P. 1
Uji analisis

Uji analisis

|Views: 399|Likes:
Published by Jiman Sst

More info:

Published by: Jiman Sst on Mar 25, 2012
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOCX, PDF, TXT or read online from Scribd
See more
See less

08/04/2013

pdf

text

original

Archive for December, 2011 Korelasi Spearman (referensi) Author: aldoranuary26 Referensi yang Menjelaskan Tentang Korelasi Spearman

Djarwanto Ps. SE. Mengenal Beberapa Uji Statistik Dalam Penelitian. 2001. Liberti Yogyakarta : Yogyakarta. Menurut buku ini, yang dimaksud dengan korelasi rank (jenjang) Spearman adalah sebuah metode yang diperlukan untuk mengukur keeratan hubungan antara dua variabel dimana dua variabel itu tidak mempunyai joint normal distribution dan conditional variance-nya tidak diketahui sama. Korelasi rank dipergunakan apabila pengukuran kuantitatif secara eksak tidak mungkin atau sulit dilakukan. Dalam mengukur koefisien korelasinya, disyaratkan bahwa pengukuran kedua variabelnya sekurang-kurangnya dalam skala ordinal sehingga individu-individu yang diamati dapat diberi jenjang dalam dua rangkaian berurutan. Dalam analisis ini, hipotesis nihil yang akan diuji mengatakan bahwa dua variabel yang diteliti dengan nilai jenjangnya itu independen ; artinya bahwa tidak ada hubungan antara jenjang variabel yang satu dengan jenjang dari variabel lainnya. Pengujian dapat didasarkan pada sampel kecil ataupun sampel besar (apabila n ≥ 10). Usman, Husaini dan Setiady Akbar, R. Purnomo. Pengantar Statistika. 2003. Bumi Aksara : Jakarta. Di dalam buku ini dijelaskan bahwa korelasi rank ditemukan oleh Spearman, sehingga disebut juga sebagaikorelasi Spearman. Korelasi ini dapat juga disebut sebagai korelasi bertingkat, korelasi berjenjang, korelasi berurutan, atau korelasi berpangkat. Korelasi rank dipakai apabila : 1. 2. 3. 4. Kedua variabel yang akan dikorelasikan itu mempunyai tingkatan data ordinal Jumlah anggota sampel dibawah 30 (sampel kecil) Data tersebut memang diubah dari interval ke ordinal Data interval tersebut ternyata tidak berdistribusi normal

Besarnya hubungan antara dua variabel atau derajat hubungan yang mengukur korelasi berpangkat disebut koefisien korelasi berpangkat atau koefisien korelasi Spearman yang dinyatakan dengan lambang rs. Korelasi rank berguna untuk mendapatkan : 1. 2. 3. 4. Kuatnya hubungan dua buah data ordinal Derajat kesesuaian dari dua penilai terhadap kelompok yang sama Validitas konkuren alat pengumpul data Reliabilitas alat pengumpul data setelah dikembangkan bersama-sama dengan William Brown, sehingga disebut dengan Korelasi Spearman-Brown dengan lambang rii.

