Cara Melakukan Analisis Korelasi Bivariate Pearson dengan SPSS

Cara Melakukan Analisis Korelasi Bivariate Pearson dengan SPSS | Analisis korelasi  merupakan studi pembahasan tentang derajad keeratan hubungan antar variabel yang dinyatakan dengan nilai koefisien korelasi. Hubungan antara variabel tersebut dapat bersifat bersifat positif dan negatif. Dalam analisis korelasi sebenarnya tidak ada istilah variabel independent (X) dan variabel dependent (Y). Karena pada dasarnya hubungan antara variabel independent dengan variabel dependent, akan bermakna sama dengan hubungan variabel dependent dengan variabel independent. Namun demikian dalam prakteknya banyak kita jumpai peneliti memberikan nama untuk hubungan variabel independent dengan variabel dependent. Hal ini bukan sebuah masalah, sebab penamaan tersebut tujuan sebenarnya hanya sebagai alat bantu saja supaya pembaca lebih mudah memahami arah hubungan yang ingin disampaikan oleh peneliti dalam penelitiannya.

Derajad hubungan biasanya dinyatakan dengan huruf "r" atau disebut juga dengan koefisien korelasi sampel yang merupakan penduga bagi koefisien populasi. Sedangkan r2 atau r square disebut dengan koefisien determinasi (koefisien penentu). Kekuatan korelasi linear antara variabel yang dihubungkan dapat disajikan dengan rxy yang didefinisikan dengan rumus:

Formula tersebut disebut merupakan formula koefisien korelasi momen produk (product moment karl pearson). Dalam penelitian analisis korelasi bivariate pearson digunakan untuk menguji hubungan antara dua varaibel yang menggunakan data berkala rasio atau interval. Sementara untuk data ordinal pakai Uji Korelasi Rank Spearman

Peryaratan dalam Analisis Korelasi Bivariate Pearson

Ada beberapa persyaratan atau asumsi dasar yang harus terpenuhi ketika kita hendak memakai analisis korelasi bivariate pearson untuk menguji hipotesis penelitian kita.

1. Data penelitian untuk masing-masing variabel setidak-tidaknya berskala rasio atau interval (yaitu data yang berbentuk angka sesungguhnya atau data metrik (data kuantitatif). Namun demikian analisis ini bisa juga dipakai untuk data kuesioner dengan skala likert.
2. Data untuk masing-masing variabel yang dihubungkan berdistribusi normal.
3. Terdapat hubungan yang linear antar variabel penelitian. Baca: Cara Melakukan Uji Linearitas dengan Program SPSS

Arti Angka Korelasi (Pearson Correlations)

Koefisien korelasi atau Pearson Correlations memiliki nilai paling kecil -1 dan paling besar 1.

1. Berkenaan dengan besaran angka ini, jika 0 maka artinya tidak ada korelasi sama sekali sementara jika korelasi 1 berarti ada korelasi sempurna. Hal ini menunjukkan bahwa semakin nilai pearson correlations mendekati 1 atau -1 maka hubungan antara dua variabel adalah semakin kuat. Sebaliknya, jika nilai r atau pearson correlations mendekati 0 berarti hubungan dua variabel menjadi semakin lemah. Sebenarnya tidak ada ketentuan yang benar-benar tepat mengenai apakah angka korelasi tertentu menunjukkan tingkat korelasi yang tinggi atau lemah. Namun, hal berikut ini dapat kita dijadikan pedoman sederhana bahwa jika angka korelasi di atas 0,5 maka menunjukkan korelasi yang cukup kuat sedangkan jika di bawah 0,5 maka menunjukkan korelasi yang lemah.
2. Selain besarnya korelasi, tanda korelasi juga berpengaruh pada penafsiran hasil dalam analisis ini. Dimana, tanda negatif (-) pada tabel output SPSS menunjukkan adanya arah yang berlawanan, sedangkan tanda positif (+) menunjukkan arah yang sama atau korelasi searah.

Mungkin anda masih sedikit bingung dengan penjelasan yang saya sampaikan di atas, karena bahasanya yang agak terlalu formal (tapi tidak apa-apa, nanti akan saya perjelas kembali dalam praktek analisis korelasi bivariate pearson dengan program SPSS menggunakan bahasa yang lebih sederhana). Baik kalau begitu disini saya akan menyampaikan dasar pengambilan keputusan dalam analisis korelasi. Simak dasar pengambilan keputusan di bawah ini dengan seksama agar nanti anda tidak salah faham.

Dasar Keputusan dalam Analisis Korelasi Bivariate Pearson

Ada tiga cara yang dapat kita gunakan sebagai pedoman atau dasar pengambilan keputusan dalam analisis korelasi bivariate pearson ini yaitu pertama dengan melihat nilai signifikansi Sig. (2-tailed). Kedua membandingkan nilai r hitung (Pearson Correlations) dengan nilai r tabel product moment. Ketiga adalah dengan melihat tanda bintang (*) yang terdapat pada output program SPSS.

1. Berdasarkan Nilai Signifikansi Sig. (2-tailed): Jika nilai Sig. (2-tailed) < 0,05 maka terdapat korelasi antar variabel yang dihubungkan. Sebaliknya jika nilai Sig. (2-tailed) > 0,05 maka tidak terdapat korelasi.
2. Berdasarkan Nilai r hitung (Pearson Correlations): Jika nilai r hitung > r tabel maka ada korelasi antar variabel. Sebaliknya jika nilai r hitung < r tabel maka artinya tidak ada korelasi antar variabel.
3. Berdasarkan Tanda Bintang (*) yang diberikan SPSS: Jika terdapat tanda bintang (*) atau (**) pada nilai pearson correlation maka antara variabel yang di analisis terjadi korelasi. Sebaliknya jika tidak terdapat tanda bintang pada nilai pearson correlation maka antara variabel yang di analisis tidak terjadi korelasi.

