Cara Uji Korelasi Parsial dengan SPSS Serta Interpretasi Lengkap

Cara Uji Korelasi Parsial dengan SPSS Serta Interpretasi Lengkap | Secara umum uji korelasi bertujuan untuk mengetahui keeratan hubungan antar variabel yang diteliti (yakni hubungan antara variabel X dengan variabel Y). Korelasi atau hubungan yang terbentuk antar variabel ini dapat bersifat hubungan postif ataupun hubungan negatif. Hal ini dapat dilihat berdasarkan nilai koefisein korelasi dari hasil analisis apakah bernilai plus (+) atau minus (-). Jika plus (+) maka hubungan yang terbentuk antar variabel bersifat positif. Sementara jika koefisein korelasi bernilai minus (-) maka artinya hubungan yang terbentuk antar variabel tersebut adalah hubungan negatif. Hubungan positif bermakna bahwa jika variabel X mengalami peningkatan maka variabel Y juga akan mengalami peningkatan. Sementara hubungan negatif bermakna bahwa jika variabel X mengalami penurunan maka variabel Y akan mengalami peningkatan.

Uji korelasi dapat dilakukan dengan beberapa teknik atau metode analisis statistik tergantung dari skala data dari masing-masing variabel yang digunakan dalam penelitian. Misalnya: uji korelasi koefisien cramer lambda dipakai untuk data berskala nominal. Sementara uji korelasi kendall dan rank spearman cocok digunakan untuk data berskala ordinal. Sedangkan untuk data berskala rasio atau interval menggunakan uji korelasi pearson

Uji korelasi parsial disebut juga dengan analisis korelasi pearson dengan variabel kontrol atau variabel pengendali yang diasumsikan nilainya tetap atau konstan. Penggunaan variabel kontrol dalam analisis korelasi bertujuan untuk mengetahui apakah hubungan yang sudah terbentuk antara variabel X dengan variabel Y dipengaruhi oleh variabel kontrol tersebut atau tidak.

Derajad Keearatan Hubungan dalam Uji Korelasi

Dalam bukunya [V. Wiratna Sujarweni. 2014. SPSS untuk Penelitian. Yogyakarta: Pustaka Baru Press. Hal-127] menjelaskan bahwa keeratan hubungan atau koefisien korelasi antar variabel dapat dikelompokkan sebagai berikut:

1. Nilai koefisien korelasi 0,00 sampai 0,20 berarti hubungan sangat lemah.
2. Nilai koefisien korelasi 0,21 sampai 0,40 berarti hubungan lemah.
3. Nilai koefisien korelasi 0,41 sampai 0,70 berarti hubungan kuat.
4. Nilai koefisien korelasi 0,71 sampai 0,90 berarti hubungan sangat kuat.
5. Nilai koefisien korelasi 0,91 sampai 0,99 berarti hubungan kuat sekali.
6. Nilai koefisien korelasi 1,00 berarti hubungan sempurna.

Persyaratan Uji Korelasi Parsial untuk Analisis Data

Asumsi dasar atau persyaratan yang harus terpenuhi ketika kita menggunakan uji korelasi parsial untuk menganalisis data penelitian adalah sebagai berikut:

1. Masing-masing variabel penelitian menggunakan data berskala rasio atau interval.
2. Karena uji korelasi parsial merupakan bagian dari statistik parametrik maka data penelitian harus berdistribusi normal.

Contoh Soal Uji Korelasi Parsial dalam Penelitian

Seorang dosen ingin mengetahui apakah ada hubungan antara IQ (Intelligence Quotient) dengan nilai IPK (Indeks Prestasi Kumulatif) mahasiswa dengan Motivasi Berprestasi sebagai variabel Kontrol. Guna keperluan penelitian ini maka dosen tersebut mengumpulkan data-data yang dibutuhkan menggunakan kuesioner untuk 12 orang sampel atau responden penelitian. Adapun tabulasi data penelitian yang dimaksud dapat anda lihat pada tabel berikut ini.

[Download Data excel, Input-Output SPSS]

Langkah-Langkah Cara Uji Korelasi Parsial dengan SPSS

Tahapan-tahapan analisis data dalam uji korelasi parsial ini dimulai dari memasukkan atau menginput data penelitian ke program SPSS, selanjutnya melakukan uji normalitas data terlebih dahulu, baru kemudian melakukan analisis data dengan uji korelasi parsial.

