Uji Korelasi Pearson

233 komentar
Share:
Uji korelasi Pearson. Banyak penelitian meminati keberadaan hubungan antara 2 atau lebih variabel. Korelasi adalah suatu ukuran hubungan linier antar variabel. Contoh, peneliti ingin melihat apakah terdapat hubungan antara Minat Mahasiswa atas Matakuliah Pengantar Ilmu Politik (x) dengan Minat Mahasiswa untuk Berpolitik Praktis (y).

Banyak penelitian meminati keberadaan hubungan antara 2 atau lebih variabel. Korelasi adalah suatu ukuran hubungan linier antar variabel. Contoh, peneliti ingin melihat apakah terdapat hubungan antara Minat Mahasiswa atas Matakuliah Pengantar Ilmu Politik (x) dengan Minat Mahasiswa untuk Berpolitik Praktis (y). Potret Indonesia

Kedua variabel tersebut, x dan y, bisa berhubungan dengan salah satu dari 3 cara berikut:
  1. Hubungan Positif. Artinya, semakin berminat seorang mahasiswa atas Matakuliah Pengantar Ilmu Politik, semakin besar minat mereka untuk Berpolitik Praktis. 
  2. Tidak Ada Hubungan. Artinya, minat mahasiswa atas matakuliah Pengantar Ilmu Politik tetap sama kendati mereka berminat untuk Berpolitik Praktis. 
  3. Hubungan Negatif. Artinya, semakin mahasiswa berminat atas matakuliah Pengantar Ilmu Politik, semakin tidak berminat mahasiswa untuk Berpolitik Praktis.

Cara termudah guna melihat apakah dua variabel berhubungan adalah dengan melihat apakah mereka memiliki covarians. Pemahaman atas covarians menuntut kita memahami konsep varians. Varians suatu variabel mewakili rata-rata perbedaan data variabel tersebut dengan nilai Mean-nya. Rumus varians sebagai berikut:


Mean sampel diwakili 


adalah nilai yang hendak dicari dan N adalah jumlah pengamatan (sampel). Jika kita tertarik apakah kedua variabel berhubungan, maka kita harus melihat apakah perubahan di satu variabel disusul dengan perubahan di variabel lainnya. Kala satu variabel menyimpang dari Mean, maka kita bisa berharap bahwa variabel lain juga menyimpang dari Mean-nya dengan cara serupa. Agar lebih jelas, lihat data berikut:


Jika terdapat hubungan di antara kedua variabel, maka kala satu variabel menyimpang dari Mean diikuti penyimpangan yang sama oleh variabel lainnya, baik searah atau berlawanan. Rumus covarians sebagai berikut:


Menghitung covarians adalah cara yang baik guna menilai apakah 2 variabel punya hubungan. Jika nilai covarians positif maka kala satu variabel menyimpang dari Mean diikuti oleh penyimpangan pada variabel lain secara searah. Jika nilai covarians negatif maka kala satu variabel menyimpang dari Mean diikuti oleh penyimpangan variabel lain secara berlawanan. Namun, covarians ini bukan uji standar guna menentukan hubungan. 

Standardisasi

Masalah uji standar bagi hubungan antar variabel diselesaikan lewat konversi. Artinya, covarians dikonversikan ke dalam unit yang lebih standar. Proses ini dinamakan standardisasi. Dalam kajian statistik, ukuran standar ini adalah Standar Deviasi. Jika kita membagi setiap penyimpangan nilai observasi terhadap Mean dengan Standar Deviasi, maka kita akan mendapat jarak dalam satuan Standar Deviasi.

Singkatnya, jika kita ingin mengekspresikan covarians ke dalam unit standar pengukuran, kita tinggal membaginya dengan Standar Deviasi. Dengan demikian jika terdapat 2 variabel, maka akan terdapat 2 Standar Deviasi. Kini, kala kita hendak menghitung covarians, sesungguhnya kita menghitung 2 penyimpangan lalu mengkalikan mereka. Lalu, kita melakukannya secara sama terhadap Standar Deviasi. Kita mengkalikan mereka dan membaginya dengan hasil perkalian ini. Covarians yang sudah distandardisasi dinamakan Koefisien Korelasi. Rumusnya sebagai berikut:


Rumus di atas dikenal dengan nama korelasi Pearson Product-Moment atau Pearson Correlation Coefficient dan ditemukan oleh Karl Pearson. 

Jenis lain uji korelasi yang populer digunakan adalah Spearman Rank Correlation (rho). Uji statistik korelasi ini banyak digunakan untuk statistik nonparametrik yang datanya tidak berdistribusi normal dan diukur menggunakan skala ordinal. Tulisan ini hanya akan membahas uji korelasi Pearson Product Moment. 

Pearson Product Moment

Adapun rumus Pearson Product Moment (r) adalah sebagai berikut di bawah ini: 


Lihat tabel di bawah ini dalam perhitungan korelasi Pearson:


Cara melakukan perhitungan manual untuk uji korelasi di atas adalah sebagai berikut 


Asumsi Uji Korelasi

Sebelum diimplementasi, uji Korelasi terlebih dulu harus memenuhi serangkaian asumsi. Asumsi-asumsi uji Korelasi adalah:
  1. Normalitas. Artinya, sebaran variabel-variabel yang hendak dikorelasikan harus berdistribusi normal. 
  2. Linearitas. Artinya hubungan antara dua variabel harus linier. Misalnya ditunjukkan lewat straight-line. 
  3. Ordinal. Artinya, variabel harus diukur dengan minimal skala Ordinal. 
  4. Homoskedastisitas. Artinya, variabilitas skor di variabel Y harus tetap konstan di semua nilai variabel X. 

Cara Uji Asumsi Korelasi dengan SPSS

1. Normalitas 


Uji Normalitas bisa dilakukan dengan teknik Kolmogorov-Smirnov. Data yang normal adalah Sig. Kolmogorov-Smirnov hitung > Sig. Penelitian (0,05). Cara melakukan uji normalitas dengan SPSS adalah:
  1. Klik Analyze --> Nonparametric Tests --> 1-Sample K-S. 
  2. Pada jendela One-Sample Kolmogorov-Smirnov Test, masukkan variabel x1, x2, x3, x4, dan y ke kota Test Variable List. 
  3. Pastikan sudah terceklis Normal pada Test Distribution. 
  4. Klik OK. 
  5. Linieritas. Linieritas terlihat apabila skor variabel X meningkat, skor variabel Y juga meningkat. Plot-plot data cenderung mengikuti garis diagonal Z yang menaik. Uji asumsi dengan SPSS sangatlah mudah, caranya adalah: 
  6. Klik Graphs --> Scatter/Dot... 
  7. Klik icon Simple Scatter 
  8. Klik Define untuk membuka jendela Simple Scatter plot. 
  9. Masukkan variabel Y ke Y Axis ---> Masukkan variabel X ke X Axis. 
  10. Klik Options --> Ceklis Exclude cases listwise. 
  11. Klik Continue 
  12. Klik OK. 

2. Ordinal. 


Masih terdapat sejumlah perdebatan diantara para ahli apakah skala sikap (misal: sangat setuju, setuju, agak setuju, kurang setuju, tidak setuju, sangat tidak setuju) masuk kategori ordinal atau interval. Juga, uji Pearson apakah layak ditimpakan pada skala Interval dan Rasio ataukah minimal Ordinal bisa menggunakannya. 

Robert Ho menyatakan bahwa skala Ordinal pun layak ditimpakan uji korelasi Pearson. Mengenai apakah skala sikap masuk ke dalam kategori skala Ordinal atau Interval, Donald P. Schwab menjawab bahwa skala sikap boleh dimasukkan ke dalam skala Interval. Atau, jika tidak bisa, sekurangnya “mendekati Interval.” Schwab memutuskan, dengan demikian uji-uji statistik yang diperuntukkan bagi skala Interval bisa ditimpakan kepada yang “mendekati interval” tersebut. 

3. Homoskedastisitas. 


Dalam menguji asumsi Homoskedastisitas dilakukan secara grafis. Dengan SPSS hal ini sangat mudah. Caranya adalah sebagai berikut:

Caranya dengan melihat grafik persilangan SRESID dengan ZPRED pada output hasil SPSS. Caranya sebagai berikut: 
  1. Klik Analyze --> Regression --> Linear 
  2. Masukkan variabel y ke Dependent. 
  3. Masukkan variabel-variabel x ke Independent(s) 
  4. Klik Plot. 
  5. Isikan SRESID pada y-axis dan ZPRED pada x-axis. 
  6. Klik Continue. 
  7. Saksikan hasilnya pada Output SPSS. 


Perhatikan grafik scatterplot. Ingat, Homoskedastisitas terjadi jika varians dari residual satu pengamatan ke pengamatan lain tetap atau sama. Heteroskedastisitas terjadi jika varians dari residual satu pengamatan ke pengamatan lain tidak sama atau tidak tetap. 

Homoskedastisitas terjadi jika tidak terdapat pola tertentu yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu X. Heteroskedastisitas terjadi jika terdapat titik-titik memili pola tertentu yang teratur seperti bergelombang, melebar kemudian menyempit.

Uji Korelasi Pearson dengan SPSS

Melakukan uji Korelasi Pearson untuk mencari nilai r dengan SPSS sangatlah mudah. Caranya sebagai berikut:
  1. Klik Analyze --> Correlate --> Bivariate 
  2. Klik Masukkan variabel x1, x2, x3, dan y ke kotak Variables. 
  3. Pada bagian Correlation Coefficients, ceklis Pearson. 
  4. Pada bagian Test of Significance, ceklis Two-tailed. 
  5. Klik Options --> Ceklis Means and standard deviations --> Ceklis Exclude cases pairwise. 
  6. Klik Continue. 
  7. Klik OK. 
  8. Saksikan hasilnya pada Output SPSS. 

Contoh Output Hasil SPSS sebagai berikut:


Hipotesis penelitian adalah:


Interpretasi Hasil Uji Korelasi

Penelitian (contoh) hendak menguji apakah terdapat hubungan antara Budaya Organisasi (x1) dan Iklim Organisasi (x2) dengan Kepuasan Kerja (y). Hasil uji statistik menggunakan Pearson Product Moment (sudah tertera di atas). Bagaimana melakukan penafsiran?

Korelasi. Jika suatu hubungan tidak sama dengan 0, maka dapat dikatakan terjadi hubungan. Perhatikan baris-baris Pearson Correlation, di mana dihasilkan hasil-hasil berikut:
  1. Budaya Organisasi berhubungan secara positif dengan Kepuasan Kerja sebesar 0,451 (r = 0,451). 
  2. Iklim Organisasi berhubungan secara positif dengan Kepuasan Kerja sebesar 0,838 (r = 0,838). 

Dengan demikian, terdapat hubungan antara variabel x1 dan x2 dengan y. Hipotesis-hipotesis 0 di atas, sebab itu, ditolak. 

Signifikansi. Signifikansi bisa ditentukan lewat baris Sig. (2-tailed). Jika nilai Sig. (2-tailed) < 0,05, maka hubungan yang terdapat pada r dianggap signifikan. Hasil uji signifikansi (di atas) adalah: 
  • Nilai r hubungan Budaya Organisasi dengan Kepuasan Kerja adalah 0,000. Artinya, 0,000 < 0,05 dan dengan demikian korelasi antara kedua variabel signifikan. 
  • Nilai r hubungan Iklim Organisasi dengan Kepuasan Kerja adalah 0,000. Artinya, 0,000 < 0,05 dan dengan demikian korelasi antara kedua variabel signifikan. 

