Posted by: tonyteaching | August 21, 2010

Analisis KORELASI (Hubungan)

Namanya manusia kaya’ kita ini kan sukanya menghubung2-in terus mempersepsikan ‘Hubungan Sebab-Akibat’ (Premise) sendiri terus Memastikan sesuatu (Kesimpulan/Conclusion) yang belum pasti berdasarkan persepsi ‘hubungan sebab-akibat’ ini dan berdasar fakta sempit yang dia terima (Evidence) , ya nggak?

Nah..ditulisan ini saya mau focus mbahas Gimana caranya biar Premise (persepsi Sebab-Akibat) yang kita bikin itu Valid atau Benar?
Gimana caranya mengambil kesimpulan suatu HUBUNGAN?
Saya bilang ‘Hubungan’ ya, BUKAN ‘Hubungan Sebab Akibat’!! ini beda, Tidak semua ‘Hubungan’ adalah ‘Hubungan Sebab-Akibat’. Hubungan ‘Sebab-Akibat’ hanya satu dari banyak jenis ‘Hubungan’.

Contoh:
Anak saya, Makna, main sepeda tiap hari. Suatu hari dia jatuh naik sepeda. Kakinya lecet berdarah sedikit. Pembantu saya datang nolong, mau ngasih Plester diluka Makna tapi ternyata persediaan plester habis. Memang plester dirumah cepet banget habis sejak Makna hobi naik sepeda. Pembantu saya mau mbelikan plester tapi uangnya habis. Uang pembantu saya memang cepet habis semenjak Makna hobi naik sepeda.

Nah..yuk kita analisa ‘Hubungan’ disitu, menurut kamu pernyataan ini benar atau salah:
1. Ada hubungan antara hobi Makna naik sepeda dengan Persediaan Plester di rumah cepat habis.
2. Ada hubungan antara hobi Makna naik sepeda dengan Uang pembantu saya yang cepat habis.
Secara logika awam, kita akan menyatakan Pernyataan 1 BENAR, pernyataan ke-2 SALAH.
Logikanya, pernyataan 1 benar karena gara-gara Makna hobi dan sering main sepeda tiap hari, bisa jadi dia sering jatuh dan selalu minta plester, akhirnya persediaan plester di rumah habis. (Penalaran kita ini disebut penalaran Hubungan Sebab-Akibat) Hobi naik sepeda Makna memiliki hubungan sebab-akibat dengan Jumlah persediaan plester di rumah.

Logika pernyataan ke 2 salah, karena kaya’nya memang Nggak Ada Hubungannya antara Hobi Makna naik sepeda dengan Uang Pembantu saya, lha wong yang selalu membelikan plester itu selama ini saya (bukan pembantu saya). Sekali lagi disini kita memakai logika sebab-akibat.

Di sini kita ‘Terjebak’. Setiap Hubungan tidak harus Hubungan Sebab Akibat Langsung!

Cara pengujian Hubungan paling sederhana adalah dengan MENGAMATI PERUBAHAN di setiap Variabel!:
Contoh dalam pernyataan 2 di atas, kita musti mengamati/mencatat frekuensi Makna main sepeda 1 bulan misalnya dan Banyaknya Uang pembantu saya di bulan yang sama.
Jika kita temukan: Jika frekuensi Makna naik sepeda BERUBAH (bisa naik/turun), Banyaknya Uang Pembantu saya juga pasti BERUBAH (bisa naik/turun) maka bisa kita katakan Hobi Makna Naik Sepeda ADA HUBUNGANnya dengan Jumlah Uang Pembantu saya.

Contoh lain ada Hubungan tetapi Bukan Hubungan Sebab Akibat adalah:

Setiap kali saya memberi Uang Tabungan ke Mulia, saya juga pasti memberi Uang Tabungan ke Makna.
Jadi kalo diamati: Jika Uang Tabungan Mulia Naik, Uang Tabungan Makna pasti Naik.

Disini kita dapat menyimpulkan bahwa Uang Tabungan Mulia “Ada Hubungan”nya dengan Uang Tabungan Makna.
dan Hubungan ini Bukan Hubungan Sebab Akibat….tetapi tetap kita katakan Ada Hubungan.
Disini dikatakan “Uang Tabungan Mulia” ada hubungan dengan “Uang Tabungan Makna” melalui mediator “Keinginan saya memberi uang ke anak-anak saya”

“Keinginan saya memberi uang ke anak-anak saya” mempunyai Hubungan Positif langsung dengan “Uang Tabungan Mulia” dan “Uang Tabungan Makna”

“Uang Tabungan Mulia” memiliki Hubungan Positif Tidak Langsung dengan “Uang Tabungan Makna”

