Tugas 6
-
Upload
zakaria-sandy -
Category
Documents
-
view
356 -
download
14
description
Transcript of Tugas 6
TUGAS STATISTIKA DASAR
(Pengujian Korelasi Dua Variabel)
(disusun guna memenuhi tugas mata kuliah statistika dasar dengan dosen pengampu Dr. Sudartik
M.Kes )
Disusun Oleh :
Nama : Zakaria Sandy Pamungkas
NIM : 130210102071
Kelas A
Program Studi Pendidikan Fisika
Jurusan Pendidikan Ilmu Pengetahuan Alam
Fakultas Keguruan dan Ilmu pendidikan
Universitas Jember
2014
Pengertian Korelasi
Persoalan pengukuran, atau pengamatan hubungan antara dua peubah X dan Y, berikut ini
akan kita bicarakan sesuai dengan referensi yang kami peroleh dalam beberapa literatur. Tulisan
ini tentu saja tidak selengkap seperti halnya tulisan tentang Pengertian Korelasi dalam buku
Statistika yang ditulis oleh, Ronald E. Walpole, Sugiono, Murray R. Spiegel, atau beberapa
Statistikawan yang memang saya kagumi ke-pakar-annya. Akan tetapi setidaknya bisa dijadikan
bacaan tambahan bagi mahasiswa yang ingin mengetahui lebih jauh tentang persoalan korelasi
atau persoalan-persoalan lain yang berkaitan dengan hubungan antar dua peubah.
Kita tidak akan dan bukan meramalkan nilai Y dari pengetahuan mengenai peubah bebas X
seperti dalam regresi linier. Sebagai misal, bila peubah X menyatakan besarnya biaya yang
dikeluarkan untuk membeli Pupuk dan Y adalah besarnya hasil Produksi Padi dalam satu kali
musim tanam, barangkali akan muncul pertanyaan dalam hati kita apakah penurunan biaya yang
dikeluarkan untuk membeli Pupuk juga berpeluang besar untuk diikuti dengan penurunan hasil
Produksi Padi dalam satu musim tanam. Dalam studi empiris lain, bila X adalah harga suatu
barang yang ditawarkan dan Y adalah jumlah permintaan terhadap barang tersebut yang dibeli
oleh konsumen, maka kita membayangkan jika nilai-nilai X yang besar tentu akan berpasangan
dengan nilai-nilai Y yang kecil.
Dalam hal ini kita tentu saja mempunyai bilangan yang menyatakan proporsi keragaman
total nilai-nilai peubah Y yang dapat dijelaskan oleh nilai-nilai peubah X melalui hubungan linear
tersebut. Jadi misalkan suatu korelasi memiliki besaran r = 0,36 bermakna bahwa 0,36 atau 36%
di antara keragaman total nilai-nilai Y dalam contoh kita, dapat dijelaskan oleh hubungan
linearnya dengan nilai-nilai X.
Contoh lainnya adalah, misal koefisien korelasi sebesar 0,80 menunjukkan adanya
hubungan linear yang sangat baik antara X dan Y. Karena r2 = 0,64, maka kita dapat mengatakan
bahwa 64 % di antara keragaman dalam nilai-nilai Y dapat dijelaskan oleh hubungan linearnya
dengan X.
Besaran koefisien korelasi contoh r merupakan sebuah nilai yang dihitung dari n
pengamatan sampel. Sampel acak berukuran n yang lain tetapi diambil dari populasi yang sama
biasanya akan menghasilkan nilai r yang berbeda pula. Dengan demikian kita dapat memandang r
sebagai suatu nilai dugaan bagi koefisien korelasi linear yang sesungguhnya berlaku bagi seluruh
anggota populasi. Misalkan kita lambangkan koefisien korelasi populasi ini dengan ρ. Bila r
dekat dengan nol, kita cenderung menyimpulkan bahwa ρ = 0. Akan tetapi, suatu nilai contoh r
Pengujian Korelasi Dua Variabel Page 1
yang mendekati + 1 atau – 1 menyarankan kepada kita untuk menyimpulkan bahwa ρ ≠ 0.
