Cara Uji Korelasi Bivariate atau Korelasi Pearson

-

Pengertian dan Cara Uji Korelasi Pearson dengan SPSS

Pendahuluan

Analisis hubungan antarvariabel secara garis besar ada dua, yaitu analisis korelasi dan analisis regresi. Kedua analisis tersebut saling terkait. Analisis korelasi menyatakan derajat keeratan hubungan antarvariabel, sedangkan analisis regresi digunakan dalam peramalan variable dependen berdasarkan variabel-variabel independennya.

Dalam perhitungan korelasi, akan di dapat koefisien korelasi yang menunjukkan keeratan hubungan antar dua variable tersebut. Nilai koefisien korelasi berkisar antara 0 sampai 1 atau 0 sampai -1. Nilai semakin mendekati 1 atau -1 maka hubungannya semain erat, jika mendekati 0 maka hubungan semakin lemah. Tanda positif dan negatif menunjukkan arah hubungan. Tanda positif menunjukkan arah hubungan searah, artinya jika satu variabel naik, maka variabel yang lain juga naik. Tanda negatif menunjukkan hubungan berlawanan. Jika satu variabel naik, maka variabel yang lain turun.

Ada beberapa macam koefisien korelasi yang digunakan pada SPSS yaitu, korelasi Pearson atau dikenal juga dengan korelasi product moment, analisis Kendalls tau-b dan Spearman’s rho. Pada artikel ini kita secara spefisik akan membahas uji korelasi Pearson.

Pengertian Analisis Korelasi Pearson

Analisis korelasi Pearson atau dikenal juga dengan korelasi product moment, adalah analisis yang digunakan untuk mengukur keeratan hubungan secara linear antara dua variabel yang mempunyai distribusi data normal. Tipe data yang digunakan adalah data interval atau data ratio.

Contoh Kasus Uji Korelasi Pearson

Seorang mahasiswa melakukan penelitian tentang hubungan minat belajar dan fasilitas belajar terhadap prestasi belajar. Pengambilan sampel menggunakan kuesioner dengan responden sebanyak 15 orang. Data skor total sebagai berikut. 

Contoh kasus uji korelasi pearson

Data tersebut akan dilakukan analisis korelasi Pearson untuk mengetahui keeratan hubungan antara minat belajar dan fasilitas belajar terhadap prestasi belajar, serta dilakukan uji signifikansi dengan dua sisi (two tailed) untuk mengetahui apakah terdapat hubungan signifikan atau tidak antar variabel tersebut. 

Langkah-langkah analisis Korelasi Pearson dengan SPSS

Berikut ini langkah-langkah input data serta analisis dengan SPSS:

1. Buka software SPSS dengan klik Start >> All Programs >> SPSS, maka akan muncul tampilan SPSS.

2. Selanjutnya klik Variabel View untuk membuat nama variabel. Pada baris pertama di bagian kolom Name ketik Minat, pada decimals pilih 2, karena terdapat dua angka dibelakang koma, pada Label ketik Minat Belajar, untuk kolom lainnya bisa dihiraukan (isian default)

Pada baris kedua kolom Name ketik Fasilitas, pada Decimals pilih 2, pada Label ketik Fasilitas Belajar, abaikan kolom lainnya.

Pada baris ketiga kolom Name ketik Prestasi, pada Decimals pilih 2, pada Label ketik Prestasi Belajar, abaikan kolom lainnya.

Membuat variabel di data view SPSS

3. Jika sudah, masuk ke halaman Data View dengan klik Data View, maka akan muncul halaman Data View. Selanjutnya isikan data seperti berikut:

 

Tampilan data view setelah input data

4. Setelah sudah membuat variabel dan input data, Langkah selanjutnya klik Analyze >> Correlate >> Bivariate, setelah Langkah tersebut muncul kotak dialog Bivariate Correlation.

Kotak dialog bivariate correlation

5. Masukkan variabel Minat Belajar, Fasilitas belajar, dan Prestasi belajar ke kotak Variables.

6. Pada bagian Correlation Coefficients beri centang Pearson, pada Test of Significance pilih Two-tailed, dan beri centang pada Flag significant correlations.

Kotak dialog korelasi pearson

7. Terakhir klik OK, sehingga keluar output sebagai berikut:

 

Output Uji Korelasi Pearson

Interpretasi Output Uji Korelasi Pearson

Dari Hasil Output Correlations dapat dijelaskan bahwa korelasi antara minat belajar dengan prestasi belajar di dapat nilai koefisien sebesar 0,780. Karena koefisien mendekati 1 maka dapat disimpulkan bahwa antara minat belajar dengan prestasi belajar memiliki hubungan yang erat. Sedangkan korelasi antara fasilitas belajar dengan prestasi belajar di dapat nilai koefisien sebesar 0,540.

