Professional Documents
Culture Documents
METOD KORELASI
2
Pengenalan kepada metod korelasi
• Menunjukkan hubungan antara satu pemboleh ubah dengan pemboleh ubah yang
lain
• Menunjukkan kaitan antara satu faktor dengan faktor yang lain
• Tidak menunjukkan mana pemboleh ubah bebas dan mana pemboleh ubah terikat
• Menguji pola dan darjah hubungan pemboleh ubah
• Menguji hubungan dua pemboleh ubah yang mempunyai data jenis selanjar
• Bentuk hubungan; positif, negatif atau tiada hubungan
• Dibahagikan kepada 2:
(1) korelasi Pearson (rxy) – kedua-dua pemboleh ubah menggunakan skala pengukuran
sela atau nisbah – formula dk/df = N – 2
(2) Korelasi Spearman (rs) – kedua-dua pemboleh ubah menggunakan skala
pengukuran ordinal – formula dk/df = N
SSQL 1113 25/05/2022
3
Contoh:
4
Hubungan
Kes positif
Pemboleh ubah Skor
X Y X Y
1 X1 Y1 12 10
2 X2 Y2 14 13
3 X3 Y3 16 16
4 X4 Y4 18 19
5 X5 Y5 20 21
6 X6 Y6 22 24
5
Hubungan negatif
Kes Pemboleh ubah Skor
A B A B
1 A1 B1 21 20
2 A2 B2 22 19
3 A3 B3 23 18
4 A4 B4 24 17
5 A5 B5 25 16
6 A6 B6 26 15
6 Tiada Hubungan
Kes Pemboleh ubah Skor
K L K L
1 K1 L1 11 15
2 K2 L2 15 15
3 K3 L3 13 15
4 K4 L4 14 15
5 K5 L5 12 15
6 K6 L6 16 15
7 K7 L7 17 15
8 K8 L8 18 15
9 K9 L9 18 15
10 K10 L10 20 15
20
10
0
0 5 10 15 20 X25
SSQL 1113 25/05/2022
B
SSQL 1113 25/05/2022
9
Tidak terdapat Hubungan antara pemboleh ubah K dan L
L
SSQL 1113 25/05/2022
Pekali korelasi
10
• Indeks atau nilai yang menggambarkan hubungan antara dua pemboleh
ubah
• Julat antara – 1.0 hingga + 1.0
• Nilai + 1.0 menunjukkan hubungan positif yang amat kuat
• Nilai – 1.0 menunjukkan hubungan negatif yang amat kuat
• Nilai pekali korelasi menjadi sifar apabila dua pemboleh ubah tidak
mempunyai hubungan atau pemboleh ubah tersebut bebas antara satu
dengan yang lain
-1.0……-0.7…..-0.4…..-0.2…-0.1…0…+0.1….+0.5…..+0.7…+0.9…+1.0
11
12
INTERPRETASI NILAI PEKALI KORELSI
13
1. FORMULA PEARSON
2. FORMULA SPEARMAN
SSQL 1113 25/05/2022
14
Formula pearson
Formula spearman
6d 2
rs 1
2
1
SSQL 1113 25/05/2022
X Y
15 10 6
Dengan mengunakan formula 22 11
pearson : 22 18
12 7
b. Kirakan pekali korelasi 15 9
antara pemboleh ubah X 11 6
dan pemboleh ubah Y 20 19
15 12
korelasi, berikan
12 8
interpretasi bentuk
18 16
hubungan antara X dan Y 22 15
∑=210 155
11 6 66 121 36 r= 2420
20 19 380 400 361
3026.25
12 8 96 144 64
18
Nilai dk/df
Simbol
menunjukkan
apabila H0
Interpretasi pekali korelasi pearson ditolak
Keputusan statistik inferensi : r(11) = 0.799 p < 0.01
Nilai pekali korelasi yang dikira ialah 0.799 Ini menunjukkan
pemboleh ubah X mempunyai hubungan positif dengan Y.
