ANALISIS KORELASI SEDERHANA
Analisis korelasi sederhana (Bivariate Correlation)
digunakan untuk mengetahui keeratan hubungan antara dua variabel dan
untuk mengetahui arah hubungan yang terjadi. Koefisien korelasi
sederhana menunjukkan seberapa besar hubungan yang terjadi antara dua
variabel. Dalam SPSS ada tiga metode korelasi sederhana (bivariate correlation) diantaranya Pearson Correlation, Kendall’s tau-b, dan Spearman Correlation. Pearson Correlation digunakan untuk data berskala interval atau rasio, sedangkan Kendall’s tau-b, dan Spearman Correlation lebih cocok untuk data berskala ordinal.
Pada bab ini akan dibahas analisis korelasi sederhana dengan metode Pearson atau sering disebut Product Moment Pearson.
Nilai korelasi (r) berkisar antara 1 sampai -1, nilai semakin mendekati
1 atau -1 berarti hubungan antara dua variabel semakin kuat, sebaliknya
nilai mendekati 0 berarti hubungan antara dua variabel semakin lemah.
Nilai positif menunjukkan hubungan searah (X naik maka Y naik) dan nilai
negatif menunjukkan hubungan terbalik (X naik maka Y turun).
Menurut Sugiyono (2007) pedoman untuk memberikan interpretasi koefisien korelasi sebagai berikut:
0,00 - 0,199 = sangat rendah
0,20 - 0,399 = rendah
0,40 - 0,599 = sedang
0,60 - 0,799 = kuat
0,80 - 1,000 = sangat kuat
Contoh Kasus:
ebuah penelitian terhadap pohon
Mahoni, dimana akan diteliti apakah ada hubungan antara tinggi pohon
dengan diameter batang pohon, dengan artian apakah ada pengaruh diameter
batang pohon terhadap tinggi pohon tersebut.
Diambil sampel secara acak sejumlah delapan pohon mahoni.Dapat dilihat dari Tabel 1 pada kolom X dan Y.
Hal pertama yang akan kita lakukan adalah membentuk persamaan regresi, yaitu :
Y' = a + bX
Selanjutnya adalah menentukan konstanta a dan koefisien b, kita ikuti langkah sebagai berikut :
maka diperoleh :
Persamaan regresi diperoleh :
Y' = -1,3147 + 4,5413X
dimana :
Y' = Tinggi pohon mahoni yang diprediksi
X = Diameter batang pohon mahoni
Interpretasi dari koefisien regresi :
- Nilai a = -1,3147 artinya tidak ada diameter batang pohon maka tidak ada tinggi pohon. (karena tidak ada tinggi yang bernilai negatif sehingga dianggap nol).
- Nilai b = 4,5413 artinya jika terjadi peningkatan diameter batang pohon mahoni satu satuan maka akan terjadi peningkatan tinggi pohon mahoni sebesar 4,5413 satuan.
r = 0,886 bernilai positif dan kuat
artinya terdapat hubungan atau korelasi yang kuat antara tinggi pohon
mahoni dengan diameter batang pohon mahoni. Semakin besar diameter
batang pohon mahoni maka semakin tinggi batang pohon mahoni.
R2 = 0,8862 = 0,785
artinya sekitar 78,5% variasi dari variabel diameter batang pohon mahoni
dapat menjelaskan variasi dari variabel tinggi pohon mahoni.
(cukup tinggi)
Standar Error Estimate Persamaan Regresi:
Jadi besarnya standar error estimate persamaan regresi adalah 6,6364.
Hal ini menunjukkan penyimpangan data-data terhadap garis regresi, atau
bagaimana penyimpangan data yang menyebar disekitar garis regresi.
(cukup kecil).
Pengujian Koefisien Regresi :
> Hipotesis Uji
Ho : b = 0
Ha : b ≠ 0
> Taraf Signifikansi
Pilih nilai signifikansi a = 5%
> Daerah Kritis
dengan nilai a = 5% dan derajat bebas n-2=8-2=6, maka diperoleh nilai t-tabel pada 5%/2 = 2,5% yaitu 2,447.
> Statistik Uji
> Keputusan
nilai t-hitung = 4,6805 > t-tabel = 2,447 sehingga Ho ditolak dan Ha diterima.
> Kesimpulan
Dengan tingkat signifikansi 5% cukup menjelaskan bahwa ada pengaruh diameter batang pohon mahoni terhadap tinggi pohon mahoni.
Komentar