November 11, 2016

Makalah KORELASI


Judul: Makalah KORELASI
Penulis: Yeni Andriani


KOEFISIEN KORELASI LINEAR DAN UJI SIGNIFIKASI KOEFISIEN KORELASI LINEAR
Diajukan untuk memenuhi tugas mata kuliah Statistik Lanjut

Disusun oleh :
Kelompok 12
Rabiatul Anisah NPM: 1287203036
Khairul NPM: 1287203037
Wayan Eka SusantiNPM: 1287203038
Yeni AndrianiNPM: 1287203039
Gita Gilang GayatriNPM: 1287203040
Dosen Pengampu : Agung Hariatmaka, M.Pd
Semester : IV (Empat)
Majelis Pendidikan Tinggi Penelitian dan Pengembangan Muhammadiyah
Sekolah Tinggi Ilmu Keguruan dan Ilmu Pendidikan (STKIP)
Muhammadiyah Sampit
Tahun Akademik 2014/2015
DAFTAR ISI
Daftar Isi ......................................................................................................1
Mengenal Korelasi ...........................................................................................2
Kegunaan Korelasi ........................................................................................4
Asumsi-Asumsi Dalam Korelasi .....................................................................5
Pengertian Koefisien Korelasi ........................................................................5
Signifikansi / Probabilitas / Alpha .................................................................7
Uji Signifikansi Koefisien Korelasi Linear ........................................................8
Membuat Interpretasi Dalam Korelasi ...........................................................12
Menguji Hipotesis Dalam Korelasi .................................................................13
Kisaran Korelasi ...........................................................................................15
Karakteristik Korelasi ...................................................................................17

KOEFISIEN KORELASI LINEAR DAN UJI SIGNIFIKASI KOEFISIEN KORELASI LINEAR
Mengenal Korelasi
Apa sebenarnya korelasi itu? Korelasi merupakan teknik analisis yang termasuk dalam salah satu teknik pengukuran asosiasi / hubungan (measures of association). Pengukuran asosiasi merupakan istilah umum yang mengacu pada sekelompok teknik dalam statistik bivariat yang digunakan untuk mengukur kekuatan hubungan antara dua variabel. Diantara sekian banyak teknik-teknik pengukuran asosiasi, terdapat dua teknik korelasi yang sangat populer sampai sekarang, yaitu Korelasi Pearson Product Moment dan Korelasi Rank Spearman. Pengukuran asosiasi mengenakan nilai numerik untuk mengetahui tingkatan asosiasi atau kekuatan hubungan antara variabel. Dua variabel dikatakan berasosiasi jika perilaku variabel yang satu mempengaruhi variabel yang lain. Jika tidak terjadi pengaruh, maka kedua variabel tersebut disebut independen.
Korelasi bermanfaat untuk mengukur kekuatan hubungan antara dua variabel (kadang lebih dari dua variabel) dengan skala-skala tertentu, misalnya Pearson data harus berskala interval atau rasio; Spearman dan Kendal menggunakan skala ordinal. Kuat lemah hubungan diukur menggunakan jarak (range) 0 sampai dengan 1. Korelasi mempunyai kemungkinan pengujian hipotesis dua arah (two tailed). Korelasi searah jika nilai koefesien korelasi diketemukan positif; sebaliknya jika nilai koefesien korelasi negatif, korelasi disebut tidak searah. Yang dimaksud dengan koefesien korelasi ialah suatu pengukuran statistik kovariasi atau asosiasi antara dua variabel. Jika koefesien korelasi diketemukan tidak sama dengan nol (0), maka terdapat hubungan antara dua variabel tersebut. Jika koefesien korelasi diketemukan +1. maka hubungan tersebut disebut sebagai korelasi sempurna atau hubungan linear sempurna dengan kemiringan (slope) positif. Sebaliknya. jika koefesien korelasi diketemukan -1. maka hubungan tersebut disebut sebagai korelasi sempurna atau hubungan linear sempurna dengan kemiringan (slope) negatif. Dalam korelasi sempurna tidak diperlukan lagi pengujian hipotesis mengenai signifikansi antar variabel yang dikorelasikan, karena kedua variabel mempunyai hubungan linear yang sempurna. Artinya variabel X mempunyai hubungan sangat kuat dengan variabel Y. Jika korelasi sama dengan nol (0), maka tidak terdapat hubungan antara kedua variabel tersebut.
Sekaitan dengan adanya garis regresi, maka jika korelasinya pisitif, maka garis regresinya akan condong ke kanan (mempunyai gradient yang positif) dan jika korelasinya negatif, maka garis regresinya akan condong ke kiri (mempunyai gradient negatif).perhatikan gambar berikut
1. Korelasi Positif2. Korelasi Negatif

