Professional Documents
Culture Documents
ANALISIS KORELASI
- Syarat penggunaan analisis korelasi
- Kaedah analisis korelasi
- Interpretasi dan pelaporan hasil
korelasi
Pengenalan
• Metod korelasi mula digunakan pada tahun
1885 apabila Francis Galton dalam
penulisannya mengenai ‘Regression Towards
Mediocrity in Heriditary Stature’ telah cuba
meramal bahawa ciri-ciri fizikal anak-anak
dapat ditentukan oleh kriterium yang terdapt
pada kedua ibu bapanya.
2
• Terdapat tiga langkah dalam penentuan
perhubungan antara variable.
i. Mengenal pasti variable bersandar dan
variable bebas dalam perhubungan
ii. Menentukan skal pengukuran
iii. Melakukan analisis ke atas perhubungan
antara variable-variable
3
UJIAN KORELASI
5
Contoh Hipotesis Korelasi
• Hipotesis Nul (Ho)
Tidak terdapat perhubungan antara IQ dan
prestasi dalam ujian matematik bagi pelajar
Bacelor Kaunseling
9
Rajah 1
1. Korelasi positif
* Korelasi positif adalah hubungan antara 2 variabel dimana kenaikan satu
variabel menyebabkan penambahan nilai pada variabel lainnya. Atau sebaliknya,
semakin kecil nilai suatu variabel, nilai variabel lainnya juga akan ikut turun. Bisa
dikatakan juga, korelasi ini merupakan hubungan yang searah.
10
Rajah 2
2. Korelasi negatif
- Korelasi negatif adalah hubungan antara 2 variabel dimana kenaikan
satu variabel menyebakan penurunan nilai dari variabel lainnya.
Begitu juga sebaliknya, semakin kecil nilai suatu variabel, semakin
besar nilai variabel lainnya. Hubungan antara kedua variabel dalam
keadaan ini adalah berbalik arah.
- Contoh: Semakin banyak main game, semakin kurang tumpuan
kepada pelajaran
11
Tiada korelasi
12
13
14
15
Mengira Pekali Korelasi
• Pekali korelasi boleh dikira dengan pelbagai
cara sperti yang telah dinyatakan dalam slide
sebelum ini. Tetapi dua cara yang paling
popular ialah menggunakan:
1. Formula Pearson
2. Formula Spearman
16
Formula Pearson
• Formula pengiraan mengira pekali Pearson
(Pearson r) pembolehubah X dan Y adalah
seperti berikut:
17
Pengiraan Pekali Korelasi Dengan
Data Mentah
• Dalam jadual 1 ditunjukkan markat motivasi
(x) dalam lajur 1 dan market prestasi
akademik (Y) dalam lajur 2. Kuasa dua markat
motivasi (x2) dalam lajur 3 dan kuasa dua
market prestasi akademik (Y2) dalam lajur 4.
Lajur 5 menunjukkan hasil darab pasangan
market motivasi dan prestasi akademik (XY).
Jumlah bagilajur ditunjukkan di bawah setiap
lajur.
18
Jadual 1
Pengiraan Pekali Korelasi Pearson Markat Motivasi (X) dan Prestasi Akademik
1 2 3 4 5
X Y X2 Y2 XY
63 68 3939 4624 4284
70 75 4900 5625 5250
71 76 5041 5776 5396
64 69 4096 4761 4416
60 52 3600 2704 3120
65 62 4225 3844 4030
66 70 4356 4900 4620
64 61 4096 3721 3904
70 75 4900 5625 5250
67 72 4489 5184 4824
Ʃ660 680 43672 46764 45094
19
• rxy = NƩXY – (ƩX)(ƩY)
[NƩX2 – (ƩX)2][NƩY2 – (ƩY)2]
= 10(45094) – (660)(680)
[10(43672) – (660)2][10(46764) – (680)2
= 450940 – 48800
(43672 – 435600)(46740 – 462400)
=2140
(1120)(5240)
= 2140
2422.56
=88
20
• Nilai pekali korelasi yang diperolehi ialah positif .88. Ini
menunjukkan pembolehubah motivasi mempunyai hubungan
positif dengan prestasi akademik.
