“Korelasi”. Bagi kamu yang saat ini duduk di bangku kuliah, korelasi bukanlah istilah yang asing. Korelasi merupakan materi dasar dalam statistika namun banyak digunakan dalam berbagai bidang penelitian kuantitatif, baik medis maupun sains. Namun dalam penerapannya, korelasi tidak dapat langsung kamu gunakan tanpa pertimbangan tertentu. Show
Nah dalam artikel kali ini, akan membahas mengenai pengertian korelasi, macam-macam korelasi, dan pertimbangan dalam memilih jenis korelasi yang tepat untuk digunakan. Selain secara teoritis, pembahasan analisis dan uji korelasi dalam artikel ini juga disertai dengan perhitungan manual dan penerapannya dalam software SPSS. Jadi, jangan lewatkan artikel ini ya guys! Daftar Isi
Pengertian KorelasiKorelasi adalah prosedur statistik yang bertujuan untuk mengetahui hubungan antara dua variabel numerik. Konsep korelasi pertama kali dikemukakan oleh Sir Francis Galton pada tahun 1894, yang selanjutnya dijelaskan secara matematis oleh Karl Pearson pada tahun 1896 (Pearson, 1896). Dalam istilah statistik, korelasi adalah metode untuk menilai kemungkinan hubungan linier dua arah antara dua variabel kontinu (Altman, 1999). Sumber: favpng.comKorelasi adalah ukuran hubungan monotonik antara dua variabel, di mana ketika terjadi peningkatan terhadap suatu variabel, maka variabel lainnya juga akan meningkat. Namun dapat pula terjadi penurunan pada suatu variabel ketika variabel lainnya mengalami peningkatan (Schober, Boer, & Schwarte, 2018). Analisis korelasi merupakan salah satu metode statistik yang paling banyak digunakan untuk melaporkan hasil penelitian medis dan ilmiah. Tingkat korelasi diukur dengan statistik yang disebut koefisien korelasi. Arti dari koefisien korelasi adalah ukuran kekuatan hubungan linier antara dua variabel (Johnson & Bhattacharyya, 2011). Koefisien korelasi memiliki nilai antara -1 hingga +1. Koefisien korelasi bernilai 0 memiliki arti bahwa tidak terdapat korelasi, sedangkan nilai 1 berarti kedua variabel tersebut berkorelasi secara sempurna. Adapun tanda positif dan negatif pada koefisien korelasi menunjukkan arah dari korelasi. Koefisien korelasi yang bernilai negatif menjadi indikasi bahwa variabel tersebut memiliki hubungan yang berbanding terbalik, begitu pula sebaliknya ketika nilai koefisien korelasi adalah positif. Kekuatan korelasi meningkat dari 0 menjadi +1 dan 0 menjadi −1 (Akoglu, 2018). Baca juga: Uji Linearitas dengan SPSS Macam-macam Analisis KorelasiUmumnya terdapat dua macam analisis korelasi yang sering digunakan. Kedua macam analisis korelasi tersebut yakni koefisien korelasi Product Moment Pearson dan Rank Spearman. Sebenarnya tidak terdapat perbedaan tujuan antara analisis korelasi menggunakan koefisien korelasi Product Moment Pearson dengan Rank Spearman. Namun kamu perlu mengidentifikasi asumsi dan skala data pada variabel numerik yang kamu gunakan. Hal tersebut berpengaruh pada teknik analisis korelasi yang harus kamu pilih. Koefisien Korelasi Product Moment Pearson (r)Koefisien korelasi Pearson’s Product Moment adalah ukuran korelasi linier antara dua variabel kontinu (minimal berskala data interval) yang berdistribusi normal. Adanya asumsi bahwa data harus berdistribusi normal membuat korelasi Product Moment Pearson ini dapat dikatakan sebagai uji parametrik. Untuk mendapatkan ukuran korelasi antara dua variabel kontinu yang berdistribusi normal, kamu dapat menerapkan rumus koefisien korelasi Product Moment Pearson di bawah ini. Sumber: Dokumentasi PenulisUntuk memahami penerapan rumus koefisien korelasi Product Moment Pearson di atas, yuk simak pembahasan contoh soal di bawah ini! Misalkan terdapat persoalan mengenai ahli zoologi yang mengumpulkan 20 ekor kadal liar. Setelah panjang total (mm) dari seluruh kadal liar diukur, kadal-kadal tersebut ditempatkan di atas treadmill dan dicatat kecepatannya (m/detik). Data hasil pengukuran tersebut adalah sebagai berikut. Sumber: Dokumentasi PenulisSebelum memulai perhitungan, kamu dapat terlebih dahulu menghitung nilai rata-rata (mean) dari masing-masing variabel. Setelah dilakukan perhitungan, diperoleh mean dari variabel Kecepatan adalah 1,859. Sedangkan untuk variabel Panjang, didapatkan mean sebesar 137,6. Kemudian untuk mempermudah perhitungan koefisien korelasi Product Moment Pearson, kamu dapat membuat tabulasi elemen-elemen perhitungan dan mensubstitusikannya pada rumus koefisien korelasi Product Moment Pearson. Sumber: Dokumentasi PenulisKoefisien Korelasi Rank Spearman (rs)Ketika menggunakan koefisien korelasi Product Moment Pearson, data yang kamu gunakan diharuskan mengikuti asumsi berdistribusi normal dan berskala data minimal interval. Namun bagaimana jika data yang kamu gunakan tidak memenuhi salah satu dari kedua persyaratan tersebut? Untuk data yang berdistribusi non-normal, di mana terdapat outlier, kamu dapat mengetahui ukuran kekuatan hubungan antara dua variabel menggunakan koefisien korelasi Rank Spearman. Korelasi Rank Spearman tergolong ke dalam uji nonparametrik karena tidak mempertimbangkan asumsi apa pun mengenai distribusi data dan paling baik digunakan ketika variabel diukur pada skala yang paling tidak adalah ordinal (Yadav, 2018). Namun teknik korelasi ini juga dapat diterapkan pada variabel numerik yang bersifat kontinu. Pada dasarnya, koefisien korelasi Rank Spearman dihitung dengan cara yang sama dengan korelasi Product Moment Pearson. Namun pada korelasi Rank Spearman, perhitungannya didasarkan pada peringkat nilai di masing-masing variabel, bukan berdasarkan kondisi aktual. Rumus koefisien korelasi Rank Spearman untuk mendapatkan ukuran kekuatan hubungan antara dua variabel adalah sebagai berikut. Sumber: Dokumentasi PenulisNotasi di menunjukkan perbedaan peringkat pada data ke-i, sementara n adalah banyaknya data. Simak pembahasan contoh soal di bawah ini untuk memudahkan pemahamanmu ya! Di bawah ini merupakan data mengenai kadar getah tembakau dan nikotin dalam satuan gram yang terdapat pada 10 merek rokok. Hitunglah koefisien korelasi Rank Spearman untuk mengukur kekuatan hubungan antara kandungan getah tembakau dan nikotin dalam rokok. Sumber: Dokumentasi PenulisUntuk memulai perhitungan koefisien korelasi Rank Spearman, kamu perlu menentukan peringkat masing-masing observasi pada setiap variabel. Dimulai dari nilai terendah yang dijadikan sebagai peringkat pertama, hingga nilai tertinggi sebagai peringkat terakhir. Apabila terdapat observasi yang bernilai sama, maka observasi tersebut tetap diberi peringkat seperti biasa, kemudian dihitung rata-rata peringkatnya. Sehingga observasi tersebut memiliki peringkat yang sama, yakni nilai dari rata-rata. Sumber: Dokumentasi PenulisPada tabel di atas, terlihat bahwa merek B dan D pada variabel Getah Tembakau memiliki peringkat yang sama, yakni 4,5. Sebenarnya, pada variabel Getah Tembakau, kedua observasi tersebut berada pada peringkat 4 dan 5. Namun karena adanya kesamaan nilai, maka dipilihlah peringkat rata-rata, yaitu (4+5)/2 = 4,5. Oleh karena nilai di dan n telah diketahui, maka kamu dapat mensubstitusikan nilai tersebut ke dalam rumus koefisien korelasi Rank Spearman. Sumber: Dokumentasi PenulisBaca juga: Uji Autokorelasi dengan SPSS Interpretasi Analisis KorelasiKorelasi Product Moment Pearson dan Rank Spearman sama-sama memiliki koefisien korelasi yang bernilai antara -1 hingga +1. Hinkle, Wiersma, dan Jurs (2003) mendeksripsikan interpretasi atau keterangan berbagai nilai koefisien korelasi pada tabel di bawah ini. Sumber: Dokumentasi PenulisKekuatan hubungan antara dua variabel numerik yang bersifat kontinu dapat dinilai secara visual melalui scatter plot. Semakin tinggi nilai koefisien korelasi antara dua variabel, semakin terlihat linier persebaran titik-titik observasi yang terdapat pada scatter plot. Sumber: Yadav, 2018Berdasarkan ilustrasi scatter plot di atas, kamu dapat mengetahui bahwa tingginya nilai koefisien korelasi akan identik dengan persebaran titik-titik observasi yang sangat mengikuti garis linier. Tingkat korelasi yang lemah antara dua variabel akan membuat persebaran titik-titik observasi sedikit terpencar dari garis linier, namun masih terlihat pola yang linier. Sedangkan scatter plot dengan persebaran titik-titik observasi yang berpola sangat acak menjadi indikasi bahwa kekuatan hubungan antara variabel tersebut adalah 0. Uji KorelasiUntuk kepentingan analisis korelasi lebih lanjut, sebaiknya kamu tidak berhenti pada tahap perhitungan koefisien korelasi karena nilai tersebut masih berdasarkan sampel. Sehingga kamu perlu melanjutkan ke tahap uji korelasi untuk menguji signifikansi, apakah secara populasi memang terdapat korelasi (hubungan) antara dua variabel tersebut. Uji Korelasi Product Moment Pearson (r)Pembahasan mengenai uji korelasi Product Moment Pearson ini akan diterapkan pada contoh soal yang sebelumnya telah dibahas pada Analisis Korelasi Product Moment Pearson. Berikut ini sistematika uji korelasi Product Moment Pearson yang dapat kamu ikuti.
Uji Korelasi Rank Spearman (rs)Setelah mendapatkan nilai rs, yakni koefisien korelasi Rank Spearman, selanjutnya kamu perlu melakukan uji korelasi Rank Spearman untuk mengidentifikasi apakah terdapat hubungan yang signifikan antara dua variabel yang dianalisis. Dengan menggunakan contoh soal yang sebelumnya terdapat pada Analisis Korelasi Rank Spearman, berikut ini merupakan sistematika uji korelasi Rank Spearman.
Baca juga: Uji Reliabilitas dengan SPSS Uji Korelasi SPSSSetelah mengetahui analisis korelasi dan uji korelasi secara manual, selanjutnya kamu dapat menerapkan uji korelasi tersebut pada software SPSS. Pembahasan uji korelasi SPSS ini akan terbagi menjadi dua, yakni uji korelasi Product Moment Pearson dan uji korelasi Rank Spearman. Adapun contoh kasus terhadap kedua uji korelasi tersebut menggunakan persoalan yang sama pada pembahasan sebelumnya. Uji Korelasi SPSS menggunakan Product Moment PearsonUntuk melakukan uji korelasi Product Moment Pearson pada SPSS, kamu dapat mengikuti langkah-langkah yang dijelaskan di bawah ini.
Uji Korelasi SPSS menggunakan Rank SpearmanLangkah-langkah yang dapat kamu terapkan pada SPSS mengenai uji korelasi Rank Spearman adalah:
Baca juga: Uji Normalitas Menggunakan SPSS Nah sekian pembahasan dari tambahpinter mengenai Korelasi Product Moment Pearson dan Rank Spearman. Kamu dapat mempelajari referensi lain sebagai tambahan untuk bahan belajar. Semoga artikel ini dapat memperluas dan memudahkan pemahamanmu ya guys! Sumber: Pearson, K. (1896). Mathematical Contributions to the Theory of Evolution. III. Regression, Heredity, and Panmixia. Philosophical Transactions of the Royal Society of London. Series A, Containing Papers of a Mathematical or Physical Character, 187, 253-318. Altman, D. G. (1999). Practical statistics for medical research. Boca Raton: Chapman & Hall/CR. Schober, P., Boer, C., & Schwarte, L. A. (2018). Correlation Coefficients: Appropriate Use and Interpretation. Anesthesia and Analgesia, 126, 5, 1763-1768. Johnson, R. A., & Bhattacharyya, G. K. (2011). Statistics: Principles and methods. New York: John Wiley. Akoglu, H. (2018). User’s guide to correlation coefficients. Turkish Journal of Emergency Medicine, 18, 3, 91-93. Yadav, S. (2018). Correlation analysis in biological studies. Journal of the Practice of Cardiovascular Sciences, 4, 2, 116. Rumus korelasi product moment digunakan untuk apa?KORELASI PRODUCT MOMENT PEARSON
Korelasi ini dikemukakan oleh Karl Pearson tahun 1900. Fungsi dari korelasi ini adalah untuk mengetahui derajat hubungan dan kontribusi variabel bebas (independent) dengan variabel terikat (dependent).
Mengapa menggunakan rumus Pearson Product Moment?Signifikansi uji Pearson Product Moment digunakan untuk mengetahui tingkat kebermaknaan hubungan antara kedua variabel yang dihubungkan.
Bagaimana kegunaan korelasi product moment dalam penelitian dan statistika?Korelasi Pearson atau sering disebut Korelasi Product Moment (KPM) merupakan alat uji statistik yang digunakan untuk menguji hipotesis asosiatif (uji hubungan) dua variabel bila datanya berskala interval atau rasio.
Mengapa Uji validitas menggunakan korelasi product moment?2.3 Uji Validitas
Pengukuran ini dapat dilakukan dengan menggunakan teknik korelasi Product Moment dari Pearson. Teknik ini bertujuan untuk menguji apakah tiap item atau butir pernyataan benar-benar mampu mengungkap faktor yang akan diukur atau konsistensi internal tiap item alat ukur dalam mengukur suatu faktor.
|