Masalahnya sekarang adalah bagaimana memperoleh suatu peng-uji-an yang akan
mengatakan kepada kita kapan r akan berada cukup jauh dari suatu nilai tertentu ρo, agar kita
mempunyai cukup alasan untuk menolak hipotesis nol (Ho) bahwa ρ = ρo, dan menerima
alternatifnya. Hipotesis alternatif bagi H1 biasanya salah satu di antara ρ < ρo, ρ > ρo, atau ρ ≠
ρo.
1. ANALISIS KORELASI SEDERHANA
Analisis korelasi sederhana (Bivariate Correlation) digunakan untuk mengetahui keeratan
hubungan antara dua variabel dan untuk mengetahui arah hubungan yang terjadi. Koefisien
korelasi sederhana menunjukkan seberapa besar hubungan yang terjadi antara dua variabel.
Dalam SPSS ada tiga metode korelasi sederhana (bivariate correlation) diantaranya Pearson
Correlation, Kendall’s tau-b, dan Spearman Correlation. Pearson Correlation digunakan untuk
data berskala interval atau rasio, sedangkan Kendall’s tau-b, dan Spearman Correlation lebih
cocok untuk data berskala ordinal.
Pada bab ini akan dibahas analisis korelasi sederhana dengan metode Pearson atau sering
disebut Product Moment Pearson. Nilai korelasi (r) berkisar antara 1 sampai -1, nilai semakin
mendekati 1 atau -1 berarti hubungan antara dua variabel semakin kuat, sebaliknya nilai
mendekati 0 berarti hubungan antara dua variabel semakin lemah. Nilai positif menunjukkan
hubungan searah (X naik maka Y naik) dan nilai negatif menunjukkan hubungan terbalik (X naik
maka Y turun).
Menurut Sugiyono (2007) pedoman untuk memberikan interpretasi koefisien korelasi
sebagai berikut:
0,00 - 0,199 = sangat rendah
0,20 - 0,399 = rendah
0,40 - 0,599 = sedang
0,60 - 0,799 = kuat
0,80 - 1,000 = sangat kuat
Contoh kasus:
Seorang mahasiswa bernama Andi melakukan penelitian dengan menggunakan alat ukur
skala. VITA ingin mengetahui apakah ada hubungan antara kecerdasan dengan prestasi belajar
pada siswa SMU NEGRI xxx dengan ini VITA membuat 2 variabel yaitu kecerdasan dan prestasi
Pengujian Korelasi Dua Variabel Page 2
belajar. Tiap-tiap variabel dibuat beberapa butir pertanyaan dengan menggunakan skala Likert,
yaitu angka 1 = Sangat tidak setuju, 2 = Tidak setuju, 3 = Setuju dan 4 = Sangat Setuju. Setelah
membagikan skala kepada 12 responden didapatlah skor total item-item yaitu sebagai berikut:
Tabel. Tabulasi Data (Data Fiktif)
Subjek Kecerdasan Prestasi Belajar
1 33 58
2 32 52
3 21 48
4 34 49
5 34 52
6 35 57
7 32 55
8 21 50
9 21 48
10 35 54
11 36 56
12 21 47
Langkah-langkah pada program SPSS
Ø Masuk program SPSS
Ø Klik variable view pada SPSS data editor
Ø Pada kolom Name ketik x, kolom Name pada baris kedua ketik y.
Ø Pada kolom Decimals ganti menjadi 0 untuk variabel x dan y
Ø Pada kolom Label, untuk kolom pada baris pertama ketik Kecerdasan, untuk kolom pada
baris kedua ketik Prestasi Belajar.
Ø Untuk kolom-kolom lainnya boleh dihiraukan (isian default)
Ø Buka data view pada SPSS data editor, maka didapat kolom variabel x dan y.
