Professional Documents
Culture Documents
-1 < r < 1
r = -1 meaning the degree of assosiation between two variables is perfect negative
r = +1 meaning the degree of assosiation between two variables is perfect positive
CORRELATION MEASUREMENT
1. Independency test
Untuk menguji apakah ada keterkaitan antar 2 variabel yang salah satunya diukur dengan
skala nominal
Contoh:
- keterkaitan antara hobby (nominal) dengan income (rasio)
- keterkaitan antara agama (nominal) dengan jabatan (ordinal)
- keterkaitan antara gender (nominal) dengan tinggi badan (rasio)
- keterkaitan antara warna kesukaan (nominal) dengan gender (nominal)
3. Pearson correlation
Mengukur korelasi antara 2 variabel kuantitiatif (bisa interval, bisa rasio)
Contoh:
- Korelasi antara berat badan dengan IQ
- Korelasi antara jam belajar dengan Gaji
- Korelasi antara umur dengan berat badan
Steps:
1. Hypothesis Formulation:
Ho : rs = 0
Ha: rs 0
rs > 0
rr < 0
2. Make the rank of the data
3. Count the difference between each rank couple
4. Count rs :
6 ΣD 2
r s =1−
(
n(n2 −1 )
where: n = number of items being ranked
xi = rank of item i with respect to one variable
yi = rank of item i with respect to a second variable
di = xi - yi
Contoh: Lakukan uji korelasi rank spearman antara Umur dengan Browsing Time
Data sbb:
Jawab:
Teori: semakin muda, semakin banyak browsing time (hubungan NEGATIVE)
Langkah 1: Hipotesa
Ho: ρ ≥ 0
Ha:ρ < 0
4. Count rs :
6 ΣD 2
r s =1−
( n(n2 −1 )
Korelasi antara rank umur dengan rank Browsing time kuat dan negatif (-0.724)
t = -3.784
Ho: ρ ≥ 0
Ha:ρ < 0
Keputusan: Reject Ho
Kesimpulannya: korelasi antara umur dengan browsing time adalah signifikan
IN_CAMPU IN_PLANT
Spearman's rho IN_CAMPU Correlation Coefficient 1.000 .783**
Sig. (1-tailed) . .001
N 12 12
IN_PLANT Correlation Coefficient .783** 1.000
Sig. (1-tailed) .001 .
N 12 12
**. Correlation is significant at the 0.01 level (1-tailed).