Contoh lain ADA HUBUNGAN tapi BUKAN HUBUNGAN SEBAB AKIBAT:

* Ada Hubungan Positif Kuat antara banyaknya Pemadam Kebakaran yang datang dengan Jumlah Kerusakan Rumah

* Ada Hubungan Negatif Kuat antara Banyaknya Jam Kursus tambahan yang diterima seorang siswa dengan Ranking siswa di kelas (Semakin Banyak Jam Kursusnya, Semakin Rendah rangking siswa itu dikelas)

Seberapa kuat hubungan itu?
Apakah hubungannya Langsung atau Tidak Langsung?
apakah Sebab Akibat?
Apakah hubungannya Positif (sebanding) atau Negatif (berlawanan arah)?

Semua itu mustinya dibuktikan dengan Bukti Empiris, yakni dengan Data yang diolah dengan Statistik!

—————————————————————————–

Teknik Mengukur Asosiasi/Korelasi dalam Statistics

2 Teknik korelasi yang sangat populer sampai saat ini:

Korelasi Pearson Product Moment, (Person r, adalah koefisien parameter korelasi yang banyak dipakai!)

Korelasi Rank Spearman.

Selain kedua teknik tersebut, terdapat pula teknik-teknik korelasi lain, seperti Kendal, Chi-Square, Phi Coefficient, Goodman-Kruskal, Somer, dan Wilson.

Dua variabel dikatakan berasosiasi jika perubahan perilaku satu variabel variabel ditemukan perilaku variabel yang lain juga berubah.
Jika tidak ada perubahan, maka kedua variabel tersebut disebut independen.

Kuat Lemahnya Hubungan ini diukur dengan istilah “Koefisien Korelasi” atau Correlation Coefficient. (r)
Koefisien korelasi bernilai: -1 hingga 1

r=0 artinya TIDAK ADA Hubungan sama sekali antara dua variable tersebut
r=1 artinya ADA HUBUNGAN POSITIF sempurna antara dua variable tersebut
r=-1 artinya ADA HUBUNGAN NEGATIF sempurna antara dua variable tersebut

Jadi semakin Koefisien Korelasi Mendekati 0 Semakin Lemah Hubungan yang ada.

Sekali lagi Korelasi menunjukkan adanya Hubungan tetapi Korelasi tidak secara otomatis Berarti ada Hubungan Sebab Akibat! “correlation does not imply causation

_______________________

Misal kita punya 2 variabel yang ingin kita analisis Ada/Tidak Hubungannya,
contoh: Harga Jual vs Penjualan, Harga Susu vs Kecerdasan Anak, Attitude Vs Usage Behaviour

maka selanjutnya kita mengumpulkan semua data dan meletakkan dalam sumbu X-Y…sumbu X untuk setiap nilai variable 1, maka nilai variabel 2nya sumbu Y gambarkan nilai pertemuannya untuk setiap pasangan X-Y. Naaah kemungkinan gambar yang kita peroleh bisa bermacam-macam, seperti dibawah ini:

Semakin titik-titik hubungan yang kita bikin membentuk Garis Lurus –> Semakin Kuat Hubungan antara variabel X dan Y yang kita amati (nilai r semakin mendekati 1 atau -1).

Semakin titik-titik hubungannya Tidak Berbentuk Lurus –> Semakin Lemah Hubungan variabel X dan Y (nilai r semakin mendekati 0)

Perhatikan, Kuat Lemahnya Hubungan (nilai r) TIDAK DIWAKILI oleh Kemiringan Garis (gradient)!!! tetapi diwakili oleh Linearitas titik-titik hubungan variabel.

Namun, ARAH kemiringan menunjukkan arah hubungan. Miring ke KANAN=Hubungan POSITIF (Searah), Miring ke KIRI=Hubungan NEGATIF(Berlawanan arah).

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 sebaliknya). Untuk memudahkan melakukan interpretasi mengenai kekuatan hubungan antara dua variabel penulis memberikan kriteria sebagai berikut (Sarwono:2006):

  • r= 0 : Tidak ada korelasi antara dua variabel
  • r= >0 – 0,25: Korelasi sangat lemah
  • r= >0,25 – 0,5: Korelasi cukup
  • r= >0,5 – 0,75: Korelasi  kuat
  • r= >0,75 – 0,99: Korelasi  sangat kuat
  • r=1: Korelasi sempurna

———————————————————————————–

Significancy

artinya “probabilitas kebenaran”.  namun bi

” 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%.

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. Sebaliknya jika ukuran sample semakin kecil, maka kemungkinan munculnya kesalahan semakin ada.

Untuk pengujian dalam 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


Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s

Categories

%d bloggers like this: