Uji Korelasi Pearson

5/25/13
Uji Korelasi Pearson | Seta Basri Menulis Terus

Twitter Facebook RSS Feed
Seta Basri Menulis Terus

tidak banyak yang bisa diceritakan Home Ilmu Politik Ilmu Budaya Metode Penelitian Dunia Komputer Buku Saya
Organisasi Manajemen
Uji Korelasi Pearson

O L EH : SET A BASR I M ET O D E P ENEL I T I A N 1 7 7 K O M ENT A R
Statistik
3,274,619
Share:
Share
67
Suka
67
Tw eet
Uji korelasi Pearson. Banyak penelitian meminati keberadaan hubungan antara 2 atau lebih variabel. Korelasi adalah suatu ukuran hubungan linier antar variabel. Contoh, peneliti ingin melihat apakah terdapat hubungan antara Minat Mahasiswa atas Matakuliah Pengantar Ilmu Politik (x) dengan Minat Mahasiswa untuk Berpolitik Praktis (y). Banyak penelitian meminati keberadaan hubungan antara 2 atau lebih variabel. Korelasi adalah suatu ukuran hubungan linier antar variabel. Contoh, peneliti ingin melihat apakah terdapat hubungan antara Minat Mahasiswa atas Matakuliah Pengantar Ilmu Politik (x) dengan Minat Mahasiswa untuk Berpolitik Praktis (y). Potret Indonesia Kedua variabel tersebut, x dan y, bisa berhubungan dengan salah satu dari 3 cara berikut: 1. Hubungan Positif. Artinya, semakin berminat seorang mahasiswa atas Matakuliah Pengantar Ilmu Politik, semakin besar minat mereka untuk Berpolitik Praktis. 2. Tidak Ada Hubungan. Artinya, minat mahasiswa atas matakuliah Pengantar Ilmu Politik tetap sama kendati mereka berminat untuk Berpolitik Praktis. 3. Hubungan Negatif. Artinya, semakin mahasiswa berminat atas matakuliah Pengantar Ilmu Politik, semakin tidak berminat mahasiswa untuk Berpolitik Praktis. Cara termudah guna melihat apakah dua variabel berhubungan adalah dengan melihat apakah mereka memiliki covarians. Pemahaman atas covarians menuntut kita memahami konsep varians. Varians suatu variabel mewakili rata-rata perbedaan data variabel tersebut dengan nilai Mean-nya. Rumus varians sebagai berikut:
Telah Terbit
Label
biografi politik (2) birokrasi dan demokrasi (12) humaniora (3) komputer (26) metode penelitian (9) organisasi dan manajemen (13)
Mean sampel diwakili
pengantar ilmu politik (12) politika (5) resensi buku (10)
adalah nilai yang hendak dicari dan N adalah jumlah pengamatan (sampel). Jika kita tertarik apakah kedua variabel berhubungan, maka kita harus melihat apakah perubahan di satu variabel disusul dengan perubahan di variabel lainnya. Kala satu variabel menyimpang dari Mean, maka kita bisa berharap bahwa variabel lain juga menyimpang dari Mean-nya dengan cara serupa. Agar lebih jelas, lihat data berikut:
sistem politik indonesia (10) sistem sosial dan budaya indonesia (14) tentang negara (13)
Buku dan Film

Conspirata (Robert Harris) Destiny Disrupted (Tamim Ansary) Ghost Writer (Robert Harris) Jika terdapat hubungan di antara kedua variabel, maka kala satu variabel menyimpang dari Mean diikuti penyimpangan yang sama oleh variabel lainnya, baik searah atau berlawanan. Rumus covarians sebagai berikut: Imperium (Robert Harris) Pompeii (Robert Harris) Taiko (Eiji Yoshikawa)
Cari Blog Ini

Menghitung covarians adalah cara yang baik guna menilai apakah 2 variabel punya hubungan. Jika nilai covarians positif maka kala satu variabel menyimpang dari Mean diikuti oleh
Cari
setabasri01.blogspot.com/2011/04/uji-korelasi-pearson.html
1/26
5/25/13
penyimpangan pada variabel lain secara searah. Jika nilai covarians negatif maka kala satu variabel menyimpang dari Mean diikuti oleh penyimpangan variabel lain secara berlawanan. Namun, covarians ini bukan uji standar guna menentukan hubungan. Standardisasi Masalah uji standar bagi hubungan antar variabel diselesaikan lewat konversi. Artinya, covarians dikonversikan ke dalam unit yang lebih standar. Proses ini dinamakan standardisasi. Dalam kajian statistik, ukuran standar ini adalah Standar Deviasi. Jika kita membagi setiap penyimpangan nilai observasi terhadap Mean dengan Standar Deviasi, maka kita akan mendapat jarak dalam satuan Standar Deviasi. Singkatnya, jika kita ingin mengekspresikan covarians ke dalam unit standar pengukuran, kita tinggal membaginya dengan Standar Deviasi. Dengan demikian jika terdapat 2 variabel, maka akan terdapat 2 Standar Deviasi. Kini, kala kita hendak menghitung covarians, sesungguhnya kita menghitung 2 penyimpangan lalu mengkalikan mereka. Lalu, kita melakukannya secara sama terhadap Standar Deviasi. Kita mengkalikan mereka dan membaginya dengan hasil perkalian ini. Covarians yang sudah distandardisasi dinamakan Koefisien Korelasi. Rumusnya sebagai berikut: RECENT POPULAR LABEL
Entri Populer
Uji Validitas dan Reliabilitas Instrumen Penelitian dengan SPSS Penyebaran Budaya India Hindu Buddha di Indonesia Pengertian Partisipasi Politik dan Bentukbentuk Partisipasi Politik Proses Terbentuknya Masyarakat Indonesia Sistem Kepartaian dan Partai Politik Trias Politika Pemisahan Kekuasaan
Rumus di atas dikenal dengan nama korelasi Pearson Product-Moment atau Pearson Correlation Coefficient dan ditemukan oleh Karl Pearson. Jenis lain uji korelasi yang populer digu nakan adalah Spearman Rank Correlation (rho). Uji statistik korelasi ini banyak digunakan untuk statistik nonparametrik yang datanya tidak berdistribusi normal dan diukur menggunakan skala ordinal. Tulisan ini hanya akan membahas uji korelasi Pearson Product Moment. Pearson Product Moment Adapun rumus Pearson Product Moment (r) adalah sebagai berikut di bawah ini:
Pengertian Budaya Politik dan Sosialisasi Politik Pengertian Masyarakat Majemuk Masyarakat Multikultural serta ke mana Indonesia Termasuk Konflik-konflik Vertikal di Indonesia dengan Contoh Kasus Aceh Maluku dan Papua Pengertian Ilmu Politik dan Pendekatanpendekatan dalam Ilmu Politik
Lihat tabel di bawah ini dalam perhitungan korelasi Pearson:
Followers
Join this site
w ith Google Friend Connect
Members (137) More
Cara melakukan perhitungan manual untuk uji korelasi di atas adalah sebagai berikut
Already a member? Sign in
Sponsors
Tes Kecepatan Blog Direktori Indonesia Asumsi Uji Korelasi Sebelum diimplementasi, uji Korelasi terlebih dulu harus memenuhi serangkaian asumsi. Asumsi-asumsi uji Korelasi adalah: 1. Normalitas. Artinya, sebaran variabel-variabel yang hendak dikorelasikan harus berdistribusi normal.
Translate
2/26
5/25/13