Y Y
XX
Dari gambar tampak bahwa korelasinya positif, maka semakin tinggi X pada umumnya akan diikuti oleh semakin tinggi Y dan sebaliknya semakin rendah X pada umumnya akan diikuti semakin rendah Y. Di sisi lain, korelasi negative menunjukan semakin tinggi X pada umumnya diikuti oleh semakin rendah Ydan sebalik nya,semakin rendah X pada umumnya diikuti oleh semakin tingginya Y.
Jika r = 1, maka setiap kenaikan X akan diikuti oleh kenaikan Y disetiap penurunan X akan diikuti oleh penurunan Y. Jika r = -1, maka setiap kenaikan X akan diikuti oleh penurunan Y dan setiap penurunan X akan diikuti oleh kenaikan Y.
Ada beberapa hal yang perlu dicatat dalam penafsiran nilai r. Ada yang berpendapat bahwa kalau nilai r negatif, maka diartikan tidak ada hubungan (korelasi). Pendapat itu salah. Jika r negatif, misalnya, r = -0,9, maka tetap saja terdapat hubungan, namun negative. Nilai r sebesar -0.9. tersebut tetap saja merupakan hubungan yang tinggi (kuat), namun mempunyai arah negative. Korelasi negative, pada kasus kasus tertentu, tetap bermanfaat untuk menjelaskan kaitan antara dua variabel.
Hal kedua yang perlu dicatat ialah bahwa ada atau tidaknya korelasi tidak boleh ditafsirkan sebagai ada atau tidaknya pengaruh (efek). Jadi, adanya korelasi tidak boleh diartikan adanya hubungan sebab akibat (hubungan kasual). Bahkan ada orang yang menafsirkan adanya korelasi positif sebagai pengaruh positif dan adanya korelasi negative sebagai adanya pengaruh negative. Hal demikian tentu saja tidak benar. Misalnya, orang menafsirkan karena ada korelasi antara motivasi dan prestasi belajar, maka dikatakan bahwa motivasi berpengaruh kepada prestasi belajar. Hal itu tidak benar. Adanya korelasi antara motivasi dan prestasi belajar semata-mata hanya menunjukan bahwa dari data yang ada diperoleh kesimpulan bahwa semakin tinggi nilai motivasi akan semakin tinggi nialai prestasi belajar, dan sebaliknya semakin rendah nilai motivasi akan semakin rendah nilai prestasi belajar. Yang dapat dilakukan ialah bahwa dari kesimpulan itu, apabila ada siswa yang motivasinya tinggi, maka diramalkan bahwa siswa tersebut akan berprestasi tinggi.
Kalau orang ingin menilai apakah motivasi berpengaruh kepada prestasi belajar, maka desain penelitiannya tidak menggunakan desain korelasional, tetapi menggunakan desain eksperimental. Desain eksperimental tersebut misalnya sebagai berikut. Disediakan dua kelompok siswa yang setara. Kelompok I beri perlakuan tertentu sehingga timbul motivasi tinggi dari mereka untuk belajar. Kelompok II beri perlakuan tertentu sehingga mereka tidak mempunyai motivasi sama sekali untuk belalajar. Setelah satu periode, berikan kepada mereka tes yang sama. Kalau ternyata rataan mereka berbeda (diuji dengan uji beda rataan), maka dapat disimpulkan bahwa motivasi berpengaruh terhadap prestasi belajar.
Kegunaan Korelasi
Pengukuran asosiasi berguna untuk mengukur kekuatan (strength) dan arah hubungan hubungan antar dua variabel atau lebih. Contoh: mengukur hubungan antara variabel: 1) Motivasi kerja dengan produktivitas; 2)Kualitas layanan dengan kepuasan pelangga; 3)Tingkat inflasi dengan IHSG
Pengukuran ini hubungan antara dua variabel untuk masing-masing kasus akan menghasilkan keputusan, diantaranya: a) Hubungan kedua variabel tidak ada; b) Hubungan kedua variabel lemah; c) Hubungan kedua variabel cukup kuat; d) Hubungan kedua variabel kuat; dan e) Hubungan kedua variabel sangat kuat.Penentuan tersebut didasarkan pada kriteria yang menyebutkan jika hubungan mendekati 1, maka hubungan semakin kuat; sebaliknya jika hubungan mendekati 0, maka hubungan semakin lemah
Asumsi – Asumsi Dalam Korelasi
Asumsi – asumsi dasar korelasi diantaranya ialah: Kedua variabel bersifat independen satu dengan lainnya, artinya masing-masing variabel berdiri sendiri dan tidak tergantung satu dengan lainnya. Tidak ada istilah variabel bebas dan variabel tergantung. Data untuk kedua variabel berdistribusi normal. Data yang mempunyai distribusi normal artinya data yang distribusinya simetris sempurna. Jika digunakan bahasa umum disebut berbentuk kurva bel.
Pengertian Koefesien Korelasi
Koefesien korelasi ialah pengukuran statistik kovarian atau asosiasi antara dua variabel. Besarnya koefesien korelasi berkisar antara +1 s/d -1. Koefesien korelasi menunjukkan kekuatan (strength) hubungan linear dan arah hubungan dua variabel acak. Jika koefesien korelasi positif, maka kedua variabel mempunyai hubungan searah. Artinya jika nilai variabel X tinggi, maka nilai variabel Y akan tinggi pula. Sebaliknya, jika koefesien korelasi negatif, maka kedua variabel mempunyai hubungan terbalik. Artinya jika nilai variabel X tinggi, maka nilai variabel Y akan menjadi rendah dan berlaku sebaliknya.
