Penjelasan ANALISIS KORELASI

Penjelasan ANALISIS KORELASI

ANALISIS KORELASI
ANALISIS KORELASI

KORELASI adalah istilah statistik yang menyatakan derajat hubungan linier antara dua variabel atau lebih, yang ditemukan oleh Karl Pearson pada wal 1900, oleh sebab itu terkenal dengan sebutan korelasi Pearson Product Moment (PPM). korelasi adalah salah satu teknik analisis statistik yang paling banyak digunakan oleh para peneliti. karena para peneliti umumnya tertarik terhadap peristiwa-peristiwa yang terjadi dan mencoba untuk menghubungkannya. 


Misalnya kita ingin menghubngkan antara tinggi badan dengan berat badan, antara umur dengan tekanan darahnya, antara motivasi dengan prestasi belajar atau bekerja dan seterusnya. Hubungan antara dua variabel didalam teknik korelasi bukanlah dalam arti hubungan sebab akibat (timbal-balik), melainkan hanya merupakan hubungan searah saja. hubungan sebab akibat, misalnya : kemiskinan dengan kejahatan, kebersihan dengan kesehatan, kemiskinan dengan kebodohan.. dalam korelasi hanya mengenal hubungan searah saja (Bukan timbal balik) , misalnya tinggi badan menyebabkan berat badanya bertambah, tetapi berat badannya bertambah belum tentu menyebabkan tinggi badannya bertambah.


akibatnya dalam korelasi dikenal penyebab dan akibatnya. dan data akibat atau yang dipengaruhi disebut variabel terikat. istilah bebas disebut juga dengan independen yang biasaya dilambangkan dengan huruf X atau X1. sedangkan istialh terikat disebut dependen yang biasanya dilambangkan dengan huruf Y. bagaimanakah menentukan bahwa variabel itu bebas atau terikat? jawaban ialah tergantung dari landasan teori yang kita pakai.

Korelasi merupakan teknik analisis yang  termasuk dalam salah satu teknik pengukuran asosiasi / hubungan (measures of association). Pengukuran asosiasi   merupakan istilah umum yang mengacu pada sekelompok teknik dalam statistik bivariat yang digunakan untuk mengukur kekuatan hubungan antara dua variabel. Diantara sekian banyak teknik-teknik pengukuran asosiasi, terdapat dua teknik korelasi yang sangat populer sampai sekarang, yaitu Korelasi Pearson Product Moment dan Korelasi Rank Spearman. Selain kedua teknik tersebut, terdapat pula teknik-teknik korelasi lain, seperti Kendal, Chi-Square, Phi Coefficient, Goodman-Kruskal, Somer, dan Wilson.

Pengukuran asosiasi mengenakan nilai numerik untuk mengetahui tingkatan asosiasi atau kekuatan hubungan antara variabel. Dua variabel dikatakan berasosiasi jika perilaku variabel yang satu mempengaruhi variabel yang lain. Jika tidak terjadi pengaruh, maka kedua variabel tersebut disebut independen.


Korelasi bermanfaat untuk mengukur kekuatan hubungan antara dua variabel (kadang lebih dari dua variabel) dengan skala-skala tertentu, misalnya Pearson data harus berskala interval atau rasio; Spearman dan Kendal menggunakan skala ordinal; Chi Square menggunakan data nominal. Kuat lemah hubungan diukur diantara jarak (range) 0 sampai dengan 1. Korelasi mempunyai kemungkinan pengujian hipotesis dua arah (two tailed). Korelasi searah jika nilai koefesien korelasi diketemukan positif; sebaliknya jika nilai koefesien korelasi negatif, korelasi  disebut tidak searah. Yang dimaksud dengan koefesien korelasi ialah suatu pengukuran statistik kovariasi atau asosiasi antara dua variabel. Jika koefesien korelasi diketemukan tidak sama dengan nol (0), maka terdapat ketergantungan antara dua variabel tersebut. Jika  koefesien korelasi diketemukan +1. maka hubungan tersebut disebut sebagai korelasi sempurna atau hubungan linear sempurna dengan kemiringan (slope) positif.

Jika  koefesien korelasi diketemukan -1. maka hubungan tersebut disebut sebagai korelasi sempurna atau hubungan linear sempurna dengan kemiringan (slope) negatif.

Dalam korelasi sempurna tidak diperlukan lagi pengujian hipotesis, karena kedua variabel mempunyai hubungan linear yang sempurna. Artinya variabel X mempengaruhi variabel Y secara sempurna. Jika korelasi sama dengan nol (0), maka tidak terdapat hubungan antara kedua variabel tersebut.