M. Penentuan perbedaan peringkat dari pasangan data 3. hanya saja yang digunakan adalah nilai-nilai peringkat dari variabel x dan y. Perhitungan koefisien korelasi peringkat Spearman dilakukan melalui tahap-tahap sebagai berikut : 1. Formulasi Ho dan H1 : Ho : ρ = 0 (tidak ada hubungan antara kegemaran menggambar dengan tingkat kreatifitas anak-anak) H1 : ρ > 0 (ada hubungan antara kegemaran menggambar dengan tingkat kreatifitas anak-anak) 2. Digunakan uji signifikansi koefisien korelasi rank Spearman. Penyusunan peringkat dari data 2.0 dan -1.833. Digunakan taraf signifikansi 0. Dengan demikian koefisien korelasi peringkat Spearman berfungsi mirip dengan koefisien korelasi linier (r). 3. skor mereka adalah : Prosedur pengujiannya adalah : 1. Harinaldi.01 adalah 0. 4. Dari sampel beberapa anak di kelas Matahari. sama halnya seperti koefisien korelasi linear. Berikut dilampirkan tabel harga-harga kritis rs Koefisien Korelasi Ranking Spearman : Contoh Data Buatan Korelasi Rank Spearman : Seorang guru di Sekolah Taman Kanak-kanak memberikan rating pada kegemaran menggambar dan tingkat kreatifitas anak-anak di sekolah tersebut dengan menggunakan skala 0-100. Sedangkan nilai korelasi +1. Lihat tabel hargaharga kritis rs Koefisien Korelasi Ranking Spearman. Perhitungan koefisien korelasi peringkat Untuk menginterpretasikan nilai koefisien korelasi Spearman. Erlangga : Jakarta. Harga kritis rs untuk n = 8 dan alpha 0. Prinsip-prinsip Statistik Untuk Teknik Dan Sains.Eng. Ir. bukan nilai sebenarnya. Koefisien korelasi peringkat Spearman (rs) adalah suatu ukuran dari kedekatan hubungan antara dua variabel ordinal. perlu diingat bahwa nilai korelasi nol (rs = 0) menunjukkan tidak adanya korelasi.01 dengan besar sampel. Kriteria pengujian : .Dr.0 menunjukkan korelasi yang sempurna. 2005. n = 8.

Dapat disimpulkan bahwa terdapat derajat hubungan yang tinggi antara tingkat yang diberikan pada kegemaran menggambar anak-anak dan tingkat pada kreatifitas mereka DAFTAR PUSTAKA Djarwanto Ps. 2003. Purnomo. Husaini dan Setiady Akbar. seperti jenis kelamin. M. SE.5) = 1 – 8 (82 – 1) 6. Erlangga : Jakarta Posted in dasar-dasar logika | Analisis Bivariate Author: aldoranuary26 ANALISIS BIVARIATE Analisis Bivariat adalah analisis secara simultan dari dua variabel. Hal ini biasanya dilakukan untuk melihat apakah satu variabel.05 = 0.833) maka diputuskan Ho ditolak (berarti H1 diterima) pada taraf signifikansi 0. Keputusan pengujian = 1 – 504 27 = 1 – 0. Nilai rho observasi (harga uji statistik rs) : 6 b2 rs = 1 – n (n2 – 1) 6 (4. 5.95 Oleh karena nilai rho observasi (0. adalah terkait dengan variabel lain.95) lebih besar dari harga/nilai kritis rs (0.Eng. 2001. 2005. Pengantar Statistika.01. Ir.833.833 dan Ho diterima apabila nilai rho observasi < 0. R. mungkin sikap terhadap pria maupun wanita kesetaraan. Liberti Yogyakarta : Yogyakarta Usman. Analisis bivariate terdiri atas metode-metode statistik inferensial yangdigunakan untuk No Comments » . Harinaldi.Ho ditolak apabila nilai rho observasi > 0. Prinsip-prinsip Statistik Untuk Teknik Dan Sains. Bumi Aksara : Jakarta Dr. Mengenal Beberapa Uji Statistik Dalam Penelitian.

