You are on page 1of 9

Art by AveeQ

Pascasarjana Universitas Negeri Yogyakarta


Program Studi Manajemen Pendidikan
www.afiqi-sirau.blogspot.com
Penelitian Korelasi

Definisi Korelasi
Peneltian korelasi adalah penelitian yang mencari hubungan antara variable yang satu
dengan variable yang lain tanpa mencari sebab dan akibat antara variable yang satu dengan
variable yang lain secara mendalam.

Tujuan penelitian korelasi


Penelitian korelasi mengacu pada studi penelitian yang tujuannya adalah untuk
menemukan hubungan antara variabel-variabel melalui penggunaan statistik. Korelasi
statistik juga digunakan secara ekstensif dalam konstruksi tes dan analisis, karena
pemahaman koefisien korelasi penting untuk membahas makna dalam istilah nonmatematik.
Seperti contoh pengertian perbedaan individual, anggaplah semua orang memiliki tingkat
yang sama prestasi akademiknya. Tidak akan banyak apa yang bisa dilakukan peneliti untuk
melakukan prediksi. misalnya penelitian itu akan menjadi hal yang mudah karena kita akan
mampu membuat prediksi yang akurat bagi semua orang, tidak akan ada kebutuhan untuk
mengembangkan ukuran yang rumit, baik karena dalam skenario itu kita ada tingkat
pencapaian dalam populasi. Namun kenyataannya adalah bahwa orang berbeda-beda
sehubungan dengan karakteristik ini, dan memiliki variasi besar konsekuensi pribadi dan
sosial. Sebagai contoh, prestasi akademis yang tinggi umumnya melakukan peran yang
berbeda dalam masyarakat dan masyarakat melihat diri mereka berbeda daripada yang
berprestasi akademis rendah. Jika peneliti bisa menemukan penyebab dan dampak dari
variabilitas dalam prestasi akademik, pengetahuan ini mungkin terbukti baik berguna dalam
membantu mencapai rendah dan tinggi menjadi lebih berkepribadian dan akademis sukses.

Menggunakan Diagram Scattergrams


Untuk membantu bagaimana kita memahami dalam penelitian korelasi, kita
memerlukan tiga grafik. Grafik ini adalah scattergram, scattergram juga disebut sebagai
scatter plot adalah representasi bergambar korelasi antara dua variabel: nilai individu pada
satu variabel akan diisi pada sumbu x grafik dan nilai individu yang sama pada variabel lain
diplot pada y-sumbu. Lebih dari itu bahwa setiap titik pada grafik berisi dua lembar
informasi, posisi individu terhadap sumbu x dan sehubungan dengan sumbu-y.
Korelasi Positif, Desain dasar dalam penelitian korelasi sangat sederhana, yang
melibatkan tidak lebih dari pengumpulan data pada dua atau lebih variabel untuk
setiap individu dalam sampel dan komputasi koefisien korelasi. Sebagai contoh, kita
boleh memilih sebuah kelompok mahasiswa baru dan berusaha untuk meramalkan
tahun pertama nilai-nilai mereka (populasi merupakan variabel A), atas dasar
keseluruhan tes bakat skolastik, (nilai merupakan variabel B). banyak penelitian
penting dalam pendidikan telah dilakukan dengan desain sederhana ini. Penelitian
terbaru telah menggunakan lebih dengan lebih baik teknik korelasi untuk
memasukkan lebih banyak variabel dalam analisis data dan dengan demikian
memperoleh gambaran yang lebih jelas dari hubungan yang studi.
Seperti dalam kebanyakan penelitian, studi korelasi kualitas tidak ditentukan oleh
kerumitan desain atau kecanggihan teknik analisis, tetapi oleh kedalaman pemikiran
dan konstruksi teoretis yang membimbing penelitian desain. Kemungkinan untuk
mendapatkan temuan penelitian yang penting lebih besar jika peneliti menggunakan
teori dan hasil penelitian sebelumnya untuk memilih variabel yang akan berkorelasi
antara yang satu dengan yang lain

Korelasi negatif, dalam korelasi negatif sebagai nilai-nilai salah satu variabel meningkat,
nilai-nilai variabel kedua menurun. Demikian juga, sebagai nilai salah satu variabel
menurun, nilai dari variabel lain meningkat. Kata "negatif" adalah label yang
menunjukkan arah korelasi. Ada korelasi negatif antara menonton TV dan nilai-nilai-
siswa kelas yang lebih banyak menghabiskan waktu menonton TV cenderung
memiliki nilai yang lebih rendah (atau diungkapkan sebagai siswa dengan nilai yang
lebih tinggi cenderung mengurangi waktu menonton TV).