Karena koefisien mendekati 1 maka dapat disimpulkan bahwa antara fasilitas belajar dengan prestasi belajar memiliki hubungan yang cukup erat. Angka koefisien positif yang menunjukkan hubungan positif yaitu jika minat belajar meningkat maka prestasi belajar juga akan meningkat, dan jika minat belajar turun maka prestasi belajar juga akan menurun.

Baca Juga: Cara Analisis Regresi Linear Berganda dengan SPSS

Uji Signifikansi uji Korelasi Pearson

Pengujian signifikansi dimaksudkan untuk mengetahui apakah terdapat hubungan yang signifikan atau tidak antar variabel tersebut. Pengujian menggunakan uji dua sisi (two tailed). Signifikan artinya nyata atau berarti dengan maksud bahwa hubungan yang terjadi dapat diberlakukan untuk populasi.

Tahap untuk pengujian koefisien Minat Belajar sebagai berikut:

1. Menentukan hipotesis

Ho: tidak ada hubungan antara minat belajar dengan prestasi belajar.

H1: Ada hubungan antara minat belajar dengan prestasi belajar.

2. Kriteria pengujian

Jika Signifikansi > 0,05 maka H0 diterima

Jika Signifikansi < 0,05 maka H0 ditolak

3. Membuat kesimpulan

Dari output di dapatkan nilai signifikansi 0,001. Karena nilai signifikansi < 0,05 maka H0 ditolak, jadi dapat disimpulkan bahwa ada hubungan antara minat belajar dengan prestasi belajar.

Tahap untuk pegujian koefisien Fasilitas belajar adalah sebagai berikut:

1. Menentukan hipotesis

Ho: tidak ada hubungan antara fasilitas belajar dengan prestasi belajar.

H1: Ada hubungan antara fasilitas belajar dengan prestasi belajar.

2. Kriteria pengujian

Jika Signifikansi > 0,05 maka H0 diterima

Jika Signifikansi < 0,05 maka H0 ditolak

3. Membuat kesimpulan

Dari output di dapatkan nilai signifikansi 0,038. Karena nilai signifikansi < 0,05 maka H0 ditolak, jadi dapat disimpulkan bahwa ada hubungan antara fasilitas belajar dengan prestasi belajar.


Demikian artikel tentang Cara Uji Korelasi Bivariate atau Korelasi Pearson dengan SPSS. Semoga artikel ini bermanfaat, salam faqirilmiu.com



Komentar

Posting Komentar

Postingan populer dari blog ini

Cara Membaca nilai R Tabel dan Download R Tabel (Tabel R)

-
Gambar
Pengertian R Tabel Apa yang dimaksud R Tabel? R tabel merupakan sebuah tabel angka yang biasa dipakai untuk melakukan uji validitas suatu instrumen penelitian.  Fungsi R Tabel Berdasarkan definisi di atas, maka dapat diambil kesimpulan bahwa r tabel ini mempunyai fungsi untuk melakukan suatu pengujian terhadap instrumen penelitian agar mengetahui apakah instumen penelitian tersebut valid atau tidak.  Dibawah ini merupakan R tabel. Gambar Tabel R ( R Tabel) Mau mendownload R tabel? Silahkan melalui link dibawah ini.  DOWNLOAD R Tabel Cara Membaca Nilai r Tabel dalam Uji Validitas Pearson Ada beberapa cara dalam mengambil keputusan uji validitas. Cara yang pertama dengan menggunakan r tabel dan cara kedua dengan menggunakan nilai signifikansi . Berikut ini pedoman pengambilan keputusan uji validitas SPSS: Membandingkan Nilai r Hitung dengan Nilai r Tabel Jika nilai r hitung > r tabel, maka item pertanyaan kuesioner valid Jika nilai r hitung < r tabel, maka item pertanyaan kuesione
Read more »

