MAKALAH ANALISIS KORELASI

BAB I

PENDAHULUAN

A.    Latar Belakang

            Korelasi adalah istilah statistik yang menyatakan derajat hubungan linier antara dua variabel atau lebih. Analisis korelasi pertama kali dikembangkan oleh Karl Pearson pada tahun 1900. Di dalam teknik analisis korelasi, hubungan antara dua variabel hanya mengenal hubungan searah (linier) saja, misalnya: tinggi badan menyebabkan berat badannya bertambah, tetapi berat badannya bertambah belum tentu menyebabkan tinggi badannya bertambah pula. Sehingga dari contoh tersebut dapat diketahui bahwa dalam analisis korelasi dikenal penyebab dan akibatnya.

     Data penyebab atau yang mempengaruhi disebut variabel bebas (independent) yang biasanya ditandai dengan huruf X. Sedangkan data akibat atau yang dipengaruh disebut variabel terikat (dependent) yang biasanya dilambangkan dengan huruf Y. Cara menentukan variabel bebas dan variabel terikat tergantung pada landasan teori yang digunakan. 

Ada dua jenis statistik untuk menghitung korelasi:

-          Koefisien korelasi bivariate: Yaitu statistik yang dapat digunakan oleh peneliti untuk menerangkan keeratan hubungan antara dua variabel.

-          Koefisien korelasi multi-variat: Yaitu statistik yang digunakan peneliti untuk menggambarkan dan menentukan hubungan antara tiga variabel atau lebih.

Macam-Macam Koefisien Analisis Korelasi

-          Product Moment Pearson: Kedua variabelnya berskala interval

-          Rank Spearman: Kedua variabelnya berskala ordinal

-          Point Serial: Satu berskala nominal sebenarnya dan satu berskala interval

-          Biserial: Satu berskala nominal buatan dan satu berskala interval

-          Koefisien kontingensi: Kedua varibelnya berskala nominal

B.     Rumusan Masalah

1.      Apa yang dimaksud dengan analisa korelasi PPM?

2.      Bagaimana tekhnik dan aplikasi penghitungan korelasi PPM?

C.    Tujuan

1.      Menjelaskan apa yang dimaksud dengan analisa korelasi PPM?

2.      Menjabarkan tekhnik analisa korelasi PPM

3.      Mengaplikasikan analisa korelasi PPM dalam karya tulis ilmiah

BAB II

ISI

A.    Pengertian Analisis Korelasi PPM

Korelasi PPM atau sering disingkat korelasi saja merupakan salah satu teknik korelasi yang paling banyak digunakan dalam penelitian sosial. Besarnya angka korelasi disebut koefisien korelasi yang dinyatakan dengan lambang r.

Korelasi Pearson merupakan salah satu ukuran korelasi yang digunakan untuk mengukur kekuatan dan arah hubungan linier dari dua variabel. Dua variabel dikatakan berkorelasi apabila perubahan salah satu variabel disertai dengan perubahan variabel lainnya, baik dalam arah yang sama atau pun arah yang sebaliknya. Harus diingat bahwa nilai koefisien korelasi yang kecil (tidak signifikan) bukan berarti kedua variabel tersebut tidak saling berhubungan. Mungkin saja dua variabel mempunyai keeratan hubungan yang kuat namun nilai koefisien korelasinya mendekati nol, misalnya pada kasus hubungan non linier. Koefisien korelasi hanya mengukur kekuatan hubungan linier dan tidak pada hubungan non linier. Harus diingat pula bahwa adanya hubungan linier yang kuat di antara variabel tidak selalu berarti ada hubungan kausalitas, sebab-akibat

Manfaat Korelasi Pearson Product Moment:

-          Untuk menyatakan ada atau tidaknya hubungan antara variabel X dengan variabel Y. 

-          Untuk menyatakan besarnya sumbangan variabel satu terhadap yang lainnya yang dinyatakan dalam persen. 

Menurut Riduan dan Kuncoro (2008,61) metode PPM termasuk teknik statistik parametrik yang menggunakan data interval dan ratio (kuantitatif) dengan persyaratan tertentu antara lain :

-          Data dipilih secara random

-          Data berdistribusi normal

-          Data yang dihubungkan berpola linear

-          Data yang dihubungkan mempunyai pasangan yang sama sesuai dengan subjek yang sama

B.     Teknik dan Aplikasi Penghitungan Korelasi PPM

Langkah 1 : Perumusan Hipotesis

Jika diduga bahwa suatu variabel mempunyai hubungan yang positif dengan variabel lain, maka rumusan hipotesisnya adalah

-          Ho : r = 0 (tidak ada hubungan antara suatu variabel yang positif dengan variabel lain)

-          Ha : r > 0 (terdapat hubungan yang positif dan signifikan anatara suatu variabel dengan variabel lainnya)