Select Language
Pow ered by
2. Linearitas. Artinya hubungan antara dua variabel harus linier. Misalnya ditunjukkan lewat straight-line. 3. Ordinal. Artinya, variabel harus diukur dengan minimal skala Ordinal. 4. Homoskedastisitas. Artinya, variabilitas skor di variabel Y harus tetap konstan di semua nilai variabel X. Cara Uji Asumsi Korelasi dengan SPSS 1. Normalitas
Translate
Uji Normalitas bisa dilakukan dengan teknik Kolmogorov-Smirnov. Data yang normal adalah Sig. Kolmogorov-Smirnov hitung > Sig. Penelitian (0,05). Cara melakukan uji normalitas dengan SPSS adalah: 1. Klik Analyze --> Nonparametric Tests --> 1-Sample K-S. 2. Pada jendela One-Sample Kolmogorov-Smirnov Test, masukkan variabel x1, x2, x3, x4, dan y ke kota Test Variable List. 3. Pastikan sudah terceklis Normal pada Test Distribution. 4. Klik OK. 5. Linieritas. Linieritas terlihat apabila skor variabel X meningkat, skor variabel Y juga meningkat. Plot-plot data cenderung mengikuti garis diagonal Z yang menaik. Uji asumsi dengan SPSS sangatlah mudah, caranya adalah: 6. Klik Graphs --> Scatter/Dot... 7. Klik icon Simple Scatter 8. Klik Define untuk membuka jendela Simple Scatter plot. 9. Masukkan variabel Y ke Y Axis ---> Masukkan variabel X ke X Axis. 10. Klik Options --> Ceklis Exclude cases listwise. 11. Klik Continue 12. Klik OK. 2. Ordinal.
Masih terdapat sejumlah perdebatan diantara para ahli apakah skala sikap (misal: sangat setuju, setuju, agak setuju, kurang setuju, tidak setuju, sangat tidak setuju) masuk kategori ordinal atau interval. Juga, uji Pearson apakah layak ditimpakan pada skala Interval dan Rasio ataukah minimal Ordinal bisa menggunakannya. Robert Ho menyatakan bahwa skala Ordinal pun layak ditimpakan uji korelasi Pearson. Mengenai apakah skala sikap masuk ke dalam kategori skala Ordinal atau Interval, Donald P. Schwab menjawab bahwa skala sikap boleh dimasukkan ke dalam skala Interval. Atau, jika tidak bisa, sekurangnya mendekati Interval. Schwab memutuskan, dengan demikian uji-uji statistik yang diperuntukkan bagi skala Interval bisa ditimpakan kepada yang mendekati interval tersebut. 3. Homoskedastisitas.
Dalam menguji asumsi Homoskedastisitas dilakukan secara grafis. Dengan SPSS hal ini sangat mudah. Caranya adalah sebagai berikut: Caranya dengan melihat grafik persilangan SRESID dengan ZPRED pada output hasil SPSS. Caranya sebagai berikut: 1. Klik Analyze --> Regression --> Linear 2. Masukkan variabel y ke Dependent. 3. Masukkan variabel-variabel x ke Independent(s) 4. Klik Plot. 5. Isikan SRESID pada y-axis dan ZPRED pada x-axis. 6. Klik Continue. 7. Saksikan hasilnya pada Output SPSS.
Perhatikan grafik scatterplot. Ingat, Homoskedastisitas terjadi jika varians dari residual satu pengamatan ke pengamatan lain tetap atau sama. Heteroskedastisitas terjadi jika varians dari residual satu pengamatan ke pengamatan lain tidak sama atau tidak tetap. Homoskedastisitas terjadi jika tidak terdapat pola tertentu yang jelas, serta titik-titik
3/26
5/25/13
menyebar di atas dan di bawah angka 0 pada sumbu X. Heteroskedastisitas terjadi jika terdapat titik-titik memili pola tertentu yang teratur seperti bergelombang, melebar kemudian menyempit. Uji Korelasi Pearson dengan SPSS Melakukan uji Korelasi Pearson untuk mencari nilai r dengan SPSS sangatlah mudah. Caranya sebagai berikut: 1. Klik Analyze --> Correlate --> Bivariate 2. Klik Masukkan variabel x1, x2, x3, dan y ke kotak Variables. 3. Pada bagian Correlation Coefficients, ceklis Pearson. 4. Pada bagian Test of Significance, ceklis Two-tailed. 5. Klik Options --> Ceklis Means and standard deviations --> Ceklis Exclude cases pairwise. 6. Klik Continue. 7. Klik OK. 8. Saksikan hasilnya pada Output SPSS. Contoh Output Hasil SPSS sebagai berikut:
Hipotesis penelitian adalah:
Interpretasi Hasil Uji Korelasi Penelitian (contoh) hendak menguji apakah terdapat hubungan antara Budaya Organisasi (x1) dan Iklim Organisasi (x2) dengan Kepuasan Kerja (y). Hasil uji statistik menggunakan Pearson Product Moment (sudah tertera di atas). Bagaimana melakukan penafsiran? Korelasi. Jika suatu hubungan tidak sama dengan 0, maka dapat dikatakan terjadi hubungan. Perhatikan baris-baris Pearson Correlation, di mana dihasilkan hasil-hasil berikut: 1. Budaya Organisasi berhubungan secara positif dengan Kepuasan Kerja sebesar 0,451 (r = 0,451). 2. Iklim Organisasi berhubungan secara positif dengan Kepuasan Kerja sebesar 0,838 (r = 0,838). Dengan demikian, terdapat hubungan antara variabel x1 dan x2 dengan y. Hipotesis-hipotesis 0 di atas, sebab itu, ditolak. Signifikansi. Signifikansi bisa ditentukan lewat baris Sig. (2-tailed). Jika nilai Sig. (2-tailed) < 0,05, maka hubungan yang terdapat pada r dianggap signifikan. Hasil uji signifikansi (di atas) adalah: Nilai r hubungan Budaya Organisasi dengan Kepuasan Kerja adalah 0,000. Artinya, 0,000 < 0,05 dan dengan demikian korelasi antara kedua variabel signifikan. Nilai r hubungan Iklim Organisasi dengan Kepuasan Kerja adalah 0,000. Artinya, 0,000 < 0,05 dan dengan demikian korelasi antara kedua variabel signifikan. Interval Kekuatan. Sejumlah penulis statistik membuat interval kategorisasi kekuatan hubungan korelasi. Jonathan Sarwono, misalnya, membuat interval kekuatan hubungan sebagai berikut:
4/26
5/25/13
Atau penulis lain seperti D.A de Vaus menginterpretasikannya sebagai berikut:
Untuk korelasi negatif (-) interpretasi adalah sama. Koefisien Determinasi. Koefisien Determinasi digunakan untuk menafsirkan skor korelasi Pearson (r). Caranya dengan mengkuadratkan nilai r tersebut. Nilai r harus dikuadratkan karena ia bukan berada dalam skala Rasio. Akibatnya, kita tidak bisa melakukan operasi aritmetika (kurang, bagi, kali, tambah) terhadap nilai r tersebut. Guna mencari nilai Koefisien Determinasi, dilakukan langkah berikut: Nilai r Budaya Organisasi Kepuasan Kerja = 0,451 x 0,451 = 0,2034. Kalikan nilai ini dengan 100% maka 0,2034 x 100% = 20,34%. Nilai r Iklim Organisasi Kepuasan Kerja = 0,838 x 0,838 = 0,7022. Kalikan nilai ini dengan 100% maka 0,7022 x 100% = 70,22. Penafsiran Koefisien Determinasi adalah: Sebesar 20,34% varians Kepuasan Kerja dapat dijelaskan oleh Budaya Organisasi. Sebesar 70,22% varians Kepuasan Kerja dapat dijelaskan oleh Iklim Organisasi. --------------------------------Daftar Pustaka Andi Field, Discovering Statistics using SPSS: And Sex Drug and Alcohol, Second Edition (London: SAGE Publication, 2005) Donald P. Schwab, Research Methods for Organizational Studies , Second Edition (New Jersey: Lawrence Erlbaum Associates, Publishers, 2005) Jonathan Sarwono, Statistik Itu Mudah: Panduan Lengkap untuk Belajar Komputasi Statistik Menggunakan SPSS 16 (Yogyakarta: Penerbit Universitas Atma Jaya Yogyakarta, 2009). Mark R. Leary, Introduction to Behavioral Research Methods , Third Edition (Boston: Allyn and Bacon, 2001) Muhammad Nisfiannoor, Pendekatan Statistika Modern untuk Ilmu Sosial (Jakarta: Penerbit Salemba Humanika, 2009) Robert Ho, Handbook of Univariate and Multivariate Data Analysis and Interpretation with SPSS (Boca Raton: Chapman & Hall/CRC, 2006) p. 184. Appendix: Kecenderungan Data
5/26
5/25/13
tags: melakukan uji korelasi pearson langkah-langkah dengan spss menafsirkan hasil output spss menghitung kekuatan hubungan menguji hipotesis uji korelasi
Rekomendasikan ini di Google
Jika hendak langsung isi komentar, klik di sini:
177 komentar:
raihannuri Sabtu, 02 Juli, 2011 bagaimana bila uji normalitas yang didapat datanya tidak terdistribusi dengan normal?
Balas
seta basri
Minggu, 03 Juli, 2011
Data tidak berdistribusi normal atau banyak outlier gunakan saja Spearman Rank.
Balas
raihannuri Senin, 04 Juli, 2011 perlu di transformasi dulu ga sebelum di pindah ke spearman?
Balas
seta basri
Selasa, 05 Juli, 2011
Kalau lewat perhitungan manual, skor total masing-masing variabel di-rangking dulu baru dimasukkan ke dalam rumus Spearman. Tapi, kalau menggunakan SPSS, tidak perlu dirangking sebab sudah otomatis lewat menu Analyze > C orrelate > Bivariate > ceklis Spearman.
Balas
raihannuri Senin, 18 Juli, 2011 boleh nanya tentang regresi ga?

Balas
seta basri
Rabu, 20 Juli, 2011
Silakan, tetapi kalau saya tahu ya ?

Balas
raihannuri Kamis, 21 Juli, 2011 Kalo regresi kan ada : 1. regresi linier sederhana 2. Regresi linier berganda 3. regresi nonlinier sederhana kalo regresi nonlinier berganda ada ga? Kalo regresi linier pada spss kan tinggal masuk ke "linier" Kalo regresi nonlinier sederhana, bisa di coba melalui "C urve Estimation" untuk menentukan type nonliniernya yang kemudian didapat nilai nya. Namun, cara ini hanya bisa untuk 2 variable saja. Trus bagaimana untuk regresi nonlinier dengan 3 variable? Trimakasih :)
Balas
Anonim Rabu, 10 Agustus, 2011 tanya dunk klw data saya berdistribusi normal tapi gak linier gimana dunk cara liat hubungan antar variabel? mksh sebelumnya...
Balas
seta basri
Jumat, 12 Agustus, 2011
Dipakai saja Spearman.

Balas
Yudha Senin, 12 September, 2011 trus X3 ada dmn...? dalam hasil output spss cmn ada 3 variabel, sedangkan dalam petunjuk x1, x2, x3, dan Y
6/26
5/25/13
dimasukkan dalam kotak variabeL..... tolong penjelasannya........!!!!
Balas
Yudha Senin, 12 September, 2011 trus X3 ada dmn...? dalam hasil output spss cmn ada 3 variabel, sedangkan dalam petunjuk x1, x2, x3, dan Y dimasukkan dalam kotak variabeL..... kmudian pada intepretasi hasil uji korelasi (terdapat hubungan antara variabel x1 dan x2 dengan y). tolong penjelasannya........!!!!
Balas
seta basri
Rabu, 14 September, 2011
Dalam uji korelasi tidak disediakan kotak "dependent variable." Jadi ketiga variabel yaitu x1, x2, dan y dimasukkan sekaligus. Kita cuma melihat matriks hubungan antar variabel tersebut dalam output SPSS.
Balas
Anonim Selasa, 20 September, 2011 gimana kalo variabel xnya banyak?

Balas
seta basri
Selasa, 27 September, 2011
Menurut pengalaman saya tidak ada masalah jika dengan SPSS. Saya justru membayangkan bagaimana jika variabel x yang banyak itu dihitung secara manual. Wah, berapa lama waktu dibutuhkan ya?
Balas
Anonim Senin, 17 Oktober, 2011 apa beda pake spearman dengan pearson??thx
Balas
seta basri
Selasa, 18 Oktober, 2011
Sepengetahuan saya, Spearman hanya digunakan apabila data yang diukur bertipe Ordinal dan Tidak Berdistribusi Normal. Pearson digunakan apabila data yang diukur minimal bertipe Interval dan Berdistribusi Normal. Terima kasih kembali.
Balas
Balasan Hana Jumat, 22 Juni, 2012 permisi admin,, mo nanya, tulisan di atas blangnya "Robert Ho menyatakan bahwa skala Ordinal pun layak ditimpakan uji korelasi Pearson" trus menurut pnjelasan admin "Pearson digunakan apabila data yang diukur minimal bertipe Interval dan Berdistribusi Normal" jdi yang bener Pearson boleh pake data skala ordinal atw cuman interval? :) terima kasih
seta basri
Jumat, 22 Juni, 2012
Robert Ho memang menyatakan demikian, bahwa data yang diukur dalam skala ordinal boleh saja menggunakan Pearson sebagai uji korelasinya. Alasan Ho, skala likert (alat ukur populer untuk data berskala ordinal) menunjukkan suatu peringkat sikap. Namun, sebagian penulis statistik lain secara ketat memberlakukan skala interval dan normalitas data sebagai prasyarat pemberlakuan Pearson. Namun, ada pula penulis lain yang mencari 'middle way', misalnya Donald P. Schwab. Baginya, data yang diukur menggunakan Likert Scale sekurangnya sudah mendekati skala interval sehingga boleh digunakan Pearson sebagai uji korelasinya. "Pearson digunakan apabila data yang diukur minimal bertipe Interval dan Berdistribusi Normal" merupakan bagian dari prasyarat uji korelasi Pearson. Bahkan, ada pula yang 'mengakali' agar data yang diukur dalam Likert Scale yang ordinal itu berubah menjadi Interval dengan menggunakan Method of Successive Interval (MSI), suatu perhitungan yang cukup kompleks tentunya. Nah, kini terpulang kepada para peneliti yang hendak menggunakan uji korelasi Pearson untuk menentukannya. tentu saja dengan legitimasi teoritisnya masing-masing. Sama-sama. Semoga bermanfaat.
Hana Sabtu, 23 Juni, 2012 ooh gitu.. mo nanya lagi yah admin.. kan penelitianku mengenai hubungan karakteristik masyarakat dengan pemanfaatan puskesmas salah satu karakteristik yang diukur tingkat pendidikan yang dibagi dalam 5 kategori (skala ordinal) trus pemanfaatan puskesmas skala nominal.
7/26
5/25/13

nah klu gitu analisis bivariat cocoknya pake uji apa yah?
seta basri
Sabtu, 23 Juni, 2012
Untuk menguji hubungan Tingkat Pendidikan (sd-smp-sma-pt) dengan Pemanfaatan Puskesmas (ya-tidak) antara ordinal-nominal bisa digunakan C rosstabulation (sangat bermanfaat dalam mendeskripsikan hubungan), C hi Square, ataupun Likelihood Ratio. Semoga bermanfaat.
Hana Sabtu, 23 Juni, 2012 ooh gitu.. makasih admin :D
seta basri
Sama-sama. Semoga bermanfaat. Balas
Lia Rabu, 26 Oktober, 2011 hai admin,, gimana sih melihat bahwa standar deviasi itu baik atau tidak? standar deviasi itu harus dibandingkan dengan apa? terimakasih
Balas
seta basri
Rabu, 26 Oktober, 2011
Standard Deviation (SD) mengukur seberapa baik Mean mewakili data. Semakin kecil SD, semakin data dekat dengan Mean. Semakin besar SD, semakin jauh data dengan Mean. Jika SD = 0 maka seluruh data adalah serupa, sekaligus merupakan kondisi ideal. Silakan klik importance.html link http://setabasri01.blogspot.com/2011/04/analisis-deskriptif-dengan-
khususnya point D.2.4. Semoga bermanfaat.