Interval Kekuatan. Sejumlah penulis statistik membuat interval kategorisasi kekuatan hubungan korelasi. Jonathan Sarwono, misalnya, membuat interval kekuatan hubungan sebagai berikut: 


Atau penulis lain seperti D.A de Vaus menginterpretasikannya sebagai berikut:



Untuk korelasi negatif (-) interpretasi adalah sama.

Koefisien Determinasi. Koefisien Determinasi digunakan untuk menafsirkan skor korelasi Pearson (r). Caranya dengan mengkuadratkan nilai r tersebut. Nilai r harus dikuadratkan karena ia bukan berada dalam skala Rasio. Akibatnya, kita tidak bisa melakukan operasi aritmetika (kurang, bagi, kali, tambah) terhadap nilai r tersebut. Guna mencari nilai Koefisien Determinasi, dilakukan langkah berikut:
  • Nilai r Budaya Organisasi – Kepuasan Kerja = 0,451 x 0,451 = 0,2034. Kalikan nilai ini dengan 100% maka 0,2034 x 100% = 20,34%. 
  • Nilai r Iklim Organisasi – Kepuasan Kerja = 0,838 x 0,838 = 0,7022. Kalikan nilai ini dengan 100% maka 0,7022 x 100% = 70,22. 

Penafsiran Koefisien Determinasi adalah: 

Sebesar 20,34% varians Kepuasan Kerja dapat dijelaskan oleh Budaya Organisasi. Sebesar 70,22% varians Kepuasan Kerja dapat dijelaskan oleh Iklim Organisasi. 

---------------------------------

Daftar Pustaka

  • Andi Field, Discovering Statistics using SPSS: And Sex Drug and Alcohol, Second Edition (London: SAGE Publication, 2005) 
  • Donald P. Schwab, Research Methods for Organizational Studies, Second Edition (New Jersey: Lawrence Erlbaum Associates, Publishers, 2005) 
  • Jonathan Sarwono, Statistik Itu Mudah: Panduan Lengkap untuk Belajar Komputasi Statistik Menggunakan SPSS 16 (Yogyakarta: Penerbit Universitas Atma Jaya Yogyakarta, 2009). 
  • Mark R. Leary, Introduction to Behavioral Research Methods, Third Edition (Boston: Allyn and Bacon, 2001) 
  • Muhammad Nisfiannoor, Pendekatan Statistika Modern untuk Ilmu Sosial (Jakarta: Penerbit Salemba Humanika, 2009) 
  • Robert Ho, Handbook of Univariate and Multivariate Data Analysis and Interpretation with SPSS (Boca Raton: Chapman & Hall/CRC, 2006) p. 184. 

Appendix:

Kecenderungan Data


tags:
melakukan uji korelasi pearson langkah-langkah dengan spss menafsirkan hasil output spss menghitung kekuatan hubungan menguji hipotesis uji korelasi

233 komentar:

  1. bagaimana bila uji normalitas yang didapat datanya tidak terdistribusi dengan normal?

    BalasHapus
  2. Data tidak berdistribusi normal atau banyak outlier gunakan saja Spearman Rank.

    BalasHapus
  3. perlu di transformasi dulu ga sebelum di pindah ke spearman?

    BalasHapus
  4. Kalau lewat perhitungan manual, skor total masing-masing variabel di-rangking dulu baru dimasukkan ke dalam rumus Spearman. Tapi, kalau menggunakan SPSS, tidak perlu di-rangking sebab sudah otomatis lewat menu Analyze > Correlate > Bivariate > ceklis Spearman.

    BalasHapus
  5. boleh nanya tentang regresi ga?

    BalasHapus
  6. Silakan, tetapi kalau saya tahu ya ?

    BalasHapus
  7. Kalo regresi kan ada :
    1. regresi linier sederhana
    2. Regresi linier berganda
    3. regresi nonlinier sederhana
    kalo regresi nonlinier berganda ada ga?

    Kalo regresi linier pada spss kan tinggal masuk ke "linier"
    Kalo regresi nonlinier sederhana, bisa di coba melalui "Curve Estimation" untuk menentukan type nonliniernya yang kemudian didapat nilai nya. Namun, cara ini hanya bisa untuk 2 variable saja.
    Trus bagaimana untuk regresi nonlinier dengan 3 variable?
    Trimakasih :)

    BalasHapus
  8. tanya dunk klw data saya berdistribusi normal tapi gak linier gimana dunk cara liat hubungan antar variabel? mksh sebelumnya...

    BalasHapus
  9. trus X3 ada dmn...?
    dalam hasil output spss cmn ada 3 variabel, sedangkan dalam petunjuk x1, x2, x3, dan Y dimasukkan dalam kotak variabeL.....
    tolong penjelasannya........!!!!

    BalasHapus
  10. trus X3 ada dmn...?
    dalam hasil output spss cmn ada 3 variabel, sedangkan dalam petunjuk x1, x2, x3, dan Y dimasukkan dalam kotak variabeL.....
    kmudian pada intepretasi hasil uji korelasi (terdapat hubungan antara variabel x1 dan x2 dengan y).
    tolong penjelasannya........!!!!

    BalasHapus
  11. Dalam uji korelasi tidak disediakan kotak "dependent variable." Jadi ketiga variabel yaitu x1, x2, dan y dimasukkan sekaligus. Kita cuma melihat matriks hubungan antar variabel tersebut dalam output SPSS.

    BalasHapus
  12. gimana kalo variabel xnya banyak?

    BalasHapus
  13. Menurut pengalaman saya tidak ada masalah jika dengan SPSS. Saya justru membayangkan bagaimana jika variabel x yang banyak itu dihitung secara manual. Wah, berapa lama waktu dibutuhkan ya?

    BalasHapus
  14. apa beda pake spearman dengan pearson??thx

    BalasHapus
  15. Sepengetahuan saya, Spearman hanya digunakan apabila data yang diukur bertipe Ordinal dan Tidak Berdistribusi Normal. Pearson digunakan apabila data yang diukur minimal bertipe Interval dan Berdistribusi Normal. Terima kasih kembali.

    BalasHapus
    Balasan
    1. permisi admin,, mo nanya, tulisan di atas blangnya "Robert Ho menyatakan bahwa skala Ordinal pun layak ditimpakan uji korelasi Pearson"
      trus menurut pnjelasan admin "Pearson digunakan apabila data yang diukur minimal bertipe Interval dan Berdistribusi Normal"
      jdi yang bener Pearson boleh pake data skala ordinal atw cuman interval? :)
      terima kasih

      Hapus
    2. Robert Ho memang menyatakan demikian, bahwa data yang diukur dalam skala ordinal boleh saja menggunakan Pearson sebagai uji korelasinya. Alasan Ho, skala likert (alat ukur populer untuk data berskala ordinal) menunjukkan suatu peringkat sikap. Namun, sebagian penulis statistik lain secara ketat memberlakukan skala interval dan normalitas data sebagai prasyarat pemberlakuan Pearson. Namun, ada pula penulis lain yang mencari 'middle way', misalnya Donald P. Schwab. Baginya, data yang diukur menggunakan Likert Scale sekurangnya sudah mendekati skala interval sehingga boleh digunakan Pearson sebagai uji korelasinya. "Pearson digunakan apabila data yang diukur minimal bertipe Interval dan Berdistribusi Normal" merupakan bagian dari prasyarat uji korelasi Pearson. Bahkan, ada pula yang 'mengakali' agar data yang diukur dalam Likert Scale yang ordinal itu berubah menjadi Interval dengan menggunakan Method of Successive Interval (MSI), suatu perhitungan yang cukup kompleks tentunya. Nah, kini terpulang kepada para peneliti yang hendak menggunakan uji korelasi Pearson untuk menentukannya. tentu saja dengan legitimasi teoritisnya masing-masing.
      Sama-sama. Semoga bermanfaat.

      Hapus
    3. ooh gitu.. mo nanya lagi yah admin..
      kan penelitianku mengenai hubungan karakteristik masyarakat dengan pemanfaatan puskesmas
      salah satu karakteristik yang diukur tingkat pendidikan yang dibagi dalam 5 kategori (skala ordinal) trus pemanfaatan puskesmas skala nominal.
      nah klu gitu analisis bivariat cocoknya pake uji apa yah?

      Hapus
    4. Untuk menguji hubungan Tingkat Pendidikan (sd-smp-sma-pt) dengan Pemanfaatan Puskesmas (ya-tidak) antara ordinal-nominal bisa digunakan Crosstabulation (sangat bermanfaat dalam mendeskripsikan hubungan), Chi Square, ataupun Likelihood Ratio.
      Semoga bermanfaat.

      Hapus
    5. ooh gitu.. makasih admin :D

      Hapus
    6. Sama-sama. Semoga bermanfaat.

      Hapus
  16. hai admin,,
    gimana sih melihat bahwa standar deviasi itu baik atau tidak? standar deviasi itu harus dibandingkan dengan apa?
    terimakasih

    BalasHapus
  17. Standard Deviation (SD) mengukur seberapa baik Mean mewakili data. Semakin kecil SD, semakin data dekat dengan Mean. Semakin besar SD, semakin jauh data dengan Mean. Jika SD = 0 maka seluruh data adalah serupa, sekaligus merupakan kondisi ideal.

    Silakan klik link http://setabasri01.blogspot.com/2011/04/analisis-deskriptif-dengan-importance.html

    khususnya point D.2.4.
    Semoga bermanfaat.

    BalasHapus
  18. hi,..
    saya ingin tanya, saya punya 10 variabel bebas yang berpotensi mempengaruhi 1 variabel dependent. Hal-hal apa saja yang perlu kuperhatikan supaya saya dapat mengetahui variabel bebas mana saja yang paling baik digunakan untuk menentukan variabel dependent itu?
    soalnya saya bingung ketika membaca hasil spss (ada std. error, significant at level 0.01, 0.05 - apalagi ini? lalu one dgn two tailed? @.@)
    thx..

    BalasHapus
  19. Sebaiknya perhatikan Tabel MODEL SUMMARY.

    Khususnya kolom Std. Error of the Estimate.

    Kolom ini menjelaskan seberapa kuat variabel-variabel bebas bisa memprediksi variabel terikat. Nilai Std. Error of the Estimate diperbandingkan dengan nilai Std. Deviation (bisa dilihat pada tabel Descriptives).

    Jika Std. Error of the Estimate < Std. Deviation, maka Std. Error of the Estimate baik untuk dijadikan prediktor dalam menentukan variabel terikat.

    Jika Std. Error of the Estimate > Std. Deviation, maka Std. Error of the Estimate tidak baik untuk dijadikan prediktor dalam menentukan variabel terikat.

    Semoga membantu.

    BalasHapus
  20. Atau, dapat pula dilihat Tabel ANOVA :

    Lihat kolom Sig.
    Tabel ANOVA menunjukkan besarnya angka probabilitas atau signifikansi pada perhitungan ANOVA. Nilai yang tertera digunakan untuk uji kelayakan Model Analisis ----dimana sejumlah variabel x mempengaruhi variabel y---- dengan ketentuan angka probabilitas yang baik untuk digunakan sebagai model regresi harus < 0,05.

    Nilai ini bisa dilihat pada kolom Sig. Jika Sig. < 0,05, maka Model Analisis dianggap layak. Jika Sig. > 0,05, maka Model Analisis dianggap tidak layak.

    Semoga bermanfaat.