 


 

Dalam korelasi sebenarnya tidak dikenal istilah variabel bebas dan variabel tergantung. Biasanya dalam penghitungan digunakan simbol X untuk variabel pertama dan Y untuk variabel kedua. Dalam contoh hubungan antara variabel remunerasi dengan kepuasan kerja, maka variabel remunerasi merupakan variabel X dan kepuasan kerja merupakan variabel Y.

Variabel yang akan kita hubngkan terdiri atas berbagai tingkatan data. tingkatan data meliputi data nominal, interval, dan rasio. tingkatan data tersebutt menentukan alaisis korelasi mana yang paling tepat digunakan. oleh sebab itu, sebelum mempelajari analisis korelasi, maka macam-macam tingkatan data tersebut hasrus sudah dipahami sepenuhnya.

Kegunaan

Pengukuran asosiasi berguna untuk mengukur kekuatan (strength) hubungan antar dua variabel atau lebih. Contoh: mengukur hubungan antara variabel:

  • Motivasi kerja dengan produktivitas
  • Kualitas layanan dengan kepuasan pelanggan
  • Tingkat inflasi dengan IHSG

Pengukuran ini hubungan antara dua variabel untuk masing-masing kasus akan menghasilkan keputusan, diantaranya:

  • Hubungan kedua variabel tidak ada
  • Hubungan kedua variabel lemah
  •  Hubungan kedua variabel cukup kuat
  •  Hubungan kedua variabel kuat
  •  Hubungan kedua variabel sangat kuat

Penentuan tersebut didasarkan pada kriteria yang menyebutkan jika hubungan mendekati 1, maka hubungan semakin kuat; sebaliknya jika hubungan mendekati 0, maka hubungan semakin lemah.


Teori Korelasi

Korelasi dan Kausalitas

Ada perbedaan mendasar antara korelasi dan kausalitas. Jika kedua variabel dikatakan berkorelasi, maka kita tergoda untuk mengatakan bahwa variabel yang satu mempengaruhi variabel yang lain atau dengan kata lain terdapat hubungan kausalitas. Kenyataannya belum tentu. Hubungan kausalitas terjadi jika variabel X mempengaruhi Y. Jika kedua variabel diperlakukan secara simetris (nilai pengukuran tetap sama seandainya peranan variabel-variabel tersebut ditukar)  maka meski kedua variabel berkorelasi tidak dapat dikatakan mempunyai hubungan kausalitas. Dengan demikian, jika terdapat dua variabel yang berkorelasi, tidak harus terdapat hubungan kausalitas.

Terdapat dictum yang mengatakan “correlation does not imply causation”. Artinya korelasi tidak dapat digunakan secara valid untuk melihat  adanya hubungan kausalitas dalam variabel-variabel. Dalam korelasi aspek-aspek yang melandasi terdapatnya hubungan antar variabel mungkin tidak diketahui atau tidak langsung. Oleh karena itu dengan menetapkan korelasi dalam hubungannya dengan variabel-variabel yang diteliti tidak akan memberikan persyaratan yang memadai untuk menetapkan hubungan kausalitas kedalam variabel-variabel  tersebut. Sekalipun demikian bukan berarti bahwa korelasi tidak dapat digunakan sebagai indikasi adanya hubungan kausalitas antar variabel. Korelasi dapat digunakan sebagai salah satu bukti adanya kemungkinan terdapatnya hubungan kausalitas tetapi tidak dapat memberikan indikasi hubungan kausalitas seperti apa jika memang itu terjadi dalam variabel-variabel yang diteliti, misalnya model recursive, dimana X mempengaruhi Y atau non-recursive, misalnya X mempengaruhi Y dan Y mempengaruhi X.


Dengan untuk mengidentifikasi hubungan kausalitas tidak dapat begitu saja dilihat dengan kaca mata korelasi tetapi sebaiknya menggunakan model-model yang lebih tepat, misalnya regresi, analisis jalur atau structural equation model.

 

Korelasi dan Linieritas

Terdapat hubungan erat antara pengertian korelasi dan linieritas. Korelasi Pearson, misalnya, menunjukkan adanya kekuatan hubungan linier dalam dua variabel. Sekalipun demikian jika asumsi normalitas salah maka nilai korelasi tidak akan memadai untuk membuktikan adanya hubungan linieritas. Linieritas artinya asumsi adanya hubungan dalam bentuk garis lurus antara variabel. Linearitas antara dua variabel dapat dinilai melalui observasi scatterplots bivariat. Jika kedua variabel berdistribusi normal dan behubungan secara linier, maka  scatterplot berbentuk oval; jika tidak berdistribusi normal scatterplot tidak berbentuk oval.


Sumber : Ngelag.Com