Balas
Anonim Rabu, 26 Oktober, 2011 hi,.. saya ingin tanya, saya punya 10 v ariabel bebas yang berpotensi mempengaruhi 1 variabel dependent. Hal-hal apa saja yang perlu kuperhatikan supaya saya dapat mengetahui variabel bebas mana saja yang paling baik digunakan untuk menentukan variabel dependent itu? soalnya saya bingung ketika membaca hasil spss (ada std. error, significant at level 0.01, 0.05 apalagi ini? lalu one dgn two tailed? @.@) thx..
Balas
seta basri
Sebaiknya perhatikan Tabel MODEL SUMMARY. Khususnya kolom Std. Error of the Estimate. Kolom ini menjelaskan seberapa kuat variabel-variabel bebas bisa memprediksi variabel terikat. Nilai Std. Error of the Estimate diperbandingkan dengan nilai Std. Deviation (bisa dilihat pada tabel Descriptives). Jika Std. Error of the Estimate < Std. Deviation, maka Std. Error of the Estimate baik untuk dijadikan prediktor dalam menentukan variabel terikat. Jika Std. Error of the Estimate > Std. Deviation, maka Std. Error of the Estimate tidak baik untuk dijadikan prediktor dalam menentukan variabel terikat. Semoga membantu.
Balas
seta basri
Atau, dapat pula dilihat Tabel ANOVA : Lihat kolom Sig. Tabel ANOVA menunjukkan besarnya angka probabilitas atau signifikansi pada perhitungan ANOVA. Nilai yang tertera digunakan untuk uji kelayakan Model Analisis ----dimana sejumlah variabel x mempengaruhi variabel y---- dengan ketentuan angka probabilitas yang baik untuk digunakan sebagai model regresi harus < 0,05. Nilai ini bisa dilihat pada kolom Sig. Jika Sig. < 0,05, maka Model Analisis dianggap layak. Jika
8/26
5/25/13

Sig. > 0,05, maka Model Analisis dianggap tidak layak. Semoga bermanfaat.
Balas
selvy kp Rabu, 21 Desember, 2011 asiarbselvykomala saya mau tanya, kalo mau merubah correlation is significant dari 0,01 menjadi 0,05 itu gimana ya caranya, mohon bantuannya terimakasih
Balas
seta basri
Rabu, 21 Desember, 2011
Sudah default dari SPSS 0.01 dan 0.05. Namun, yang bisa dilakukan adalah: 1. Lihat keterangan Sig. (2-tailed) atau (1-tailed). Jika nilai p value < 0,01 maka SPSS menyatakan hubungan signifikan pada taraf keyakinan 99% (tingkat kesalahan 0,01). Tandanya ** (dua bintang). 2. Lihat keterangan Sig. (2-tailed) atau (1-tailded). Jika nilai p value > 0,01 dan < 0,05 maka SPSS menyatakan hubungan signifikan pada taraf keyakinan 95% (tingkat kesalahan 0,05). Tandanya * (satu bintang). 3. Semoga membantu.
Balas
Amellia Kamis, 22 Desember, 2011 Hi, saya ingin tanya..untuk menilai hubungan antara dua variabel signifikan atau tidak, harus slalu pake spearman tidak ya?klo saya pakai uji t boleh tidak?jadi klo uji t sig nya < 0,05 itu saya anggap ada hubungan yang signifikan..trimakasih..
Balas
seta basri
Kamis, 22 Desember, 2011
Tidak selalu harus Spearman ataupun Pearson. Bergantung distribusi dan jenis data (skala pengukurannya). T-test dalam populasi yang sama juga sering digunakan untuk menguji korelasi (hubungan) dengan penentuan signifikansi yang juga sama.
Balas
Amellia Kamis, 22 Desember, 2011 trimakasi atas jawabannya. saya ingin tanya lagi,yang saya maw uji hubungannya adalah hubungan antara C SR dengan kinerja keuangan. Apakah signifikan atau tidak. C SR saya ukur dengan indeks (kalau perusahaan mengungkapkan C SR dalam annual report nya saya beri 1,klo tidak 0) dan kinerja keuangan saya ukur dengan ROA. Dengan data seperti ini saya bisa pakai uji t, tidak y? thx u so much
Balas
seta basri
Mohon dikoreksi ya: Variabel X adalah C SR. Diukur dengan skala nominal (0= tidak; 1=ya). Variabel Y adalah Kinerja Keuangan diukur dengan ROA. Skala pengukurannya Rasio? Dalam konteks nominal - rasio, dan sehubungan uji t, sebaiknya rumusan masalah bukan mencari KORELASI tetapi MENC ARI BEDA MEAN. Beda Mean dicari dari dua sampel independen: Satu kelompok pakai C SR, satu kelompok lagi tidak pakai C SR. Penelitian nantinya mencari kesimpulan apakah terdapat perbedaan kinerja keuangan antara yang pakai C SR dengan yang tidak pakai C SR.
Balas
selvy kp Kamis, 22 Desember, 2011 terimakasih sangat membantu, tetapi saya ingin bertanya lagi, jika sampel saya sebanyak 76 responden, saya memakai sig one tailed atau sig two tailed?alasannya mengapa?dan yang kedua, saya memakai korelasi person dengan skala liekert, menurut anda apakah sudah tepat skala yang dipakai dengan korelasinya, karna saya melihat balasan komentar anda untuk yang lain, disitu anda mengatakan kalau korelasi person dipakai untuk skala interval, sedangkan dlm skripsi saya sama sekali tak ada skala interval.Dimohon bantuannya terimakasih
Balas
Anonim Jumat, 23 Desember, 2011 maaf mas,kalo signifikan saja tidak,bagaimana saya membaca datanya ya? jadi sig.(2-tailed) 0.053 rata-rata lama sekolah dan partisipasi KB 0.34 mohon pencerahannya mas :) terimakasih
9/26
5/25/13
Balas
Anonim Jumat, 23 Desember, 2011 oiya mas,dengan catatan distribusi datanya jelek sekali jadi untuk rata-rata lama sekolah 7 misalnya, partisipasi kb ada yg 5, 22, 16, 10. gitu mas. blognya sangat membantu sekali :)
Balas
seta basri to: selvy kp
Jumat, 23 Desember, 2011
1. Sig 1-tailed atau 2-tailed digunakan kala kita telah tahu atau tidak tahu arah hubungan antar dua atau lebih variabel. 2. Sig 1-tailed ditentukan kalau kita sudah tahu arah hubungan antara variabel yaitu hubungan positif atau negatif. Jadi kalau 1-tailde kurvanya ada di sebelah kiri saja (negatif) atau kanan saja (positif). 3. Sig 2-tailed ditentukan kalau belum tahu arah hubungan antara variabel. Makanya, kurvanya ada di setengah di kiri dan setengah di kanan. 4. Pearson C orrelation digunakan untuk menganalisis variabel yang diukur dalam skala Interval. 5. Spearman C orrelation digunakan untuk menganalisis variabel yang diukur dalam skala Ordinal. 6. Kalau belum jelas, silakan ya.
Balas
seta basri
to: anonim 23 desember 2011 Mungkin cara membaca hasil pengambilan keputusan hipotesisnya sebagai berikut: "Dalam taraf keyakinan 95% dan uji dua sisi maka dinyatakan bahwa Rata-rata Lama Sekolah berhubungan dengan Partisipasi Belajar sebesar 0,34 (moderat?) dalam mana hubungan keduanya kurang signifikan pada tingkat kesalahan 0,05."
Balas
seta basri
to: anonim 23 desember 2011 Untuk data dengan distribusi 'jelek' (maksudnya mungkin tidak normal) sebaiknya uji statistik yang dipakai adalah Spearman.
Balas
selvy kp Jumat, 23 Desember, 2011 kalo skala liekert itu menurut anda termasuk ke dalam skala ordinal atau interval?
Balas
seta basri
Skala Likert adalah skala yang berusaha mengukur derajat persetujuan atas sikap atau penilaian tertentu. Umumnya skala ini berwujud pernyataan setuju, agak setuju, kurang setuju, tidak setuju. Skala yang demikian dalam sifat pengukurannya adalah Ordinal. Resminya, Skala Likert adalah Ordinal. Namun, juga terdapat sejumlah pendapat yang menyatakan Skala Likert bertipe Interval. Mengapa? Salah satu pendukungnya Jay A. Weinstein (dalam bukunya Applying Social Statistics, terbitan Rowman & Littlefield Publishers, 2010 p. 37-8). Bagi Weinstein, Skala Likert minimal terdiri atas 5 tingkatan (misalnya SS, S, RR, TS, dan STS) agar dapat dikategorikan interval. Syaratnya adalah harus KONSISTEN pengukuran variabel X dan Y nya. Maksudnya jika variabel X pilihan 1=SS, 2=S, 3=RR, 4=TS, 5=STS maka pada variabel Y pilihannya harus sama yaitu 1=SS, 2=S, 3=RR, 4=TS, 5=STS. Jawaban saya, Skala Likert datanya bertipe Ordinal. Namun, pada sejumlah kondisi ia dapat saja disikapi sebagai Interval.
Balas
selvy kp Jumat, 23 Desember, 2011 terimakasih, tapi saya masih bingung, dimohon bantuannya kembali 1. apakah bisa diberi contoh data berdistribusi normal dan tidak berdistribusi normal itu seperti apa?karena saya belum tau perbedaannya 2. skala liekert bisa juga dikatakan skala interval dengan syarat harus konsisten, saya mengambil kesimpulan seperti ini mohon dikoreksi jika salah, kalo seumpama variabel X
10/26
5/25/13

tingkat penilaian dari 5-1, berarti variabel Y juga 5-1?apakah seperti ini mksdnya?(mohon dikoreksi) 3. selain menentukan arah posisi kurva, apakah jumlah responden berpengaruh terhadap penentuan sign one tailed atau two tailed (jumlah responden saya 76) terimakasih yang sebanyak2nya
Balas
seta basri
1. C ontoh Kurva normal saya cantumkan di tulisan atas, setelah bagian Daftar Pustaka, untuk uji dua sisi. Mean adalah rata-rata jawaban responden penelitian (misalnya 2,7 atau 3,8). C antumkan itu di mean pada kurva di atas. Standar Deviasi (SD) adalah simpangan baku (kalau dengan SPSS sudah langsung dapat dicari). Ke kanan mean ada 3 titik dari kiri ke kanan isikan (mean + SD), (mean + SD + SD), dan (mean + SD + SD + SD). Mean dan kekiri ada 3 titik juga isikan (mean - SD), (mean - SD - SD), dan (mean - SD - SD - SD). Suatu kurva normal 68% data observasi (data sesungguhnya dari responden) ada di antara (mean - SD) hingga (mean + SD). Juga, 95% data observasi ada di antara (mean - SD - SD) hingga (mean + SD + SD). Juga, 99,7% data observasi ada di antara (mean - SD - SD - SD) hingga (mean + SD + SD + SD). C ara di atas secara visual (common sense) tanpa uji-uji statistik. Kalau hendak pakai uji statistik dapat digunakan Uji Kolmogorov-Smirnov. 2. Benar, begitu juga bisa yang penting ada konsistensi. 3. Yang menentukan pakai 1-tailed atau 2-tailed bukan jumlah responden melainkan teori. Jika teori menyatakan "variabel x berhubungan secara positif dengan variabel y" maka uji yang dilakukan adalah 1-tailed. Jika teori menyatakan "variabel x berhubungan dengan variabel y secara negatif" maka uji yang dilakukan 1-tailed. Jika teori hanya menyatakan "variabel x berhubungan dengan variabel y" maka uji yang dilakukan 2-tailed. Sama-sama. Semoga bermanfaat.
Balas
selvy kp Sabtu, 24 Desember, 2011 3. Yang menentukan pakai 1-tailed atau 2-tailed bukan jumlah responden melainkan teori. Jika teori menyatakan "variabel x berhubungan secara positif dengan variabel y" maka uji yang dilakukan adalah 1-tailed. Jika teori menyatakan "variabel x berhubungan dengan variabel y secara negatif" maka uji yang dilakukan 1-tailed. Jika teori hanya menyatakan "variabel x berhubungan dengan variabel y" maka uji yang dilakukan 2-tailed. Bisa tau referensi teori yang dimaksud?
Balas
Anonim Sabtu, 24 Desember, 2011 tanya ya... untuk mengetahui peran A terhadap B dengan jumlah sampel 25 menggunakan uji apa ya? mksh
Balas
seta basri to: selvi kp
Sabtu, 24 Desember, 2011
Dalam bagian Kerangka Teori biasanya dijelaskan "hubungan antar konsep" atau "hubungan variabel x dengan variabel y" yang kita teliti. Pernyataan tersebut bisa berasal dari para ahli atau penelitian-penelitian sebelumnya dalam masalah yang sama.
Balas
seta basri to: Anonim
Sabtu, 24 Desember, 2011
A diukur dalam Skala apa? B diukur dalam Skala apa?

Balas
selvy kp Minggu, 25 Desember, 2011 lalu hubungan secara positif atau negatif itu maksudnya memiliki nilai hubungan dari +1 hingga -1 bukan? lalu yang kedua, ternyata data saya berdistribusi normal, memakai skala ordinal, tetapi antara variabel x dan y pengukurannya konsisten..menurut anda saya lebih baik menggunakan spearman atau person product moment?
Balas
selvy kp Minggu, 25 Desember, 2011
11/26
5/25/13

Robert Ho menyatakan bahwa skala Ordinal pun layak ditimpakan uji korelasi Pearson, bisa minta referensi bahan bacaannya?terimksh
Balas
seta basri
Senin, 26 Desember, 2011
Ya, Ho dan Schwab kiranya menjadi dasar digunakannya Pearson bagi skala Ordinal. Data yang distribusinya normal, boleh menggunakan Pearson. Hubungan positif adalah (+) hubungan negatif adalah (-). Hubungan positif dan negatif harus punya justifikasi teori. Kalau tidak pasti arah hubugannya, gunakan uji 2 sisi. Bahan bacaan sudah saya muat di bagian daftar pustaka. Sama-sama. Semoga bermanfaat.
Balas
selvy kp Selasa, 27 Desember, 2011 terimakasih admin, blog ini sebagai referensi dalam penulisan skripsi saya. Sangat membantu
Balas
seta basri
Selasa, 27 Desember, 2011
Sama-sama. Semoga bermanfaat.

Balas
Amellia Rabu, 28 Desember, 2011 makasi mas seta buat rekomendasinya:D..nanti cb saya pikirkan lagi ya..mas maw tnya lagi,klo buat uji durbin watson kan kt musti taw jumlah k nya..itu ngitungnya gmn ya mas?variabel apa aj yang diitung?var independen ama dependen?klo ad moderasi nya gmn ya?diitung juga ya mas?makasi
Balas
seta basri
Nilai k untuk Durbin Watson adalah jumlah variabel bebas (variabel independen), biasanya dinamakan variabel x. Jadi yang dihitung variabel-variabel x nya saja. Durbin Watson digunakan apakah variabel-variabel bebas residunya mengalami otokorelasi satu sama lain. Variabel moderasi juga merupakan pemberi pengaruh. Sama-sama. Semoga bermanfaat.
Balas
oki putra Senin, 09 Januari, 2012 kulonuwun , saya mau tanya kalo hasil dari perhitungan korelasi pearson melebihi atau diatas 0,5 gimana ? ada yang bilang harus dibawah 0,5 ? trus kalo saya ganti spearman ? padahal hasil semua normal dan linier , help me please . . .
Balas
seta basri
Senin, 09 Januari, 2012
Maksud dari 0,5 ini alpha penelitian atau nilai korelasi? Atau, maksudnya mungkin 0,05 (untuk alpha penelitian). Kalau alpha penelitian melebihi atau di atas 0,5 artinya hasil perhitungan korelasi tidak signifikan. Umumnya, alpha penelitian untuk ilmu sosial menggunakan alpha 0,05. Jika nilai > 0,05 maka hasil penelitian tidak signifikan, berapapun hasil kekuatan hubungan korelasinya. Pengalaman saya, hasil perhitungan Pearson dan Spearman tidak terlampau jauh berbeda (tidak signifikan perbedaannya). Silakan dicoba.
Balas
budi Senin, 16 Januari, 2012 bang basri yang baik, mohon penjelasan : bila menggunakan sampling jenuh, tipe data interval, utk hipotesa asosiatif, 5 var bebas 1 var terikat, dgn pearson, kemudian dibuat regresi, bagaimana menguji hipotesis ha atau ho diterima/tolak?. yg sy baca pada sampling jenuh tidak ada uji signifikansi, apa perlu uji parsial dan uji F?, trus kalo di spearman apa bisa dibuat regresi? trima ksh bantuannya
Balas
seta basri
Rabu, 18 Januari, 2012
Umumnya penyusunan hipotesis menggunakan teori. Dari teori diketahui kaitan antar variabel apakah sifatnya korelatif atau regresif. H0 umumnya menyatakan kondisi yang hendak ditolak, H1 untuk yang hendak diterima. Walau menggunakan sampling jenuh, tetap dalam uji statistik tidak ada yang mutlak. Ada potensi error. Sebab itu sebaiknya tetap digunakan signifikansi. Uji parsial atau F tergantung hipotesis. Spearman digunakan untuk uji korelatif dengan data
12/26
5/25/13

berdistribusi tidak normal, regresi untuk data distribusi normal. Regresi untuk uji regresif (pengauh), dan juga ada sejumlah asumsi yang harus dipenuhi sebelum diselenggarakan. Saran saya kembali ke teori, susun hipotesis, tentukan skala data (apa nominal s/d rasio), baru tentukan uji hipotesisnya.
Balas
sigit pradana Minggu, 29 Januari, 2012 apakah hasil perhitungan manual kita dengan hasil perhitungan spss harus sama?
Balas
nindyamirfa Rabu, 08 Februari, 2012 penelitian korelasi kalo datanya tidak normal kan nonparametrik ya sehingga menggunakan spearman-rho ya..tapi klo sudah tw ada arah hubungan&datanya tidak normal itu pake teknik analisis apa ya..mksdnya data tidak normal dan menggunakan one tailed itu teknik korelasinya apa ya?
Balas
seta basri
Jumat, 10 Februari, 2012
Sebaiknya demikian. Perhitungan manual dilakukan dan pengecekan dengan SPSS dilakukan itu lebih baik. Namun, potensi human ataupun machine error tetap ada.
Balas
MASEKO Rabu, 22 Februari, 2012 trim, setelah baca semua komentar, jadi sedikit ngerti, tapi bingungnya masih banyak ha..ha..( lagi ngerjakan skripsi).
Balas
seta basri
Kamis, 01 Maret, 2012
Sama-sama. Semoga skripsinya tuntas.

Balas
Anonim Sabtu, 03 Maret, 2012 tolong bantu saya dalam mengerjakan skripsi saya terutama dalam perhitungannya, yang salah satunya adalah menggunakan perhitungan uji korelasi dan regresi.
Balas
seta basri Silakan.

Balas
Sabtu, 03 Maret, 2012
seta basri
Kamis, 08 Maret, 2012
@ nindyamirfa : Maaf baru jawab. Kalau demikian gunakan pula Spearman jika datanya berskala ordinal dan tidak normal. C eklis pilihan One-Tailed saat penentuannya di SPSS.
Balas
edy rasyi Minggu, 18 Maret, 2012 maaf mau tanya untuk mengetahui respon mahasiswa trhdap sbuah program lebih baik mnggunakan rumus apa?? minta info mengenai rumus bobot rating terimakasih
Balas
seta basri
Minggu, 18 Maret, 2012
Untuk respon, mungkin bisa dicoba menggunakan Skala Guttman mengenai jarak sikap atas suatu konsep tertentu.
Balas
Balasan edy rasyi Senin, 16 April, 2012 saya sudah baca mengenai skala guttman, untuk menganalisa saya lebih baik menggunakan rumus apa, saya masih bingung. terimakasih sebelumnya
13/26
5/25/13
edy rasyi Senin, 16 April, 2012

saat ini saya menggunakan skala likert untuk angket saya
seta basri
Senin, 16 April, 2012
Pak Edi, kalau boleh tahu judul penelitiannya apa? Dari sana mungkin dapat dipecahkan skala apa yang digunakan (nominal, ordinal, interval, rasio). Juga, uji statistik yang tepat untuk digunakan.
edy rasyi Rabu, 18 April, 2012 respon mahasiswa UIN jurusan komunikasi terhadap program belajar islam MNC Muslim, itu judulnya pak. pada angket saya menggunakan skala likert atau ordinal pak menurut bpk saya lebih baik menggunakan product moment bagaimana atau standarisasi??? terimaksih atas bantuannya
seta basri
Rabu, 18 April, 2012
Pak Edy, ini cuma saran saya. Sebaiknya Bapak lakukan saja penelitian Deskriptif. Tujuannya melihat respon mahasiswa .... terhadap program ... Tidak perlu menggunakan statistik inferensial seperti Pearson, Spearman, dan sejenisnya. Skala pengukuran Bapak kemungkinan Ordinal, dan yang paling populer Skala Likert. Namun, gunakan saja peringkatan genap misalnya dua (setuju - tidak setuju), empat (ss-s-ts-sts), atau enam (ss-s-cs-ts-cts-sts). Tentu saja, sikap yang masuk kategori "setuju" adalah positif dan sebaliknya, respon yang masuk kategori tidak setuju adalah negatif. Balas
Suhermi Widiastuti Kamis, 22 Maret, 2012 tambah banyak ilmu, tapi tambah banyak bingung.....
Balas
Suhermi Widiastuti Kamis, 22 Maret, 2012 tambah banyak ilmu, tapi tambah banyak bingung.....
Balas
seta basri
Jumat, 23 Maret, 2012
Bingung adalah awal penelitian. Selamat meneliti.