    BalasHapus
  21. asiarbselvykomala
    saya mau tanya, kalo mau merubah correlation is significant dari 0,01 menjadi 0,05 itu gimana ya caranya, mohon bantuannya terimakasih

    BalasHapus
  22. Sudah default dari SPSS 0.01 dan 0.05. Namun, yang bisa dilakukan adalah:

    1. Lihat keterangan Sig. (2-tailed) atau (1-tailed). Jika nilai p value < 0,01 maka SPSS menyatakan hubungan signifikan pada taraf keyakinan 99% (tingkat kesalahan 0,01). Tandanya ** (dua bintang).

    2. Lihat keterangan Sig. (2-tailed) atau (1-tailded). Jika nilai p value > 0,01 dan < 0,05 maka SPSS menyatakan hubungan signifikan pada taraf keyakinan 95% (tingkat kesalahan 0,05). Tandanya * (satu bintang).

    3. Semoga membantu.

    BalasHapus
  23. Hi, saya ingin tanya..untuk menilai hubungan antara dua variabel signifikan atau tidak, harus slalu pake spearman tidak ya?klo saya pakai uji t boleh tidak?jadi klo uji t sig nya < 0,05 itu saya anggap ada hubungan yang signifikan..trimakasih..

    BalasHapus
  24. Tidak selalu harus Spearman ataupun Pearson. Bergantung distribusi dan jenis data (skala pengukurannya). T-test dalam populasi yang sama juga sering digunakan untuk menguji korelasi (hubungan) dengan penentuan signifikansi yang juga sama.

    BalasHapus
  25. trimakasi atas jawabannya. saya ingin tanya lagi,yang saya maw uji hubungannya adalah hubungan antara CSR dengan kinerja keuangan. Apakah signifikan atau tidak. CSR saya ukur dengan indeks (kalau perusahaan mengungkapkan CSR dalam annual report nya saya beri 1,klo tidak 0) dan kinerja keuangan saya ukur dengan ROA.
    Dengan data seperti ini saya bisa pakai uji t, tidak y? thx u so much

    BalasHapus
  26. Mohon dikoreksi ya:
    Variabel X adalah CSR. Diukur dengan skala nominal (0= tidak; 1=ya).
    Variabel Y adalah Kinerja Keuangan diukur dengan ROA. Skala pengukurannya Rasio?

    Dalam konteks nominal - rasio, dan sehubungan uji t, sebaiknya rumusan masalah bukan mencari KORELASI tetapi MENCARI BEDA MEAN. Beda Mean dicari dari dua sampel independen: Satu kelompok pakai CSR, satu kelompok lagi tidak pakai CSR. Penelitian nantinya mencari kesimpulan apakah terdapat perbedaan kinerja keuangan antara yang pakai CSR dengan yang tidak pakai CSR.

    BalasHapus
  27. terimakasih sangat membantu, tetapi saya ingin bertanya lagi, jika sampel saya sebanyak 76 responden, saya memakai sig one tailed atau sig two tailed?alasannya mengapa?dan yang kedua, saya memakai korelasi person dengan skala liekert, menurut anda apakah sudah tepat skala yang dipakai dengan korelasinya, karna saya melihat balasan komentar anda untuk yang lain, disitu anda mengatakan kalau korelasi person dipakai untuk skala interval, sedangkan dlm skripsi saya sama sekali tak ada skala interval.Dimohon bantuannya terimakasih

    BalasHapus
  28. maaf mas,kalo signifikan saja tidak,bagaimana saya membaca datanya ya?
    jadi sig.(2-tailed) 0.053
    rata-rata lama sekolah dan partisipasi KB 0.34
    mohon pencerahannya mas :)
    terimakasih

    BalasHapus
  29. oiya mas,dengan catatan distribusi datanya jelek sekali jadi untuk rata-rata lama sekolah 7 misalnya, partisipasi kb ada yg 5, 22, 16, 10. gitu mas. blognya sangat membantu sekali :)

    BalasHapus
  30. to: selvy kp

    1. Sig 1-tailed atau 2-tailed digunakan kala kita telah tahu atau tidak tahu arah hubungan antar dua atau lebih variabel.

    2. Sig 1-tailed ditentukan kalau kita sudah tahu arah hubungan antara variabel yaitu hubungan positif atau negatif. Jadi kalau 1-tailde kurvanya ada di sebelah kiri saja (negatif) atau kanan saja (positif).

    3. Sig 2-tailed ditentukan kalau belum tahu arah hubungan antara variabel. Makanya, kurvanya ada di setengah di kiri dan setengah di kanan.

    4. Pearson Correlation digunakan untuk menganalisis variabel yang diukur dalam skala Interval.

    5. Spearman Correlation digunakan untuk menganalisis variabel yang diukur dalam skala Ordinal.

    6. Kalau belum jelas, silakan ya.

    BalasHapus
  31. to: anonim 23 desember 2011

    Mungkin cara membaca hasil pengambilan keputusan hipotesisnya sebagai berikut:

    "Dalam taraf keyakinan 95% dan uji dua sisi maka dinyatakan bahwa Rata-rata Lama Sekolah berhubungan dengan Partisipasi Belajar sebesar 0,34 (moderat?) dalam mana hubungan keduanya kurang signifikan pada tingkat kesalahan 0,05."

    BalasHapus
  32. to: anonim 23 desember 2011

    Untuk data dengan distribusi 'jelek' (maksudnya mungkin tidak normal) sebaiknya uji statistik yang dipakai adalah Spearman.

    BalasHapus
  33. kalo skala liekert itu menurut anda termasuk ke dalam skala ordinal atau interval?

    BalasHapus
  34. Skala Likert adalah skala yang berusaha mengukur derajat persetujuan atas sikap atau penilaian tertentu. Umumnya skala ini berwujud pernyataan setuju, agak setuju, kurang setuju, tidak setuju. Skala yang demikian dalam sifat pengukurannya adalah Ordinal. Resminya, Skala Likert adalah Ordinal.

    Namun, juga terdapat sejumlah pendapat yang menyatakan Skala Likert bertipe Interval. Mengapa? Salah satu pendukungnya Jay A. Weinstein (dalam bukunya Applying Social Statistics, terbitan Rowman & Littlefield Publishers, 2010 p. 37-8).

    Bagi Weinstein, Skala Likert minimal terdiri atas 5 tingkatan (misalnya SS, S, RR, TS, dan STS) agar dapat dikategorikan interval. Syaratnya adalah harus KONSISTEN pengukuran variabel X dan Y nya. Maksudnya jika variabel X pilihan 1=SS, 2=S, 3=RR, 4=TS, 5=STS maka pada variabel Y pilihannya harus sama yaitu 1=SS, 2=S, 3=RR, 4=TS, 5=STS.

    Jawaban saya, Skala Likert datanya bertipe Ordinal. Namun, pada sejumlah kondisi ia dapat saja disikapi sebagai Interval.

    BalasHapus
  35. terimakasih, tapi saya masih bingung, dimohon bantuannya kembali
    1. apakah bisa diberi contoh data berdistribusi normal dan tidak berdistribusi normal itu seperti apa?karena saya belum tau perbedaannya

    2. skala liekert bisa juga dikatakan skala interval dengan syarat harus konsisten, saya mengambil kesimpulan seperti ini mohon dikoreksi jika salah, kalo seumpama variabel X tingkat penilaian dari 5-1, berarti variabel Y juga 5-1?apakah seperti ini mksdnya?(mohon dikoreksi)

    3. selain menentukan arah posisi kurva, apakah jumlah responden berpengaruh terhadap penentuan sign one tailed atau two tailed (jumlah responden saya 76)

    terimakasih yang sebanyak2nya

    BalasHapus
  36. 1. Contoh Kurva normal saya cantumkan di tulisan atas, setelah bagian Daftar Pustaka, untuk uji dua sisi. Mean adalah rata-rata jawaban responden penelitian (misalnya 2,7 atau 3,8). Cantumkan itu di mean pada kurva di atas. Standar Deviasi (SD) adalah simpangan baku (kalau dengan SPSS sudah langsung dapat dicari). Ke kanan mean ada 3 titik dari kiri ke kanan isikan (mean + SD), (mean + SD + SD), dan (mean + SD + SD + SD). Mean dan kekiri ada 3 titik juga isikan (mean - SD), (mean - SD - SD), dan (mean - SD - SD - SD).

    Suatu kurva normal 68% data observasi (data sesungguhnya dari responden) ada di antara (mean - SD) hingga (mean + SD). Juga, 95% data observasi ada di antara (mean - SD - SD) hingga (mean + SD + SD). Juga, 99,7% data observasi ada di antara (mean - SD - SD - SD) hingga (mean + SD + SD + SD).

    Cara di atas secara visual (common sense) tanpa uji-uji statistik.
    Kalau hendak pakai uji statistik dapat digunakan Uji Kolmogorov-Smirnov.

    2. Benar, begitu juga bisa yang penting ada konsistensi.

    3. Yang menentukan pakai 1-tailed atau 2-tailed bukan jumlah responden melainkan teori. Jika teori menyatakan "variabel x berhubungan secara positif dengan variabel y" maka uji yang dilakukan adalah 1-tailed. Jika teori menyatakan "variabel x berhubungan dengan variabel y secara negatif" maka uji yang dilakukan 1-tailed. Jika teori hanya menyatakan "variabel x berhubungan dengan variabel y" maka uji yang dilakukan 2-tailed.

    Sama-sama. Semoga bermanfaat.

    BalasHapus
  37. 3. Yang menentukan pakai 1-tailed atau 2-tailed bukan jumlah responden melainkan teori. Jika teori menyatakan "variabel x berhubungan secara positif dengan variabel y" maka uji yang dilakukan adalah 1-tailed. Jika teori menyatakan "variabel x berhubungan dengan variabel y secara negatif" maka uji yang dilakukan 1-tailed. Jika teori hanya menyatakan "variabel x berhubungan dengan variabel y" maka uji yang dilakukan 2-tailed. Bisa tau referensi teori yang dimaksud?

    BalasHapus
  38. tanya ya...
    untuk mengetahui peran A terhadap B dengan jumlah sampel 25 menggunakan uji apa ya?
    mksh

    BalasHapus
  39. to: selvi kp

    Dalam bagian Kerangka Teori biasanya dijelaskan "hubungan antar konsep" atau "hubungan variabel x dengan variabel y" yang kita teliti. Pernyataan tersebut bisa berasal dari para ahli atau penelitian-penelitian sebelumnya dalam masalah yang sama.

    BalasHapus
  40. to: Anonim

    A diukur dalam Skala apa?
    B diukur dalam Skala apa?

    BalasHapus
  41. lalu hubungan secara positif atau negatif itu maksudnya memiliki nilai hubungan dari +1 hingga -1 bukan?

    lalu yang kedua, ternyata data saya berdistribusi normal, memakai skala ordinal, tetapi antara variabel x dan y pengukurannya konsisten..menurut anda saya lebih baik menggunakan spearman atau person product moment?

    BalasHapus
  42. Robert Ho menyatakan bahwa skala Ordinal pun layak ditimpakan uji korelasi Pearson, bisa minta referensi bahan bacaannya?terimksh

    BalasHapus
  43. Ya, Ho dan Schwab kiranya menjadi dasar digunakannya Pearson bagi skala Ordinal. Data yang distribusinya normal, boleh menggunakan Pearson. Hubungan positif adalah (+) hubungan negatif adalah (-). Hubungan positif dan negatif harus punya justifikasi teori. Kalau tidak pasti arah hubugannya, gunakan uji 2 sisi. Bahan bacaan sudah saya muat di bagian daftar pustaka.

    Sama-sama. Semoga bermanfaat.

    BalasHapus
  44. terimakasih admin, blog ini sebagai referensi dalam penulisan skripsi saya. Sangat membantu

    BalasHapus
  45. makasi mas seta buat rekomendasinya:D..nanti cb saya pikirkan lagi ya..mas maw tnya lagi,klo buat uji durbin watson kan kt musti taw jumlah k nya..itu ngitungnya gmn ya mas?variabel apa aj yang diitung?var independen ama dependen?klo ad moderasi nya gmn ya?diitung juga ya mas?makasi

    BalasHapus
  46. Nilai k untuk Durbin Watson adalah jumlah variabel bebas (variabel independen), biasanya dinamakan variabel x. Jadi yang dihitung variabel-variabel x nya saja.

    Durbin Watson digunakan apakah variabel-variabel bebas residunya mengalami otokorelasi satu sama lain. Variabel moderasi juga merupakan pemberi pengaruh.

    Sama-sama. Semoga bermanfaat.

    BalasHapus
  47. kulonuwun , saya mau tanya kalo hasil dari perhitungan korelasi pearson melebihi atau diatas 0,5 gimana ? ada yang bilang harus dibawah 0,5 ? trus kalo saya ganti spearman ? padahal hasil semua normal dan linier , help me please . . .

    BalasHapus
  48. Maksud dari 0,5 ini alpha penelitian atau nilai korelasi? Atau, maksudnya mungkin 0,05 (untuk alpha penelitian).

    Kalau alpha penelitian melebihi atau di atas 0,5 artinya hasil perhitungan korelasi tidak signifikan. Umumnya, alpha penelitian untuk ilmu sosial menggunakan alpha 0,05. Jika nilai > 0,05 maka hasil penelitian tidak signifikan, berapapun hasil kekuatan hubungan korelasinya.

    Pengalaman saya, hasil perhitungan Pearson dan Spearman tidak terlampau jauh berbeda (tidak signifikan perbedaannya). Silakan dicoba.

    BalasHapus
  49. bang basri yang baik, mohon penjelasan :
    bila menggunakan sampling jenuh, tipe data interval, utk hipotesa asosiatif, 5 var bebas 1 var terikat, dgn pearson, kemudian dibuat regresi, bagaimana menguji hipotesis ha atau ho diterima/tolak?. yg sy baca pada sampling jenuh tidak ada uji signifikansi, apa perlu uji parsial dan uji F?, trus kalo di spearman apa bisa dibuat regresi? trima ksh bantuannya

    BalasHapus
  50. Umumnya penyusunan hipotesis menggunakan teori. Dari teori diketahui kaitan antar variabel apakah sifatnya korelatif atau regresif. H0 umumnya menyatakan kondisi yang hendak ditolak, H1 untuk yang hendak diterima. Walau menggunakan sampling jenuh, tetap dalam uji statistik tidak ada yang mutlak. Ada potensi error. Sebab itu sebaiknya tetap digunakan signifikansi. Uji parsial atau F tergantung hipotesis. Spearman digunakan untuk uji korelatif dengan data berdistribusi tidak normal, regresi untuk data distribusi normal. Regresi untuk uji regresif (pengauh), dan juga ada sejumlah asumsi yang harus dipenuhi sebelum diselenggarakan. Saran saya kembali ke teori, susun hipotesis, tentukan skala data (apa nominal s/d rasio), baru tentukan uji hipotesisnya.

    BalasHapus
  51. apakah hasil perhitungan manual kita dengan hasil perhitungan spss harus sama?

    BalasHapus
  52. penelitian korelasi kalo datanya tidak normal kan nonparametrik ya sehingga menggunakan spearman-rho ya..tapi klo sudah tw ada arah hubungan&datanya tidak normal itu pake teknik analisis apa ya..mksdnya data tidak normal dan menggunakan one tailed itu teknik korelasinya apa ya?

    BalasHapus
  53. Sebaiknya demikian. Perhitungan manual dilakukan dan pengecekan dengan SPSS dilakukan itu lebih baik. Namun, potensi human ataupun machine error tetap ada.

    BalasHapus
  54. trim, setelah baca semua komentar, jadi sedikit ngerti, tapi bingungnya masih banyak ha..ha..( lagi ngerjakan skripsi).

    BalasHapus
  55. Sama-sama. Semoga skripsinya tuntas.

    BalasHapus
  56. tolong bantu saya dalam mengerjakan skripsi saya terutama dalam perhitungannya, yang salah satunya adalah menggunakan perhitungan uji korelasi dan regresi.

    BalasHapus
  57. @ nindyamirfa :
    Maaf baru jawab. Kalau demikian gunakan pula Spearman jika datanya berskala ordinal dan tidak normal. Ceklis pilihan One-Tailed saat penentuannya di SPSS.

    BalasHapus
  58. maaf mau tanya untuk mengetahui respon mahasiswa trhdap sbuah program lebih baik mnggunakan rumus apa??
    minta info mengenai rumus bobot rating
    terimakasih

    BalasHapus
  59. Untuk respon, mungkin bisa dicoba menggunakan Skala Guttman mengenai jarak sikap atas suatu konsep tertentu.

    BalasHapus
    Balasan
    1. saya sudah baca mengenai skala guttman, untuk menganalisa saya lebih baik menggunakan rumus apa, saya masih bingung.
      terimakasih sebelumnya

      Hapus
    2. saat ini saya menggunakan skala likert untuk angket saya

      Hapus
    3. Pak Edi, kalau boleh tahu judul penelitiannya apa? Dari sana mungkin dapat dipecahkan skala apa yang digunakan (nominal, ordinal, interval, rasio). Juga, uji statistik yang tepat untuk digunakan.

      Hapus
    4. respon mahasiswa UIN jurusan komunikasi terhadap program belajar islam MNC Muslim, itu judulnya pak.

      pada angket saya menggunakan skala likert atau ordinal pak
      menurut bpk saya lebih baik menggunakan product moment bagaimana atau standarisasi???
      terimaksih atas bantuannya

      Hapus
    5. Pak Edy, ini cuma saran saya. Sebaiknya Bapak lakukan saja penelitian Deskriptif. Tujuannya melihat respon mahasiswa .... terhadap program ... Tidak perlu menggunakan statistik inferensial seperti Pearson, Spearman, dan sejenisnya. Skala pengukuran Bapak kemungkinan Ordinal, dan yang paling populer Skala Likert. Namun, gunakan saja peringkatan genap misalnya dua (setuju - tidak setuju), empat (ss-s-ts-sts), atau enam (ss-s-cs-ts-cts-sts). Tentu saja, sikap yang masuk kategori "setuju" adalah positif dan sebaliknya, respon yang masuk kategori tidak setuju adalah negatif.

      Hapus
  60. tambah banyak ilmu, tapi tambah banyak bingung.....

    BalasHapus
  61. tambah banyak ilmu, tapi tambah banyak bingung.....

    BalasHapus
  62. Bingung adalah awal penelitian. Selamat meneliti.

    BalasHapus
    Balasan
    1. LIKE THIS OM!!!!! HA HA HA

      Hapus
  63. pak.. uji spearman bagaimana cara membaca data kita berhubungan apa tidak? bagian yang mana yang di bandingkan dengan 0,05? (bener ya 0,05?) makasih pak...

    BalasHapus
    Balasan
    1. Bagian Sig. (2-tailed) pada output SPSS. Jika < 0,05 maka berhubungan. Jika >= 0,05 maka tidak. Sama-sama.

      Hapus
  64. pak..cara standarized it gmn ya?saat bobot skala dalam satu dimensi itu tdak sama, namun mau d satukan pas korelasi

    BalasHapus
    Balasan
    1. Bisa dijelaskan terlebih dahulu skala yang dimaksud: Apakah dalam pengertian nominal, ordinal, interval rasio ataukah skala ukur (kg, km, m, dlsb)?

      Hapus
  65. q mau tax mas..
    saya sedang mencari hubungan antara konsep diri dengan depresi,saya analisisx pake spearman,apakh udah betul?konsep diirix pake skala likert,trus depresix adopsi dr teori tokoh yg respon jawabanx berupa memilih pernyataan dan diberi skor 0-3..
    terimksh

    BalasHapus
    Balasan
    1. Hal yang patut diperhatikan adalah 'konsistensi.' Artinya, jika variabel Konsep Diri diukur (dalam skala ordinal) dengan skala Likert, demikian pula Depresi diukur secara sama. Jika Depresi memilih pernyataan yang setiap penyataannya diberi skor 0 - 3 maka Konsep Diri pun harus menggunakan ukuran skor yang sama (0 - 3) dalam menilai pernyataan (dalam kuesioner).

      Hapus
  66. mas, mau tanya..
    Skripsi saya berjudul "ANALISIS FAKTOR YANG MEMENGARUHI PERILAKU KONSUMEN MENGAMBIL KREDIT KPR BTN",
    menggunakan 80 Responden,
    Skala Interval,
    17 variabel manifest ( 14 var. bebas & 3 var terikat)
    metode analisis: analisis faktor dan regresi linier berganda.

    untuk Normalitas data, uji apa yg harus saya gunakan? pearson atau chi kuadrat?

    BalasHapus
    Balasan
    1. Untuk yang regresi, uji normalitas sebaiknya gunakan Kolmogorov-Smirnov karena sampel > 30. Data mengalami normalitas residu jika sig. hitung SPSS > sig. penelitian.

      Hapus
  67. Halo pak, saya mau bertanya. Untuk penelitian saya menggunakan 3 variabel : x1,x2 dan y yang diukur dgn skala likert. x1 menyebabkan x2 dan x2 menyebabkan y. Saya menggunakan Korelasi Pearson untuk mengukur korelasi ke3 variabel tersebut. apakah benar? Hasilnya ternyata x1 berhubungan signifikan dan positif dengan y, apa saya bs mengatakan bahwa secara kesimpulan x1 menyebabkan y? Terimakasih.

    BalasHapus
    Balasan
    1. Jika hubungan antar variabel korelasi Pearson memang bisa digunakan. Namun, jika sekilas membaca : X1 --> X2 --> Y mirip analisis jalur (path analysis). Dalam uji korelasi yang dikaji bukan "pengaruh" melainkan sekadar "hubungan" karena uji korelasi tidak berupaya memprediksi varians data yang diobservasi menggunakan serangkaian variabel prediktor layaknya regresi. Sebab itu (menurut saya) kurang tepat jika dikatakan karena X1 berhubungan signifikan dan positif dengan Y maka X1 menyebabkan Y. Pernyataan yang (mungkin) lebih tepat adalah terdapat hubungan signifikan antara X1 dengan Y.
      Sama-sama. Semoga bermanfaat.

      Hapus
    2. Maaf pak,saya mau bertanya lagi. Apa yang membedakan analisa regresi linier dgn path analysis? Stlh saya baca2, apakah saya bisa ttp bs menggunakan korelasi pearson dan regresi linier dalam hal ini? atau hrs diganti? Terimakasih banyak Pak.

      Hapus
    3. Kalau yang hendak diselidiki adalah apakah X1 dan X2 berhubungan dengan Y, maka dapat digunakan korelasi Pearson sebagai uji statistiknya. Kalau yang hendak diselidiki adalah apakah X1 dan X2 mempengaruhi Y maka dapat digunakan regresi linier berganda sebagai uji statistiknya. Kalau yang hendak diselidiki adalah apakah X1 mempengaruhi X2 mempengaruhi Y maka dapat digunakan path analysis sebagai uji statistiknya. Penggunaan uji statistik tiada lain ditentukan oleh rumusan masalah yang dikemukakan dalam penelitian serta skala data yang digunakan.
      Sama-sama. Semoga bermanfaat.