Korelasi antara dua pemboleh ubah adalah tinggi. Skor X tinggi
mempunyai tendensi skor Y tinggi. Sebaliknya skor X yang
rendah mempunyai tendensi skor Y yang rendah juga
SSQL 1113 25/05/2022
LATIHAN KENDIRI
20 Motivasi
Subjek
X
Prestasi
akademik
X² Y² XY
1 77 76
2 75 82
3 71 78
4 79 83
5 75 72
6 88 88
7 85 78
8 86 81
9 80 75
10 70 65
Σ
SSQL 1113 25/05/2022
21
PENENTUAN KRETIRIUM MENOLAK H0
• H0 -
• α = 0.05
• df/dk =
• Pengujian adalah
• Dapatkan nilai kritikal
• Nilai r yang dikira =
• Ia berada
• Kesimpulan –
SSQL 1113 25/05/2022
22
Interpretasi pekali korelasi pearson
Keputusan statistik inferensi :_________________________
Nilai pekali korelasi yang dikira ialah 0.66 Ini menunjukkan
pemboleh ubah motivasi mempunyai hubungan positif dengan
prestasi akademik. Korelasi antara dua pemboleh ubah adalah
sederhana. Pelajar yang tinggi skor motivasinya mempunyai skor
prestasi akademik yang tinggi. Sebaliknya pelajar yang skor
motivasinya rendah mempunyai skor prestasi akademi yang
rendah juga
25/05/2022
SSQL 1113 25/05/2022
23
Aplikasi Komputer – Pearson Correlations
Descriptive Statistics
Descriptive Statistics
Analisis deskriptif : Min bagi pemboleh ubah X = 16.1538, min bagi pemboleh ubah Y = 11.9231,
sisihan piawai bagi pemboleh ubah X = 4.31753 sisihan piawai bagi pemboleh ubah Y = 4.49929
varians yang ditunjukkan adalah seragam. Oleh itu kedua-dua data X dan Y adalah seragam
(perbandingan nilai varians menunjukkan salah satu varians tidak lebih dua kali ganda daripada
varians yang satu lagi.)
Analisis inferensi :
Nilai r yang diperoleh ialah 0.799 dengan nilai p = 0.001 dan ia lebih kecil daripada aras signifikan
α = 0.01
Keputusan statistik inferensi : r(11) = 0.799 p < 0.01
Perbandingan
dk/df nilai p
Apabila p lebih kecil daripada 0.01 ini bermaksud H0 ditolak dan secara otomatis H1 diterima
Kesimpulan :
Terdapat Hubungan Positif dan tinggi yang Signifikan Antara pemboleh ubah X Dengan pemboleh
ubah Y
Ini bermakna pemboleh ubah X yang tinggi turut diikuti pemboleh ubah Y yang tinggi dan
sebaliknya pemboleh ubah X yang rendah akan diikuti pemboleh ubah Y juga akan rendah
SSQL 1113 25/05/2022
LATIHAN KENDIRI
25 Aplikasi Komputer – Pearson Correlations
Descriptive Statistics
Descriptive Statistics
Mean Std. Deviation N
MOTIVASI 78.6000 6.20394 10
Correlations
Correlations
MOTIVASI PRESTASI AKADEMIK
MOTIVASI Pearson Correlation 1 .662*
Sig. (2-tailed) .037
N 10 10
PRESTASI AKADEMIK Pearson Correlation .662* 1
Sig. (2-tailed) .037
N 10 10
*. Correlation is significant at the 0.05 level (2-tailed).