Balas
Genteng jatiwangi Sabtu, 24 Maret, 2012 ikut copas gan...

Balas
Balasan seta basri Senin, 16 April, 2012
Silakan. Semoga bermanfaat. Balas
Anonim Jumat, 18 Mei, 2012 pak.. uji spearman bagaimana cara membaca data kita berhubungan apa tidak? bagian yang mana yang di bandingkan dengan 0,05? (bener ya 0,05?) makasih pak...
Balas
Balasan seta basri Jumat, 18 Mei, 2012
Bagian Sig. (2-tailed) pada output SPSS. Jika < 0,05 maka berhubungan. Jika >= 0,05 maka tidak. Sama-sama. Balas
Anonim Kamis, 31 Mei, 2012 pak..cara standarized it gmn ya?saat bobot skala dalam satu dimensi itu tdak sama, namun
14/26
5/25/13
mau d satukan pas korelasi
Balas
Balasan seta basri Kamis, 31 Mei, 2012
Bisa dijelaskan terlebih dahulu skala yang dimaksud: Apakah dalam pengertian nominal, ordinal, interval rasio ataukah skala ukur (kg, km, m, dlsb)? Balas
Anonim Jumat, 08 Juni, 2012 q mau tax mas.. saya sedang mencari hubungan antara konsep diri dengan depresi,saya analisisx pake spearman,apakh udah betul?konsep diirix pake skala likert,trus depresix adopsi dr teori tokoh yg respon jawabanx berupa memilih pernyataan dan diberi skor 0-3.. terimksh
Balas
Balasan seta basri Jumat, 08 Juni, 2012
Hal yang patut diperhatikan adalah 'konsistensi.' Artinya, jika variabel Konsep Diri diukur (dalam skala ordinal) dengan skala Likert, demikian pula Depresi diukur secara sama. Jika Depresi memilih pernyataan yang setiap penyataannya diberi skor 0 - 3 maka Konsep Diri pun harus menggunakan ukuran skor yang sama (0 - 3) dalam menilai pernyataan (dalam kuesioner). Balas
Anonim Jumat, 15 Juni, 2012 mas, mau tanya.. Skripsi saya berjudul "ANALISIS FAKTOR YANG MEMENGARUHI MENGAMBIL KREDIT KPR BTN", menggunakan 80 Responden, Skala Interval, 17 variabel manifest ( 14 var. bebas & 3 var terikat) metode analisis: analisis faktor dan regresi linier berganda. PERILAKU KONSUMEN
untuk Normalitas data, uji apa yg harus saya gunakan? pearson atau chi kuadrat?
Balas
Untuk yang regresi, uji normalitas sebaiknya gunakan Kolmogorov-Smirnov karena sampel > 30. Data mengalami normalitas residu jika sig. hitung SPSS > sig. penelitian. Balas
Anonim Minggu, 17 Juni, 2012 Halo pak, saya mau bertanya. Untuk penelitian saya menggunakan 3 variabel : x1,x2 dan y yang diukur dgn skala likert. x1 menyebabkan x2 dan x2 menyebabkan y. Saya menggunakan Korelasi Pearson untuk mengukur korelasi ke3 variabel tersebut. apakah benar? Hasilnya ternyata x1 berhubungan signifikan dan positif dengan y, apa saya bs mengatakan bahwa secara kesimpulan x1 menyebabkan y? Terimakasih.
Balas
Balasan seta basri Senin, 18 Juni, 2012
Jika hubungan antar variabel korelasi Pearson memang bisa digunakan. Namun, jika sekilas membaca : X1 --> X2 --> Y mirip analisis jalur (path analysis). Dalam uji korelasi yang dikaji bukan "pengaruh" melainkan sekadar "hubungan" karena uji korelasi tidak berupaya memprediksi varians data yang diobservasi menggunakan serangkaian variabel prediktor layaknya regresi. Sebab itu (menurut saya) kurang tepat jika dikatakan karena X1 berhubungan signifikan dan positif dengan Y maka X1 menyebabkan Y. Pernyataan yang (mungkin) lebih tepat adalah terdapat hubungan signifikan antara X1 dengan Y. Sama-sama. Semoga bermanfaat.
Anonim Senin, 18 Juni, 2012 Maaf pak,saya mau bertanya lagi. Apa yang membedakan analisa regresi linier dgn path analysis? Stlh saya baca2, apakah saya bisa ttp bs menggunakan korelasi pearson dan regresi linier dalam hal ini? atau hrs diganti? Terimakasih banyak Pak.
15/26
5/25/13
seta basri Senin, 18 Juni, 2012
Kalau yang hendak diselidiki adalah apakah X1 dan X2 berhubungan dengan Y, maka dapat digunakan korelasi Pearson sebagai uji statistiknya. Kalau yang hendak diselidiki adalah apakah X1 dan X2 mempengaruhi Y maka dapat digunakan regresi linier berganda sebagai uji statistiknya. Kalau yang hendak diselidiki adalah apakah X1 mempengaruhi X2 mempengaruhi Y maka dapat digunakan path analysis sebagai uji statistiknya. Penggunaan uji statistik tiada lain ditentukan oleh rumusan masalah yang dikemukakan dalam penelitian serta skala data yang digunakan. Sama-sama. Semoga bermanfaat.
Anonim Selasa, 19 Juni, 2012 Terimakasih banyak pak atas bantuannya
seta basri
Anonim Minggu, 24 Juni, 2012 mau numpang konsul. Data korelasi pearson saya r=0,1;p=0,6 berarti korelasi sangat lemah namun tidak signifikans.Kemungkinan penyebab2 tidak signifikans kalau dari statistik apa? Ada yg menyarankan analisa dengan menggunakan titik potong dengan rerata. apa memang ada cara itu? terimakasih
Balas
Balasan seta basri Minggu, 24 Juni, 2012
Kalau nilai r mungkin masuk ke dalam kategori korelasi lemah. Nilai p = 0,6 (jika alpha penelitian yang digunakan 0,05) tentu tidak signifikan. Penyebabnya bisa beragam, tentunya. Pertama-tama jumlah sampel (untuk jumlah sampel, perkiraannya dapat dilihat di sini: http://setabasri01.blogspot.com/2012/04/caramenentukan-sampel-penelitian.html). Kedua, apakah uji-uji validitas dan reliabilitas item sudah dilangsungkan. Ketiga, apakah uji-uji asumsi korelasi telah diselenggarakan sebelumnya. Nah, jika hal-hal tersebut telah terpenuhi tetapi hasil uji korelasi tetap r = 0,1 dan p = 0,6 maka itulah hasil penelitian. Simpulannya seperti yang Anda sematkan di atas. Demikian, semoga bermanfaat. Balas
ardhi Kamis, 28 Juni, 2012 numpang pertanyaan yang sangat awam. maksud tidak signifikans itu bagaimana? mungkin dalam bahasa sederhana.berdasar contoh diatas (korelasi pearson saya r=0,1;p=0,6 berarti korelasi sangat lemah dan tidak sig nifikan....dst). apakah penelitian "gagal" atau bagaimana? walaupun dia memiliki korelasi yang lemah. terimakasih atas jawabannya
Balas
Tidak signifikan maknanya Hipotesis Nol (H0) tidak dapat ditolak. Ini akibat mean (nilai rata-rata) sampel (yang diperoleh dari proses penelitian) jatuh di luar mean populasi. H0 ditolak apabila mean sampel jatuh di dalam mean populasi. Sesungguhnya, dalam ilmu sosial, tidak harus nilai signifikansi adalah melulu 0,05. Ada pula penelitian yang menggunakan nilai signifikansi 0,10. Dalam contoh anda, nilai r=0,1 dan p=0,6 bermakna H0 tidak dapat ditolak (sehingga dinyatakan berlaku). Namun, keberlakuan H0 tersebut tidaklah absolut karena ternyata terdapat pula hubungan yaitu 0,1 kendatipun sifatnya lemah sekali. Apakah penelitian gagal? Tidak bermakna demikian. Ingat, variabel dan indikator penelitian anda dikonstruk dari teori. Teori adanya sebuah pernyataan yang menyatakan terdapatnya hubungan diantara dua atau lebih variabel dan telah dibuktikan kebenarannya. Namun, teori (utamanya di dunia sosial) tidaklah "abadi." Dalam filsafat ilmu pengetahuan adalah proses verifikasi (penyempurnaan) bahkan falsifikasi (pembatalan) teori. Verifikasi dan falsifikasi ini dilakukan lewat proses penelitian yang anda lakukan. Bisa saja teori yang anda gunakan menyatakan memang terdapat hubungan antara x dan y. Namun, patut diingat para pembuat teori (utamanya orang Barat) melakukannya lewat serangkaian penelitian. Penelitian mereka juga umumnya menggunakan sampel. Dapat saja teori mereka memang relevan untuk kasus sampel mereka, sementara dalam kasus anda (karena sampel yang digunakan berbeda, paradigma orang timur dan barat berbeda misalnya dalam soal menyebut orang tua dengan "you" atau kamu yang di masyarakat Indonesia dinilai tidak sopan untuk menyebutnya demikian) teori mereka mungkin relevan dengan sejumlah "catatan." Jika konstruk anda sudah logis, instrumen penelitian anda valid dan reliabel, rangkaian asumsi uji korelasi dijalankan, tetapi hasil penelitian anda menunjukkan r=0,1 dan p=0,6 maka penelitian anda dinyatakan berhasil.
16/26
5/25/13
ardhi Jumat, 29 Juni, 2012
wah terimakasih banyak, penjelasannya sangat mencerahkan. maturnuwun
seta basri Sama-sama. Balas
Jumat, 29 Juni, 2012
ardhi Jumat, 29 Juni, 2012 melanjutkan lagi. Apakah sama arti "tidak bermakna secara statistik" dengan "tidak signifikan"? terimakasih.maaf merepotkan
Balas
Bagi saya (pribadi) setiap angka dalam uji statistik memiliki makna karena angkalah petunjuk utama dalam membaca gejala penelitian. Tidak signifikan-nya suatu uji statistik bukan berarti hasilnya tidak memiliki makna secara statistik. Misalnya, suatu uji statistik memperlihatkan nilai > 0,05 maka disebutlah ia "tidak signifikan." Apa sesungguhnya makna tidak signifikan ini? Maknanya adalah H1 (hipotesis alternatif) kita tolak dan kita "terpaksa" menerima H0. Namun, itu bukan berarti H0 adalah "benar." Mengapa? H0 adanya suatu hipotesis yang menyatakan tidak ada dampak atas populasi. Hampir seluruh uji statistik (kendati tidak signifikan) memperlihatkan tiadanya efek yang bernilai 0 pas ini. Hasil uji statistik yang tidak signifikan tidak bisa ditafsirkan sebagai sama sekali "tidak ada perbedaan antar mean (rata-rata)" ataupun sama sekali "tidak ada hubungan antar variabel." Semua akibat tidak ada nilai 0 yang benar-benar absolut itu. Balas
Joni Kamis, 12 Juli, 2012 pak, saya mau analisa korelasi, data saya berdistribusi normal, tapi tidak liniear pak.. lalu bagaimana ya?
Balas
Balasan seta basri Kamis, 19 Juli, 2012
Anda dapat mencoba korelasi Spearman rho. Namun, skala ukur Anda turun menjadi Ordinal. Balas
jun Senin, 23 Juli, 2012 mas,,data hasil tes saya kan berbeda,,ad yg berupa kg,waktu n angka,,ap bisa langsung mengolah datanya memakai SPSS?? serta apa aja langkah2 mengolah data tersebuT?? tentang korelasi ganda mas,, terima kasih!!!
Balas
Balasan seta basri Rabu, 01 Agustus, 2012
Hal yang dilihat adalah value-nya. Justru dalam ukuran-ukuran tersebut skala data adalah rasio. Jadi silakan saja langsung mengolah datanya. Mengenai langkahlangkah, silakan lihat di artikel bagian atas. Sama-sama. Semoga bermanfaat. Balas
vita Rabu, 25 Juli, 2012 mas, mw tny, syarat korelasi parsial itu apa? bs utk data kategorik? ini saya jg br skripsi jg..penelitian saya hubungn stunting (ordinal)dng motorik (ordinal)..itu ujiny pkai apa y? spearman/somersd/chi square? mhn,infony,mkasih
17/26
5/25/13
Balas
Umumnya, partial correlation menghadirkan suatu hubungan "triangle". Partial correlation adalah hubungan antara dua variabel dalam mana dalam hubungan tersebut dampak (efek) dari variabel-variabel lainnya disifati sebagai konstan. Misalnya, kita hendak menghubungkan antara Stunting dengan Motorik (dua variabel). Namun, terdapat variabel ketiga yaitu Model Pembelajaran, di mana variabel Model Pembelajaran ini berhubungan baik dengan Stunting maupun Motorik. Singkatnya, partial correlation melibatkan 3 variabel: Dua variabel yang hendak dikaji hubungannya, 1 variabel sebagai "controlling." Dalam SPSS, partial correlation ini dapat dilihat dalam Analyze > C orrelation > Partial. Stunting dan Motorik dimasukkan ke dalam Variables, sementara Model Pembelajaran masukkan ke C ontrolling For:. Untuk yang berskala Ordinal, sebaiknya gunakan saja Spearman. Pearson kiranya kurang tepat bagi data yang sifatnya kategorik. Sama-sama. Semoga bermanfaat. Balas
shafira nabila Jumat, 27 Juli, 2012 Mau tanya, kalo hasil uji linieritas tidak linier, distribusi normal, data interval. Untuk uji hubungan dengan menggunakan model analisis apa ya? Trims
Balas
Jika memang datanya non linier, kamu bisa gunakan Spearman rho. Skala diturunkan dari interval menjadi ordinal. Sama-sama. Semoga bermanfaat. Balas
Anonim Selasa, 31 Juli, 2012 tolong tanya. saya punya data variabel A rata-rata gula darah dalam angka misalnya 324 mg% dst, variable B adalah protein urine dalam positif-1, positif-2 sampai positif-4. saya ingin uji apakah ada korelasi antara kedua variabel. cara ujinya bagaimana. trima kasih
Balas
Gunakan saja Pearson. Skala data kamu kiranya rasio. Sama-sama. Semoga bermanfaat. Balas
Anonim Senin, 06 Agustus, 2012 lingkar pinggang kategorinya ordinal ya? terus kalau pakai spermen kelemahannya apa
Balas
Balasan Anonim Senin, 06 Agustus, 2012 terima kasih
seta basri Sama-sama.
Senin, 06 Agustus, 2012
seta basri
Senin, 06 Agustus, 2012
Lingkar pinggang sekurangnya berskala interval. Kelemahan Spearman adalah, data diasumsikan tidak normal sehingga akurasi pengukurannya ada di bawah Pearson correlation yang minimal berskala interval. Balas
Anonim Jumat, 17 Agustus, 2012 sorry bukannya sotoy,, mw ralat dikit tentang analis spearman,, datas bilang tinggal asal klik doank tanpa di ranking, itu salah,lalu ada pnjelasan tentang pake chi square,, bagaimana jika
18/26
5/25/13