Ø Ketikkan data sesuai dengan variabelnya
Ø Klik Analyze - Correlate - Bivariate
Ø Klik variabel Kecerdasan dan masukkan ke kotak Variables, kemudian klik variabel
Prestasi Belajar dan masukkan ke kotak yang sama (Variables).
Ø Klik OK, maka hasil output yang didapat adalah sebagai berikut:
Pengujian Korelasi Dua Variabel Page 3
Tabel. Hasil Analisis Korelasi Bivariate Pearson
Dari hasil analisis korelasi sederhana (r) didapat korelasi antara kecerdasan dengan prestasi
belajar (r) adalah 0,766. Hal ini menunjukkan bahwa terjadi hubungan yang kuat antara
kecerdasan dengan prestasi belajar. Sedangkan arah hubungan adalah positif karena nilai r positif,
berarti semakin tinggi kecerdasan maka semakin meningkatkan prestasi belajar.
-Uji Signifikansi Koefisien Korelasi Sederhana (Uji t)
Uji signifikansi koefisien korelasi digunakan untuk menguji apakah hubungan yang terjadi
itu berlaku untuk populasi (dapat digeneralisasi). Misalnya dari kasus di atas populasinya adalah
siswa SMU NEGRI XXX dan sampel yang diambil dari kasus di atas adalah 12 siswa SMU
NEGRI XXX, jadi apakah hubungan yang terjadi atau kesimpulan yang diambil dapat berlaku
untuk populasi yaitu seluruh siswa SMU Negeri XXX.
Langkah-langkah pengujian sebagai berikut:
1. Menentukan Hipotesis
Ho : Tidak ada hubungan secara signifikan antara kecerdasan dengan prestasi belajar
Ha : Ada hubungan secara signifikan antara kecerdasan dengan prestasi belajar
2. Menentukan tingkat signifikansi
Pengujian menggunakan uji dua sisi dengan tingkat signifikansi a = 5%. (uji dilakukan 2
sisi karena untuk mengetahui ada atau tidaknya hubungan yang signifikan, jika 1 sisi digunakan
untuk mengetahui hubungan lebih kecil atau lebih besar).
Tingkat signifikansi dalam hal ini berarti kita mengambil risiko salah dalam mengambil
keputusan untuk menolak hipotesa yang benar sebanyak-banyaknya 5% (signifikansi 5% atau
0,05 adalah ukuran standar yang sering digunakan dalam penelitian)
3. Kriteria Pengujian
Pengujian Korelasi Dua Variabel Page 4
Ho diterima jika Signifikansi > 0,05
Ho ditolak jika Signifikansi < 0,05
4. Membandingkan signifikansi
Nilai signifikansi 0,004 < 0,05, maka Ho ditolak.
