PENYELIDIKAN KORELASI Korelasi merujuk kepada sesuatu ujian statistik di mana pembolehubah adalah digunakan untuk membuat perbandingan

pasangan dengan pasangan. Maka, penyelidikan korelasi merupakan sesuatu jenis penyelidikan yang menggunakan ujian statistic untuk mengenal pasti pola-pola dan perhubungan di antara dua pembolahubah dalam kajian, misalnya, perhubungan pembelajaran kolaboratif dengan kerja tugasan di rumah yang mempengaruhi prestasi pembelajaran. Korelasi ialah satu kajian yang menunjukkan sama ada semua pembolehubah rawak yang tidak bersandar mempunyai hubungan linear atau tidak. Berdasarkan huraian di atas, penyelidikan korelasi merupakan salah satu jenis penyelidikan kuantitatif. Kaedah yang digunakan untuk mendapat hasil korelasi ialah berdasarkan ujian statistik untuk mengenal pasti signifikan statistiknya. kuantitatif yang berdasarkan menguji hipotesis. Pada asasnya, di dalam penyelidikan korelasi, terdapat 2 jenis hipotesis diusulkan, satu ialah hipotesis nul (null hypothesis) (H0), iaitu hipotesis tidak menyokong; dan satu yang lain ialah hipotesis alternatif (alternative ypothesis)(HA), iaitu hipotesis menyokong. Misalnya, (Hipotesis Nul) (HO): antara kumpulan eksperimental dengan kumpulan kawalan dalam posujian sains. (Hipotesis Alternatif)(HA): Ada signifikan statistik dalam perbezaan keputusan posujian sains di antara kumpulan eksperimental dengan kumpulan kawalan. Lazimnya, null hypothesis memerlukan bukti konkrit untuk tidak menyokong usulnya. Oleh itu, ia memainkan peranan yang libih penting daripada alternative hypothesis yang menyokong. Maka, korelasi membolehkan penyelidik untuk menentukan sejauh mana darjah asosiasi di antara dua pembolehubah dalam kajian. Sebagai contoh, korelasi positif menunjukkan perhubungan secara langsung yang kuat; korelasi negatif menunjukkan perhubungan secara songsang; manakala korelasi zero Tiada perbezaan keputusan posujian sains di Dengan perkataan lain, penyelidikan korelasi sesungguhnya merupakan sesuatu penyelidikan

regresi dan regresi berganda. misalnya statistik korelasi. seperti chi-square. keputusan korelasi pula boleh didapati daripada kaedah analisis data yang lain.menunjukkan tiada perhubungan. analisis factor dan sebagainya. iaitu singkatan bahasa Inggeris mewakili analysis of variance. khasnya ujian hipotesis. untuk mengkaji interaksi di antara dua pembolehubah. misalnya korelasi dan ANOVA. KORELASI SPEARMAN (SPEARMAN’S CORRELATION) Korelasi Spearman merupakan salah satu jenis ukuran kadar korelasi di antara dua pembolehubah. Kebanyakan penyelidikan kuantitatif adalah menggunakan statistic inferential untuk menganalisis dan menginterpretasi data pembolehubah independent dan dependen. terdapat juga penyelidik kuantitatif yang gunakan cara yang lain. dan memilih ujian statistik bukan satu tetapi lain yang juga sesuai.6∑d² N (N²-1) Di mana r = koefisyen korelasi (coefficient correlation) ∑d² = jumlah daripada kuasa dua perbezaan setiap pasangan dua pembolehubah (X. khasnya rumus pengiraan korelasi Spearman. ramalan.Y) N = Saiz populasi . Korelasi juga biasanya digunakan untuk analisis data bagi membuat inferensi. Di samping itu. factor analysis dan ANOVA. Keputusan korelasi ini adalah berdasarkan amalan penggunaan analisis data. Bagaimanapun. Statistik inferential adalah digunakan untuk membuat inferensi. penyelidik harus membuat keputusan dengan tepat sama ada hubungan mereka adalah linear atau bukan linear. iaitu pembolehubah independen dan dependen. dan statistik yang biasanya digunakan untuk analisis data. misalnya penyelidikan eksperimental menggunakan ujian-t dan ANOVA. Ianya berkait rapat dengan statistik inferential yang mana prosedur penggunaan statistik tersebut adalah untuk analisis data. ramalan dan statistik. memerlukan Oleh itu. Rumus Korelasi Spearman ialah: r = 1. Selain daripada itu. penyelidik harus memberi perhatian sekiranya ujian yang penggunaan pembolehubah independen dan dependen semasa menentukan kedudukan dan sebab dan akibat mereka masing-masing.

koefisyen korelasi r berdasarkan data dalam Jadual 11. Gambarajah Sebaran Salah satu cara untuk menggambarkan bentuk hubungan di antara data-data dua pembolehubah ialah dengan melukiskan gambar rajah sebaran (atau serakan) . Pelajar Statistik (x) Matematik (y) 1 2 0 1 5 2 25 20 3 37 30 4 43 35 5 45 30 6 56 43 7 70 50 8 75 60 9 8 0 7 0 10 90 78 . iaitu -1< r <1. Lukiskan gambar rajah sebaran bagi data tersebut.Maka.1 Jadual berikut menunjukkan jumlah markah Statistiks dan Matematik bagi pelajarpelajar Kursus Diploma Perniagaan di sebuah Kolej. koefisyen korelasi r =1.3(b) ialah -1. Di dalam gambar rajah sebaran kita lukiskan pembolehubah tidak bersandar pada paksi x dan pembolehubah bersandar pada paksi y. Contoh 1. Ini bermakna korelasi linear positif yang sempurna mempunyai koefisyen korelasi r =1. koefisyen korelasi di antara dua pembolehubah adalah terletak di antara r = 1 dan r = -1. lazimnya. iaitu korelasi linear negatif yang sempurna mempunyai koefisyen korelasi r = -1. berdasarkan data daripada Jadual 11. Di dalam realiti. Dengan cara yang sama. kita jarang dapat koefisyen korelasi yang ekstrim seperti r = 1 atau r = -1.3(a) dan rumus Korelasi Spearman.

Kesimpulannya pelajar yang cemerlang dalam statistik juga didapati cemerlang dalam matematik dan sebaliknya.1 kita dapat perhatikan bahawa wujud hubungan linear positif antara markah Statistik dan markah Matematik. Rajah 1.1 : Menunjukkan Sebaran Markah Stati sti k & Matemati k Matematik 90 80 70 60 50 40 30 20 10 0 0 10 20 30 40 50 60 70 80 90 100 Statistik . Hubungan linear positif disebut korelasi positif.Daripada Rajah 1.

Jenis-jenis Korelasi Korelasi linear adalah satu hubungan linear untuk kumpulan data-data. maka x dan y mempunyai satu korelasi linear.2 Jenis-jenis gambarajah serakan a) Tiada Korelasi b) Korelasi Positif x x x x x x x x x x x x x x x x c) Korelasi Positif Kuat d) Tiada Korelasi x x x xx x x x x x x x x e) Korelasi Negatif xx x x x x x x x x f) Korelasi Negatif Kuat x x x x x . Titik data terserak pada satu garis lurus. Jika pemboleh ubah x berubah dan pembolehubah yang mempunyai satu perubahan yang tetap. Gambarajah terserak adalah seperti berikut : Rajah 1.

a.g) Tiada Korelasi h) Korelasi Sempurna x x x x x x x xx xx xx x x x x x Koefisien Korelasi Koefisien Korelasi adalah ukuran hubungan pertalian di antara dua pembolehubah.  2  n( n −1)  r = Kedua-dua rumus ini memberi keputusan yang hampir sama.0. ini menunjukkan dua pembolehubah tersebut mempunyai hubungan negatif yang . pembolehubah bersandar (y) dengan pembolehubah tidak Gambarajah serakan atau sebaran dapat memberi satu gambaran yang jelas mengenai data-data serta jenis korelasi linear yang wujud diantara 2 pembolehubah tetapi tidak dapat menyukat kekuatan korelasi linear. Nilai-nilai koefisien korelasi berada diantara –1. Terdapat dua rumus yang digunakan untuk mengira nilai koefisien korelasi.0 dan 1. Koefisien Korelasi Pangkat Spearman  6Σd 2  1. Jika nilai yang diperolehi menghampiri – 1. Koefisien Korelasi Hasil Darab Momen r= [nΣx nΣxy − (Σx )(Σy ) 2 − (Σx) nΣy − (Σy ) 2 ][ ] b.0 . iaitu bersandar (x).

Jika nilai pembolehubah tidak bersandar (x) meningkat. ini menunjukkan yang dua pembolehubah tersebut tidak mempunyai hubungan di antara satu sama lain. KEBAIKAN KAEDAH KORELASI . Koefisien Korelasi Hasil Darab Momen Kaedah ini digunakan untuk mengira hubungan atau pertalian untuk data-data yang berbentuk kuantitatif sahaja. Jika nilai yang didapati menghampiri 1. ini menunjukkan dua pembolehubah tersebut mempunyai hubungan positif yang kuat. iaitu data yang tidak mempunyai perbezaan nilai yang terlalu besar di antara satu sama lain. Kaedah ini juga sesuai jika data yang dikumpul tidak mempunyai nilai-nilai yang melampau. Jika nilai koefisien korelasi menghampiri 0. Begitulah sebaliknya. Contohnya hubungan di antara kadar faedah pinjaman untuk pembelian kereta dengan jumlah jualan kereta.kuat. Hubungan negatif di antara dua pembolehubah dikatakan wujud dalam keadaan berikut.0. nilai pembolehubah bersandar (y) akan menurun dan sebaliknya. Jika kadar faedah pinjaman dinaikkan maka ramai pengguna mungkin tidak mampu meminjam dan implikasinya ialah jumlah bilangan kereta yang dijual akan menurun.

kaedah korelasi juga tetap mempunyai kebaikan dan keburukannya.Di dalam kajian tindakan ini. kaedah korelasi amat penting bagi proses pengalisisan data. . 2) 3) Menghasilkan maklumat berdasarkan tahap hubungan di antara pemboleh ubah yang dikaji Melengkapkan pengkaji dengan tanggapan dan pemahaman yang lebih baik tentang cara pembolehubah-pembolehubah itu digunakan yang mana setiap satunya mempunyai maknanya yang tersendiri. Namun begitu. Di antara kebaikan kaedah korelasi ini adalah: 1) Kaedah korelasi ini adalah sangat berguna dalam menyelesaikan permasalahan di dalam pendidikan dan juga sains sosial kerana ianya memudahkan pengiraan segala pembolehubah beserta hubungannya secara serentak. 4) Sebagai asas kepada cara untuk mentafsirkan sesuatu yang mana memudahkan pengkaji untuk melakukan jangkaan / anggaran kepada ketepatan sesuatu tafsiran.

Sign up to vote on this title
UsefulNot useful