arahnya one tail,chi square pnya syrat, silahkan baca buku statistik GRAVERTER WALLNAU,,d situ dijelaskan smua baik manual maupun spss
Balas
Balasan seta basri Jumat, 17 Agustus, 2012
Terima kasih. Anda memang benar. Dengan demikian kekeliruan sekaligus diperbaiki. Dalam Spearman terlebih dahulu diranking dan ini terutama dalam pengujian secara manual penting dilakukan. Baru setelah itu (dalam cara manual) digunakan rumus Pearson untuk menghitung korelasinya. Jika arah hubungan sudah diprediksi dalam hipotesis, pilih 1-tailed. Kalau belum, pilih 2-tailed. Yang menarik, dalam SPSS perhitungan Spearman dengan rankin maupun tidak hasilnya sepertinya mirip. Balas
predana Rabu, 05 September, 2012 Bapak saya mw bertanya, teknik penghitungan sampel saya kan menggunakan pendekatan slovin dengan kesalahan pengambilan sampel 0,1 . Dan ketika saya mencari validitas apakah harus mengikuti 0,1 atau tidak? yang saya pernah dengar kalau SPSS default nya 5%(0,05, apa bisa dirubah 5% nya itu? Terima kasih
Balas
Balasan seta basri Jumat, 21 September, 2012
Tentu saja mengikuti yang 0,1 itu. Anda dapat melihat perbandingannya ditabel statistik versi manual. Jika SPSS maka defaultnya memang 0,5. Sama-sama. Semoga bermanfaat. Balas
Jane Utari Rabu, 26 September, 2012 Pak Besral, saya mau bertanya. Apabila hasil penelitian saya dengan tingkat kepercayaan 95%, namun sig. levelnya 0,007. Artinya hubungan antar kedua variabel tidak signifikan. Apakah itu artinya buruk? atau variabel x itu tidak bisa saya gunakan untuk mengukur variabel Y? Mohon bantuannya ya pak. Terimakasih sebelumnya
Balas
Balasan seta basri Selasa, 09 Oktober, 2012
Mohon konfirmasi: Apakah 0,007 tersebut merupakan sig. level hasil hitung ataukah Nilai r hasil hitung? Apabila nilai tersebut adalah sig. level hasil hitung maka justru sebaliknya: Hasil uji statistik adalah Signifikan. Mengapa? Penelitian dengan tingkat kepercayaan 95% maka sig. level penelitiannya adalah 0,05. Ternyata, penelitian Anda sig. level hitungnya 0,007. Nilai 0,007 < 0,05, dan maknanya, penelitian Anda signifikan karena sig. hitung < sig. penelitian. Nah, untuk kuat-lemahnya hubungan dilihat dari nilai r hitung. Semakin mendekati 1 (atau -1) maka hubungan sempurna. Makin mendekati 0 maka ketiadaan hubungan. Bisa tidaknya variabel x dihubungkan dengan variabel y pada penelitian kuantitatif lebih disandarkan pada teori ataupun penelitian-penelitian terdahulu di bidang yang serupa. Sama-sama. Semoga bermanfaat. Balas
Anonim Rabu, 31 Oktober, 2012 Saya sedang melakukan penelitian tentang hubungan kompetensi terhadap hasil belajar. Saya menggunakan skala likert untuk kompetensinya dan sudah memberi beri skor dan hasilnya saya jadikan frekuensi (dalam %) yang kemudian di kriteria (baik, cukup, kurang). Bila data tsb saya korelasi dengan hasil belajar, kira2 analisis mana yang tepat Pak? jika dilihat data kompetensi adalah ordinal dan data hasil belajar adalah interval.terima kasih mohon bantuannya
Balas
Balasan seta basri Rabu, 31 Oktober, 2012
Jika Anda melakukan mengkriteriakan Kompetensi, maka skala data turun menjadi data kategorik (ordinal). Penentuan uji korelasi didasarkan pada skala terendah. Antara interval dan ordinal, ordinal lebih rendah, jadi Spearman lebih cocok. Namun, ada hal menarik menurut paparan Anda. Mengapa nilai persen harus dikriteria ke dalam B, C , K ? Apakah tidak lebih baik nilai persen tersebut tetap digunakan? Jika demikian maka Pearson C orrelation tetap dapat digunakan. Namun, selain skala data, Pearson juga mempersyaratkan normalitas data. Sama-sama. Semoga bermanfaat.
19/26
5/25/13
Balas
Anonim Rabu, 31 Oktober, 2012 Data saya termasuk nonparametrik

Balas
Balasan seta basri Rabu, 31 Oktober, 2012
Untuk korelasi nonparametrik, dapat digunakan Spearman test ataupun Kendall-tau test. Balas
Anonim Minggu, 11 November, 2012 Menanggapi jawaban Bapak mengenai pertanyaan saya diatas, data persentase tersebut saya kategorikan karena selain menggunakan analisis korelasi, saya juga menggunakan analisis deskripsi pada permasalahan skripsi saya. Saya sudah mencoba analisis korelasi dengan menggunakan persentase seperti yang Bapak sarankan, tetapi yang membuat saya bingung adalah bila data angket saya tsb termasuk tidak berdistribusi normal (nonparametrik)bagaimana dengan analisisnya? lalu jika data intervalnya diturunkan menjadi ordinal, bagaimana dengan hasil belajarnya yang berupa nilai/angka? Sekali lagi terima kasih Pak, jawaban Bapak di atas sangat bermanfaat bagi saya..
Balas
Balasan seta basri Senin, 12 November, 2012
Data asli Anda adalah interval (untuk X) dan rasio (untuk Y). Dengan kedua data ini, Anda bisa melakukan uji Pearson. Untuk uji Pearson, salah satu prasyarat (asumsi) adalah normalitas data. Terlebih dahulu ujilah normalitas datanya. Jika data berdistribusi normal, lakukan uji korelasi Pearson. Analisis deskriptif dapat dilakukan sekaligus. Buat saja satu variabel baru (di sheet Variable View pada SPSS, beri nama misalnya "Kategori"), isi valuenya 0% s/d ...% = Rendah, ...% s/d ...% = Sedang, dst. Anda dapat mendeskripsikan Y berdasarkan variabel "Kategori" tadi. Namun, jika setelah uji normalitas ternyata data Anda tidak normal, silakan gunakan Spearman. Tentu saja, Anda juga tetap bisa melakukan analisis deskriptif. Hasil belajar yang berupa nilai/angka tidak masalah. Penentuan uji didasarkan pada skala data terendah sebagai patokannya. Jadi karena variabel Anda (X dan Y) adalah Ordinal dan Rasio, sementara Ordinal yang terendah, maka Spearman yang digunakan. Sama-sama. Alhamdulillah jika bermanfaat. Balas
Anonim Senin, 12 November, 2012 Bapak.. terima kasih banyak atas bantuannya..sekarang sudah ada pencerahan thd analisis skripsi saya..
Balas
Sama-sama. Sukses ya. Balas
Anonim Senin, 12 November, 2012 Pak Seta basri, saya ingin tanya apakah di setiap spss ada menu utk mengubah taraf signifikai? karena oleh dosen diminta utk menggunakan signifikansi 0,05 tapi di spss 17 saya ternyata memakai 0,01..terima kasih
Balas
Sig. 0,01 justru lebih teliti ketimbang 0,05. Jadi, jika SPSS mencantumkan hasil seperti .880** (bintang) yang diterakan di bawah tabel dengan kalimat **. C orrelation is significant at the 0.01 level (2-tailed), maka justru lebih teliti ketimbang 0,05. Masalahnya, SPSS secara default sudah menggunakan sig. 0,05. Jika probabilitas lebih tinggi (misalnya 0,01) maka SPSS akan menyebutkan dengan tanda bintang tersebut. Namun, jika Anda hendak menghilangkan tanda bintang, bisa saja. C aranya, klik
20/26
5/25/13