5. Kesimpulan
Oleh karena nilai Signifikansi (0,004 < 0,05) maka Ho ditolak, artinya bahwa ada
hubungan secara signifikan antara kecerdasan dengan prestasi belajar. Karena koefisien korelasi
nilainya positif, maka berarti kecerdasan berhubungan positif dan signifikan terhadap pretasi
belajar. Jadi dalam kasus ini dapat disimpulkan bahwa kecerdasan berhubungan positif terhadap
prestasi belajar pada siswa SMU Negeri XXX
Berbagai teknik statistic untuk analisis korelasi sederhana
Variabel I Variabel II Koefisien Korelasi
Nominal Nominal 1) Kontingensi (c)
2) Lambda (λ)
3) Phi (ɸ)
Nominal Ordinal 1) Theta (ϴ)
Nominal Interval/ratio 1) Eta(ή)
2) Point Biserial¿)
Ordinal Ordinal 1) Gamma(γ)
2) Spearman(r s)
Ordinal Interval/ratio 1) Jaspen’s (M)
Interval/ratio Interval/ratio 1) Pearson’s (r)
Rumus koefisien korelasi kontingensi (C)
Rumus koefisien korelasi kontingensi digunakan pada analisis korelasi sederhana untuk
variable nominal dengan variable nominal.Koefisien korelasi kontingensi dirumuskan :
C=√ x2
x2+n
Contoh :
Sebuah penelitian tentang hubungan antara jenis pendidikan Sekolah Menengah Atas
dengan kebiasaan belajar di jenjang perkuliahan
Jenis Pendidikan Kebiasaan Belajar Jumlah
Pengujian Korelasi Dua Variabel Page 5
Jarang Sering Selalu
SMA 23 40 80 143
SMK 35 36 65 136
MA 30 33 70 133
Jumlah 88 109 215 412
nij c ij nij−cij(n¿¿ij−c ij)
2
c ij¿
23 30.54 -7.54
1.86
35 29.05 5.95 1.22
30 28.41 1.59 0.09
40 37.83 2.17 0.12
36 35.98 0.02 0.00
33 35.19 -2.19 0.14
80 74.62 5.38 0.39
65 70.97 -5.97 0.50
70 69.41 0.59 0.01
Jumlah 4.33
Nilai koefisien kontingensinya (C) adalah sebagai berikut :
C=√ 4,334,33+412
= 0,102
Nilai C=0,102 memberikan arti bahwa antara jenis pendidikan sma dengan kebiasaan
belajar terdapat hubungan yang rendah atau lemah
Koefisien korelasi theta (ϴ)
Koefisien korelasi theta digunakan pada analisis korelasi sederhana untuk variable
nominal dengan variable ordinal.Koefisien korelasi theta dirumuskan :
ϴ=∑DT 2
Contoh:
Pengujian Korelasi Dua Variabel Page 6
Keterangan :
c ij= ∑baris x∑kolom
∑ siswa
Sebuah penelitian mengenai hubungan antara nilai Fisika Dasar dengan jenis kelamin
peserta didik memberikan data sebagai berikut :
Jenis
Kelamin
Nilai Fisika DasarJumlah
A B C D E
Pria 16 23 22 3 2 66
Wanita 24 31 20 5 5 85
Jumlah 40 54 42 8 7 151
Frekuensi Atas = 16*0+23*24+ 22*(24+31)+3*(24+31+20)+2(24+31+20+5) = 2147
Frekuensi Bawah =16*(31+20+5+5)+23*(20+5+5)+22*(5+5)+3*5+2*0 = 1901
T2=66*85= 5610
Nilai koefisien korelasi thetanya adalah :
ϴ=F atas−F bawah
T 2 =2147−1901
5610 =0,04,yang berarti hubungan antara jenis kelamin
dengan nilai fisika dasar terdapat hubungan yang sangat lemah
Koefisien korelasi Eta(ή)
Rumus koefisien korelasi Eta digunakan pada analisis korelasi sederhana untuk variable
nominal dengan variable interval/ratio.Koefisien korelasi Eta dirumuskan :
ή = √1−∑Y T
2−(N1 )(Y 1)2−(N2 )(Y 2)
2
∑Y T2−(N1+N2 )(Y T )
2
Contoh :
Berikut ini diberikan data tentang hubungan antara tempat asal peserta didik dengan nilai
fisika dasar.