• Pelajar yang tinggi markat motivasinya bertendensi untuk
mempunyai markat prestasi yang tinggi.
• Sebaliknya pelajar yang market motivasinya rendah
bertendensi mempunyai markat prestasi akademik yang
rendah juga.
• Sebagai contoh, pelajar yang mepunyai markat motivasi 70
mempunyai markat prestasi akademik 75. Pelajar yang
mempunyai markat motivasi 60, prestasi akademiknya paling
rendah iaitu 52.
21
Nilai Pekali Korelasi r
• Nilai korelasi r boleh diintepretasikan secara deskriptif dan
arbitari. Nilai r yang menghampiri 1.0 dikatakan mempunyai
hubungan tinggi., manakala hubungan yang lemah
ditunjukkan oleh nilai r yang menghampiri sifar.
• Interpretasi cara ini sering menghubungkaitkan dengan darjah
hubungan dua pembolehubah yang dikaji.
• Untuk menyatakan hubungan dua pembolehubah itu,
peraturan yang biasa digunakan dan dipersetujui oleh ra,ai
penyelidik sebagai rule of thumb pernah ditunjukkan oleh
Hinkle, Wiersma & Jurs (1998) berdasarkan kepada saiz pekali
korelasi.
• Interpretasinya ditunjukkan dalam jadual di bawah.
22
Jadual 1
Interpretasi Mengikut Saiz Pekali Korelais
(Aras Kekuatan Nilai Pekali Korelasi/Kekuatan Hubungan)
24
• rs = 1 - 6Ʃd
2
2
N(N – 1)
25
Pengiraan Pekali Korelasi Pearson
• Data yang ditunjukkan dalam Jadual 1 sebelum ini boleh
diberikan pangkat daripada yang tinggi kepada rendah.
• Mana-mana markat yang sama bagi setiap pembolehubah
perlu diberi pangkat yang sama.
• Sebagai contoh, terdapat dua kes yang mempunyai markat 70
dalam pembolehubah motivasi (X). Kedudukan pangkat bagi
market 70 ialah 2 dan 3.
• Oleh kerana markatnya sama (70), pangkat yang diberikan
mestilah sama iaitu purata kepada pangkat tersebut.
• Dalam kes ini pangkatnya ialah 1.5. Seterusnya markat yang
terletak di bawah 70 iaitu 67 berada pada pangkat yang
keempat.
26
Jadual 2
Pengiraam pekali Korelasi Spearman dengan menggunakan market Motivasi
dan Prestasi akademik
1 2 3 4 5 6
X Y Pangkat X Pangkat Y d d2
70 75 2.5 2.5 0 0
67 72 4 4 0 0
70 75 2.5 2.5 0 0
71 76 1 1 0 0
64 69 7.5 6 1.5 2.25
63 68 9 7 2 4
65 62 6 8 2 4
66 70 5 5 0 0
64 61 7.5 9 -1.5 2.25
60 52 10 10 0 0
Ʃd2 = 12.5
27
• rs = 1 - 6Ʃd
2
2
N(N – 1)
• =1– 6(12.5)
10(102-1)
• =1– 75.0
• 10(99)
• =1– 75.0
• 990
• = .92
28
Analisis Data
Statistical Package For Sosial Sciences
(SPSS)
SPSS OPEN WINDOW
DATA VIEW
Variable View
COMPUTE VARIABLE
CORRELATION ANALYZE
Cont…
CORRELATION OUTPUT
Pekali korelasi Korelasi adalah signifikan pada
r =.80 p<.01
37
CONTOH PENULISAN LAPORAN HASIL
ANALISIS DATA
Contoh Analisis Korelasi (Signifikan)
Jadual 4.14
Hubungan antara IQ Terhadap Prestasi pencapaian matematik dalam kalangan pelajar Bachelor Kaunseling
Prestasi Matematik
r
IQ 0.80**
** p<0.01
Prestasi Matematik
r
IQ 0.40