Kemungkinan korelasi, masih ada kemungkinan kurangnya hubungan antara dua variabel,
yang digambarkan oleh scattergram untuk bisa mengetahui individu skor pada sumbu
x variabel tidak ada harganya sama sekali dalam memprediksi skor nya pada sumbu y
variabel. Menggunakan contoh sebuah tes kosakata dan pemahaman bacaan, mari kita
anggap bahwa untuk setiap nilai tes kosakata ada siswa dengan pemahaman bacaan,
skor sangat beragam. Misalnya, siswa dengan skor 10 pada tes kosakata memiliki
nilai pemahaman bacaan berkisar 85-145. Dapat disimpulkan bahwa terdapat sedikit
Art by AveeQ
Pascasarjana Universitas Negeri Yogyakarta
Program Studi Manajemen Pendidikan
www.afiqi-sirau.blogspot.com
atau tidak ada hubungan, atau korelasi antara dua variable, tidak akan mungkin
prediksi yang akurat dari pemahaman membaca nilai dari skor kosakata.

Korelasi dan Kausal

Pendekatan yang bersifat korelasi bisa untuk menganalisis hubungan antara variabel-
variabel tertentu, pada keterbatasan yang sama sehubungan dengan inferensi kausal sebagai
pendekatan kausal-komparatif dibahas dalam bab sebelumnya. Sebagai contoh, jika kita
menemukan korelasi positif antara tahun tingkat pendidikan dan minat pada kegiatan-
kegiatan budaya, kita dapat menarik kesimpulan bahwa setiap tahun format sekolah
cenderung menghasilkan yang lebih menarik di kegiatan budaya sebelumnya.

Dua kesimpulan tadi masuk akal, namun, salah satunya adalah tingkat minat pada
kegiatan-kegiatan budaya pendidikan menentukan berapa banyak mahasiswa akan mencari
nilai dari budaya tersebut. Kesimpulan yang lain adalah bahwa variabel ketiga menentukan
baik jumlah dan tingkat pendidikan mencapai kepentingan dalam kegiatan-kegiatan budaya,
sehingga menciptakan hubungan yang positif antara kedua variabel. Sebagai contoh, orangtua
berpendidikan adalah variabel ketiga. Orangtua yang lulusan perguruan tinggi bisa
mendorong anak-anak mereka untuk tetap bersekolah lebih lama dan untuk lebih
mengembangkan minat budaya dari orang tua yang kurang berpendidikan formal. Jika ini
benar, hubungan yang diamati antara pendidikan dan kepentingan budaya bukan merupakan
penyebab (dan) hubungan efek (berakibat), melainkan merupakan hasil dari tekad bersama
mereka dengan variabel ketiga.

Sebuah hubungan korelasi antara dua variabel terkadang adalah hasil dari sebuah
artefak. Sebagai contoh, jika kita menghubungkan dua skala dari manusia berkepribadian
yang sama, hubungan yang signifikan antara skala bisa ditemukan karena kedua skala itu
mengandung beberapa item yang sama, bukan karena kepribadiannya yang mengukur
dimensi bahwa mereka adalah kausalitas terkait, sebuah teknik statistik dapat digunakan
untuk memperbaiki koefisien korelasi untuk variasi item tes yang tumpang tindih. Juga,
ketika penilai digunakan untuk mengumpulkan data, hubungan antara variabel-variabel yang
mungkin bisa ditemui karena skor penilai yang sama kedua variabel. Hal ini khususnya.
Mungkin bila ada bias penilai karena lingkaran. Sebagai contoh, kita mungkin menemukan
korelasi antara individu skor baik, ciri-ciri jika penilai dari awal kesan positif atau negatif
dari individu-individu yang diberi nilai. Jika kesan positif, mereka mungkin akan mencetak
individu tinggi pada semua ciri-ciri, jika kesan negatif, mereka mungkin akan menetapkan
seorang individu semua skor rendah. Setiap korelasi ditemukan antara ciri-ciri karena artefak
ini penyebab sejati dalam efek hubungan.