SSQL 1113 25/05/2022
H0 :
Analisis deskriptif :
Analisis inferensi :
Keputusan statistik inferensi :
Kesimpulan :
CONTOH PENGIRAAN KORELASI SPEARMAN
SSQL 1113 25/05/2022
2
1
•H0 - Tidak ada hubungan antara pemboleh ubah X dan
pemboleh ubah Y
6(12.5) •α = 0.01
rs 1
10
10 2
1
•df/dk = N = 10
75.0 •Pengujian adalah berdasarkan dua hujungan (two tail)
rs 1
1099 disebabkan hipotesis yang dibina tidak menunjukkan arah
•Dapatkan nilai kritikal - Rujuk jadual nilai kritikal (r kritikal =
75
rs 1 0.794)
990 •Nilai r yang dikira = 0.92 (> daripada nilai r kritikal)
rs .92 •Ia berada dalam kawasan penolakan H0 oleh itu H1 secara
otomatis diterima (H0 ditolak kerana nilai r yang dikira
adalah lebih besar dan positif daripada nilai r kritikal)
•Kesimpulan – terdapat hubungan antara pemboleh ubah X
dan pemboleh ubah Y
SSQL 1113 25/05/2022
29
Pengujian adalah
Kesimpulan –
SSQL 1113 25/05/2022
32
Interpretasi pekali korelasi Spearman
Keputusan statistik inferensi : _________________________
Nilai r
Correlations Nilai p
X Y
Spearman's rho X Correlation Coefficient 1.000 .924**
Sig. (2-tailed) . .000
N 10 10
Y Correlation Coefficient .924** 1.000
Sig. (2-tailed) .000 .
N 10 10
**. Correlation is significant at the 0.01 level (2-tailed).
Nilai α dan pengujian
berdasarkan dua
hujungan
SSQL 1113 25/05/2022
Analisis inferensi :
Nilai r yang diperoleh ialah 0.924 dengan nilai p = 0.000 dan ia lebih kecil daripada aras
signifikan α = 0.01
Keputusan statistik inferensi : r(10) = 0.924 p < 0.01
Perbandingan
Nilai dk/df Nilai r nilai p
Apabila p lebih kecil daripada 0.01 ini bermaksud H0 ditolak dan secara otomatis H1
diterima
Kesimpulan :
Terdapat Hubungan Positif dan tinggi yang Signifikan Antara pemboleh ubah X Dengan
pemboleh ubah Y
Ini bermakna pemboleh ubah X yang tinggi turut diikuti pemboleh ubah Y yang tinggi dan
sebaliknya pemboleh ubah X yang rendah akan diikuti pemboleh ubah Y juga akan rendah
SSQL 1113
25/05/2022
Correlations
Kekerapan
menghadiri Kekerapan
gimnasium maraton
Spearman's rho Kekerapan Correlation 1.000 .782**
menghadiri Coefficient
gimnasium Sig. (2-tailed) . .007
N 10 10
Kekerapan maraton Correlation .782** 1.000
Coefficient
Sig. (2-tailed) .007 .
N 10 10
**. Correlation is significant at the 0.01 level (2-tailed).
35
SSQL 1113 25/05/2022
H0 : _______________________________________________________________
Analisis inferensi :
Nilai r yang diperoleh ialah
Kesimpulan :
SSQL 1113 25/05/2022
rdt = Y1 - Y0 √ pq
s.py
38 Pengiraan pekali korelasi dwisiri titik skor prestasi akademik dan jantina
Jantina Prestasi akademik
X Y Y²
L 1 75 5625
L 1 76 5776
P 0 69 4761
P 0 68 4624
L 1 75 5625
L 1 72 5184
P 0 61 3721
P 0 52 2704
L 1 62 3844
L 1 70 4900
Σ 6 680 46764
L = lelaki P = Perempuan
SSQL 1113 25/05/2022
39
• Sisihan piawai skor prestasi akademik ialah 7.63
• Min dan peratus bagi pelajar perempuan dan lelaki ialah :
Y1 = (75 + 72 + 75 + 76 + 62 + 70)
6
= 71.67
Y0 = (69 + 68 + 61 + 52)
4
= 62.5
p = 6 = .60
10
q = 4 = .40
10
SSQL 1113 25/05/2022
40 rdt = Y1 - Y 0 √ pq
s.py