Interval FisdasDesa(N 1=10) Kota(N 2=13)
Y 1 (Y 1)2 Y 2 (Y 2)
2
80-100 10 100 14 196
70-80 22 484 25 625
60-70 13 169 17 289
50-60 8 64 4 16
0-50 5 25 6 36
Jumlah 58 842 66 1161
ή = √1−∑Y T
2−(N1 )(Y 1)2−(N2 )(Y 2)
2
∑Y T2−(N1+N2 )(Y T )
2
Pengujian Korelasi Dua Variabel Page 7
ή = √1−2003−(10 )5,82− (13 )5,082
2003− (23 )5,392
ή =√1−13311334
ή = 0,047, yang berarti antara tempat tinggal dengan nilai fisdas tidak memiliki hubungan
yang cukup berarti
Koefisien korelasi Spearman(r s)
Rumus koefisien korelasi Spearman(r s), digunakan pada analisis korelasi sederhana untuk
variable ordinal dengan variable ordinal. Koefisien korelasi Spearman dirumuskan :
r s=1-6∑d2
n2−n
contoh :
Sebuah penelitianmengenaihubunganantarakecepatan dalam menerima informasi
dengan prestasi belajar peserta didik
Kecepatan Menerima
Informasi
Prestasi Peserta Didik
40 41
40 38
37 37
29 35
41 43
32 39
33 35
21 27
36 29
38 44
No X Y Rx Ry d d2
1 40 41 9 8 1 1
2 40 38 8 6 2 4
3 37 37 6 5 1 1
4 29 35 2 4 -2 4
Pengujian Korelasi Dua Variabel Page 8
5 41 43 10 9 1 1
6 32 39 3 7 -4 16
7 33 35 4 3 1 1
8 21 27 1 1 0 0
9 36 29 5 2 3 9
10 38 44 7 10 -3 9
Jumlah 46
Nilai koefisien korelasi spearman :
r s=1-6∑d2
n2−n
r s=1-6(46)
100−10
r s= 0,7212, yang berarti bahwa hubungan antara kecepatan menerima informasi peserta
didik dengan prestasi belajar adalah kuat dan positif
Koefisien korelasi Jaspen’s (M)
Rumus koefisien korelasi jaspens digunakan pada analisis korelasi sederhana untuk
variable ordinal dengan variable interval atau ratio. Koefisien korelasi jaspen’s dirumuskan :
M =∑(Y )(Ob−Oa)
Sy ∑((Ob−Oa )2
P)
Sy=√∑Y 2−∑Y 2
NtNt
Koefisien korelasi Pearson’s (r)
Rumus koefisien korelasi pearson digunakan pada analisis korelasi sederhana untuk
variable interval/ratio dengan variable interval/ratio.Koefisien Pearson dirumuskan :
r =n∑XY−(∑X )(∑Y )
√(n∑X2−¿∑X2)¿¿¿
Contoh :
Penelitian Mengenai hubungan antara biaya periklanan buku ajar dengan volume
penjualan buku ajar yang dicapai selama 5 tahun adalah sebagai berikut :
Tahun Biaya Periklanan(Juta) Penjualan(Juta)
Pengujian Korelasi Dua Variabel Page 9
2013 5 40.250
2012 7 54.330
2011 6,5 35.470
2010 3 25.750
2009 3,5 26.200
Jumlah 25 182
Tahun X Y X2 XY Y 2
2013 5 40.250 25 201.25 1620.063
2012 7 54.330 49 380.31 2951.749
2011 6,5 35.470 42.25 230.555 1258.121
2010 3 25.750 9 77.25 663.0625
2009 3,5 26.200 12.25 91.7 686.44
Jumlah 25 182 137.5 981.065 7179.435
r =n∑XY−(∑X )(∑Y )
√(n∑X2−¿∑X2)¿¿¿
r =5 X981,065−25 x182√(5(137,5)−¿625)¿¿¿
r =355.325
√(62,5¿)¿¿¿
r =355.325416.32
r = 0,85,,memberikan arti bahwa antara biaya pemasangan iklan dengan volume penjualan
memiliki hubungan yang posotif dan kuat
2. Koefisien Penentu /koefisien determinasi
Koefisien penentu dirumuskan sebagai berikut : KP = (KK )2x 100 %
Koefisien korelasi Penentu kontingensi (C)
KP = C2 x100 %
KP = 0,1022 x100 %
Pengujian Korelasi Dua Variabel Page 10
