Pengantar
Analisis korelasi digunakan untuk mengetahui hubungan antara dua variabel (bivariate correlation) atau lebih dari dua variabel (multivariate correlation). Contoh korelasi dua variabel misalnya hubungan banyaknya pemberian pupuk dengan kesuburan tanaman. dari contoh ini maka variabel banyaknya pemberian pupuk adalah variabel bebas (independent) yaitu variabel yang mempengaruhi. Sedangkan kesuburan tanaman merupakan variabel terikat (dependent) yaitu variabel yang dipengaruhi.
Contoh korelasi banyak variabel adalah hubungan antara tinggi badan dan jenis makanan terhadap kecepatan berlari. Dari contoh ini maka variabel tinggi badan dan jenis makanan merupakan variabel bebas (independent) yaitu yang mempengaruhi, sedangkan kecepatan berlari merupakan variabel terikatnya.
Untuk menentukan seberapa besar hubungan antar variabel, dapat dilakukan dengan menggunakan koefisien korelasi, atau ada juga yang menyebut indeks korelasi. Besarnya koefisien korelasi bergerak dari 0,000 sampai +/- 1,000. Tanda +/- bukan operasi matematis, tetapi merupakan tanda. Sehingga diketahui korelasinya negatif ataukah positif. Contoh korelasi positif: hubungan antara IQ terhadap prestasi belajar, semakin tinggi IQ maka prestasi semakin baik, sebaliknya semakin rendah IQ maka semakin buruk juga prestasinya.
Sedangkan contoh korelasi negatif : hubungan antara kesadaran membayar pajak dengan kekayaan negara, semakin tinggi kesadaran membayar pajak, maka kekayaan negara akan semakin banyak, sebaliknya semakin rendah kesadaran membayar pajak, maka semakin sedikit kekayaan negara. (hanya ilustrasi contoh, bagi yang merasa rendah kesadaran membayar pajaknya ya…pikir sendiri deh he he he).
Program SPSS menyediakan fasilitas analisis korelasi yang terdiri atas korelasi parametrik dan korelsi non parametrik. Analisis korelasi parametrik menggunakan teknik korelasi dari Pearson. Data yang dianalisis harus bersifat kontinum, yaitu data ratio dan data interval (dalam spss kedua jenis data ini dikenal dengan satu nama yaitu scale). Sedangkan korelasi non parametrik menggunakan teknik korelasi Spearman atau Tau Kendall. Data yang dianalisis harus berbentuk kategori, yaitu data ordinal dan data nominal.
Pada tahap ini, akan dilakukan uji korelasi parametrik terlebih dahulu
Untuk analisis non parametrik akan saya posting mendatang.
Baik untuk yang pertama,kita melakukan analisis korelasi dua variabel (Bivariate)
Analisis korelasi parametrik, datanya harus memenuhi syarat antara lain:
- tipe datanya kontinum (interval dan ratio)
- homogen
- distribusi normal
- serta regreasinya linier
jika tidak memenuhi syarat diatas, maka harus menggunakan tipe non parametrik
Contoh hipotesis:
H0: Tidak ada hubungan yang signifikans antara tinggi badan dan kecepatan berlari
H1: Ada hubungan yang signifikans antara tinggi badang dan kecepatan berlari
langkah-langkah:
1. buka spss
2. lakukan penyesuaian nama variabel dan jenis data seperti ini:
3. seperti gambar diatas, klik pada tab variable view dan lakukan pengaturan seperti ini:
4. Selanjutnya klik tab data view dan masukkan data seperti ini (hanya contoh):
5. Setelah selesai memasukkan data, maka langkah analisisnya adalah klik menu analyze, klik correlate, klik bivariate sehingga akan muncul seperti ini:
6. selanjutnya, masukkan variabel yang ada di kolom kiri ke kolom kanan, caranya bisa dengan doubel klik pada variabel tersebut, dua-duanya pindahkan ke kolom variables.
7. pada bagian bawah yaitu pada correlatioan coefisien, pilih Pearson, kemudian untuk test of significance pilih two tailed (ini kita lakukan karena kita belum tahu apakah korelasinya positif atau negatif).
8. beri tanda centang pada flag significant correlations supaya nanti kalau anda korelasi yang significant diberi tanda bintang, yaitu bintang 1 jika korelasi significant pada taraf 0,05, dan bintang 2 jika signifikans pada taraf 0,01.
9. Selanjutnya klik tombol options sehingga muncul seperti ini:
10. lakukan pilihan seperti gambar diatas, kemudian klik kontinue, lalu klik OK pada jendela yang sebelumnya. Computing......tunggu.....minum dulu..... :-)
11. ok hasil outputnya seperti ini:
12. Langkah analisis sudah selesai, mudahkan? iya, nah yang sulit sebenarnya untuk orang awam yang tidak memahami statistika sebenarnya pada tahap berikut ini, yaitu membaca /menginterpretasikan hasil output spss tersebut.
13. pada out put pertama : descriptive statistics ini hanya merupakan informasi dari apa yang dianalisis, pada kolom pertama ada tinggi badan dan kecepatan lari adalah variabelnya, kolom kedua ada mean yaitu rata-rata, jadi rata-rata tinggi badan = 161,90 dan rata-rata kecepatan lari: 103,80. Rata-rata dihitung berdasarkan jumlah total nilai data dibagi total N data. Dan seterusnya ini hanya informasi deskripsi saja.
14. pada output yang kedua yaitu correlations
15. lihat teknik korelasi yang kita pakai adalah pearson, kemudian dapat kita baca korelasi kedua variabel tersebut sebesar 0,847 dengan tanda bintan 2. Ini berarti nilai koefisien korelasinya sebesar 0,847.
16. pada Sig.(2-tailed) sebesar 0,002. ini berarti jika kita menggunakan taraf signifikansi 5%, maka korelasi signifikan jika nilai Sig(2-tailed) lebih kecil dari 0,05. dan tidak signifikan jika lebih dari 0,05. Dari hasil out put maka kesimpulannya ada korelasi yang signifikan.
17. Dengan tanda bintang 2, lihat keterangan dibawahnya **.correlation is significant at the 0.01 level. ini artinya korelasi ini signifikan pada level/taraf 1%. Jika korelasi signifikan pada 1% maka sudah pasti juga signifikan pada 5%, tetapi jika signifikan pada 5% belum tentu signifikan pada level 1%.
Dari contoh yang kita analisis diatas, maka kesimpulan yang kita ambil adalah menerima H1 yaitu Ada hubungan yang signifikans antara tinggi badang dan kecepatan berlari. Dengan demikian berarti kita juga menolak H0.
saya dapat dari:
