Professional Documents
Culture Documents
Uji Hubungan
Uji Hubungan
PENDAHULUAN
A. Latar Belakang
B. Rumusan Masalah
C. Tujuan
1
BAB II
PEMBAHASAN
A. Koefisien Korelasi
Koefisien korelasi mengukur kekuatan dan arah hubungan linier dari dua
veriabel. Harus diingat bahwa nilai koefisien korelasi yang kecil (tidak signifikan)
bukan berarti kedua variabel tersebut tidak saling berhubungan. Mungkin saja dua
variabel mempunyai keeratan hubungan yang kuat namun nilai koefisien
korelasinya mendekati nol, misalnya pada kasus hubungan non linier. Dengan
demikian, koefisien korelasi hanya mengukur kekuatan hubungan linier dan tidak
pada hubungan non linier.
Harus diingat pula bahwa adanya hubungan linier yang kuat di antara variabel
tidak selalu berarti ada hubungan kausalitas, sebab-akibat. Kedua pasang variabel, x
dan y bisa saja nilai koefisien korelasinya tinggi sebagai akibat adanya faktor z.
Sebagai contoh, suhu (x) dengan tekanan udara (y) mungkin saja nilai koefisien
korelasinya tinggi, namun belum tentu keduanya menunjukkan adanya hubungan
sebab akibat (misal, semakin rendah suhu udara maka tekanan udara akan semakin
rendah). Adanya korelasi suhu dan tekanan udara tersebut bisa saja semata-mata
sebagai akibat dari perubahan ketinggian (z) suatu tempat, semakin tinggi tempat
maka baik suhu ataupun tekanan udara akan semakin menurun. (meskipun secara
teoritis memang terdapat hubungan sebanding antara suhu dan tekanan: PV = nRT).
Dengan demikian, Korelasi hanya menjelaskan kekuatan hubungan tanpa
memperhatikan hubungan kausalitas, mana yang dipengaruhi dan mana yang
mempengaruhi. Kedua variabel masing-masing bisa berperan sebagai Variabel X
maupun Variabel Y.
a. Karakteristik korelasi
2
Nilai r tidak berubah apabila seluruh data baik pada variabel x, variabel y,
atau keduanya dikalikan dengan suatu nilai konstanta (c) tertetu (asalkan c ≠
0).
Nilai r tidak berubah apabila seluruh data baik pada variabel x, variabel y,
atau keduanya ditambahkan dengan suatu nilai konstanta (c) tertetu.
Nilai r tidak akan dipengaruhi oleh penentuan mana variabel x dan mana
variabel y. Kedua variabel bisa saling dipertukarkan.
Nilai r hanya untuk mengukur kekuatan hubungan linier, dan tidak dirancang
untuk mengukur hubungan non linier
b. Asumsi
1. Sampel data berpasangan (x, y) berasal dari sampel acak dan merupakan data
kuantitatif.
2. Pasangan data (x, y) harus berdistribusi normal.
Harus diingat bahwa analisis korelasi sangat sensitif terhadap data pencilan
(outliers)!
Apabila tidak memenuhi asumsi misalnya data tidak berdistribusi normal (atau ada
nilai data pencilan), kita bisa menggunakan korelasi Spearman (Spearman rank
correlation), korelasi untuk analisis non-parametrik.
3
Terdapat dua metode yang biasa digunakan untuk menguji kebermaknaan
koefisien korelasi. Metode pertama dengan menggunakan Uji-t dan Metode
kedua dengan menggunakan tabel r.
Catatan:
Nilai tabel kritis r bisa di lihat pada tabel di bawah ini. Nilai kritis r selengkapnya
bisa di lihat pada link berikut critical-values-of-the-pearson-correlation-coeffiecient-
r:
4
Faktor yang akan mempengaruhi nilai uji korelasi:
Contoh Terapan
A
Weig Systolic
Individual g
ht Pressure
e
3
A 45 108
4
4
B 44 129
3
4
C 56 126
9
5
D 57 149
8
6
E 65 168
4
7
F 63 161
3
7
G 55 174
8
Untuk kasus ini, kita ingin melihat apakah terdapat hubungan linier antara usia
dengan tekanan darah sistolik? Taraf nyata yang digunakan adalah 5%.
Hipotesis:
5
H0: ρ = 0 vs H1: ρ ≠ 0
Eksplorasi Data
Asumsi:
Kedua data berasal dari data kuantitatif. Selanjutnya apakah sebaran kedua variabel
berdistribusi normal?
Uji Formal:
6
Interpretasi:
Apabila nilai sig (p-value) ≤ 0.05, maka Tolak H0 yang berarti data tidak
berdistribusi normal
Apabila nilai sig (p-value) > 0.05, maka Terima H0 yang berarti data
berdistribusi normal
Pada kasus di atas, nilai p-value untuk kedua variabel > 0.05, sehingga kita bisa
menyimpulkan bahwa data berdistribusi normal.
Grafis:
7
Secara grafis juga tampak bahwa kedua variabel tersebut berdistribusi normal.
Penggunaan box plot untuk melihat apakah sebaran data berdistribusi normal
ataukah tidak, diuraikan pada topik: Mengenal Box Plot
Pengujian Hipotesis
Metode 1:
8
Tentukan nilai t-tabel dengan taraf nyata (α)= 5% dan db = n-2.
Dari hasil perhitungan, kita peroleh nilai t-hitung = 7.30 dan t-tabel = 2.57. Jelas bahwa
nilai |t-hitung| > t-tabel sehingga Tolak H0 dan Terima H1. Dengan demikian, kita bisa
menyatakan bahwa terdapat hubungan linier antara usia dengan tekanan darah sistolik.
Metode 2:
Bandingkan nilai |r| dengan nilai tabel kritis r untuk n = 7. Nilai r pada tabel kritis =
0.754.
Dari hasil perhitungan, diperoleh nilai r = 0.956. Jelas bahwa |r|> 0.754 sehingga kita
bisa menyimpulkan bahwa terdapat hubungan linier antara usia dengan tekanan darah
sistolik.
Korelasi antara usia dengan tekanan darah sistolik: r(7) = 0.956; p < 0.01
9
Koefisien Determinasi
BAB III
PENUTUP
A. Kesimpulan
Korelasi Pearson merupakan salah satu ukuran korelasi yang digunakan untuk
mengukur kekuatan dan arah hubungan linier dari dua veriabel. Dua variabel
dikatakan berkorelasi apabila perubahan salah satu variabel disertai dengan
perubahan variabel lainnya, baik dalam arah yang sama ataupun arah yang
sebaliknya. Harus diingat bahwa nilai koefisien korelasi yang kecil (tidak
signifikan) bukan berarti kedua variabel tersebut tidak saling berhubungan.
10
Mungkin saja dua variabel mempunyai keeratan hubungan yang kuat namun nilai
koefisien korelasinya mendekati nol, misalnya pada kasus hubungan non linier.
Dengan demikian, koefisien korelasi hanya mengukur kekuatan hubungan linier dan
tidak pada hubungan non linier. Harus diingat pula bahwa adanya hubungan linier
yang kuat di antara variabel tidak selalu berarti ada hubungan kausalitas, sebab-
akibat.
B. Saran
Dari hasil pembahasan diatas, maka disarankan agar mahasiswa dapat
memanfaatkan informasi yang diberikan secara baik.
DAFTAR PUSTAKA
http://smartstat.wordpress.com/2010/11/21/korelasi-pearson/
11