Analyze > C orrelate > Bivariate. Hilangkan ceklis pada Flag significant correlations. Nanti tanda tersebut pun akan hilang di output. Sama-sama. Semoga bermanfaat. Balas
kadek Rabu, 05 Desember, 2012 terimakasih materinya sangat membantu

Balas
Balasan seta basri Rabu, 19 Desember, 2012
Anggun Rabu, 12 Desember, 2012 Malam Bapak Seta Basri, saya mau bertanya. Untuk penelitian saya menggunakan 3 variabel hubungan x1, x2 dan y: x1 skala guttman ,x2 skala likert dan y skala likert. x1 menyebabkan y dan x2 menyebabkan y. Utk x1 dan x2 data berdistribusi tidak normal, tapi y berdistribusi normal dan keseluruhan x1 x2 y itu linier. Jika, saya menggunakan Korelasi Pearson untuk mengukur korelasi ke3 variabel tersebut. apakah benar? Terimakasih.
Balas
Balasan seta basri Rabu, 19 Desember, 2012
Selamat malam. Secara prosedural, uji korelasi tidak diperuntukkan untuk menentukan pengaruh, karena uji korelasi tidak bertujuan membangun persamaan regresi. X1 tidak berdistribusi normal, X2 tidak berdistribusi normal, Y berdistribusi normal. Dengan asumsi seperti ini, ada baiknya prosedur uji korelasi menggunakan Spearman. Kendati demikian, nilai hasil uji Spearman dan Pearson tidak terpaut jauh secara ekstrim. Terima kasih kembali. Semoga bermanfaat. Balas
Anonim Rabu, 09 Januari, 2013 Maaf saya ingin bertanya 1. untuk melihat sebaran distribusinya normal jika data kurangdari sama dengan 50 yg digunakan shapiro wilk atau kolomogorv sminornov? 2. jika dari 4 data dan 2 data tidak berdistribusi normal apakah memakai spearman atau pearson? 3. jika 1 dari 4 yg sebaran normal dpt digunakan spearman?
Balas
Balasan seta basri Jumat, 18 Januari, 2013
1. Untuk yang < 50 umumnya digunakan Shapiro-Wilk. Untuk yang >=50 umumnya digunakan Kolmogorov-Smirnov. Saran saya, gunakan saja KS. 2. Jika ada satu saja yang tidak normal, seluruhnya mengikuti. Jadi, sebaiknya gunakan Spearman. 3. Ya. Mengikuti yang tidak normal. Juga gunakan Spearman. Demikian. Semoga bermanfaat. Balas
Anonim Jumat, 11 Januari, 2013 ASS..pak seta.. make sure..mencari association. kalo var. independent knowledge (continuous). persepsi (ordinal) stigma (ordinal) Dependent var. perilaku pencarian pengobatan (in days)/ continuous apakah tepat kalo pake pearson corelation. atau ada uji lain yg lebih tepat? step nya bagaimana Nuhun..
Balas
Balasan
21/26
5/25/13
seta basri Jumat, 11 Januari, 2013
Wa 'alaikumus salam. Penentuan uji korelasi didasarkan pada skala terendah variabel. Dalam hal ini skala terendah adalah ordinal. Ini karena ordinal lebih rendah dari kontinus. Dengan demikian, uji korelasi yang paling cocok adalah Spearman. Terlebih, apabila asumsi parametrik (yaitu normalitas data) terlanggar, Spearman adalah pilihan pas. Namun, ada sejumlah catatan. Perhatikan variabel persepsi (ordinal) dan stigma (ordinal). Ada peneliti semisal Donald P. Schwab menyatakan, variabel yang 'disangka' ordinal karena pernyataan pilihan SS, S, R, TS, STS sesungguhnya dapat dikategorikan masuk skala interval. Atau, apabila tidak mungkin, mendekati interval. Dengan demikian, kata Schwab, uji Pearson dapat dilakukan. Ini bilamana asumsi uji pearson tidak terlanggar (lihat di bagian artikel atas, mengenai asumsi). Nah, kini tinggal bagaimana Anda memilih. Apakah hendak pakai Spearman ataukah Pearson. Adapun hasil akhir dari kedua uji tersebut (dengan SPSS) mirip (tidak jauh beda). NB: Juga, patut dilihat. Jika ada di antara variabel persepsi dan stigma yang punya 2 pilihan jawaban (maka dengan otomatis uji korelasi yang dilakukan sebaiknya PointBisserial (jika dua jawaban bersifat diskrit, misalnya laki-perempuan) atau Biserrial (jika dua jawaban bersifat kontinus, misalnya lulus-gagal, jauh-dekat). Mengenai step pengujian data dapat dilakukan: uji validitas --> uji reliabilitas--> uji asumsi--> uji hipotesis. Sami-sami. Semoga bermanfaat. Balas
fareekha alya Sabtu, 12 Januari, 2013 kalau 2 variabel ordinal (tingkat pengetahuan sm status gizi) kan pake spearman rank yagh.... yang q binguunggg kok susah dapet tabel distribusi z yang dua arah... padahal d rumus yang q pljari ada angka yang berdasar tabel itu,,, gmana dund,,,? truuss di tabel phi yang ada hanya sampai besaran n 30 apa emang kalau pke spearman jumlah sample di batasi sampe 30 ajja?? nuhuunnn
Balas
Balasan seta basri Kamis, 17 Januari, 2013
Untuk uji Spearman > 30 sampel dapat dibaca artikel berikut: http://setabasri01.blogspot.com/2012/04/uji-korelasi-spearman-dengan-spssdan.html Sami-sami. Semoga bermanfaat. Balas
palupi Minggu, 03 Februari, 2013 kalau Variabel independent X1 (pengetahuan) menggunakan data nominal yaitu jika benar mendapat nilai 1 salah mendapat nilai 0, 2 variabel lainnya menggunakan skala likert dan variabel dependent menggunkan rasio laba. Rencana mau pake regresi berganda, jadi data variabel X1 harus menggnakan MSI dulu. nah saya belum tahu cara menggunakan MSI untuk data nominal pada variabel yang saya pakai. bisa dikasih solusi??? terimakasih
Balas
Balasan seta basri Minggu, 14 April, 2013
Sebenarnya terdapat pilihan bukan dengan MSI saja. Anda dapat menggunakan Logistic Regression apabila data VB adalah nominal. Atau, menggunakan Multinomial Regression apabila data VB adalah Ordinal/Sikap. Untuk MSI banyak sekali di Google sebagai sumber, bahkan ada yang menyediakan file excel sehingga kita tinggal menginputnya. Sama-sama. Semoga bermanfaat. Balas
Reza Muhammad Senin, 25 Februari, 2013 Mas Seta, berkaitan dengan uji korelasi saya ingin tanyakan apakah kita dapat menggunakan hasil dari Faktor Analysis (PC A) untuk langsung digunakan untuk uji korelasi Pearson, uji asumsi, dan regresi berganda (linier) dimana variabel terikat saya hanya satu dan bersifat ordinal (skala likert). Terima kasih sebelumnya dan mohon pencerahannya! Mengingat hasil score dari PC A (yang merupakan variabel bebas saya) setelah saya save as regression bernilai kecil bahkan terdapat negatif di tabel kerja. Sedangkan variabel terikat saya likert (1-7).
Balas
Balasan seta basri Minggu, 14 April, 2013
22/26
5/25/13

Saya sudah jawab di artikel Analisis Faktor, Mas. Semoga dapat bermanfaat. Balas
Anonim Senin, 22 April, 2013 salam kenal pak seta, nama saya Dimas. saya mohon pencerahanya mengenai skala pengukuran. Jika variabel Independennya (beban pengasuhan) menggunakan kuesioner, dengan hasil ukur: 0-21 : tidak ada atau sedikit beban 21-40 : beban ringan sampai sedang 41-60 : beban sedang sampai berat 61-88 : beban berat jadi beban pengasuhan tersebut masuk skala pengukuran interval/ordinal/Rasio bnegitu juga dgn variabel Dependen (Kualitas Hidup)diukur menggunakan kuesioner dgn Hasil Ukur: Kurang: X < (Mean 1.SD) C ukup : (Mean-1.SD) X < (Mean + 1. SD) Baik: X (Mean + 1. SD) itu termasuk dalam skala pengukuran Ordinal/Rasio?
Balas
Salam kenal juga untuk Anda. Untuk Variabel Independen mungkin masih dapat diperdebatkan jika disebut murni interval. Namun, kecenderungannya adalah interval atau sekurangnya mendekati interval. Demikian pula halnya dengan Variabel Dependen, kecenderungannya adalah sekurangnya mendekati interval. Dengan demikian apabila Anda menerapkan uji korelasi Pearson, adalah cukup tepat. Namun, sekedar lontaran saran saja. Apabila untuk Variabel Independen dan Dependen digunakan data rasio-nya bagaimana? Penelitian tentu akan lebih "eksak" perhitungan kuantitatifnya. Kemudian signifikansi penelitian dapat dinaikkan menjadi 0,01 misalnya? Juga jangan lupa konsultasi dengan dosen pembimbing ya. Demikian. Semoga bermanfaat.
Anonim Selasa, 23 April, 2013 maaf pak, maksud dari "Apabila untuk Variabel Independen dan Dependen digunakan data rasio-nya bagaimana?" berarti kedua variabel tersebut dianggap Rasio? menurut dosen pembimbing kalo yg variabel Dependenny pake rasio pak.
seta basri
Selasa, 23 April, 2013
Variabel Independen dapat pula diskalakan menjadi rasio apabila "beban pengasuhan" digunakan angka sesungguhnya semisal "20", "33" dan sejenisnya. Namun, apabila memang hendak digunakan interval pun sebenarnya tidak mengapa karena korelasi Pearson dapat diberlakukan di dalam penelitian Anda. Selamat meneliti.
Anonim Rabu, 24 April, 2013 terima kasih banyak atas penjelasannya pak.
seta basri
Kamis, 25 April, 2013
Sama-sama. Semoga bermanfaat.
Anonim Kamis, 23 Mei, 2013 nanya lagi ni pak. kalo kedua variabel diatas saya menggunakan skor asli (misal "34", "36")dan data menunjukan distribusi tidak normal. kemudian saya menggunakan korelasi spearman, apakah saat uji menggunakan spearman boleh menggunakan skor asli tersebut?
seta basri
Kamis, 23 Mei, 2013
Sebaiknya dilakukan rangking terlebih dahulu karena metodologi Spearman menghendakinya demikian. Namun, sepengetahuan saya, ketika menggunakan SPSS dan kita perbandingan antara pengujian dengan skor "asli" dengan "rangking" maka akan diperoleh hasil yang tidak terlampau berbeda. Demikian. Semoga bermanfaat. Balas
Anonim Kamis, 25 April, 2013
23/26
5/25/13