1. Langkah pertama buka lembar kerja baru SPSS, lalu klik Variable View, selanjutnya anda cukup mengisi pada kolom Name, Decimals, Label, dan Measure, sementara untuk pilihan yang lain biarkan tetap default. Tampak di layar SPSS sebagaimana gambar bawah ini.

2. Jika sudah, langkah berikutnya klik Data View, lalu masukkan data IQ, IPK dan Motivasi ke-12 orang responden tersebut sesuai dengan judul kolom yang ada di layar SPSS.

*Melakukan Uji Normalitas Data Penelitian dengan SPSS

Karena persyaratan atau asumsi dasar yang harus terpenuhi dalam penggunaan uji korelasi parsial ini adalah data berdistribusi normal, maka terlebih dahulu kita akan melakukan uji normalitas untuk variabel IQ, IPK dan Motivasi. Adapun caranya sebagai berikut ini.

1. Dari menu utama SPSS klik menu Analyze >> Descriptive Statistics >> Explore…

2. Maka muncul kotak dialog “Explore” selanjutnya masukkan semua variabel penelitian ke kotak Dependent List: kemudian pada bagian “Display” pilih Both, setelah itu klik Plots…

3. Maka muncul kotak dialog “Explore Plots” lalu beri tanda ceklist (v) pada Normality plots with tests, selanjutnya klik Continue, kemudian klik Ok

4. Maka akan mucul output SPSS, kita cukup perhatikan pada tabel output “Tests of Normality” tampak dilayar seperti gambar di bawah ini.

*Pembahasan Uji Normalitas untuk Uji Korelasi Parsial dengan SPSS

Untuk mengetahui apakah variabel IQ, IPK dan Motivasi yang digunakan dalam penelitian berdistribusi normal atau tidak, maka terlebih dahulu kita harus mengetahui teori tentang dasar pengambilan keputusan untuk uji normalitas. Adapun dasar pengambilan keputusan dalam uji normalitas adalah sebagai berikut.

1. Jika nilai Signifikansi (Sig.) < 0,05, maka variabel tidak berdistribusi normal.
2. Jika nilai Signifikansi (Sig.) > 0,05, maka variabel berdistribusi normal.

Berdasarkan tabel output SPSS “Tests of Normality” di atas, diketahui bahwa nilai Sig. dalam uji normalitas Shapiro-Wilk adalah sebagai berikut.

1. Nilai IQ Sig. adalah sebesar 0,932
2. Nilai IPK Sig. adalah sebesar 0,152
3. Nilai Motivasi Sig. adalah sebesar 0,066

Karena nilai signifikansi (Sig.) untuk semua variabel penelitian di atas > 0,05 maka dapat disimpulkan variabel IQ, IPK dan Motivasi adalah berdistribusi normal. Dengan demikian, asumsi dasar atau persyaratan dalam uji korelasi parsial sudah terpenuhi.

Catatan: metode Shapiro-Wilk dipakai untuk sampel < 50. Sementara metode Kolmogorov-Smirnov dipakai untuk sampel > 50.

*Melakukan Uji Korelasi Parsial dengan SPSS

1. Selanjutnya kita akan melakukan Uji Korelasi Parsial dengan SPSS, caranya klik menu Analyze >> Correlate >> Partial… Tampak dilayar.

2. Muncul kotak dialog “Partial Correlations” Selanjutnya, masukkan variabel IQ dan IPK ke kotak Variables: kemudian masukkan variabel Motivasi ke kotak Controlling for, pada bagian “Test of Significance” pilih Two-tailed dan beri tanda ceklist (v) untuk Display actual significance level, lalu klik Options…

3. Muncul kotak diloag “Partial Correlations: Options”, kemudian pada bagian “Statistics” berikan tanda ceklist (v) untuk Means and standard deviations dan Zero-order correlations. Selanjutnya pada bagian “Missing Values” aktifkan pilihan Exclude cases pairwise, lalu klik Continue

4. Kemudian klik Ok untuk mengakhiri perintah. Maka muncul Output SPSS dengan judul “Partial Corr” selanjutnya tinggal interpretasikan saja tabel output tersebut.

Interpretasi Output Uji Korelasi Parsial dengan SPSS

Tabel Output “Descriptive Statistics”

Tabel output SPSS di atas, memberikan informasi kepada kita tentang ringkasan nilai statistik deskriptif atau gambaran data untuk ketiga variabel (IQ, IPK dan Motivasi) mencakup Mean atau nilai rata-rata, Std. Deviation (Standar Deviasi), dan N atau jumlah sampel yang digunakan dalam penelitian ini.