dan unitpjl. Menguji ada tidaknya perbedaan/hubungan antara variabel kondisi pemukian. Kemudian klik tombol option hingga dilayar tampil : Pengisian :   dua variabel atau lebih. umur pekkawinan pertama. pilih option two-tailed untuk uji dua arah atau dua sisi 6. umur. Masukkan data diatas kedalam program SPSS dengan nama variabel bulan. agama. status migrasi. Kemudian klik semua variabel yang akan dikorelasikan dan masukkan kekolom variables dengan mengklik tanda panah 4. Untuk kolom test of significance. (Agung. Penelitian terhadap dua variabel biasanya mempunyai tujuan untuk mendiskripsikan distribusi data.05. bivariate. status kerja dan kematian bayi/balita dengan persepsi nilai anak digunakan analisis chi square. dengan menggunakan program SPSS yaitu nilai p.menganalisis data dua variabel penelitian. b_selling. pilihlah pearson karena anda ingin melakukan uji atas data rasio 5. denagn tingkat kemaknaan a=0. b_promo. Untuk pilihan flag signifikant korelations boleh dicentang (dipilih) hingga pada output akan muncul tanda * untuk signifikansi 5% dan tanda ** untuk signifikansi 1% 7. Hasil yang diperoleh pada analisis chi square. Apabila nilai p< dari a=0.05. 1993) Kegunaan Dari Analisis Bivariat Untuk mengukur kekuatan hubungan antar Contoh mengukur hubungan antar dua variabel : 1. Klik menu utama analize . Kualitas layanan dengan kepuasan pelanggan Langkah-Langkah Melaksanakan Analisis Bivariat 1. Analisis bivariat menggunakan tabel silang untuk menyoroti dan menganalisis perbedaan atau hubungan antara dua variabel. pendidikan. Anda dapat memunculkan output nilai means and standard deviations dengan mengklik pilihan yang sesuai pada kolom dtatistik Pada pilihan missing values pada dua pilihan : . Motivasi kerja dengan produktivitas 2. correlate. b_iklan. Analisis Bivariat yaitu hipotesis yang diuji biasanya kelompok yang berbeda dalam ciri khas tertentu dengan koefisien kontigensi yang diberi simbol C. meguji perbedaan dan mengukur hubungan antara dua variabel yang diteliti. kemudian dibandingkan dengan a=0. Untuk kolom corelatiaon koeffisients.05 maka ada hubungan atau perbedaan antara dua variabel tersebut. penghasilan. tampak dilayar 3. 2.

   Untuk menentukan korelasi ( kuatnya hubungan ) antara variabel-variabel penelitian Jika ada hubungan. Analisis Path. 1. Model Log-Linear. Analisis Regresi Linier Analisis regresi merupakan alat yang dapat memberikan penjelasan hubungan antara dua jenis variabel yaitu hubungan antara variabel dependen atau variabel kriteria dengan variabel independen atau variabel prediktor. dan Analisis Faktor. Uji chis-quare. Analisis disebut sebagai analisis regresi berganda jika melibatkan lebih dari satu variabel independen. Exclude cases listwise : Yang dibuang adalah kasus yang salah satu variabelnya memiliki mising data. . Pembahasan diutamakan pada cara membaca dan menafsirkan arti dari parameter yang diperoleh dari hasil pengolahan data yang terdapat pada output SPSS. dengan tingkat kemaknaan a=0.1. Analisis hubungan antara dua variabel disebut sebagai analisis regresi sederhana jika hanya melibatkan satu variabel independen. Analisis Diskriminan. Model Logit. Multiple Classification Analysis (MCA). jumlah data tiap pasangan korelasi akan bervariasi.    Untuk keseragaman pilih exclude cases pairwise Tekan qontinyue jika sudah selesai Kemudian tekan ok dan akan muncul output Jenis-Jenis Uji Analisis Bivariat 1. Jumlah untuk semua variabel korelasi adalah sama. 2.05 maka ada hubungan atau pernedaan antara dua variabel tersebut (Agung 1993). seberapa kuat hubungan antar variabel tersebut Dapat digunakan untuk jenis data rasio ( scale ) atau interval Dalam analisis bivariate secara umum terdiri dari analisa korelasi dan analisa regresi. baik hubungan antara dua variabel (bivariate) maupun banyak variabel (multivariate). Tabel Kontingensi.05 apabila nilai p < dari a=0. Teknik analisis statistik yang dibahas meliputi Analisis Regresi. Akibatnya. Uji korelasi Bivariat ( Product-moment person ) 2. Exclude cases pairwise : Pasangan yang salah satu tidak ada datanya tidak dimasukkan dalam perhitungan. Hasil yang diperoleh pada analisis chis quare dengan menggunakan program SPSS yaitu nilai p.05. Teknik analisis statistik yang dibahas dalam bab ini bersumber pada SPSS yang difokuskan hanya pada teknik yang dapat menjelaskan hubungan atau kaitan antara beberapa variabel. kemudian dibandingkan dengan a=0.