Perbedaan Scale, Nominal dan Ordinal pada Measure di SPSS

-
Gambar
Perbedaan Scale, Nominal dan Ordinal pada Measure di SPSS      Measure merupakan salah satu kolom yang berada di variable view IBM SPSS. Kolom measure harus ditetapkan terlebih dahulu sebelum melakukan analisis data lebih lanjut. Terdapat 3 tipe variabel pada kolom measure SPSS yaitu scale, nominal dan ordinal . Ketiga variabel tersebut memberikan jenis nilai serta informasi analisis yang berbeda. Berikut ini pengertian dan perbedaan scale, nominal dan ordinal pada SPSS.      Penentuan measure merupakan hal dasar yang sangat penting untuk diketahui saat bekerja menggunakan SPSS. Misalnya kita tidak boleh membuat variabel nominal untuk melakukan perhitungan nilai rata-rata dan standar deviasi.  Pilihan untuk mengubah tipe variabel suatu variabel terdapat pada lembar kerja Variabel View SPSS. Gambar dibawah ini merupakan ilustrasinya. A.  Variabel Nominal pada SPSS      Variabel nominal merupakan tipe variabel yang digunakan hanya sebatas memberi label pembeda pada suatu data. Variabel
Read more »

Analisis Crosstab dengan SPSS [Uji Chi-Square dan Correlation]

-
Gambar
Cara Analisis Crosstab Menggunakan SPSS  Pada artikel ini, Kita akan belajar analisis crosstabs menggunakan SPSS. Silahkan baca artikel ini sampai selesai ya, agar paham apa itu analisis crosstabs. Pada SPSS, analisis crosstab merupakan bagian dari statistik deskriptif . Lalu apa kegunaan analisis crosstabs? Analisis crosstab merupakan alat analisis untuk mendeskripsikan data dalam bentuk kolom dan baris. Selain itu digunakan untuk memeriksa hubungan antar variabel kategori (nominal atau ordinal). Analisis crosstab ini dibagi menjadi 2 bagian: Analisis Crosstab – Chi Square Analisis Crosstab – Correlations Lalu apa perbedaannya? Ok, kita langsung ke yang pertama, analisis Crosstab – Chi Square A. Analisis Crosstab Chi-Square Analisis Crosstab Chi-Square ini merupakan teknik analisis untuk melihat hubungan antar variabel data nominal. Syarat uji chi-squre ini variabel yang akan kita uji harus data nominal. Langsung aja ke contoh kasus, Suatu perusahaan mengamati apakah pelayanan karya
Read more »

Pengertian Data View dan Variabel View SPSS serta Fungsinya

-
Gambar
Pengertian Data View dan Variabel View serta Penggunaanya pada SPSS      IBM SPSS mempunyai dua lingkungan kerja yaitu data view dan variabel view. Untuk pembahasan yang pertama kita ke Data View dulu, setelah itu baru ke Variabel View. A.  Data View      Data View merupakan tampilan lembar kerja SPSS sebagai tempat kita memasukkan data hasil pengamatan. Data View pada SPSS menampilkan setiap baris sebagai suatu kasus (case) dan setiap kolom merepresentasikan suatu variabel. Berikut ini penjelasan mengenai variabel dan kasus yang terdapat pada data view. 1.  Kasus (case)      Kasus (case) pada SPSS merepresentasikan suatu hasil pengamatan terhadap suatu objek, dapat berupa pengamatan berdasarkan observasi atau eksperimen. Banyaknya kasus pada Data View dapat dilihat pada bagian baris, sedangkan untuk banyaknya variabel dapat dilihat pada bagian kolom. 2.  Variabel      Variabel merupakan suatu karakteristik yang akan diteliti atau apa yang akan menjadi titik perhatian suatu penelit
Read more »

Cara Analisis Regresi Linear Berganda dengan SPSS

-
Gambar
Analisis Regresi Linear Berganda dengan SPSS Pengertian Analisis Regresi Linear Berganda Analisis regresi linear berganda adalah analisis yang digunakan untuk mengetahui pengaruh dua atau lebih variabel independen terhadap variabel dependen . Selain itu analisis regresi linear berganda juga digunakan untuk meramalkan suatu variabel dependen berdasarkan beberapa variabel independen. Regresi linear berganda disebut juga dengan regresi berganda . Pada regresi linear, variabel independen disimbolkan dengan X dan variabel dependen disimbolkan dengan Y.  Perbedaan regresi linear berganda dengan regresi linear sederhana  Apakah Anda tahu perbedaan regresi linear berganda dengan regresi linear sederhana ?  Perbedaan regresi linear berganda dengan regresi linear sederhana terletak pada jumlah variabel independen. Apabila pada regresi linear sederhana hanya terdapat satu variabel independen , sedangkan pada regresi linear berganda terdapat dua atau lebih variabel independen yang mempengaruhi
Read more »