Pengertian Uji Korelasi Parsial dan Cara Analisis dengan SPSS

Pengertian Uji Korelasi Parsial

Uji korelasi Parsial

Uji korelasi parsial adalah salah satu metode statistik yang digunakan untuk mengukur hubungan antara dua variabel dengan mengontrol atau mengeliminasi pengaruh variabel lain. Analisis ini penting ketika ingin memastikan bahwa hubungan yang ditemukan tidak dipengaruhi oleh variabel lain yang mungkin berperan sebagai perancu.

Korelasi parsial berbeda dengan korelasi sederhana karena melibatkan satu atau lebih variabel kontrol. Dalam analisis korelasi sederhana, hubungan antara dua variabel diukur tanpa mempertimbangkan variabel lain. Namun, dalam korelasi parsial, kita mengisolasi pengaruh variabel ketiga sehingga dapat memahami hubungan yang lebih murni antara variabel utama.

Contoh Permasalahan Uji Korelasi Parsial

Jika ingin mengetahui hubungan antara waktu belajar (X) dan nilai ujian (Y), mungkin perlu mengontrol variabel seperti tingkat kecerdasan (Z). Korelasi parsial membantu menjawab apakah waktu belajar memengaruhi nilai ujian secara signifikan setelah mengontrol tingkat kecerdasan.

Kegunaan Uji Korelasi Parsial

1. Mengisolasi Pengaruh Variabel Kontrol

Memastikan bahwa hubungan yang ditemukan tidak dipengaruhi oleh variabel lain yang mungkin berperan sebagai pengganggu.

2. Meningkatkan Validitas Kesimpulan

Analisis ini membantu menyaring hubungan murni antara variabel yang diteliti.

3. Menjelaskan Kompleksitas Hubungan

Berguna dalam studi dengan banyak variabel yang saling terkait untuk memahami pengaruh masing-masing.

Contoh Kasus Uji korelasi Parsial 

Seorang peneliti ingin mengetahui apakah ada hubungan antara Gaji dan besar tunjangan dengan masa kerja sebagai variabel kontrol. Data penelitian berjumlah 20 orang/sampel. Berikut data penelitiannya:

Data Gaji, Tunjangan dan Lama kerja

Dalam uji korelasi parsial ada syarat yang harus dipenuhi atau uji asumsi dasar bahwa data harus berdistribusi normal. Untuk mengetahui data normal atau tidak maka perlu melakukan uji normalitas terlebih dahulu. Pada artikel ini saya tidak membahas uji normalitas agar artikel ini tidak terlalu panjang, tetapi anda dapat membaca artikel uji normalitas melalui tautan berikut ini. "Uji Normalitas dengan SPSS"

Cara Uji Korelasi Parsial dengan SPSS

Berikut ini langkah-langkah memasukkan data penelitian ke dalam software SPSS dan selanjutnya melakukan analisis korelasi parsial:

1. Buka lembar kerja baru di SPSS dengan klik Variable View untuk membuat nama variabel. Ketik nama variabel pada kolom Name, jumlah desimal pada kolom Decimals, beri keterangan pada kolom Label dan bagian Measure ubah menjadi Scale, setelah sudah diketik maka akan tampak seperti gambar dibawah ini.

variable view

2. Setelah sudah membuat variabel lanjut memasukkan data penelitian ke lembar Data View. Klik data view selanjutnya ketik data-data penelitian sesuai kolom variabel sehingga hasilnya akan seperti berikut. Anda juga dapat melakukan copy dan paste data penelitian dari file excel ke lembar kerja di SPSS.

Baca juga: Cara Input data SPSS dari file Excel

data view spss


3. Setelah data penelitian sudah diinput ke SPSS, selanjutnya klik Analyze, pilih Correlation, lalu pilih Partial pada menu sehingga muncul kotak dialog Partial Correlations.

Kotak dialog partial correlations

4. Masukkan variabel Gaji dan Tunjangan ke kotak Variables dan variabel Masa kerja ke kotak Controlling for

Kotak dialog partial correlations

5. Pada bagian test of significance, pilih Two-tailed dan beri centang pada Display actual significance level.

6. Selanjutnya Klik OK, maka akan keluar output SPSS uji korelasi parsial.

hasil uji korelasi parsial


Interpretasi Hasil Uji Korelasi Parsial

Untuk dapat memahami lebih mudah dalam membaca hasil uji korelasi parsial, ada 3 tahapan yang harus kita lewati. Yang pertama menentukan rumusan hipotesis penelitian. Kedua, melihat teori tentang dasar pengambilan keputusan dalam uji korelasi parsial. dan yang ketiga menafsirkan hasil analisis uji korelasi parsial.

Rumusan Hipotesis Penelitian dalam Uji Korelasi Parsial

H0: Hubungan antara Gaji dan Tunjangan dengan Masa kerja sebagai variabel kontrol tidak signifikan.

H1: Hubungan antara Gaji dan Tunjangan dengan Masa kerja sebagai variabel kontrol signifikan.

Dasar Pengambilan Keputusan dalam Uji Korelasi Parsial 

1. Jika nilai Significance (2-tailed) > 0,05 maka H0 diterima

2. Jika nilai Significance (2-tailed) < 0,05 maka H0 ditolak

Pada tabel Correlation diatas, kita bisa melihat korelasi antara variabel gaji dan variabel tunjangan dengan variabel kontrol adalah masa kerja, menunjukkan nilai koefisien korelasi yang besar yaitu 0,694. Nilai significance (2-tailed) sebesar 0,001 < 0,05, sehingga H0 ditolak. Jadi hubungan antara Gaji dan Tunjangan dengan Masa kerja sebagai variabel kontrol adalah signifikan.


Demikian artikel tentang Uji korelasi parsial dan cara analisisnya menggunakan SPSS, terima kasih, semoga artikel ini bermanfaat.





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 perta...
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 se...
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 yan...
Read more »

Pengertian Uji T dan Uji F serta Cara Analisis dengan SPSS

Gambar
Pengertian Uji T dan Uji F pada Regresi Linear Berganda serta Cara Analisis dengan SPSS Pada artikel ini kita akan mempelajari cara uji t dan uji f pada regresi linear berganda dengan SPSS, serta cara interpretasi output uji t dan uji f. Kita mulai dari pengertian uji t Pengertian Uji T Uji t adalah uji yang digunakan untuk mengetahui ada tidaknya pengaruh secara parsial variabel independent (variabel X) terhadap variabel dependent (variabel Y). Maksud pengaruh parsial yaitu pengaruh sendiri-sendiri oleh variabel independent. Pada kasus uji regresi linear berganda dengan dua variabel independent, berarti kita akan melihat pengaruh variabel independent pertama (X1) terhadap variabel dependent (Y) dan melihat pengaruh variabel independent kedua (X2) terhadap variabel dependent (Y). Pada paragraf sebelumnya Saya menyebutkan regresi linear berganda. Apa itu uji regresi linear berganda ? Uji regresi linear berganda merupakan uji yang digunakan untuk mengetahui ada tidaknya pengaruh dari du...
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 k...
Read more »