Menurut Sugiyono (2007) pedoman untuk memberikan interpretasi koefisien korelasi sebagai berikut:
0- 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
Koefisien korelasi linear antara X dan Y, disajikan dengan rxy, didefenisikan sebagai berikut :
rxy =
∑xy√(∑x2)(∑y2)Dengan x = X – X dan y = Y - Y
Biasanya formula itu sulit untuk digunakan apabila x dan/atau y tidak bulat. Dari formula itu, dapat diturunkan formula berikut yang lebih mudah dipakai.
rxy =
n∑XY – (∑X)( ∑Y)
√(n∑X2 – (∑X)2 (n∑Y2 – (∑Y)2)
Formula-formula itu disebut formula koefisien korelasi momen produk (product moment) Karl Pearson.
Dapat dibuktikan bahwa kuadrat dari koefisien korelasi (r) merupakan koefisien detirminasi (r2).
Sekaitan dengan JKT, JKR, dan JKG pada model regresi linear, dapat dibuktikan bahwa:
JKT = ∑Y2 – ∑Y2nJKR = (r2)JKT
JKG = (I – r2)JKT
Contoh 14.8
Tabel 14.1
Nilai Matematika dan Fisika
Nama siswa Matematika
(X) Fisika
(Y) XY X2 Y2
Yeni 60 80 4800 3600 6400
Andriani 45 69 3105 2025 4761
Wayan 50 71 3550 2500 5041
Eka 60 85 5100 3600 7225
Susanti 50 80 4000 2500 6400
Gita 65 82 5330 4225 6724
Gilang 60 89 5340 3600 7921
Gayatri 65 93 6045 4225 8649
Khairul 50 76 3800 2500 5776
Rabiatul 65 86 5590 4225 7396
Anisah 45 71 3195 2025 5041
Bagus 50 69 3450 2500 4761
N=12 ∑X=665 ∑Y=951 ∑XY=53305 ∑X2=37525 ∑Y2=76095
Solusi :
Dengan memperhatikan table 14.2 maka:
rxy =
n∑XY – (∑X)( ∑Y)
√(n∑X2 – (∑X)2 (n∑Y2 – (∑Y)2)
(12)(53305) - (665)(951)
√( ((12)(37525) - 6652)(12)(76059) - 9512)
= 0.862
Signifikansi / Probabilitas / Alpha
Apa sebenarnya signifikansi itu? Dalam bahasa Inggris umum, kata, "significant" mempunyai makna penting; sedang dalam pengertian statistik kata tersebut mempunyai makna "benar" tidak didasarkan secara kebetulan. Hasil riset dapat benar tapi tidak penting. Signifikansi / probabilitas / α memberikan gambaran mengenai bagaimana hasil riset itu mempunyai kesempatan untuk benar. Jika kita memilih signifikansi sebesar 0,01, maka artinya kita menentukan hasil riset nanti mempunyai kesempatan untuk benar sebesar 99% dan untuk salah sebesar 1%. 99% itu disebut tingkat kepentingan (confidence interval); sedang 1% disebut toleransi kesalahan.
Secara umum kita menggunakan angka signifikansi sebesar 0,01; 0,05 dan 0,1. Pertimbangan penggunaan angka tersebut didasarkan pada tingkat kepercayaan (confidence interval) yang diinginkan oleh peneliti. Angka signifikansi sebesar 0,01 mempunyai pengertian bahwa tingkat kepercayaan atau bahasa umumnya keinginan kita untuk memperoleh kebenaran dalam riset kita adalah sebesar 99%. Jika angka signifikansi sebesar 0,05, maka tingkat kepercayaan adalah sebesar 95%. Jika angka signifikansi sebesar 0,1, maka tingkat kepercayaan adalah sebesar 90%.
Pertimbangan lain ialah menyangkut jumlah data (sample) yang akan digunakan dalam riset. Semakin kecil angka signifikansi, maka ukuran sample akan semakin besar. Sebaliknya semakin besar angka signifikansi, maka ukuran sample akan semakin kecil. Unutuk memperoleh angka signifikansi yang baik, biasanya diperlukan ukuran sample yang besar. Untuk pengujian dalam IBM SPSS digunakan kriteria sebagai berikut:
Jika angka signifikansi hasil riset < 0,05, maka hubungan kedua variabel signifikan.
Jika angka signifikansi hasil riset > 0,05, maka hubungan kedua variabel tidak signifikan
Uji Signifikasi Koefisien Korelasi Linear
Pada dasarnya, prosedur uji signifikasi korelasi tidak berbeda dengan uji hipotesis, ada lambing untuk parameter dan ada lamabang untuk statistic. Koefesien korelasi pada populasi disajikan dengan ρ (dibaca "rho"), sedangkan koefesien korelasi pada sampel disajikan dengan r, atau rxy.
Untuk menguji signifikasi korelasi linear sederhana, dapat digunakan statistic uji
t =
rxy √n – 2
√I – r2xy
Suatu variabel random berdistribusi t dengan derajat kebebasan n-2.
Alternative lain untuk menguji signifikansi korelasi linear adalah dengan menggunakan statistic uji:
F =
rxy √n – 2
√I – r2xy
Suatu variabel random yang berdistribusi F dengan derajat kebebasan I dan n-2
Tampak bahwa hubungan antara F dan t tersebut di atas ialah F= t2 oleh karena itu, jika digunakan uji F pada uji ini, maka selalu merupakan uji satu ekor kanan.
Kaitannya dengan analisis variansi, kita dapat menggunakan pendekatan analisi variansi pada uji signifikansi korelasi linear sederhana sebagai berikut:
dkT = n – 1 ;
dkR = 1
dkG = n – 2;
RKG = JKRn-2JKT = ∑Y2 – ∑Y2nJKR = (r2)JKT
JKG = (I – r2)JKT
RKR = JKRI
