reliabilitas instrumenrxy = korelasi pearsonpenjelasan mengenai korelasi pearson bisa pada artikel validitas.

Rumus FlanaganRumus Flanagan digunakan menghitung reliabilitas dengan menggunakan belah dua ganjil genap. Rumus reliabilitasnya adalah sebagai berikut :

dengan keterangan :r11= reliabilitas instrumenS1

2= varians belahan pertama/ varians skor item ganjil

S22

= varians belahan kedua/ varians skor item genapSt

2= varians total yaitu varians skor total

S = standar deviasi Rumus Rulon

Perhitungan reliabilitas dengan Rumus Rulon dengan memakai nilai varians dan perbedaan skor belahan pertama dan belahan kedua. Rumus Rulon dapat dituliskan :

dengan keterangan :r11= reliabilitas instrumenSd

2= varians beda

St2

= varians total yaitu varians skor total Rumus KR-20

Rumus reliabilitas ini disebut juga dengan rumus Kuder Richardson 20.

Keterangan :r11= reliabilitas instrumenp = proporsi subjek yang menjawab item dengan benarq = proporsi subjek yang menjawab item dengan salah (q = 1-p)?pq = jumlah hasil perkalian antara p dan qn = banyaknya itemS = standar deviasi dari tes

Rumus KR-21Rumus KR-21 merupakan

keterangan:r11= reliabilitas instrumenM = Mean atau rerata skor total

Rumus HoytRumus reliabilitas ini dituliskan dalam bentuk :

keterangan :r11= reliabilitas instrumenVs= varians sisaVr= varians responden

Contoh-contoh perhitungan dari setiap rumus reliabilitas ini akan ditambahkan kemudian di artikel ini dan bisa Anda unduh. Tunggu saja updatenya dalam beberapa waktu kedepan.

referensi tulisan :Dasar-dasar Evaluasi Pendidikan, Suharsimi Arikunto, Cet. 9, PT Bumi Aksara, 2009