KP = 1,04%, memberikan arti bahwa naik turunnya kebiasaan belajar peserta didik yang
disebabkan oleh jenis pendidikan jenjang SMA hanyalah 1,04% dan 98,96% disebabkan oleh
factor lain
Koefisien korelasi Penentu theta (ϴ)
KP = ϴ2 x 100 %
KP = 0,042 x100 %
KP = 0,16%, memberikan arti bahwa besar kecilnya nilai fisika dasar peserta didik yang
disebabkan oleh jenis kelamin hanyalah sebesar 0,16% dan 99,84% disebabkan oleh factor
lain
Koefisien korelasi Penentu Eta(ή)
KP = ϴ2 x 100 %
KP = 0,0472 x100 %
KP = 0,22%, memberikan arti bahwa besar kecilnya nilai fisika dasar peserta didik yang
disebabkan oleh daerah tempat tinggal peserta didik hanyalah sebesar 0,22% dan 99,78%
disebabkan oleh factor lain
Koefisien korelasi Penentu Spearman(r s)
KP = r s2 x100 %
KP = 0,72122 x 100 %
KP = 52%, memberikan arti bahwa naik turunnya prestasi peserta didik yang disebabkan
oleh kecepatan dalam menangkap suatu informasi sebesar 52% dan 48% disebabkan oleh
factor lain
Koefisien korelasi Penentu Pearson’s (r)
KP = r2 x100 %
KP = 0,852 x100 %
KP = 72,25 %, memberikan arti bahwa naik turunnya volume penjualan buku ajar yang
disebabkan oleh besarnya biaya periklanan buku ajar sebesar 72,25 % dan 27,75%
disebabkan oleh factor lain
3. Regresi Linear Sederhana
Pengujian Korelasi Dua Variabel Page 11
Regresi linear sederhana adalah regresi linear dimana variable yang terlibat didalamnya
hanya dua yaitu satu variable terikat Y dan satu variable bebas X serta berpangkat
satu.Bentuk Persamaannya sebagai Berikut : Y= a + bX
Untuk melihat bentuk korelasi antarvariabel dengan persamaan regresi tersebut maka nilai
a dan b harus ditentukan terlebih dahulu :
b =n∑XY−(∑X )(∑Y )
n∑X2−¿¿
a = ∑Y−b∑ X
n
Contoh :
Penelitian Mengenai hubungan antara biaya periklanan buku ajar dengan volume
penjualan buku ajar yang dicapai selama 5 tahun adalah sebagai berikut :
Tahun Biaya Periklanan(Juta) Penjualan(Juta)
2013 5 40.250
2012 7 54.330
2011 6,5 35.470
2010 3 25.750
2009 3,5 26.200
Jumlah 25 182
Tahun X Y X2 XY Y 2
2013 5 40.250 25 201.25 1620.063
2012 7 54.330 49 380.31 2951.749
2011 6,5 35.470 42.25 230.555 1258.121
2010 3 25.750 9 77.25 663.0625
2009 3,5 26.200 12.25 91.7 686.44
Jumlah 25 182 137.5 981.065 7179.435
b =n∑XY−(∑X )(∑Y )
n∑X2−¿¿
b =5 X 981,065−25 x182
5 x 137,5−¿¿
Pengujian Korelasi Dua Variabel Page 12
b =355.325
62,5
b = 5685,2
maka :
a = ∑Y−b∑ X
n
a = 182−5685,2.25
5
a = −141948
5
a = -28.389
Sehingga persamaan regresi linear sederhana adalah :
Y = -28.389+5685,2X
Arti persamaan diatas adalah
Intersep atau konstanta sebesar -28.389
Tanpa adanya biaya periklanan maka omset penjualan buku tersebut bernilai -28.389
Arah hubungan
Dari persamaan diatas terlihat tanda positif hal ini berarti peningkatan biaya periklanan
akan meningkatkan volume penjualan buku ajar
Koefisien regresi 5685,2
Setiap kenaikan biaya periklanan sebesar satu juta rupiah akan meningkatkan omset
penjualan buku sebesar 5685,2 juta
Pengujian Korelasi Dua Variabel Page 13