Sebagai statistic ujinya adalah F = RKRRKG yang merupakan variabel random distribusi F dengan derajat kebebasan I dan n-2; sehingga rangkuman analisis variasinya tampak pada Tabel 14.8. Perhatikanlah bahwa uji signifikasi korelasi linear ini menggunakan cara yang sama dengan uji keberartian pada regresi linear. Ini berarti bahwa jika regresinya signifikan, koefesien relasinya juga signifikan. Demikianlah pula sebaliknya, jika koefesien korelasinya signifikan, regresinya juga signifikan.
Tabel 14.8
Rangkuman Analisis Variansi pada Korelasi Linear Sederhana
Sumber JK Dk RK FOBS Fα p
Regresi (R) JKR 1 RKR F = RKRRKG F * P < α atau p > α
Galat JKG n- 2 RKG - - -
Total JKT n-1 - - - -
Contoh 14.9
Seseorang ingin meneliti apakah korelasi positif antara tinggi badan ayah dengan tinggi anak laki-laki tertuanya yang telah berumur lebih dari 20 tahun. Sampel random berukuran 12 diambil dan datanya (dalam satuan inchi) tampak pada tabel berikut.
Tabel 14.9
Tinggi Ayah dan Anak Laki-laki Tertua (dalam inchi)
Tinggi Ayah (X) 65 63 67 64 68 62 70 66 68 67 69 71
Tinggi Anak (Y) 68 66 68 65 69 66 68 65 71 67 68 70
Jika diambil tingkat signifikan 5%, bagaimana hasil penelitian tersebut, jika diasumsikan bahwa semua persyaratan regresi linear dipenuhi?
Solusi :
H0 : p ≤ 0 ;
H1 : p > 0
α = 0. 05
statistik uji yang digunakan
t = rxy (n-21- r2xy~ t n-2komputasi
setelah dihitung dari data pada Tabel 14.9, diperoleh :
X = 800Y = 811XY = 54107
X2 = 53418Y2 = 54894
sehingga diperoleh :rxy = nXY- (X ) (Y)(nX2 - (X )2) (nY2 - (Y )2 ) = 1254107- 800(811) (12(53418)-8002) (1254849- 811 2) = 0. 7027
t = 0.7027101-0.70272 =3.12daerah Kritik
t0.05;10 = 1.812;
DK = { t I t > 1.812 }; dan
t obs = 3.12 ∈DKKeputusan uji : Ho ditolak
Kesimpulan
Terdapat korelasi positif antara tinggi badan ayah dengan tinggi anak tertuanya.
Kalau contoh 14.9 diselesaikan dengan pendekatan analisis variansi, maka dapat dilakukan sebagai berikut.
JKT = Y2- (Y)2n = 54849 - 811212 =38.917JKR = (r2)JKT
= (1-0.70272)(38.917) = 19.217
JKG = (1-r2)JKT
= (1-0.70272)(38.917) = 19.700
RKR = JKR1 = 19.217
RKG = JKGn-2 = 19.70010=1.970Fobs = RKRRKG= 19.2171.970 = 9.75
DK = {F | F > 4.96}
Tabel 14.10
Rangkuman Analisis Variansi pada Kolerasi Linear Sederhana
Sumber JK dk RK FobsFαρ
Regresi (R)
Galat 19.217
19.700 1
10 19.217
1.970 9.75
- 4.96
- < 0.05
-
Total 38.917 11 - - - -
Dapat dilihat bahwa dengan analisis variansi pun H0 juga ditolak. Perhatikan pula bahwa nilai Fobs adalah kuadrat dari tobs.
Membuat Interpretasi Dalam Korelasi
Ada tiga penafsiran hasil analisis korelasi, meliputi: pertama, melihat kekuatan hubungan dua variabel; kedua, melihat signifikansi hubungan; dan ketiga, melihat arah hubungan.
Untuk melakukan interpretasi kekuatan hubungan antara dua variabel dilakukan dengan melihat angka koefesien korelasi hasil perhitungan dengan menggunakan kriteria sbb: a) Jika angka koefesien korelasi menunjukkan 0, maka kedua variabel tidak mempunyai hubungan; b) Jika angka koefesien korelasi mendekati 1, maka kedua variabel mempunyai hubungan semakin kuat; c) Jika angka koefesien korelasi mendekati 0, maka kedua variabel mempunyai hubungan semakin lemah; d) Jika angka koefesien korelasi sama dengan 1, maka kedua variabel mempunyai hubungan linier sempurna positif; e)Jika angka koefesien korelasi sama dengan -1, maka kedua variabel mempunyai hubungan linier sempurna negatif.
Interpretasi berikutnya melihat signifikansi hubungan dua variabel dengan didasarkan pada angka signifikansi yang dihasilkan dari penghitungan dengan ketentuan sebagaimana sudah dibahas di atas. Interpretasi ini akan membuktikan apakah hubungan kedua variabel tersebut signifikan atau tidak.
Interpretasi ketiga melihat arah korelasi. Dalam korelasi ada dua arah korelasi, yaitu searah dan tidak searah. Pada IBM SPSS hal ini ditandai dengan pesan two tailed. Arah korelasi dilihat dari angka koefesien korelasi. Jika koefesien korelasi positif, maka hubungan kedua variabel searah. Searah artinya jika variabel X nilainya tinggi, maka variabel Y juga tinggi. Jika koefesien korelasi negatif, maka hubungan kedua variabel tidak searah. Tidak searah artinya jika variabel X nilainya tinggi, maka variabel Y akan rendah.
Dalam kasus, misalnya hubungan antara kepuasan pelanggan dan loyalitas sebesar 0,86 dengan angka signifikansi sebesar 0 akan mempunyai makna bahwa hubungan antara variabel kepuasan pelanggan dan loyalitas sangat kuat, signifikan dan searah. Sebaliknya dalam kasus hubungan antara variabel harga dengan minat beli sebesar -0,86, dengan angka signifikansi sebesar 0; maka hubungan kedua variabel sangat kuat, signifikan dan tidak searah.
Menguji Hipotesis Dalam Korelasi
Pengujian hipotesis uintuk korelasi digunakan uji T. Rumusnya sebagai berikut:

Pengambilan keputusan menggunakan angka pembanding t tabel dengan kriteria sebagai berikut:
Jika t hitung > t table H0 ditolak; H1 diterima
Jika t hitung < t table H0 diterima; H1 ditolak
Kriteria ini hanya berlaku untuk nilai t hitung yang positif (+).
Contoh: Hubungan antara kepuasan kerja dengan loyalitas pegawai
Hipotesis berbunyi sbb:
H0: Tidak ada hubungan antara kepuasan kerja dengan loyalitas pegawai
H1: Ada hubungan antara kepuasan kerja dengan loyalitas pegawai
Sebagai contoh hasil t hitung sebesar 3,6 . T table dengan ketentuan α= 0,05 Degree of freedom: n-2, dan n = 30 diketemukan sebesar: 2,048. Didasarkan ketentuan di atas, maka t hitung 3,6 > t table 2,048. Dengan demikian H0 ditolak dan H1 diterima. Artinya ada hubungan antara kepuasan kerja dengan loyalitas pegawai
Cara pengujian berikutnya ialah menggunakan kurva. Penggunaan kurva bermanfaat sekali jika nilai t hitung negatif (-). Jika nilai t hitung negatif (-) maka pengujian dilakukan disisi kiri; sedang nilai t hitung positif (+),maka pengujian dilakukan disisi kanan. Kurva pengujian akan seperti dibawah ini:


Untuk melakukan pengujian hipotesis dilakukan disisi kiri kurva jika t hitung diketemukan negative (-). Bilangan negatif t tidak bermakna minus (hitungan) tetapi mempunyai makna bahwa pengujian hipotesis dilakukan di sisi kiri. Caranya ialah sebagai contoh hasil t hitung sebesar -3,6 . T table dengan ketentuan α= 0,05 Degree of freedom: n-2, dan n = 30 diketemukan sebesar: 2,048. Letakkan nilai-nilai tersebut di kurva seperti di bawah ini:

Kurva di atas menunjukkan bahwa t hitung jatuh di area H0 ditolak; dengan demikian H1 diterima. Oleh karena itu kesimpulannya ialah ada hubungan antara kepuasan kerja dengan loyalitas pegawai.
Jika nilai t hitung positif (+),maka pengujian dilakukan disisi kanan. Kurva pengujian akan seperti dibawah ini:
Sebagai contoh hasil t hitung sebesar 3,6 . T table dengan ketentuan α= 0,05 Degree of freedom: n-2, dan n = 30 diketemukan sebesar: 2,048. Letakkan nilai-nilai tersebut di kurva seperti di bawah ini:

Kurva di atas menunjukkan bahwa t hitung jatuh di area H0 ditolak; dengan demikian H1 diterima. Oleh karena itu kesimpulannya ialah ada hubungan antara kepuasan kerja dengan loyalitas pegawai.
Disamping menggunakan cara diatas, cara ketiga ialah menggunakan angka signifikansi. Caranya sebagai berikut:
Hipotesis berbunyi sbb:
H0: Tidak ada hubungan signifikan antara kepuasan kerja dengan loyalitas pegawai
H1: Ada hubungan signifikan antara kepuasan kerja dengan loyalitas pegawai
Sebagai contoh angka signifikansi hasil perhitungan sebesar 0,03. Bandingkan dengan angka signifikansi sebesar 0,05. Keputusan menggunakan kriteria sbb:
Jika angka signifikansi hasil riset < 0,05, maka H0 ditolak.
Jika angka signifikansi hasil riset > 0,05, maka H0 diterima
Didasarkan ketentuan diatas maka signifikansi hitung sebesar 0,03 < 0,05, maka H0 ditolak dan H1 diterima. Artinya Ada hubungan signifikan antara kepuasan kerja dengan loyalitas pegawai.
Dalam IBM SPSS pengujian dilakukan dengan menggunakan angka signifikansi. Oleh karena itu dalam contoh analisis pada bab berikutnya akan hanya menggunakan angka signifikansi.
Kisaran Korelasi
Kisaran (range) korelasi mulai dari 0 sampai dengan 1. Korelasi dapat positif dan dapat pula negatif.
Korelasi Sama Dengan Nol
Korelasi sama dengan 0 mempunyai arti tidak ada hubungan antara dua variabel. Jika dilihat dari sebaran data, maka gambarnya akan seperti terlihat di bawah ini:

Gambar 4.1 Korelasi dimana r = 0
Korelasi Sama Dengan Satu
Korelasi sama dengan + 1 artinya kedua variabel mempunyai hubungan linier sempurna (membentuk garis lurus) positif. Korelasi sempurna seperti ini mempunyai makna jika nilai X naik, maka Y juga naik seperti pada gambar yang tertera di bawah ini:
 
Gambar 4.2 Korelasi dimana r = + 1
Korelasi Sama Dengan Minus Satu
Korelasi sama dengan -1 artinya kedua variabel mempunyai hubungan linier sempurna (membentuk garis lurus) negatif. Korelasi sempurna seperti ini mempunyai makna jika nilai X naik, maka Y turun dan sebaliknya seperti pada gambar yang tertera di bawah ini:

Gambar 4.3 Korelasi dimana r = - 1
Karakteristik Korelasi
Korelasi mempunyai karakteristik-karakteristik diantaranya:
Kisaran Korelasi: Kisaran (range) korelasi mulai dari 0 sampai dengan 1. Korelasi dapat positif dan dapat pula negatif.
Korelasi Sama Dengan Nol: Korelasi sama dengan 0 mempunyai arti tidak ada hubungan antara dua variabel.
Korelasi Sama Dengan Satu: Korelasi sama dengan + 1 artinya kedua variabel mempunyai hubungan linier sempurna (membentuk garis lurus) positif. Korelasi sempurna seperti ini mempunyai makna jika nilai X naik, maka Y juga naik.
Korelasi sama dengan minus satu: artinya kedua variabel mempunyai hubungan linier sempurna (membentuk garis lurus) negatif. Korelasi sempurna seperti ini mempunyai makna jika nilai X naik, maka Y turun dan berlaku sebaliknya.


Download Makalah KORELASI.docx

Download Now



Terimakasih telah membaca Makalah KORELASI. Gunakan kotak pencarian untuk mencari artikel yang ingin anda cari.
Semoga bermanfaat


Tinggalkan Komentar
EmoticonEmoticon