      Hapus
    4. Terimakasih banyak pak atas bantuannya

      Hapus
    5. Sama-sama. Semoga bermanfaat.

      Hapus
  68. mau numpang konsul. Data korelasi pearson saya r=0,1;p=0,6 berarti korelasi sangat lemah namun tidak signifikans.Kemungkinan penyebab2 tidak signifikans kalau dari statistik apa?
    Ada yg menyarankan analisa dengan menggunakan titik potong dengan rerata. apa memang ada cara itu? terimakasih

    BalasHapus
    Balasan
    1. Kalau nilai r mungkin masuk ke dalam kategori korelasi lemah. Nilai p = 0,6 (jika alpha penelitian yang digunakan 0,05) tentu tidak signifikan. Penyebabnya bisa beragam, tentunya. Pertama-tama jumlah sampel (untuk jumlah sampel, perkiraannya dapat dilihat di sini: http://setabasri01.blogspot.com/2012/04/cara-menentukan-sampel-penelitian.html). Kedua, apakah uji-uji validitas dan reliabilitas item sudah dilangsungkan. Ketiga, apakah uji-uji asumsi korelasi telah diselenggarakan sebelumnya. Nah, jika hal-hal tersebut telah terpenuhi tetapi hasil uji korelasi tetap r = 0,1 dan p = 0,6 maka itulah hasil penelitian. Simpulannya seperti yang Anda sematkan di atas.
      Demikian, semoga bermanfaat.

      Hapus
  69. numpang pertanyaan yang sangat awam. maksud tidak signifikans itu bagaimana? mungkin dalam bahasa sederhana.berdasar contoh diatas (korelasi pearson saya r=0,1;p=0,6 berarti korelasi sangat lemah dan tidak signifikan....dst). apakah penelitian "gagal" atau bagaimana? walaupun dia memiliki korelasi yang lemah. terimakasih atas jawabannya

    BalasHapus
    Balasan
    1. Tidak signifikan maknanya Hipotesis Nol (H0) tidak dapat ditolak. Ini akibat mean (nilai rata-rata) sampel (yang diperoleh dari proses penelitian) jatuh di luar mean populasi. H0 ditolak apabila mean sampel jatuh di dalam mean populasi. Sesungguhnya, dalam ilmu sosial, tidak harus nilai signifikansi adalah melulu 0,05. Ada pula penelitian yang menggunakan nilai signifikansi 0,10.
      Dalam contoh anda, nilai r=0,1 dan p=0,6 bermakna H0 tidak dapat ditolak (sehingga dinyatakan berlaku). Namun, keberlakuan H0 tersebut tidaklah absolut karena ternyata terdapat pula hubungan yaitu 0,1 kendatipun sifatnya lemah sekali.
      Apakah penelitian gagal? Tidak bermakna demikian. Ingat, variabel dan indikator penelitian anda dikonstruk dari teori. Teori adanya sebuah pernyataan yang menyatakan terdapatnya hubungan diantara dua atau lebih variabel dan telah dibuktikan kebenarannya. Namun, teori (utamanya di dunia sosial) tidaklah "abadi." Dalam filsafat ilmu pengetahuan adalah proses verifikasi (penyempurnaan) bahkan falsifikasi (pembatalan) teori. Verifikasi dan falsifikasi ini dilakukan lewat proses penelitian yang anda lakukan. Bisa saja teori yang anda gunakan menyatakan memang terdapat hubungan antara x dan y. Namun, patut diingat para pembuat teori (utamanya orang Barat) melakukannya lewat serangkaian penelitian. Penelitian mereka juga umumnya menggunakan sampel. Dapat saja teori mereka memang relevan untuk kasus sampel mereka, sementara dalam kasus anda (karena sampel yang digunakan berbeda, paradigma orang timur dan barat berbeda misalnya dalam soal menyebut orang tua dengan "you" atau kamu yang di masyarakat Indonesia dinilai tidak sopan untuk menyebutnya demikian) teori mereka mungkin relevan dengan sejumlah "catatan."
      Jika konstruk anda sudah logis, instrumen penelitian anda valid dan reliabel, rangkaian asumsi uji korelasi dijalankan, tetapi hasil penelitian anda menunjukkan r=0,1 dan p=0,6 maka penelitian anda dinyatakan berhasil.

      Hapus
    2. wah terimakasih banyak, penjelasannya sangat mencerahkan. maturnuwun

      Hapus
  70. melanjutkan lagi. Apakah sama arti "tidak bermakna secara statistik" dengan "tidak signifikan"? terimakasih.maaf merepotkan

    BalasHapus
    Balasan
    1. Bagi saya (pribadi) setiap angka dalam uji statistik memiliki makna karena angka-lah petunjuk utama dalam membaca gejala penelitian. Tidak signifikan-nya suatu uji statistik bukan berarti hasilnya tidak memiliki makna secara statistik. Misalnya, suatu uji statistik memperlihatkan nilai > 0,05 maka disebutlah ia "tidak signifikan." Apa sesungguhnya makna tidak signifikan ini? Maknanya adalah H1 (hipotesis alternatif) kita tolak dan kita "terpaksa" menerima H0. Namun, itu bukan berarti H0 adalah "benar." Mengapa?
      H0 adanya suatu hipotesis yang menyatakan tidak ada dampak atas populasi. Hampir seluruh uji statistik (kendati tidak signifikan) memperlihatkan tiadanya efek yang bernilai 0 pas ini. Hasil uji statistik yang tidak signifikan tidak bisa ditafsirkan sebagai sama sekali "tidak ada perbedaan antar mean (rata-rata)" ataupun sama sekali "tidak ada hubungan antar variabel." Semua akibat tidak ada nilai 0 yang benar-benar absolut itu.

      Hapus
  71. pak, saya mau analisa korelasi, data saya berdistribusi normal, tapi tidak liniear pak.. lalu bagaimana ya?

    BalasHapus
    Balasan
    1. Anda dapat mencoba korelasi Spearman rho. Namun, skala ukur Anda turun menjadi Ordinal.

      Hapus
  72. mas,,data hasil tes saya kan berbeda,,ad yg berupa kg,waktu n angka,,ap bisa langsung mengolah datanya memakai SPSS??

    serta apa aja langkah2 mengolah data tersebuT??
    tentang korelasi ganda mas,,

    terima kasih!!!

    BalasHapus
    Balasan
    1. Hal yang dilihat adalah value-nya. Justru dalam ukuran-ukuran tersebut skala data adalah rasio. Jadi silakan saja langsung mengolah datanya. Mengenai langkah-langkah, silakan lihat di artikel bagian atas. Sama-sama. Semoga bermanfaat.

      Hapus
  73. mas, mw tny, syarat korelasi parsial itu apa? bs utk data kategorik?

    ini saya jg br skripsi jg..penelitian saya hubungn stunting (ordinal)dng motorik (ordinal)..itu ujiny pkai apa y? spearman/somersd/chi square?

    mhn,infony,mkasih

    BalasHapus
    Balasan
    1. Umumnya, partial correlation menghadirkan suatu hubungan "triangle". Partial correlation adalah hubungan antara dua variabel dalam mana dalam hubungan tersebut dampak (efek) dari variabel-variabel lainnya disifati sebagai konstan. Misalnya, kita hendak menghubungkan antara Stunting dengan Motorik (dua variabel). Namun, terdapat variabel ketiga yaitu Model Pembelajaran, di mana variabel Model Pembelajaran ini berhubungan baik dengan Stunting maupun Motorik. Singkatnya, partial correlation melibatkan 3 variabel: Dua variabel yang hendak dikaji hubungannya, 1 variabel sebagai "controlling."
      Dalam SPSS, partial correlation ini dapat dilihat dalam Analyze > Correlation > Partial. Stunting dan Motorik dimasukkan ke dalam Variables, sementara Model Pembelajaran masukkan ke Controlling For:.
      Untuk yang berskala Ordinal, sebaiknya gunakan saja Spearman. Pearson kiranya kurang tepat bagi data yang sifatnya kategorik.
      Sama-sama. Semoga bermanfaat.

      Hapus
  74. Mau tanya, kalo hasil uji linieritas tidak linier, distribusi normal, data interval. Untuk uji hubungan dengan menggunakan model analisis apa ya? Trims

    BalasHapus
    Balasan
    1. Jika memang datanya non linier, kamu bisa gunakan Spearman rho. Skala diturunkan dari interval menjadi ordinal. Sama-sama. Semoga bermanfaat.

      Hapus
  75. tolong tanya. saya punya data variabel A rata-rata gula darah dalam angka misalnya 324 mg% dst, variable B adalah protein urine dalam positif-1, positif-2 sampai positif-4. saya ingin uji apakah ada korelasi antara kedua variabel. cara ujinya bagaimana. trima kasih

    BalasHapus
    Balasan
    1. Gunakan saja Pearson. Skala data kamu kiranya rasio. Sama-sama. Semoga bermanfaat.

      Hapus
  76. lingkar pinggang kategorinya ordinal ya? terus kalau pakai spermen kelemahannya apa

    BalasHapus
    Balasan
    1. Lingkar pinggang sekurangnya berskala interval. Kelemahan Spearman adalah, data diasumsikan tidak normal sehingga akurasi pengukurannya ada di bawah Pearson correlation yang minimal berskala interval.

      Hapus
  77. sorry bukannya sotoy,, mw ralat dikit tentang analis spearman,, datas bilang tinggal asal klik doank tanpa di ranking, itu salah,lalu ada pnjelasan tentang pake chi square,, bagaimana jika arahnya one tail,chi square pnya syrat, silahkan baca buku statistik GRAVERTER WALLNAU,,d situ dijelaskan smua baik manual maupun spss

    BalasHapus
    Balasan
    1. Terima kasih. Anda memang benar. Dengan demikian kekeliruan sekaligus diperbaiki. Dalam Spearman terlebih dahulu diranking dan ini terutama dalam pengujian secara manual penting dilakukan. Baru setelah itu (dalam cara manual) digunakan rumus Pearson untuk menghitung korelasinya. Jika arah hubungan sudah diprediksi dalam hipotesis, pilih 1-tailed. Kalau belum, pilih 2-tailed. Yang menarik, dalam SPSS perhitungan Spearman dengan rankin maupun tidak hasilnya sepertinya mirip.

      Hapus
  78. Bapak saya mw bertanya, teknik penghitungan sampel saya kan menggunakan pendekatan slovin dengan kesalahan pengambilan sampel 0,1 . Dan ketika saya mencari validitas apakah harus mengikuti 0,1 atau tidak? yang saya pernah dengar kalau SPSS default nya 5%(0,05, apa bisa dirubah 5% nya itu? Terima kasih

    BalasHapus
    Balasan
    1. Tentu saja mengikuti yang 0,1 itu. Anda dapat melihat perbandingannya ditabel statistik versi manual. Jika SPSS maka defaultnya memang 0,5. Sama-sama. Semoga bermanfaat.

      Hapus
  79. Pak Besral, saya mau bertanya. Apabila hasil penelitian saya dengan tingkat kepercayaan 95%, namun sig. levelnya 0,007. Artinya hubungan antar kedua variabel tidak signifikan. Apakah itu artinya buruk? atau variabel x itu tidak bisa saya gunakan untuk mengukur variabel Y? Mohon bantuannya ya pak. Terimakasih sebelumnya

    BalasHapus
    Balasan
    1. Mohon konfirmasi: Apakah 0,007 tersebut merupakan sig. level hasil hitung ataukah Nilai r hasil hitung? Apabila nilai tersebut adalah sig. level hasil hitung maka justru sebaliknya: Hasil uji statistik adalah Signifikan. Mengapa? Penelitian dengan tingkat kepercayaan 95% maka sig. level penelitiannya adalah 0,05. Ternyata, penelitian Anda sig. level hitungnya 0,007. Nilai 0,007 < 0,05, dan maknanya, penelitian Anda signifikan karena sig. hitung < sig. penelitian. Nah, untuk kuat-lemahnya hubungan dilihat dari nilai r hitung. Semakin mendekati 1 (atau -1) maka hubungan sempurna. Makin mendekati 0 maka ketiadaan hubungan. Bisa tidaknya variabel x dihubungkan dengan variabel y pada penelitian kuantitatif lebih disandarkan pada teori ataupun penelitian-penelitian terdahulu di bidang yang serupa.
      Sama-sama. Semoga bermanfaat.

      Hapus
  80. Saya sedang melakukan penelitian tentang hubungan kompetensi terhadap hasil belajar. Saya menggunakan skala likert untuk kompetensinya dan sudah memberi beri skor dan hasilnya saya jadikan frekuensi (dalam %) yang kemudian di kriteria (baik, cukup, kurang). Bila data tsb saya korelasi dengan hasil belajar, kira2 analisis mana yang tepat Pak? jika dilihat data kompetensi adalah ordinal dan data hasil belajar adalah interval.terima kasih mohon bantuannya

    BalasHapus
    Balasan
    1. Jika Anda melakukan mengkriteriakan Kompetensi, maka skala data turun menjadi data kategorik (ordinal). Penentuan uji korelasi didasarkan pada skala terendah. Antara interval dan ordinal, ordinal lebih rendah, jadi Spearman lebih cocok.
      Namun, ada hal menarik menurut paparan Anda. Mengapa nilai persen harus dikriteria ke dalam B, C, K ? Apakah tidak lebih baik nilai persen tersebut tetap digunakan? Jika demikian maka Pearson Correlation tetap dapat digunakan. Namun, selain skala data, Pearson juga mempersyaratkan normalitas data.
      Sama-sama. Semoga bermanfaat.

      Hapus
  81. Data saya termasuk nonparametrik

    BalasHapus
    Balasan
    1. Untuk korelasi nonparametrik, dapat digunakan Spearman test ataupun Kendall-tau test.

      Hapus
  82. Menanggapi jawaban Bapak mengenai pertanyaan saya diatas, data persentase tersebut saya kategorikan karena selain menggunakan analisis korelasi, saya juga menggunakan analisis deskripsi pada permasalahan skripsi saya. Saya sudah mencoba analisis korelasi dengan menggunakan persentase seperti yang Bapak sarankan, tetapi yang membuat saya bingung adalah bila data angket saya tsb termasuk tidak berdistribusi normal (nonparametrik)bagaimana dengan analisisnya? lalu jika data intervalnya diturunkan menjadi ordinal, bagaimana dengan hasil belajarnya yang berupa nilai/angka?
    Sekali lagi terima kasih Pak, jawaban Bapak di atas sangat bermanfaat bagi saya..

    BalasHapus
    Balasan
    1. Data asli Anda adalah interval (untuk X) dan rasio (untuk Y). Dengan kedua data ini, Anda bisa melakukan uji Pearson. Untuk uji Pearson, salah satu prasyarat (asumsi) adalah normalitas data. Terlebih dahulu ujilah normalitas datanya. Jika data berdistribusi normal, lakukan uji korelasi Pearson. Analisis deskriptif dapat dilakukan sekaligus. Buat saja satu variabel baru (di sheet Variable View pada SPSS, beri nama misalnya "Kategori"), isi valuenya 0% s/d ...% = Rendah, ...% s/d ...% = Sedang, dst. Anda dapat mendeskripsikan Y berdasarkan variabel "Kategori" tadi.

      Namun, jika setelah uji normalitas ternyata data Anda tidak normal, silakan gunakan Spearman. Tentu saja, Anda juga tetap bisa melakukan analisis deskriptif. Hasil belajar yang berupa nilai/angka tidak masalah. Penentuan uji didasarkan pada skala data terendah sebagai patokannya. Jadi karena variabel Anda (X dan Y) adalah Ordinal dan Rasio, sementara Ordinal yang terendah, maka Spearman yang digunakan.
      Sama-sama. Alhamdulillah jika bermanfaat.

      Hapus
  83. Bapak.. terima kasih banyak atas bantuannya..sekarang sudah ada pencerahan thd analisis skripsi saya..

    BalasHapus
  84. Pak Seta basri, saya ingin tanya apakah di setiap spss ada menu utk mengubah taraf signifikai? karena oleh dosen diminta utk menggunakan signifikansi 0,05 tapi di spss 17 saya ternyata memakai 0,01..terima kasih

    BalasHapus
    Balasan
    1. Sig. 0,01 justru lebih teliti ketimbang 0,05. Jadi, jika SPSS mencantumkan hasil seperti .880** (bintang) yang diterakan di bawah tabel dengan kalimat **. Correlation is significant at the 0.01 level (2-tailed), maka justru lebih teliti ketimbang 0,05.
      Masalahnya, SPSS secara default sudah menggunakan sig. 0,05. Jika probabilitas lebih tinggi (misalnya 0,01) maka SPSS akan menyebutkan dengan tanda bintang tersebut.
      Namun, jika Anda hendak menghilangkan tanda bintang, bisa saja. Caranya, klik Analyze > Correlate > Bivariate. Hilangkan ceklis pada Flag significant correlations. Nanti tanda tersebut pun akan hilang di output.
      Sama-sama. Semoga bermanfaat.

      Hapus
  85. terimakasih materinya sangat membantu

    BalasHapus
  86. Malam Bapak Seta Basri, saya mau bertanya. Untuk penelitian saya menggunakan 3 variabel hubungan x1, x2 dan y:
    x1 skala guttman ,x2 skala likert dan y skala likert. x1 menyebabkan y dan x2 menyebabkan y. Utk x1 dan x2 data berdistribusi tidak normal, tapi y berdistribusi normal dan keseluruhan x1 x2 y itu linier.
    Jika, saya menggunakan Korelasi Pearson untuk mengukur korelasi ke3 variabel tersebut. apakah benar? Terimakasih.

    BalasHapus
    Balasan
    1. Selamat malam. Secara prosedural, uji korelasi tidak diperuntukkan untuk menentukan pengaruh, karena uji korelasi tidak bertujuan membangun persamaan regresi. X1 tidak berdistribusi normal, X2 tidak berdistribusi normal, Y berdistribusi normal. Dengan asumsi seperti ini, ada baiknya prosedur uji korelasi menggunakan Spearman. Kendati demikian, nilai hasil uji Spearman dan Pearson tidak terpaut jauh secara ekstrim.
      Terima kasih kembali. Semoga bermanfaat.

      Hapus
  87. Maaf saya ingin bertanya
    1. untuk melihat sebaran distribusinya normal jika data kurangdari sama dengan 50 yg digunakan shapiro wilk atau kolomogorv sminornov?
    2. jika dari 4 data dan 2 data tidak berdistribusi normal apakah memakai spearman atau pearson?
    3. jika 1 dari 4 yg sebaran normal dpt digunakan spearman?

    BalasHapus
    Balasan
    1. 1. Untuk yang < 50 umumnya digunakan Shapiro-Wilk. Untuk yang >=50 umumnya digunakan Kolmogorov-Smirnov. Saran saya, gunakan saja KS.
      2. Jika ada satu saja yang tidak normal, seluruhnya mengikuti. Jadi, sebaiknya gunakan Spearman.
      3. Ya. Mengikuti yang tidak normal. Juga gunakan Spearman.
      Demikian. Semoga bermanfaat.

      Hapus
  88. ASS..pak seta..
    make sure..mencari association.
    kalo var. independent
    knowledge (continuous).
    persepsi (ordinal)
    stigma (ordinal)
    Dependent var.
    perilaku pencarian pengobatan (in days)/ continuous
    apakah tepat kalo pake pearson corelation. atau ada uji lain yg lebih tepat?
    step nya bagaimana Nuhun..

    BalasHapus
    Balasan
    1. Wa 'alaikumus salam.
      Penentuan uji korelasi didasarkan pada skala terendah variabel. Dalam hal ini skala terendah adalah ordinal. Ini karena ordinal lebih rendah dari kontinus. Dengan demikian, uji korelasi yang paling cocok adalah Spearman. Terlebih, apabila asumsi parametrik (yaitu normalitas data) terlanggar, Spearman adalah pilihan pas.
      Namun, ada sejumlah catatan. Perhatikan variabel persepsi (ordinal) dan stigma (ordinal). Ada peneliti semisal Donald P. Schwab menyatakan, variabel yang 'disangka' ordinal karena pernyataan pilihan SS, S, R, TS, STS sesungguhnya dapat dikategorikan masuk skala interval. Atau, apabila tidak mungkin, mendekati interval. Dengan demikian, kata Schwab, uji Pearson dapat dilakukan. Ini bilamana asumsi uji pearson tidak terlanggar (lihat di bagian artikel atas, mengenai asumsi).
      Nah, kini tinggal bagaimana Anda memilih. Apakah hendak pakai Spearman ataukah Pearson. Adapun hasil akhir dari kedua uji tersebut (dengan SPSS) mirip (tidak jauh beda).
      NB: Juga, patut dilihat. Jika ada di antara variabel persepsi dan stigma yang punya 2 pilihan jawaban (maka dengan otomatis uji korelasi yang dilakukan sebaiknya Point-Bisserial (jika dua jawaban bersifat diskrit, misalnya laki-perempuan) atau Biserrial (jika dua jawaban bersifat kontinus, misalnya lulus-gagal, jauh-dekat).
      Mengenai step pengujian data dapat dilakukan: uji validitas --> uji reliabilitas--> uji asumsi--> uji hipotesis.
      Sami-sami. Semoga bermanfaat.

      Hapus
  89. kalau 2 variabel ordinal (tingkat pengetahuan sm status gizi) kan pake spearman rank yagh....
    yang q binguunggg kok susah dapet tabel distribusi z yang dua arah...
    padahal d rumus yang q pljari ada angka yang berdasar tabel itu,,,
    gmana dund,,,?
    truuss di tabel phi yang ada hanya sampai besaran n 30 apa emang kalau pke spearman jumlah sample di batasi sampe 30 ajja??
    nuhuunnn

    BalasHapus
    Balasan
    1. Untuk uji Spearman > 30 sampel dapat dibaca artikel berikut:
      http://setabasri01.blogspot.com/2012/04/uji-korelasi-spearman-dengan-spss-dan.html
      Sami-sami. Semoga bermanfaat.

      Hapus
  90. kalau Variabel independent X1 (pengetahuan) menggunakan data nominal yaitu jika benar mendapat nilai 1 salah mendapat nilai 0, 2 variabel lainnya menggunakan skala likert dan variabel dependent menggunkan rasio laba. Rencana mau pake regresi berganda, jadi data variabel X1 harus menggnakan MSI dulu. nah saya belum tahu cara menggunakan MSI untuk data nominal pada variabel yang saya pakai. bisa dikasih solusi??? terimakasih

    BalasHapus
    Balasan
    1. Sebenarnya terdapat pilihan bukan dengan MSI saja. Anda dapat menggunakan Logistic Regression apabila data VB adalah nominal. Atau, menggunakan Multinomial Regression apabila data VB adalah Ordinal/Sikap. Untuk MSI banyak sekali di Google sebagai sumber, bahkan ada yang menyediakan file excel sehingga kita tinggal menginputnya.
      Sama-sama. Semoga bermanfaat.