Catatan: Tanda bintang satu (*) menujukkan korelasi pada signifikansi 1% atau 0,01. Sedangkan tanda bintang dua (**) menunjukkan korelasi pada signifikansi 5% atau 0,05.

Untuk lebih jelas, kita langsung praktekkan saja cara melakukan analisis korelasi bivariate pearson dengan program SPSS. Misalkan saya ingin menguji apakah ada hubungan yang signifikan antara Motivasi dan Minat dengan Prestasi belajar siswa. Adapun detail data penelitiannya dapat anda lihat di bawah ini.

[Download Data excel, Input-Output SPSS]

Langkah-langkah Analisis Korelasi Bivariate Pearson dengan SPSS

1. Buka program SPSS, klik Variable View. Selanjutnya, pada bagian Name tulis saja X1, X2 dan Y, pada Decimals ubah semua menjadi angka 0, pada bagian Label tuliskan Motivasi, Minat dan Prestasi. Pada bagian Measure ganti menjadi Scale

2. Setelah itu, klik Data View, dan masukkan data Motivasi (X1), Minat (X2) dan Prestasi (Y) yang sudah dipersiapkan tadi ke program SPSS.

3. Selanjutnya, dari menu utama SPSS, pilih menu Analyze, lalu klik Correlate, dan klik Bivariate...

4. Muncul kotak dialog dengan nama "Bivariate Correlations". Masukkan variabel Motivasi (X1), Minat (X2) dan Prestasi (Y) pada kotak Variables:. Selanjutnya, pada kolom "Correlation Coefficient" pilih Pearson, lalu untuk kolom "Test of Significant" pilih Two-tailed, dan centang pada Flag Significant Correlations, terakhir klik Ok untuk mengakhiri perintah.

Setelah selasai, maka akan muncul tampilan output SPSS "Correlations" tinggal kita interpretasikan saja.

Interpretasi Analisis Korelasi Bivariate Pearson

Berdasarkan tabel output di atas, kita akan melakukan pernarikan kesimpulan dengan merujuk pada ke-3 dasar pengambilan keputusan dalam analisis korelasi bivariate pearson di atas.

1. Berdasarkan Nilai Signifikansi Sig. (2-tailed): Dari tabel output di atas diketahui nilai Sig. (2-tailed) antara Motivasi (X1) dengan Prestasi (Y) adalah sebesar 0,002 < 0,05, yang berarti terdapat korelasi yang signifikan antara variabel Motivasi dengan variabel Prestasi. Selanjutnya, hubungan antara Minat (X2) dengan Prestasi (Y) memiliki nilai Sig. (2-tailed) sebesar 0,000 < 0,05, yang berarti terdapat korelasi yang signifikan antara variabel Minat dengan variabel Prestasi.

2. Berdasarkan Nilai r hitung (Pearson Correlations): Diketahui nilai r hitung untuk hubungan Motivasi (X1) dengan Prestasi (Y) adalah sebesar adalah sebesar 0,796 > r tabel 0,576, maka dapat disimpulkan bahwa ada hubungan atau korelasi antara variabel Motivasi dengan variabel Prestasi. Selanjutnya, diketahui nilai r hitung untuk hubungan Minat (X2) dengan Prestasi (Y) adalah sebesar adalah sebesar 0,908 > r tabel 0,576, maka dapat disimpulkan bahwa ada hubungan atau korelasi antara variabel Minat dengan variabel Prestasi. Karena r hitung atau Pearson Correlations dalam analisis ini bernilai positif maka itu artinya hubungan antara kedua variabel tersebut bersifat positif atau dengan kata lain semakin meningkatnya Motivasi dan Minat maka akan meningkat pula Prestasi belajar siswa.

Catatan: Rumus menghitung nilai r tabel product moment adalah dengan melihat nilai N pada distribusi nilai r tabel product moment statistik. Karena N atau jumlah sampel yang digunakan dalam analisis ini ada 12 orang siswa dengan signifikansi 5% maka ketemu nilai r tabel adalah sebesar 0,576. lihat gambar di bawah ini.

[Download Distribusi Nilai r tabel Sig. 1% dan 5%]

3. Berdasarkan Tanda Bintang (*) SPSS: Dari output di atas diketahui bahwa nilai Pearson Correlation antara masing-masing variabel yang dihubungkan mempunyai dua tanda bintang (**), ini berarti terdapat korelasi antara variabel yang dihubungkan dengan taraf signifikansi 1%.

Demikian pembahasan mengenai cara melakukan analisis korelasi bivariate pearson dengan SPSS. Jika artikel ini bermanfaat silahkan anda dibagikan ke media sosial anda supaya ilmu ini dapat berguna bagi banyak orang yang belum mengetahuinya. Terimakasih.

Artikel Selanjutnya: Cara Melakukan Analisis Regresi Multiples dengan SPSS

[Kata Kunci Pencarian: Cara Melakukan Analisis Korelasi Bivariate Pearson dengan SPSS, Cara Melakukan Analisis Korelasi dengan SPSS, Uji Korelasi Rumus Pearson Correlation dengan Program SPSS versi 21 Lengkap dengan Gambar dan Interpretasi][Img: Dokumen Program SPSS versi 21]

UPDATE DATA: JUM'AT, 19 FEBRUARI 2021

Lihat Juga: VIDEO Analisis Korelasi Pearson dengan SPSS Lengkap

Share on Facebook

Share on Twitter

Share on Google+

Share on LinkedIn