Ringkasnya, korelasi statistik dapat digunakan untuk menyelidiki penyebab (dan)


akibat hubungan antara variabel-variabel, namun hasil yang diperoleh biasanya tidak
mengarah ke kesimpulan yang kuat. Sebuah korelasi antara A dan B dapat berarti bahwa A
adalah determinan dari B, bahwa B adalah sebuah determinan dari A, bahwa variabel ketiga
X menentukan baik A dan B, atau bahwa hubungan antara A dan B adalah karena adanya
artefak (misalnya , ukuran A dan B berisi beberapa item yang sama). Hanya percobaan yang
dapat memberikan kesimpulan pasti tentang penyebab (dan) efek hubungan. Koefisien
korelasi paling baik digunakan untuk mengukur derajat dan arah (yakni, positif atau negatif)
dari hubungan antara dua atau lebih variabel, dan untuk mengeksplorasi kemungkinan faktor-
faktor kausal. Jika sebuah hubungan yang signifikan antara variabel-variabel yang ditemukan
kausalitas mereka dapat diuji lebih definitif dengan menggunakan rancangan penelitian
eksperimental)

Keuntungan dan penggunaan penelitian korelasi.

Rancangan penelitian korelasi, seperti desain penelitian kausal komparatif di mana


berkaitan erat, sangat berguna untuk mempelajari masalah-masalah di bidang pendidikan dan
dalam ilmu-ilmu sosial lainnya. Kelebihan utama kausal-komparatif atau desain
eksperimental adalah bahwa mereka memungkinkan peneliti untuk menganalisis hubungan di
antara sejumlah besar variabel dalam satu penelitian. Di bidang pendidikan dan ilmu sosial,
kita sering menghadapi situasi di mana beberapa variabel mempengaruhi pola perilaku
tertentu. Desain Korelasi memungkinkan kita untuk menganalisis bagaimana variabel-
variabel tersebut, baik sendiri-sendiri atau dalam kombinasi, mempengaruhi pola perilaku.

Keuntungan lain dari desain korelasi adalah bahwa mereka menyediakan informasi
tentang derajat hubungan antara variabel-variabel yang sedang diteliti. Sebagai contoh, studi
kausal-komparatif kemampuan mengajar seringkali diawali dengan identifikasi dari
sekelompok guru yang baik dan sekelompok guru yang tidak efektif. Maka perbandingan
Art by AveeQ
Pascasarjana Universitas Negeri Yogyakarta
Program Studi Manajemen Pendidikan
www.afiqi-sirau.blogspot.com
yang dibuat antara dua kelompok pada variabel dependen yang dipilih untuk mengidentifikasi
kemungkinan penyebab perbedaan yang diamati dalam kemampuan mengajar.
Menggambarkan satu kelompok guru yang baik dan kelompok lain tidak baik (tidak efektif),
bagaimanapun, adalah jelas buatan dikotomi, karena dalam setiap kelompok guru ini pasti
akan lebih baik daripada yang lain. Perbedaan dalam tingkat diabaikan dalam desain kausal-
komparatif. Pada kenyataannya, apa yang kita miliki dalam populasi itu adalah bukan dua
kelompok guru jelas kemampuan yang berbeda, tapi satu kelompok berkisar dalam tingkat
kemampuan mengajar dari sangat miskin sangat bagus. Koefisien korelasi mengambil
keuntungan dari kisaran ini, menyediakan ukuran derajat hubungan atas seluruh rentang
kemampuan mengajar, atau dalam kisaran tertentu.

Desain korelasi digunakan untuk dua tujuan utama:


Untuk mengeksplorasi hubungan kausal antara variabel-variabel
Untuk memperkirakan nilai pada satu variabel dari penelitian peserta nilai variabel lain.
Dalam hubungan kausal penelitian, variabel dapat diukur pada titik yang sama pada
waktu atau pada titik waktu yang berbeda. Dalam prediksi penelitian, variabel yang
digunakan untuk prediksi harus diukur sebelum pengukuran variabel yang akan
diprediksi.

Keterbatasan hubungan kausal studi.