      Hapus
  91. Mas Seta, berkaitan dengan uji korelasi saya ingin tanyakan apakah kita dapat menggunakan hasil dari Faktor Analysis (PCA) untuk langsung digunakan untuk uji korelasi Pearson, uji asumsi, dan regresi berganda (linier) dimana variabel terikat saya hanya satu dan bersifat ordinal (skala likert). Terima kasih sebelumnya dan mohon pencerahannya!
    Mengingat hasil score dari PCA (yang merupakan variabel bebas saya) setelah saya save as regression bernilai kecil bahkan terdapat negatif di tabel kerja. Sedangkan variabel terikat saya likert (1-7).

    BalasHapus
    Balasan
    1. Saya sudah jawab di artikel Analisis Faktor, Mas. Semoga dapat bermanfaat.

      Hapus
  92. salam kenal pak seta, nama saya Dimas.
    saya mohon pencerahanya mengenai skala pengukuran.
    Jika variabel Independennya (beban pengasuhan) menggunakan kuesioner, dengan hasil ukur:
    0-21 : tidak ada atau sedikit beban
    21-40 : beban ringan sampai sedang
    41-60 : beban sedang sampai berat
    61-88 : beban berat
    jadi beban pengasuhan tersebut masuk skala pengukuran interval/ordinal/Rasio

    bnegitu juga dgn variabel Dependen (Kualitas Hidup)diukur menggunakan kuesioner dgn Hasil Ukur:
    Kurang:
    X < (Mean – 1.SD)
    Cukup :
    (Mean-1.SD) ≥ X < (Mean + 1. SD)
    Baik:
    X ≥ (Mean + 1. SD)
    itu termasuk dalam skala pengukuran Ordinal/Rasio?

    BalasHapus
    Balasan
    1. Salam kenal juga untuk Anda. Untuk Variabel Independen mungkin masih dapat diperdebatkan jika disebut murni interval. Namun, kecenderungannya adalah interval atau sekurangnya mendekati interval. Demikian pula halnya dengan Variabel Dependen, kecenderungannya adalah sekurangnya mendekati interval. Dengan demikian apabila Anda menerapkan uji korelasi Pearson, adalah cukup tepat.
      Namun, sekedar lontaran saran saja. Apabila untuk Variabel Independen dan Dependen digunakan data rasio-nya bagaimana? Penelitian tentu akan lebih "eksak" perhitungan kuantitatifnya. Kemudian signifikansi penelitian dapat dinaikkan menjadi 0,01 misalnya? Juga jangan lupa konsultasi dengan dosen pembimbing ya.
      Demikian. Semoga bermanfaat.

      Hapus
    2. maaf pak, maksud dari "Apabila untuk Variabel Independen dan Dependen digunakan data rasio-nya bagaimana?" berarti kedua variabel tersebut dianggap Rasio? menurut dosen pembimbing kalo yg variabel Dependenny pake rasio pak.

      Hapus
    3. Variabel Independen dapat pula diskalakan menjadi rasio apabila "beban pengasuhan" digunakan angka sesungguhnya semisal "20", "33" dan sejenisnya. Namun, apabila memang hendak digunakan interval pun sebenarnya tidak mengapa karena korelasi Pearson dapat diberlakukan di dalam penelitian Anda. Selamat meneliti.

      Hapus
    4. terima kasih banyak atas penjelasannya pak.

      Hapus
    5. Sama-sama. Semoga bermanfaat.

      Hapus
    6. nanya lagi ni pak. kalo kedua variabel diatas saya menggunakan skor asli (misal "34", "36")dan data menunjukan distribusi tidak normal. kemudian saya menggunakan korelasi spearman, apakah saat uji menggunakan spearman boleh menggunakan skor asli tersebut?

      Hapus
    7. Sebaiknya dilakukan rangking terlebih dahulu karena metodologi Spearman menghendakinya demikian. Namun, sepengetahuan saya, ketika menggunakan SPSS dan kita perbandingan antara pengujian dengan skor "asli" dengan "rangking" maka akan diperoleh hasil yang tidak terlampau berbeda.
      Demikian. Semoga bermanfaat.

      Hapus
  93. Pak, saya ingin bertanya.
    saya ingin menguji hubungan antara asupan energi, lemak, serat dan aktifitas fisik terhadap obesitas.
    variabel independen yaitu asupan berskala rasio dan aktivitas fisik berskala ordianal (kategori aktivitas : ringan, sedang, dan tinggi). sedangkan obesitas berskala ordinal. (sampel dicari yang sudah obesitas)
    sebaiknya untuk mengetahui korelasi menggunakan uji apa ya Pak? terimakasih

    BalasHapus
    Balasan
    1. Uji korelasi berpatokan pada skala terendah. Dari deskripsi skala terlihat bahwa skala terendah adalah ordinal, maka uji korelasi Spearman lebih tepat untuk digunakan. Dan, hasil uji Spearman sesungguhnya tidak terlampau berbeda dengan uji Pearson.
      Sama-sama. Semoga bermanfaat.

      Hapus
  94. terimakasih, maaf saya mau bertanya mas

    BalasHapus
  95. terimakasih, maaf saya mau bertanya pak
    pak, saya sedang menyusun proposal skripsi namun saya masih bingung dengan metodologi penelitian saya pak, judul penelitian saya : Hubungan faktor lingkungan fisik ( suhu, kelembapan dan pencahayaan ) dengan angka kuman udara di ruang ICU rumah sakit X kota x. jenis penelitian saya explanatory atau confirmatory reseach, total populasi dan sampel seluruh ruangan di ICU yg berjumlah 10 kamar dan tiap2 kamar akan diukur suhu, kelembapan, pencahayaan dan angka kuman udara, smua skala interval, smua menggunakan alat utk mengukur variabel tsb, uji apa yg harus saya gunakan pak dlm menghubungkan variabel tersebut, bisa tidak pak saya menggunakan uji pearson product moment atau uji korelasi spearman atau ada yang lain pak?? mohon penjelasannya pak, terimakasih pak

    BalasHapus
    Balasan
    1. Komentar ini telah dihapus oleh pengarang.

      Hapus
    2. tujuan penelitian :
      1. diketahuinya hubungan suhu dengan angka kuman udara
      2. diketahuinya hubungan kelembapan dengan angka kuman udara
      3. diketahuinya hubungan pencahayaan dengan angka kuman udara

      Hapus
    3. pak, sebelum dilakukan uji statistik dilakukan uji normalitas data dgn uji kolmogrov smirnov apabila data berdistribusi tdk normal dilakukan uji korelasi spearman dan apabila data berdistribusi normal dilakukan uji pearson produc moment ? atau ada uji yg lain pak ?mohon penjelasannya pak

      Hapus
    4. Untuk sebelumnya, mengenai jenis penelitian.
      Explanatory Research (ElaR) ataupun Confirmatory Research (CR) adalah pengategorian penelitian berdasarkan tipe/jenisnya. ElnR adalah penelitian yang diperuntukkan demi menjelaskan hubungan antarvariabel, tidak sekadar menggambarkan data belaka. CR adalah penelitian yang diperuntukkan demi mengonfirmasi (membuktikan) hasil-hasil yang ditemukan di dalam penelitian terdahulu (juga membuktikan suatu teori). Nah, ke manakah penelitian Anda diperuntukkan? Ada juga penelitian bertipe Exploratory Research (EloR), yang diperuntukkan "meraba" bentuk hubungan tertentu karena belum adanya gambaran tentang hubungan atau kondisi antarvariabel sebelumnya.
      Mengenai uji hubungan, dapatlah Anda menggunakan Pearson Correlation Test. Hal ini sangat sesuai dengan data yang Anda pergunakan. Memang, untuk data sampel < 30 hasil uji parametrik agak "mengkhawatirkan." Namun, Anda adakan saja uji asumsi normalitas. Apabila data berdistribusi normal, lanjutkan penggunaan Pearson. Apabila tidak normal, gunakan saja Spearman.
      Berdasarkan penelitian Anda (nomor 1, 2, dan 3) dapatlah diketahui ke mana jenis penelitian Anda termasuk, bukan?
      Demikian. Semoga bermanfaat.

      Hapus
    5. terima kasih banyak pak atas jawaban yg sangat bermanfaat,
      maaf pak saya mau bertanya kembali :
      1. populasi dan sampelnya hanya di ruang ICU dengan total 10 ruang kamar / 10 sampel pak. teknik sampling apa yah yg cocok buat tekhnik pengambilan sampelnya pak ?
      2. diketahuinya perbedaan suhu, kelembapan, pencahayaan dan angka kuman udara di setiap kamar ruang ICU yaitu 10 kamar atau 10 sampel. yg ini bisa di jadikan tujuan penelitian gak pak? uji apa yg di gunakan kalau memang bisa pak ?

      Hapus
    6. 1. Teknik samplingnya menggunakan Complete Enumeration Method, dalam mana seorang peneliti menggunakan seluruh anggota populasi yang ia perlakukan selaku "sampel" penelitiannya atau serupa dengan sensus.
      2. Sesungguhnya adalah bisa. Guna memperoleh perbedaan seputar suhu, kelembababan, pencahaan, dan angka kuman udara antarkamar adalah juga dapat dijadikan tujuan penelitian. Uji statistik yang bisa digunakan adalah uji-uji beda semisal Kolmogorov-Smirnof ataupun Kruskal-Wallis.
      Demikian. Semoga bermanfaat.

      Hapus
  96. tujuan penelitian :
    1. diketahuinya hubungan suhu dengan angka kuman udara
    2. diketahuinya hubungan kelembapan dengan angka kuman udara
    3. diketahuinya hubungan pencahayaan dengan angka kuman udara

    BalasHapus
    Balasan
    1. Silakan dilihat komentar balasan di bagian atas. Semoga bermanfaat.

      Hapus
  97. bagaimana dengan uji regresi dan bedanya dengan uji korelasi ?

    BalasHapus
    Balasan
    1. Uji regresi bertujuan mencari "pengaruh" suatu variabel atas variabel lain (biasanya variabel bebas terhadap variabel terikat. Uji korelasi bertujuan menggambarkan terdapatnya "hubungan" suatu variabel dengan variabel lain.

      Hapus
  98. Pak, luar biasa lengkap, saya izin copas materi nya....
    makasih

    BalasHapus
    Balasan
    1. Sama-sama. Silakan. Semoga bermanfaat.

      Hapus
  99. salam sejahtera pak.
    saya mau bertanya, apakah untuk uji korelasi Spearman rho menggunakan SPSS datanya harus di buat ranking terlebih dahulu?

    BalasHapus
    Balasan
    1. Salam sejahtera.
      Sebaiknya dibuat rangking terlebih dahulu baru kemudian dilakukan uji korelasi Spearman. Namun demikian, sepemahaman saya hasilnya adalah serupa baik sebelum dirangkin maupun sesudah dirangking.
      Demikian. Semoga bermanfaat.

      Hapus
    2. Jadi tidak masalah jika data tidak di ranking terlebih dahulu dan hasilnya tidak berbeda kan pak?
      terima kasih pak seta. .

      Hapus
    3. Ya. Kelihatannya memang demikian adanya. Apabila ragu, silakan diperbandingkan kedua metode tersebut. Dan, apabila Anda dikehendaki oleh pembimbing skripsi untuk berhitung secara manual, tentu saja haruslah dirangking terlebih dahulu.
      Sama-sama. Semoga bermanfaat.

      Hapus
  100. pak..saya bisa dapet buku Robert Ho dmn ya?soalny saya cari dgramedia tdk ada pak..terima kasih

    BalasHapus
    Balasan
    1. Anda dapat membacanya di www.scribd.com/ atau www.goodreads.com Selamat mencoba.

      Hapus
    2. wah terima kasih banyak pak..sangat membantu..

      Hapus
  101. Bpk yg rendah hati mohon pencerahannya

    untuk menganalisis korelasi saya menggunakan pearson setelah sebelumnya
    melakukan transformasi dari data ordinal ke interval memakai rumus
    Methode of Successive Interval (MSI).

    langkah selanjutnya melakukan uji asumsi klasik (normalitas,multikolinearitas, hteroskedastistitas, auto korelasi)



    apakah urutannya sudah benar pak: MSI>asumsi klasik>korelasi>regresi ganda (mohon koreksi)

    -AHMAD-

    BalasHapus
    Balasan
    1. Mungkin alangkah lebih baik apabila tujuan dari penelitian dimuatkan terlebih dahulu, apakah melakukan uji korelasi, uji regresi, ataukah keduanya. Namun, sepertinya urutan pengujian sudah tepat, yaitu konversi data, uji asumsi klasik, uji korelasi, dan terakhir regresi.
      Demikian tanggapan saya. Semoga bermanfaat.

      Hapus
  102. malam pak... saya yg awam ingin bertanya
    untuk point no 2 yaitu
    2. Klik Masukkan variabel x1, x2, x3, dan y ke kotak Variables.

    maksudnya jumlah skor butir stiap variabelnya aja ya pak,, tidak usah dengan data skor butir seperti waktu uji validitas.. trims

    BalasHapus
    Balasan
    1. Selamat malam.
      Memang, yang dimaksudkan pada langkah point nomor 2 yaitu "Masukkan variabel x1, x2, x3, dan y ke kotak Variables" adalah skor total masing-masing variabel, bukan skor per butir seperti uji validitas. Misalnya, dalam variabel x1 total item ada 5 maka skor total ke-5 butir tersebut (1+2+3+4+5).
      Sama-sama. Semoga bermanfaat.

      Hapus
  103. Saya sedang mengerjakn tugas statistik saya yang judulnya " Perbedaan kemampuan berbahasa arab antara laki-laki dan perempuan di kelas PKPBA "A" ",
    dan ada 20 soal, 10 menerjemah arab-indo, yg 10 indo-arab..
    lha.. saya bingung menentukan, mana yg termasuk X mana yg Y ??
    dan X.nya berapa??
    jujur sya belum begitu faham..
    mohon bantuannya...
    syukron..

    BalasHapus
    Balasan
    1. Tugas Anda tampaknya adalah studi komparatif. Anda berupaya melakukan perbandingan mengenai perbedaan kemampuan berbahasa Arab antara laki-laki dan perempuan di kelas PKPBA "A". Sebenarnya tidaklah harus variabel yang kita teliti berwujud X dan Y. Dalam kasus Anda, variabel yang diteliti hanya satu yaitu X yang bernama "kemampuan bahasa Arab." Anda hendak menjelaskan perbedaan antara K1 (kelompok 1 atau laki-laki) dengan K2 (kelompok 2 atau perempuan). Dengan demikian, alangkah lebih tepat apabila Anda menggunakan uji beda sampel independen.
      Sama-sama. Semoga bermanfaat.

      Hapus
    2. Syukron katsir...
      amiin..
      :)

      Hapus
  104. Pak saya mau tanya, saya sedang melakukan penelitian dengan judul efektivitas. saya menggunakan skala likert, saya hitung dengan pearson hasilnya tingkat hubungan rendah namun di hitung dengan spearman hasilnya kuat. jadi saya harus memakai yang mana? data tersebut ordinal atau interval? terimakasih.

    BalasHapus
    Balasan
    1. Persoalannya, Likert Scale sendiri masih terdapat sejumlah tafsiran apakah dikategorikan sebagai ordinal ataukah interval (atau cenderung mendekati interval). Baiklah, apabila dikategorikan sebagai interval. Uji korelasi Pearson diperuntukkan untuk uji korelasi data minimal berskala interval, data berdistribusi normal, dan terjadi linieritas. Ketiga asumsi ini adalah asumsi parametrik. Apabila asumsi parametrik tidak terpenuhi, maka tersedia uji korelasi alternatif yaitu Spearman. Nah, dengan kondisi yang demikian, mungkin kini dapat ditetapkan apakah menggunakan Pearson ataukah Spearman?
      Demikian. Semoga bermanfaat.

      Hapus
  105. kalau analisis korelasi menggunakan SPSS untuk skala nominal dengan ordinal pake yang jenis apa??,

    BalasHapus
    Balasan
    1. Apabila nominal dengan ordinal hendak dikorelasikan, dapat dipertimbangkan penggunaan uji korelasi Biserial ataupun Point-Biserial. Point-biserial digunakan apabila salah satu variabel dikotomus-diskrit, sementara Biserial digunakan apabila salah satu variabel adalah dikotomus-kontinus. Biserial tidak dapat langsung digunakan dalam SPSS karena kita harus terlebih dahulu menghitung korelasi Point-Biserial lalu menggunakan suatu persamaan dalam menghitungnya.
      Demikian. Semoga bermanfaat.

      Hapus
  106. Halo pak, saya mau tanya, untuk mencari normalitas data dengan spss yg benar itu yg mana ya pak? apakah :
    "analyze - Descriptive Statics - Explore - pada box plots centang normality"
    atau
    "analyze - non parametric - 1 sample K-S" ??
    karena ketika saya menggunakan yg explore slah satu variabel saya tidak berdistribusi normal, sedangkan ketika memakai 1 sample K-S data yg saya punya berdistribusi normal semuanya.

    yang ke-2, apabila data berdistivrusi normal, namun uji linearitas, uji keberartian dan uji multikolinearitas tidak terpenuhi, apa saya masih bisa tetap menggunakan statistik parametrik atau langsung menggunakan statistik non parametrik?
    Mohon maaf apabila pertanyaan saya banyak.
    Mohon tanggapannya, terima kasih pak :)

    BalasHapus
    Balasan
    1. Halo juga. Yang pertama. Dalam mencari normalitas, saya lebih menyarankan penggunaan 1 Sample Kolmogorov-Smirnof. Mengapa? Karena nilainya lebih definitif dan populer digunakan. Dapat diperbandingkan nilai K-S atau nilai Sig. Hitung K-S diperbandingkan dengan Sig. Penelitian (umumnya 0,05). Yang kedua. Saya amat menyarankan, apabila kondisinya demikian, untuk segera menggunakan statistik non-parametrik. Mengapa? Karena sesuai dengan kondisi data. Selain itu, hasilnya pun tidak terlampau jauh berbeda dengan yang parametrik (Pearson).
      Demikian. Semoga bermanfaat.

      Hapus
  107. Pak, saya mau tanya, apa ada perbedaan dalam langkah SPSS untuk uji satu arah dan dua arah?
    mohon jawabannya, terima kasih bayak Pak...

    BalasHapus
    Balasan
    1. Untuk uji korelasi dengan SPSS, tentu ada langkah berbeda untuk uji signifikansi. Pada kotak dialog Bivariate Correlation, perhatikan pilihan Test of Significance. Di sana terdapat pilihan: Two-tailed untuk uji dua arah; One-tailed untuk uji satu sisi. Namun, untuk signifikansi penelitian, SPSS sudah secara default menetapkan nilai 0,05. Untuk di luar nilai tersebut perhatikan "tanda bintang" di output SPSS.
      Demikian. Semoga bermanfaat.

      Hapus
  108. Pak saya mau tanya tentang analisis regresi linear ganda.
    1. Apakah yg menjadi faktor predominan tidak boleh variabel yang pernah dikeluarkan namun dimasukkan ke pemodelan lagi?
    2. Jika variabel yang memiliki koefisien beta terbesar merupakan variabel yg pernah dikeluarkan dan dimasukkan lg tersebut bagaimana?
    3. Apakah variabel yg pernah dikeluarkan dan dimasukkan lg tersebut disebut confounding?

    Terima kasih sebelumnya.

    BalasHapus
    Balasan
    1. 1. Tentu saja faktor predominan tersebut adalah di mana nilai R Square secara signifikan berbeda dari 0. Uji statistik secara umum pertama kali mencari nilai hasil yang signifikan.
      2. Menurut pemahaman saya, tidak masalah selama tunduk pada desain konstruk dan memenuhi tujuan pencarian nilai signifikan seperti pada poin 1.
      3. 3. Apabila asosiasi antara X terhadap Y diganggu oleh Z, maka terjadilah confounding. Z menjadi confounding variable baik terhadap X maupun Y. Variabel ini dicirikan "sesuatu" yang berkorelasi dengan dua atau lebih perlakuan pada persamaan. Ia muncul secara kausal, lebih dahulu sebelum perlakuan atas persamaan diberlakukan oleh peneliti. Juga, variabel ini disebut sebagai "pengganggu", "covariate", atau "concomitant". Umumnya, confounding menjadi masalah dalam konteks penelitian observasional, bukan penelitian acak (random). Ini karena proses pengacakan akan otomatis mengeliminasi korelasi antara variabel confounder dengan variabel prediktor. Untuk bahasan teoretis mengenai confounder Anda dapat mempelajarinya di link: http://www.soc.duke.edu/~jmoody77/205a/ecp/frank_smr_2000.pdf
      Demikian. Semoga bermanfaat.

      Hapus
  109. Pak saya mau tanya, apakah nilai Mean mempengaruhi nilai r? Sebab nilai mean independent variable saya yg tinggi malah mendapatkan nilai r lebih rendah dibandingkan independent variable yg memiliki nilai mean yg rendah. Maaf pak agak ribet bahasanya, tapi semoga bapak bisa mengerti :'(

    BalasHapus
    Balasan
    1. Sebelum menanggapi, alangkah baiknya apabila juga disebutkan nilai Standard Deviasi (SD). SD inilah yang menunjukkan apakah Mean penelitian kita (Mean yang diambil dari sampel) serupa dengan Mean yang sesungguhnya (Mean populasi, yang tentu saja tidak kita ketahui. Tapi itulah guna dari SD tersebut). Semakin kecil SD maka semakin kecil penyimpangan Mean observasi terhadap Mean populasi. Semakin besar SD maka semakin besar penyimpangan Mean observasi terhadap Mean populasi. Dengan demikian, nilai Mean rendah atau tinggi hendaklah tidak menjadi patokan utama karena masih ada SD yang patut dipertimbangkan.
      Nah, berdasarkan hubungan antara SD dan Mean ini, amat disarankan untuk kembali melihat nilai-nilai Mean dan SD hasil olahan kuesioner.
      Demikian. Semoga bermanfaat.

      Hapus
    2. Begitu ya pak, terima kasih banyak penjelasannya. sangat bermanfaat.

      Hapus
  110. syarat apa yang harus dipenuhi dalam penggunaan uji KS ?n apa bedanya dengan uji DW pada normalitas?

    BalasHapus

Ketik komentar anda. Pada Beri komentar sebagai pilih Name/URL jika anda tak memiliki Google Account. Lalu klik Publikasikan.