Tabel Output “Correlations”

Tabel output SPSS ini memberikan informasi mengenai hubungan yang terbentuk antar variabel sebelum dan sesudah dimasukkannya variabel kontrol dalam analisis korelasi. Untuk memaknai tabel output Correlations di atas, maka ada 3 tahapan yang harus kita lalui, yaitu: (1) Menentukan rumusan hipotesis penelitian. (2) Melihat teori tentang dasar pengambilan keputusan dalam uji korelasi parsial. (3) Manafsirkan hasil analisis dan membuat kesimpulan.

*Rumusan Hipotesis Penelitian dalam Uji Korelasi Parsial

1. H0: Hubungan antara IQ dengan IPK dengan Motivasi sebagai variabel kontrol tidak signifikan.
2. Ha: Hubungan antara IQ dengan IPK dengan Motivasi sebagai variabel kontrol signifikan.

*Dasar Pengambilan Keputusan dalam Uji Korelasi Parsial Sig. (2-tailed)

1. Jika nilai Significance (2-tailed) > 0,05, maka H0 diterima dan Ha ditolak.
2. Jika nilai Significance (2-tailed) < 0,05, maka H0 ditolak dan Ha diterima.

*Pembahasan Output Uji Korelasi Parsial dengan SPSS

Tabel output pertama “-none-a” menunjukkan nilai korelasi atau hubungan antara variabel IQ dengan IPK sebelum dimasukkannya variabel kontrol (Motivasi) dalam analisis. Dari output di atas diketahui nilai koefisien korelasi (Correlations) sebesar 0,832 (positif) dan nilai Significance (2-tailed) adalah 0,001 < 0,05, maka dapat disimpulkan bahwa ada hubungan yang positif dan signifikan antara IQ dengan IPK mahasiswa tanpa adanya variabel kontrol (Motivasi). Sementara nilai Correlations sebesar 0,832 ini masuk dalam kategori hubungan sangat kuat.

Tabel output kedua “Motivasi” menujukkan nilai korelasi atau hubungan antara variabel IQ dengan IPK setelah memasukkan Motivasi sebagai variabel kontrol dalam analisis. Dari tabel output di atas terlihat bahwa terjadi penurunan nilai koefisien korelasi (Correlations) menjadi 0,626 (bernilai positif dan kategori hubungan kuat) dengan nilai Significance (2-tailed) sebesar 0,039 < 0,05, maka H0 ditolak dan Ha diterima yang berarti bahwa hubungan antara IQ dengan IPK dengan Motivasi sebagai variabel kontrol adalah signifikan (nyata).

*Kesimpulan Penelitian

Berdasarkan pembahasan dalam uji korelasi parsial di atas diketahui bahwa kehadiran variabel motivasi berprestasi sebagai variabel kontrol akan memberikan pengaruh terhadap hubungan antara variabel IQ dengan variabel IPK. Dengan demikian maka dapat disimpulkan bahwa variabel IQ (Intelligence Quotient) bukanlah satu-satunya variabel yang menentukan nilai IPK mahasiswa, karena ada variabel lain juga yang berhubungan dengan nilai IPK yaitu variabel Motivasi berprestasi.

Catatan: selain mengacu pada nilai Significance (2-tailed) dari output SPSS, pengambilan keputusan dalam uji korelasi parsial ini dapat pula berdasarkan pada perbandingan nilai nilai koefisien korelasi (Correlations) atau r hitung dengan nilai r table pearson product moment. Pembahasan lebih detail tentang hal ini saya rangkum dalam bentuk video panduan SPSS, silahkan anda saksikan videonya melalui link di bawah ini.

VIDEO: Tutorial Uji Korelasi Parsial dengan SPSS + Interpretasi

Sekian pembahasan kita mengenai cara melakukan analisis data penelitian dengan uji korelasi parsial menggunakan program SPSS beserta interpretasinya. Bagi anda merasa terbantu dengan panduan ini, silahkan dibagikan ke media sosial supaya panduan ini bisa bermanfaat bagi banyak orang. Terimakasih, semoga sukses untuk penelitian anda. Salam dari saya Sahid Raharjo

[Kata Kunci Pencarian: Cara Uji Korelasi Parsial dengan SPSS Serta Interpretasi Lengkap, Langkah-langkah Analisis Korelasi Parsial (Partial Correlations) menggunakan Program SPSS, Tutorial Uji Korelasi Parsial dengan SPSS dilengkapi Penjelasan]

Share on Facebook

Share on Twitter

Share on Google+

Share on LinkedIn