Langkah 2 : Menentukan taraf nyata (level of signifance)

Yaitu menentukan nilai α, misalnya 5% atau α = 0,05

Langkah 3 : Menentukan Uji Hipotesis

Membuat Ha dan Ho dalam bentuk statistik :

Ha : r ≠ 0

Ho : r = 0

Langkah 4 : Menghitung

Membuat tabel penolong untuk menghitung Korelasi PPM:

dengan rumus ;

Atau

Keterangan :

n = jumlah data

x = data yang mempengaruhi

y = data yang dipengaruhi

X = x – x

Y = y – y

Langkah 5 : Mencari besarnya sumbangan (konstribusi) variabel X terhadap Y

Dengan rumus :

KP = r² x 100%

Langkah 6 : Cari r table

Dengan rumus : dk = n-2

Langkah 7 : Tentukan kriteria pengujian

Jika –r_tabel≤r_hitung≤+r_tabel, maka Ho diterima

Langkah 8 : Membandingkan t_hitung dengan t_tabel

Menguji  signifikansi dengan rumus thitung :

      Kaidah pengujian :

Jika       t_hitung   ≥  t_tabel, maka tolak Ho artinya signifikan dan

             t_hitung  ≤   t_tabel, terima Ho artinya    tidak signifikan. 

Langkah 9 : Membuat kesimpulan

Contoh “Hubungan Antara Umur dengan Tekanan Darah Pasien di Ruang Rawat Inap Penyakit Dalam RSUD Banjarbaru”

Berikut adalah data usia, berat, dan tekanan darah.

Individual	Age	Systolic Pressure
A	34	108
B	43	129
C	49	126
D	58	149
E	64	168
F	73	161
G	78	174

Langkah-langkah :

1. Perumusan Hipotesis

Ha : ada hubungan yang signifikan antara umur dengan tekanan darah

Ho : Tidak ada hubungan yang signifikan antara umur dengan tekanan darah

2. Menentukan taraf nyata

Untuk kasus ini, kita ingin melihat apakah terdapat hubungan linier antara usia dengan tekanan darah sistolik. Taraf nyata yang digunakan adalah 5%.

Di dapat α=0,05

3. Menentukan uji hipotesis dalam statistic

Ha : r ≠ 0

Ho : r = 0

4. Menghitung

No	Age (X)	Systolic Pressure (Y)	X2	Y2	XY
1	34	108	1156	11664	3672
2	43	129	1849	16641	5547
3	49	126	2401	15876	6174
4	58	149	3364	22201	8642
5	64	168	4096	28224	10752
6	73	161	5329	25921	11753
7	78	174	6084	30276	13572
Jumlah	399	1015	24279	150803	60112
Rata-rata	57	145

5. Menentukan besarnya sumbangan variable X terhadap Y dengan rumus :

KP = r² x 100% = 0,96² x 100% = 92,16%

6. Menentukan r_tabel

dk = n-2

     = 7-2 = 5

Didapat r_tabel = 0,754

7. Menentukan kriteria pengujian

Didapat r_hitung > r_tabel = 0,9656 > 0,754 maka Ha diterima

8. Membandingkan t_hitung dan t_tabel

Didapat t_hitung > t_tabel = 5,46 >2,57

9. Membuat Kesimpulan

-          r_xy sebesar 0,956 kategori kuat

-       KP = r² x 100% = 0,96² x 100% = 92,16%

-          Ternyata t_hitung  lebih dari t_tabel atau 5,46 >2,57, maka Ho ditolak, artinya ada hubungan yang signifikan antara umur dengan tekanan darah.

BAB III

KESIMPULAN

Korelasi Pearson merupakan salah satu ukuran korelasi yang digunakan untuk mengukur kekuatan dan arah hubungan linier dari dua variable.

Manfaat Korelasi Pearson Product Moment:

-          Untuk menyatakan ada atau tidaknya hubungan antara variabel X dengan variabel Y. 

-          Untuk menyatakan besarnya sumbangan variabel satu terhadap yang lainnya yang dinyatakan dalam persen. 

DAFTAR PUSTAKA

Dajan, Anto. 1973. Pengantar Meode Statistik Jilid 1. Jakarta: LP3ES

Hidayat, A. Aziz Alimul. 2011. Metode Penelitian Keperawatan dan Teknik Analisis Data. Jakarta: Salemba Medika

Sudijono, Anas. 1987. Pengantar Statistik Pendidikan. Jakarta: Rajawali

Sudjana. 1989. Metoda Statistika Edisi 5. Bandung: Tarsito

Tweet

Jangan sampai ketinggalan postingan-postingan terbaik dari Campus Island. Berlangganan melalui email sekarang juga:

Atau sobat juga bisa follow Campus Island dengan mengklik tombol di bawah ini:

Artikel keren lainnya:

Ditulis oleh Admin pada tanggal 5 May 2016