Pak, saya ingin bertanya. saya ingin menguji hubungan antara asupan energi, lemak, serat dan aktifitas fisik terhadap obesitas. variabel independen yaitu asupan berskala rasio dan aktivitas fisik berskala ordianal (kategori aktivitas : ringan, sedang, dan tinggi). sedangkan obesitas berskala ordinal. (sampel dicari yang sudah obesitas) sebaiknya untuk mengetahui korelasi menggunakan uji apa ya Pak? terimakasih
Balas
Balasan seta basri Kamis, 25 April, 2013
Uji korelasi berpatokan pada skala terendah. Dari deskripsi skala terlihat bahwa skala terendah adalah ordinal, maka uji korelasi Spearman lebih tepat untuk digunakan. Dan, hasil uji Spearman sesungguhnya tidak terlampau berbeda dengan uji Pearson. Sama-sama. Semoga bermanfaat. Balas
Anonim Senin, 29 April, 2013 terimakasih, maaf saya mau bertanya mas
Balas
Sama-sama. Silakan. Balas
Anonim Senin, 29 April, 2013 terimakasih, maaf saya mau bertanya pak pak, saya sedang menyusun proposal skripsi namun saya masih bingung dengan metodologi penelitian saya pak, judul penelitian saya : Hubungan faktor lingkungan fisik ( suhu, kelembapan dan pencahayaan ) dengan angka kuman udara di ruang IC U rumah sakit X kota x. jenis penelitian saya explanatory atau confirmatory reseach, total populasi dan sampel seluruh ruangan di IC U yg berjumlah 10 kamar dan tiap2 kamar akan diukur suhu, kelembapan, pencahayaan dan angka kuman udara, smua skala interval, smua menggunakan alat utk mengukur variabel tsb, uji apa yg harus saya gunakan pak dlm menghubungkan variabel tersebut, bisa tidak pak saya menggunakan uji pearson product moment atau uji korelasi spearman atau ada yang lain pak?? mohon penjelasannya pak, terimakasih pak
Balas
Balasan sehan Senin, 29 April, 2013 Komentar ini telah dihapus oleh penulis.
Anonim Senin, 29 April, 2013 tujuan penelitian : 1. diketahuinya hubungan suhu dengan angka kuman udara 2. diketahuinya hubungan kelembapan dengan angka kuman udara 3. diketahuinya hubungan pencahayaan dengan angka kuman udara
Anonim Senin, 29 April, 2013 pak, sebelum dilakukan uji statistik dilakukan uji normalitas data dgn uji kolmogrov smirnov apabila data berdistribusi tdk normal dilakukan uji korelasi spearman dan apabila data berdistribusi normal dilakukan uji pearson produc moment ? atau ada uji yg lain pak ?mohon penjelasannya pak
seta basri
Senin, 29 April, 2013
Untuk sebelumnya, mengenai jenis penelitian. Explanatory Research (ElaR) ataupun C onfirmatory Research (C R) adalah pengategorian penelitian berdasarkan tipe/jenisnya. ElnR adalah penelitian yang diperuntukkan demi menjelaskan hubungan antarvariabel, tidak sekadar menggambarkan data belaka. C R adalah penelitian yang diperuntukkan demi mengonfirmasi (membuktikan) hasil-hasil yang ditemukan di dalam penelitian terdahulu (juga membuktikan suatu teori). Nah, ke manakah penelitian Anda diperuntukkan? Ada juga penelitian bertipe Exploratory Research (EloR), yang diperuntukkan "meraba" bentuk hubungan tertentu karena belum adanya gambaran tentang hubungan atau kondisi antarvariabel sebelumnya. Mengenai uji hubungan, dapatlah Anda menggunakan Pearson C orrelation Test. Hal ini sangat sesuai dengan data yang Anda pergunakan. Memang, untuk data sampel < 30 hasil uji parametrik agak "mengkhawatirkan." Namun, Anda adakan saja uji asumsi normalitas. Apabila data berdistribusi normal, lanjutkan penggunaan Pearson. Apabila tidak normal, gunakan saja Spearman.
24/26
5/25/13

Berdasarkan penelitian Anda (nomor 1, 2, dan 3) dapatlah diketahui ke mana jenis penelitian Anda termasuk, bukan? Demikian. Semoga bermanfaat.
Anonim Selasa, 30 April, 2013 terima kasih banyak pak atas jawaban yg sangat bermanfaat, maaf pak saya mau bertanya kembali : 1. populasi dan sampelnya hanya di ruang IC U dengan total 10 ruang kamar / 10 sampel pak. teknik sampling apa yah yg cocok buat tekhnik pengambilan sampelnya pak ? 2. diketahuinya perbedaan suhu, kelembapan, pencahayaan dan angka kuman udara di setiap kamar ruang IC U yaitu 10 kamar atau 10 sampel. yg ini bisa di jadikan tujuan penelitian gak pak? uji apa yg di gunakan kalau memang bisa pak ?
seta basri
Selasa, 30 April, 2013
1. Teknik samplingnya menggunakan C omplete Enumeration Method, dalam mana seorang peneliti menggunakan seluruh anggota populasi yang ia perlakukan selaku "sampel" penelitiannya atau serupa dengan sensus. 2. Sesungguhnya adalah bisa. Guna memperoleh perbedaan seputar suhu, kelembababan, pencahaan, dan angka kuman udara antarkamar adalah juga dapat dijadikan tujuan penelitian. Uji statistik yang bisa digunakan adalah uji-uji beda semisal Kolmogorov-Smirnof ataupun Kruskal-Wallis. Demikian. Semoga bermanfaat. Balas
Anonim Senin, 29 April, 2013 tujuan penelitian : 1. diketahuinya hubungan suhu dengan angka kuman udara 2. diketahuinya hubungan kelembapan dengan angka kuman udara 3. diketahuinya hubungan pencahayaan dengan angka kuman udara
Balas
Silakan dilihat komentar balasan di bagian atas. Semoga bermanfaat. Balas
Anonim Minggu, 05 Mei, 2013 bagaimana dengan uji regresi dan bedanya dengan uji korelasi ?
Balas
Balasan seta basri Senin, 06 Mei, 2013
Uji regresi bertujuan mencari "pengaruh" suatu variabel atas variabel lain (biasanya variabel bebas terhadap variabel terikat. Uji korelasi bertujuan menggambarkan terdapatnya "hubungan" suatu variabel dengan variabel lain. Balas
Ary Romadhona Selasa, 07 Mei, 2013 Pak, luar biasa lengkap, saya izin copas materi nya.... makasih
Balas
Balasan seta basri Kamis, 09 Mei, 2013
Sama-sama. Silakan. Semoga bermanfaat. Balas
Anonim Sabtu, 11 Mei, 2013 salam sejahtera pak. saya mau bertanya, apakah untuk uji korelasi Spearman rho menggunakan SPSS datanya harus di buat ranking terlebih dahulu?
Balas
25/26
5/25/13
Balasan seta basri Sabtu, 11 Mei, 2013
Salam sejahtera. Sebaiknya dibuat rangking terlebih dahulu baru kemudian dilakukan uji korelasi Spearman. Namun demikian, sepemahaman saya hasilnya adalah serupa baik sebelum dirangkin maupun sesudah dirangking. Demikian. Semoga bermanfaat.
Anonim Minggu, 12 Mei, 2013 Jadi tidak masalah jika data tidak di ranking terlebih dahulu dan hasilnya tidak berbeda kan pak? terima kasih pak seta. .
seta basri
Minggu, 12 Mei, 2013
Ya. Kelihatannya memang demikian adanya. Apabila ragu, silakan diperbandingkan kedua metode tersebut. Dan, apabila Anda dikehendaki oleh pembimbing skripsi untuk berhitung secara manual, tentu saja haruslah dirangking terlebih dahulu. Sama-sama. Semoga bermanfaat. Balas
Anonim Selasa, 14 Mei, 2013 pak..saya bisa dapet buku Robert Ho dmn ya?soalny saya cari dgramedia tdk ada pak..terima kasih
Balas
Balasan seta basri Rabu, 15 Mei, 2013
Anda dapat membacanya di www.scribd.com/ atau www.goodreads.com Selamat mencoba.
Anonim Kamis, 16 Mei, 2013 wah terima kasih banyak pak..sangat membantu..
seta basri Sama-sama. Balas
Kamis, 16 Mei, 2013
Tambahkan komentar
Ketik komentar anda. Pada Beri komentar sebagai pilih Name/URL jika anda tak memiliki Google Account. Lalu klik Publikasikan.
M a s u k k a nk o m e n t a rA n d a . . .
Beri komentar sebagai: Google Account Publikasikan Pratinjau
Posting Lebih Baru Langganan: Poskan Komentar (Atom)
Posting Lama
Contact us if you have any question or anything else Seta Basri Menulis Terus 2011 DheTemplate.com. Supported by Tips for Life and Blogging Tips
26/26

Uji Korelasi Pearson - Seta Basri Menulis Terus

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Uji Korelasi Pearson - Seta Basri Menulis Terus

Hochgeladen von

Copyright:

Verfügbare Formate

5/25/13

Uji Korelasi Pearson | Seta Basri Menulis Terus

Seta Basri Menulis Terus

Mean sampel diwakili

pengantar ilmu politik (12) politika (5) resensi buku (10)

Buku dan Film

Cari Blog Ini

Uji Korelasi Pearson | Seta Basri Menulis Terus

Lihat tabel di bawah ini dalam perhitungan korelasi Pearson:

Members (137) More

Uji Korelasi Pearson | Seta Basri Menulis Terus

Uji Korelasi Pearson | Seta Basri Menulis Terus

Hipotesis penelitian adalah:

Uji Korelasi Pearson | Seta Basri Menulis Terus

Atau penulis lain seperti D.A de Vaus menginterpretasikannya sebagai berikut:

Uji Korelasi Pearson | Seta Basri Menulis Terus

Rekomendasikan ini di Google

Jika hendak langsung isi komentar, klik di sini:

Minggu, 03 Juli, 2011

Selasa, 05 Juli, 2011

raihannuri Senin, 18 Juli, 2011 boleh nanya tentang regresi ga?

Rabu, 20 Juli, 2011

Silakan, tetapi kalau saya tahu ya ?

Jumat, 12 Agustus, 2011

Dipakai saja Spearman.

Uji Korelasi Pearson | Seta Basri Menulis Terus

Rabu, 14 September, 2011

Anonim Selasa, 20 September, 2011 gimana kalo variabel xnya banyak?

Selasa, 27 September, 2011

Selasa, 18 Oktober, 2011

Jumat, 22 Juni, 2012

Uji Korelasi Pearson | Seta Basri Menulis Terus

Sabtu, 23 Juni, 2012

Hana Sabtu, 23 Juni, 2012 ooh gitu.. makasih admin :D

Sabtu, 23 Juni, 2012

Sama-sama. Semoga bermanfaat. Balas

Rabu, 26 Oktober, 2011

khususnya point D.2.4. Semoga bermanfaat.

Rabu, 26 Oktober, 2011

Rabu, 26 Oktober, 2011

Uji Korelasi Pearson | Seta Basri Menulis Terus

Rabu, 21 Desember, 2011

Kamis, 22 Desember, 2011

Kamis, 22 Desember, 2011

Uji Korelasi Pearson | Seta Basri Menulis Terus

seta basri to: selvy kp

Jumat, 23 Desember, 2011

Jumat, 23 Desember, 2011

Jumat, 23 Desember, 2011

Jumat, 23 Desember, 2011

Uji Korelasi Pearson | Seta Basri Menulis Terus

Jumat, 23 Desember, 2011

seta basri to: selvi kp

Sabtu, 24 Desember, 2011

seta basri to: Anonim

Sabtu, 24 Desember, 2011

A diukur dalam Skala apa? B diukur dalam Skala apa?

selvy kp Minggu, 25 Desember, 2011

Uji Korelasi Pearson | Seta Basri Menulis Terus

Senin, 26 Desember, 2011

Selasa, 27 Desember, 2011

Sama-sama. Semoga bermanfaat.