1. KORELASI
Korelasi merupakan hubungan antara dua buah variabel, jika nilai suatu variabel
naik, sedangkan nilai variabel yang lain turun, maka dikatakan terdapat hubungan negatif
serta sebaliknya. Korelasi yang biasa digunakan dalam penelitian adalah:
a. Korelasi Pearson Product Moment
Korelasi ini dilakukan jika sepasang variabel kontinu, memiliki korelasi. Jumlah
pengamatan variabel X dan Y harus sama, atau kedua nilai variabel tersebut berpasangan.
Semakin besar nilai koefisien korelasinya maka akan semakin besar pula derajat
hubungan antara kedua variabel. Korelasi Pearson biasanya pada hubungan yang
berbentuk linier (keduanya meningkat atau keduanya menurun). Koefisien korelasi ini
tidak menunjukkan adanya hubungan kausal antar variabelnya.
Contoh kasus: jika terdapat hubungan korelasi antara variabel citra merek dengan
kepuasan konsumen motor merek Honda.
b. Korelasi Spearman
Jika pengamatan dari 2 variabel X dan Y adalah dalam bentuk skala ordinal, maka
derajat korelasi dicari dengan koefisien korelasi spearman. Prosedurnya terdiri atas:
1. Atur Pengamatan dari kedua variabel dalam bentuk ranking.
2. Cari beda dari masing-masing pengamatan yang sudah berpasangan.
C.Korelasi Rank Kendall
Analisis korelasi rank Kendall digunakan untuk mencari hubungan dan menguji
hipotesis antara dua variabel atau lebih, bila datanya berbentuk ordinal atau ranking.
Kelebihan metode ini bila digunakan untuk menganalisis sampel berukuran lebih dari 10
dan dapat dikembangkan untuk mencari koefisien korelasi parsial.Metode yang
digunakan pada analisis koefisien korelasi rank Kendall yang diberi notasi τ adalah
sebagai berikut: 1. Beri ranking data observasi pada variabel X dan variabel Y.
2. Susun n objek sehingga ranking X untuk subjek itu dalam urutan wajar, yaitu 1, 2, 3,
…, n. Apabila terdapat ranking yang sama maka ranking-nya adalah rata-ratanya.
3. Amati ranking Y dalam urutan yang bersesuaian dengan ranking X yang ada dalam
urutan wajar kemudian tentukan jumlah angka pasangan concordant (Nc) dan jumlah
angka pasangan discordant (Nd).
Koefisien korelasi non-parametrik
Koefisien korelasi Pearson merupakan statistik parametrik, dan ia kurang begitu
menggambarkan korelasi bila asumsi dasar normalitas suatu data dilanggar. Metode
korelasi non-parametrik seperti ρ Spearman and τ Kendall berguna ketika distribusi
tidak normal. Koefisien korelasi non-parametrik masih kurang kuat bila dibandingkan
dengan metode parametrik jika asumsi normalitas data terpenuhi, namun cenderung
memberikan hasil distrosi ketika asumsi tersebut tak terpenuhi.
3. Correlations
Descriptive Statistics
Mean Std. Deviation N
pretest 56.0667 6.04542 30
posttest 62.2667 6.92289 30
Correlations
pretest posttest
pretest Pearson Correlation 1 .932**
Sig. (2-tailed) .000
N 30 30
posttest Pearson Correlation .932** 1
Sig. (2-tailed) .000
N 30 30
**. Correlation is significant at the 0.01 level
(2-tailed).
ANALISIS OUTPUT
Dari output di peroleh informasi sebagai berikut :
Mean dari pretest = 56.0667
Mean dari posttest = 62.2667
Standard deviasi pretest = 6.04542
Standar deviasi posttest = 6.92289
Banyaknya data yang di analisis = 30
Dengan menggunakan korelasi pearson di peroleh:r =0.932
Itu berarti hubungan antara pretest dan pretest sangat kuat .dari
koefisien korelasi yang bertanda + di peroleh arti adanya
hubungan yang searah.artinya,jika posttest meningkat hasil
pretest semakin tinggi.begitu pula sebaliknya.
4. Nonparametric Correlations
Correlations
pretest posttest
Spearman's rho pretest Correlation Coefficient 1.000 .939**
Sig. (2-tailed) . .000
N 30 30
posttest Correlation Coefficient .939** 1.000
Sig. (2-tailed) .000 .
N 30 30
**. Correlation is significant at the 0.01 level (2-tailed).
ANALISIS OUTPUT
Dengan menggunakan nilai koefisien korelasi spearman’s di
peroleh :
Nilai korelasinya = 0.939 ;artinya, asosiasi antara nilai pretest
dan posttest searah.