Seperti yang kita dijelaskan di atas, korelasi didapatkan dalam studi hubungan kausal
yang tidak menyebabkan (dan) efek hubungan antara variabel-variabel yang berkorelasi.
Banyak peneliti telah mengkritik hubungan kausal studi karena jenis studi ini merubah
kemampuan kompleks dan pola perilaku menjadi komponen sederhana. Meskipun
pendekatan atomistik ini cocok untuk berbagai bidang penelitian di bidang pendidikan dan
psikologi, akan tetapi ada beberapa, diantara pertanyaannya adalah apakah kemampuan yang
kompleks, seperti kemampuan artistik, mempertahankan maknanya jika dipecah menjadi
unsur-unsurnya. Ada banyak orang yang tampaknya memiliki semua atau sebagian besar
keterampilan khusus yang muncul terkait dengan kemampuan artistik namun tidak mampu
menghasilkan seni kreatif. Sebaliknya, banyak guru yang diakui dalam seni kreatif
kekurangan dalam keterampilan tertentu yang berkaitan dengan media ekspresi mereka,
namun menghasilkan karya. Masalah lain dengan menggunakan statistic korelasi untuk
mengidentifikasi variabel yang mungkin kausal berkaitan dengan pola-pola perilaku
kompleks atau kemampuan adalah bahwa kesuksesan dalam banyak kegiatan yang kompleks
yang menarik minat kita mungkin dapat dicapai dengan cara yang berbeda.

Merencanakan studi prediksi.

Studi prediksi ini digunakan peneliti untuk banyak prediksi studi, biasanya dengan
tujuan untuk mengidentifikasi variabel yang memprediksi tentang akademis, kejuruan, dan
pribadi. Prediksi studi memberikan tiga jenis informasi: (1) sejauh mana pola perilaku kriteria
dapat diprediksi, (2) data untuk mengembangkan teori tentang faktor-faktor penentu kriteria
pola perilaku, dan (3) bukti mengenai validitas prediktif ujian atau tes yang coreiated dengan
kriteria pola perilaku.

Prediksi studi dapat dibedakan dari jenis informasi dan minat peneliti. Dalam
beberapa studi yang penekanannya pada kriteria tertentu (misalnya, nilai tahun pertama), dan
berbagai langkah yang digunakan untuk memprediksi kriteria ini. Langkah tersebut membuat
prediksi yang baik dan kemudian dapat diterapkan pada masalah praktis, seperti seleksi
penerimaan mahasiswa untuk perguruan tinggi. Perhatian utama peneliti adalah temuan
makna teoritis, yang akhirnya, seorang peneliti dapat melakukan penelitian prediksi untuk
tujuan membangun.

Prediksi penelitian telah memberikan kontribusi besar untuk praktik pendidikan,


banyak studi ini bertujuan untuk digunakan dalam waktu jangka pendek, prediksi kinerja
siswa dalam suatu program studi tertentu, dan yang lainnya bertujuan untuk prediksi jangka
panjang dari keberhasilan akademis umum. Temuan studi ini telah menjadi bantuan yang
sangat berarti kepada sekolah dalam mengidentifikasi para siswa yang paling mungkin untuk
berhasil di lingkungan akademis tertentu atau program studi. Selain itu, studi prediksi
memberikan dasar ilmiah bagi upaya untuk membantu siswa merencanakan masa depan
akademik mereka

Desain Studi Prediksi mirip dengan hubungan kausal studi dalam komputasi yang
melibatkan korelasi antara pola perilaku yang kompleks (kriteria) dan variabel yang dianggap
berkaitan dengan kriteria. Namun, dalam studi prediksi variabel yang lain (kadang-kadang
disebut variabel prediktor) diukur beberapa waktu sebelum terjadi kriteria perilaku.
Sebaliknya, dalam mempelajari hubungan sebab-akibat kriteria perilaku dan variabel lain
tidak perlu diukur dalam suatu urutan tertentu, dan dalam praktiknya mereka sering kali
Art by AveeQ
Pascasarjana Universitas Negeri Yogyakarta
Program Studi Manajemen Pendidikan
www.afiqi-sirau.blogspot.com
diukur pada titik yang sama pada satu waktu. Selain itu, studi prediksi cenderung lebih peduli
dengan memaksimalkan korelasi antara variabel-variabel prediksi dan kriteria, sedangkan
hubungan kausal studi berusaha untuk menjelaskan sejauh mana suatu hubungan, baik tinggi,
sedang, atau rendah. Korelasi yang diperoleh dalam penelitian prediksi kadang-kadang dapat
ditingkatkan dengan menggunakan beberapa analisis korelasi atau moderator.