000 38.p adalah koefisien regresi yang berarti besarnya perubahan pada . Asumsi dasar dalam analisis regresi adalah (i) setiap Y yang merupakan kombinasi linier atas X dan mengikuti distribusi normal.99 84 Squares 6475. Residual e mengikuti distribusi normal dengan rata-rata 0 dan varians konstan sebesar s2.…….0 for Windows untuk subprogram REGRESION. Dalam output SPSS 9. i = 1. (ii) e tersebar secara acak dan tidak berpola mengikuti besarnya nilai X.Hubungan antara variabel dependen (Y) dengan variabel independen (X) dituliskan dalam model linier umum di mana .18 168. adalah intercept. ini dapat dilihat pada output COEFFICIENTS sebagai berikut: .2) maka hipotesis yang diajukan untuk diuji adalah H0: b1 = 0 terhadap H1: b 1 ¹ 0. Tabel ANOVA dengan =0. Hal ini dapat dilihat pada output ANOVA sebagai berikut: ANOVA Sum of Df Mean F Sig.38 Selanjutnya adalah untuk mengetahui besarnya estimate koefisien regresi () serta standard error-nya.2. sehingga model liniernya adalah Dengan model seperti pada persamaan (3.1) p=1.18 1 Residual Total 3185.00 menunjukkan bahwa H0ditolak  regresi Y pada X bermakna.698 .2). sehingga dalam persamaan (3. Untuk menolak H0 harus dapat dibuktikan secara empirik bahwab 1 ¹ 0 atau b1bermakna (significant) atau dengan kata lain ada hubungan linier regresi antara Y dan X seperti pada persamaan (3. Analisis Regresi Sederhana Analisis regresi sederhana hanya melibatkan satu variabel independen X. jika Xi bertambah satu satuan dan variabel yang lain konstan.. yang pertama perlu diketahui adalah apakah regresi Y pada X bermakna.81 83 9660. Squares Model 1 Regresion 6475. Uji hipotesis untuk mengetahui apakah regresi Y pada X ada. (iii) tidak terdapat hubungan (korelasi) yang tinggi antar variabel X.

Beta=0.1) signifikan. maka kita perlu membuat model yang sesuai dengan tujuan studi.000 12.COEFFICIENTS Unstandardized Coefficients B Std.id/2011/12/ .000 Dapat dilihat bahwa karena regresi linier sederhana.31 unit untuk setiap perubahan satu unit dari X. Suatu kajian tersendiri perlu dilakukan untuk kemudian dapat memilah variabel X yang berpengaruh secara parsial pada variabel Y. maka pada dua tabel di atas t 2= F.819)2) berarti bahwa variasi Y yang dapat dijelaskan oleh model sebesar 67 persen.1).blog. tidak berarti bahwa setiap variabel mempunyai pengaruh yang signifikan pada variabel Y. yang berarti bahwa secara bersama p variabel X dapat menjelaskan variabel Y. indah. karena beta dihitung berdasarkan vaiabel baku Z yang dihitung dengan cara Koefisien determinasi r2 = 0.024 Standardized t Coefficients Beta .307 .988 . Model tersebut adalah regresi linier ganda (Multivariate Linear Regression) yang secara umum modelnya seperti pada persamaan (3. 27. Para pembaca lebih lanjut dianjurkan untuk membaca SPSS7 Base 9.819 yang merupakan koef. regresi baku sebenarnya adalah sama dengan r = koefisien korelasi antara Y dan X. dani.170 1. dengan analisis regresi ganda juga dapat diperoleh suatu penjelasan tentang peranan atau kontribusi relatif setiap variabel X terhadap variabel Y.670 (yaitu nilai Beta dikuadratkan atau (0. Secara empirik walaupun misalnya model (3.ac. Selain berguna untuk dapat menjelaskan hubungan p variabel X secara bersama terhadap variabel Y.726 X .819 Sig. arum. Analisis Regresi Berganda Kalau satu variabel dependen Y perlu dijelaskan oleh lebih dari satu variabel independen X. by : dora.fisip.337 . n bella UNS sos’10 Posted in dasar-dasar logika | No Comments » http://aldoranuary26.0 Application Guide. Beberapa statistik dan estimasi dari parameter dapat pula diperoleh seperti rata-rata dan standard deviasi serta korelasi dari Y dan X.17 (intercept) = 0.307 (koeffisien regresi) Y akan berubah sebesar 0.uns. ipeh. = 47. Error Model 1 (Constant) 47.

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->