Korelasi bivariat statistik

Pada bagian ini kita membahas 10 teknik korelasi yang dapat digunakan untuk
menganalisis tingkat hubungan antara dua variabel. Karena dua variabel invcived, teknik ini
disebut correlational bivariat statistik. Bentuk variabel yang akan berkorelasi dan sifat
hubungan menentukan teknik yang digunakan.

Teknik Simbol Variable 1 Variable 2 Keterangan


Product-moment r Continuous Continuous Teknik yang
paling stabil
correlation
karena standar
(korelasi errornya yang
paling kecil
produk)
Rank-difference p Ranks Ranks Bentuk khusus
dari product-
correlation (rho)
moment
(korelasi
pebedaan rank)
Kendall’s tau Ranks Ranks Lebih baik
menggunakan
rho daripada
menggunakan
angka dibawah
10
Biserial r bis Artificial Continuous Nilai dapat
melampuai 1;
correlation dichotomy
memiliki
(korelasi standard error
yang lebih besar
biserial)
daripada r;
biasanya
digunakan
dalam analisis
item
Widespread r wbis Widespread Continuous Digunakan
ketika peneliti
biserial artificial
tertarik pada
correlation dichotomy orang-orang
yang berbeda
(korelasi luas
dalam variable
biserial) dikotomi
Point-biserial r pbis True dichotomy Continuous Menghasilkan
korelasi yang
correlation
lebih rendah
(korelasi poin daripada rbis
biserial)
Tetrachoric r t Artificial Artificial Digunakan
ketika kedua
correlation dichotomy dichotomy
variable dapat
(tetrachoric dibagi dititik-
titik kritis
korelasi)
Phi coefficient True True Digunakan
dalam
(koefisien phi)
perhitungan
korelasi antar
item
Contingency C Two or more Two or more Berbanding
coefficient categories categories dengan rt dalam
(koefisien kondisi tertentu;
kontingensi) erat kaitannya
dengan chi-
kuadrat
Correlation η Continuous Continuous Digunakan
untuk
ratio, eta
mengetahui
(korelasi rasio) hubungan-
hubungan
nonlinier

Korelasi statistik multivarian

Teknik korelasi ini adalah dikemukakan untuk digunakan untuk mengukur derajat
hubungan antara dua variabel. Namun, disini akan lebih banyak masalah dalam penelitian
pendidikan yang melibatkan hubungan timbal balik antara tiga atau lebih variabel. Statistik
multivariat kita kethaui ada dalam bagian yang memungkinkan peneliti untuk mengukur dan
Art by AveeQ
Pascasarjana Universitas Negeri Yogyakarta
Program Studi Manajemen Pendidikan
www.afiqi-sirau.blogspot.com
mempelajari derajat hubungan antara berbagai kombinasi variabel-variabel.

Statistik Kegunaan
Multiple regression Digunakan untuk menentukan korelasi (R)
antara variabel kriteria dan dua kombinasi
atau lebih variabel prediksi
Discriminant analysis Digunakan untuk menentukan korelasi antara
dua atau lebih prediksi variabel dan variabel
kriteria berkategori
Canonical correlations Digunakan untuk memprediksi kombinasi
dari beberapa variabel kriteria dari kombinasi
beberapa variabel prediksi
Path analysis Digunakan untuk menguji teori tentang
hipotesis hubungan kausal antara variabel-
variabel yang berkorelasi
Structural equation modeling Digunakan untuk menguji teori tentang
hipotesis hubungan kausal antara variabel-
variabel yang berkorelasi; menghasilkan
lebih valid dan dapat diandalkan ukuran dari
variabel-variabel yang akan dianalisis
daripada path analisis
Factor analysis Digunakan untuk mengurangi sejumlah besar
variabel dari beberapa faktor dengan
menggabungkan variabel-variabel yang
cocok atau sangat berkorelasi dengan satu
sama lain
Differential analysis Digunakan untuk menguji korelasi antara
variabel-variabel di antara subkelompok
homogen dalam sampel, dapat digunakan
untuk mengidentifikasi variabel-variabel
moderator yang dapat meningkatkan ukuran's
prediktif validitas

You might also like