PENGUJIAN HIPOTESIS ASOSIATIF
Hipotesis asosiatif adalah merupakan dugaan tentang adanya hubungan antar variabel dalam populasi yang akan diuji melalui hubungan antar variabel dalam smapel yang di ambil dari populasi tersebut.
untuk itu dalam langkah awal pembuktiannya, maka perlu di hitung terlebih dahulu koefisien korelasi antar variabel dalam sampel, baru koefisien yang di temukan itu di uji signifikansinya. jadi menguji hipotesis asosiatif adalah menguji koefisiensi korelasi yang ada pada sampel untuk di berlakukan pada seluruh populasi
Terdapat 3 hubungan Asosiatif :
Korelasi : angka yang menunjukkan arah dan kuatnya hubungan antar variabel.
Arah : dinyatakan dalam bentuk hubungan positif (+) atau negatif (-)
Kuat : dalam besaran koefisien korelasi
Hubungan variabel dinyatakan positif bila kenaikan nilai variabel yang satu mengakibatkan kenaikan nilai variabel yang lain, dan sebaliknya bila nilai penurunan nilai variabel yang satu mengakibatkan penurunan nilai variabel yang lain
Contoh (+) : semakin tinggi orang semakin berat badannya
Hubungan variabel dinyatakan negatif bila kenaikan nilai variabel yang satu justru mengakibatkan penurunan nilai variabel yang lain dan sebaliknya penurunan nilai variabel yang satu justru mengakibatkan kenaikan nilai variabel yang lain
Contoh (+) : hubungan antara tinggi curah hujan dengan es yang terjual
Kisaran Koefisien Korelasi (r) : -1 s/d 1
Hubungan sempurna : r = 1 atau -1
Artinya : kejadian variabel yang satu dapat dijelaskan secara sempurna oleh variabel yang lain, tanpa melakukan kesalahan sedikitpun
Semakin kecil r, semakin besar error (kesalahan) untuk membuat prediksi
Besarnya koefisien korelasi dapat diketahui dengan penyebaran pertemuan titik-titk antar variabel x dan y :
8.1 Pedoman Memilih Teknik Korelasi
8.1.1 Statistik Parametris
r xy = Σ xy
√ Σ x2 y2
dimana :
x = (xi – x) dan
y = (yi – y)
r xy = n Σ xi yi – (Σ xi ) (Σ yi)
√ ( n Σ xi2 – (xi)2)( n Σ yi2 – (yi)2)
Rumus di atas digunakan bilamana kita sekaligus akan mencari persamaan regresinya
Contoh soal
Dilakukan penelitian untuk mengetahui ada tidaknya hubungan antara pendapatan dan pengeluaran. Untuk keperluan tersebut telah dilakukan pengumpulan data terhadap 10 responden yang diambil secara random. Berdasarkan 10 responden tersebut diperoleh data tentang pendapatan (x) dan pengeluaran (y) per bulan dalam ribuan sebagai berikut :
x = 800 900 700 600 700 800 900 600 500 500
y = 300 300 200 200 200 200 300 100 100 100
Ho : Tidak ada hubungan antara pendapatan dan pengeluaran
Ha : Terdapat hubungan antara pendapatan dan pengeluaran
atau :
Ho : ρ = 0
Ha : ρ ≠ 0
Tabel Penolong untuk menghitung korelasi antara pendapatan dan pengeluaran
r xy = Σ xy = 10 = 0,9129
√ Σ x2 y2 √(20)(6)
Kesimpulan :
Terdapat korelasi positif sebesar 0,9129 antara pendapatan dan pengeluaran setiap bulannya, dimana semakin besar pendapatan, semakin besar pula pengeluaran
Pertanyaan :
Apakah r tersebut signifikan (dapat digeneralisir) atau tidak ?
Perlu dibandingkan dengan t tabel, dengan tarap kesalahan tertentu (Tabel III)
Untuk N= 10 dan tarap kesalahan 5 %, r tabel = 0,632
Ternyata r hitung ( 0,9129) > r tabel ( 0,632), sehingga tolak Ho atau terima Ha
Kesimpulan : Hubungan positif antara pendapatan dengan pengeluaran dengan nilai korelasi sebesar 0,9129 dapat digeneralisasikan
Koefisien Determinasi
Koefisien Determinasi : Kuadrat dari Koefisien Korelasi (r 2) :
Koefisien Penentu, dimana varians yang terjadi pada variabel dependen dipengaruhi sebesar r 2 oleh variabel independen.
Contoh : r = 0,9129
Koefisien determinasinya adalah :
r 2 = (0,9129) 2
= 0,83
Artinya :
Besarnya pengeluaran, 83 % dipengaruhi oleh pendapatan, sedangkan sisanya sebesar 17 % dipengaruhi oleh variabel/faktor lain, sehingga pengeluaran tersebut tidak dapat diduga 100 %
Pedoman Untuk Memberikan Interpretasi Terhadap Koefisien Korelasi
Contoh :
Misalnya dari suatu penelitian yang berjudul :”Kepemimpinan dan Tata Ruang Kantor dalam kaitannya dengan Kepuasan Kerja Pegawai di Lembaga A”. Berdasarkan data yang terkumpul untuk setiap variabel, dan setelah dihitung korelasi sederhananya ditemukan sebagai berikut
R yx1x2 = ryx1 2 + ryx2 2 – 2 ryx1 ryx2 rx1x2
1 - r x1x2 2
R yx1x2 = (0,45) 2 + (0,48) 2 – 2 (0,45) (0,48) (0,22)
1 - (0,22) 2
= 0,5959
R2 / k
Fh =
(1 – R 2 ) / (n – k – 1)
Dimana :
R = Koefisien Korelasi ganda
K = Jumlah variabel independent
N = Jumlah anggota sampel
Berdasarkan nilai yang ada, dan bila n = 30, maka nilai Fh tersebut adalah :
Fh = (0,5959) 2 / 2
(1 – (0,5959) 2 ) / (30 – 2 – 1)
= 7,43
F Tabel :
dk pembilang = k = 2
dk penyebut = (n – k – 1) = 10 – 2 – 1 = 7
Jika tarap kesalahan 5 %,
Maka F tabel = 4,74
Karena F hitung (7,43) > F tabel (4,74),
Maka Tolah Ho, atau terima H1
Kesimpulan : Koefisien Korelasi ganda signifikan atau dapat diberlakukan untuk populasi
Bila penelitian
dilakukan untuk seluruh populasi, maka tidak diperlukan pengujian
signifikansi terhadap koefisien korelasi yang ditemukan, yang berarti
peneliti tidak perlu merumuskan dan menguji instrumen statistik
Terdapat 3 hubungan Asosiatif :
Simetris
Sebab akibat (kausal)
Interaktif (saling mempengaruhi)
Make Money at : http://bit.ly/copy_win
Make Money at : http://bit.ly/copy_win
Bila penelitian
dilakukan untuk seluruh populasi, maka tidak diperlukan pengujian
signifikansi terhadap koefisien korelasi yang ditemukan, yang berarti
peneliti tidak perlu merumuskan dan menguji instrumen statistik
Terdapat 3 hubungan Asosiatif :
Simetris
Sebab akibat (kausal)
Interaktif (saling mempengaruhi)
Korelasi : angka yang menunjukkan arah dan kuatnya hubungan antar
variabel.
Arah : dinyatakan dalam bentuk hubungan positif (+) atau negatif
(-)
Kuat : dalam besaran koefisien korelasi
Hubungan variabel dinyatakan positif bila kenaikan nilai variabel yang
satu mengakibatkan kenaikan nilai variabel yang lain, dan sebaliknya
bila nilai penurunan nilai variabel yang satu mengakibatkan penurunan
nilai variabel yang lain
Contoh (+) : semakin tinggi orang semakin berat badannya
Hubungan variabel dinyatakan negatif bila kenaikan nilai variabel yang
satu justru mengakibatkan penurunan nilai variabel yang lain dan
sebaliknya penurunan nilai variabel yang satu justru mengakibatkan
kenaikan nilai variabel yang lain
Contoh (+) : hubungan antara tinggi curah hujan dengan es yang terjual
Kisaran Koefisien Korelasi (r) : -1 s/d 1
Hubungan sempurna : r = 1 atau -1
Artinya : kejadian variabel yang satu dapat dijelaskan secara sempurna
oleh variabel yang lain, tanpa melakukan kesalahan sedikitpun
Semakin kecil r, semakin besar error (kesalahan) untuk membuat prediksi
Besarnya koefisien korelasi dapat diketahui dengan penyebaran pertemuan
titik-titk antar variabel x dan y :
Jika titik-titiknya berbentuk lingkaran : r = 0
Jika titik-titiknya berbentuk elips (oval) : r =
0,5
Jika titik-tiknya berbentuk garis lurus : r = 1
8.1 Pedoman Memilih Teknik Korelasi
MACAM/TINGKATAN DATA
TEKNIK KORELASI
Nominal
Koefisien Kontingency
Ordinal
Spearman Rank
Kendal Tau
Interval dan Ratio
Pearson Product Moment
Korelasi Ganda
Korelasi Parsial
8.1.1 Statistik Parametris
Korelasi Product Moment
Digunakan untuk mencari hubungan dan membuktikan hipotesis hubungan dua
variabel, bila data kedua variabel berbentruk interval atau ratio, dan
sumber data dari kedua variabel tersebut adalah sama
r xy = Σ xy
√ Σ x2 y2
dimana :
x = (xi – x) dan
y = (yi – y)
r xy = n Σ xi yi – (Σ xi ) (Σ yi)
√ ( n Σ xi2 – (xi)2)( n Σ yi2 – (yi)2)
Rumus di atas digunakan bilamana kita sekaligus akan mencari persamaan
regresinya
Contoh soal
Dilakukan penelitian untuk mengetahui ada tidaknya hubungan antara
pendapatan dan pengeluaran. Untuk keperluan tersebut telah dilakukan
pengumpulan data terhadap 10 responden yang diambil secara random.
Berdasarkan 10 responden tersebut diperoleh data tentang pendapatan (x)
dan pengeluaran (y) per bulan dalam ribuan sebagai berikut :
x = 800 900 700 600 700 800 900
600 500 500
y = 300 300 200 200 200 200 300
100 100 100
Ho : Tidak ada hubungan antara pendapatan dan pengeluaran
Ha : Terdapat hubungan antara pendapatan dan pengeluaran
atau :
Ho : ρ = 0
Ha : ρ ≠ 0
Tabel Penolong untuk menghitung korelasi antara pendapatan dan
pengeluaran
No
Pendapatan per bulan
( Y )
Pengeluaran per bulan
( Y )
_ ( X – X)
x
_ ( Y – Y)
y
X 2
Y 2
XY
1 2
3
4
5
6
7
8
9
10 8 9
7
6
7
8
9
6
5
5
3 3
2
2
2
2
3
1
1
1
1 2
0
-1
0
1
2
-1
- 2
2 1 1
0
0
0
0
1
- 1
-1
- 1
1 4
0
1
0
1
4
1
4
4
1 1
0
0
0
0
1
1
1
1
1 2
0
0
0
0
2
1
2
2
Σ = 70 _
X = 7 Σ = 20 _
Y = 2
0 0 20 6 10
r xy = Σ xy = 10 = 0,9129
√ Σ x2 y2 √(20)(6)
Kesimpulan :
Terdapat korelasi positif sebesar 0,9129 antara pendapatan dan
pengeluaran setiap bulannya, dimana semakin besar pendapatan, semakin
besar pula pengeluaran
Pertanyaan :
Apakah r tersebut signifikan (dapat digeneralisir) atau tidak ?
Perlu dibandingkan dengan t tabel, dengan tarap kesalahan tertentu
(Tabel III)
Untuk N= 10 dan tarap kesalahan 5 %, r tabel = 0,632
Ternyata r hitung ( 0,9129) > r tabel ( 0,632), sehingga tolak Ho
atau terima Ha
Kesimpulan : Hubungan positif antara pendapatan dengan pengeluaran
dengan nilai korelasi sebesar 0,9129 dapat digeneralisasikan
Koefisien Determinasi
Koefisien Determinasi : Kuadrat dari Koefisien Korelasi (r 2) :
Koefisien Penentu, dimana varians yang terjadi pada variabel dependen
dipengaruhi sebesar r 2 oleh variabel independen.
Contoh : r = 0,9129
Koefisien determinasinya adalah :
r 2 = (0,9129) 2
= 0,83
Artinya :
Besarnya pengeluaran, 83 % dipengaruhi oleh pendapatan, sedangkan
sisanya sebesar 17 % dipengaruhi oleh variabel/faktor lain, sehingga
pengeluaran tersebut tidak dapat diduga 100 %
Pedoman Untuk Memberikan Interpretasi Terhadap Koefisien Korelasi
INTERVAL KOEFISIEN
TINGKAT HUBUNGAN
0,00 – 0,199
0,20 – 0,399
0,40 – 0,599
0,60 – 0,799
0,80 – 1,000
Sangat Rendah
Rendah
Sedang
Kuat
Sangat Kuat
2. Korelasi Ganda (Multiple Correlation) :
Angka yang menunjukkan arah dan kuatnya hubungan antara 2 variabel
independen atau lebih secara bersama-sama dengan satu variabel dependen :
Contoh :
Misalnya dari suatu penelitian yang berjudul :”Kepemimpinan dan Tata
Ruang Kantor dalam kaitannya dengan Kepuasan Kerja Pegawai di Lembaga
A”. Berdasarkan data yang terkumpul untuk setiap variabel, dan setelah
dihitung korelasi sederhananya ditemukan sebagai berikut
Korelasi antara kepemimpinan dengan Kepuasan Kerja Pegawai, r1 =
0,45
Korelasi antara Tata Ruang kantor dengan Kepuasan Kerja Pegawai, r2 =
0,48
Korelasi antara Kepemimpinan dengan Tata Ruang Kantor r3 = 0,22
R yx1x2 = ryx1 2 + ryx2 2 – 2 ryx1 ryx2 rx1x2
1 - r x1x2 2
R yx1x2 = (0,45) 2 + (0,48) 2 – 2 (0,45) (0,48) (0,22)
1 - (0,22) 2
= 0,5959
R2 / k
Fh =
(1 – R 2 ) / (n – k – 1)
Dimana :
R = Koefisien Korelasi ganda
K = Jumlah variabel independent
N = Jumlah anggota sampel
Berdasarkan nilai yang ada, dan bila n = 30, maka nilai Fh tersebut
adalah :
Fh = (0,5959) 2 / 2
(1 – (0,5959) 2 ) / (30 – 2 – 1)
= 7,43
F Tabel :
dk pembilang = k = 2
dk penyebut = (n – k – 1) = 10 – 2 – 1 = 7
Jika tarap kesalahan 5 %,
Maka F tabel = 4,74
Karena F hitung (7,43) > F tabel (4,74),
Maka Tolah Ho, atau terima H1
Kesimpulan : Koefisien Korelasi ganda signifikan atau dapat
diberlakukan untuk populasi
Kirimkan Ini lewat EmailBlogThis!Berbagi ke TwitterBerbagi ke Facebook
0 komentar:
Poskan Komentar
Posting Lebih Baru Posting Lama Beranda
Find Me
Facebook Twitter Google+ Instagram Linkedin Path Gmail
Fish
Mengenai Saya
Foto Saya
Statistik Penelitian
Lihat profil lengkapku
Popular Posts
PENGUJIAN HIPOTESIS DESKRIPTIF (Satu Sampel)
A. Statistik parametris Statistik parametris yang dapat
digunakan untuk menguji hipotesis deskriptif bila datanya interval atau
rasio ...
POPULASI, SAMPEL DAN PENGUJIAN NORMALITAS DATA
A.Populasi populasi adalah wilaya generalisasi yang terdiri atas
oyek/subjek uang mempunyai kualitas dan karakteristik tertentu yang
dite...
Penerapan Statistik Dalam Penyusunan Proposal Penelitian
Statistik adalah rangkaian simbol dan matematika yang mempunyai
fungsi tertentu dalam proses pengolahan data kuantitatif atau
angka-angka. ...
Statistik Deskriptif
A. Pengertian Statistik Deskriptif Statistika deskriptif adalah
bagian dari ilmu statistika yang hanya mengolah, menyajikan data tanpa
m...
Pengertian Statistika
Pengertian Statistika Statistika ( Status : Latin; Statizien :
Yunani; State : Inggris) secara harfiah berarti Negara atau kesatuan
poli...
(tanpa judul)
Pengujian Hipotesis ( Komparatif Dua Sampel Berkorelasi) T-Test
Statistik parametris yang digunakan untuk menguji hipotesis
komparatif...
KONSEP DASAR PENGUJIAN HIPOTESIS
A. Pengertian Hipotesis Uji Hipotesis adalah metode pengambilan
keputusan yang didasarkan dari analisa data, baik dari percobaan ya...
Blog Archive
▼ 2014 (10)
▼ November (10)
PATH ANALYSIS (ANALISIS JALUR)
ANALISIS REGRESI
PENGUJIAN HIPOTESIS ASOSIATIF Hipotesis Asosiatif ...
Pengujian Hipotesis ( Komparatif Dua Sampel Berkor...
PENGUJIAN HIPOTESIS DESKRIPTIF (Satu Sampel)
POPULASI, SAMPEL DAN PENGUJIAN NORMALITAS DATA
KONSEP DASAR PENGUJIAN HIPOTESIS
Statistik Deskriptif
Pengertian Statistika
Penerapan Statistik Dalam Penyusunan Proposal Pene...
Pengunjung
geocounter1
free hit counter code
pengunjung
521
Visitor
widgeo.net
Make Money at : http://bit.ly/copy_win
Make Money at : http://bit.ly/copy_win
Bila penelitian
dilakukan untuk seluruh populasi, maka tidak diperlukan pengujian
signifikansi terhadap koefisien korelasi yang ditemukan, yang berarti
peneliti tidak perlu merumuskan dan menguji instrumen statistik
Terdapat 3 hubungan Asosiatif :
Simetris
Sebab akibat (kausal)
Interaktif (saling mempengaruhi)
Korelasi : angka yang menunjukkan arah dan kuatnya hubungan antar
variabel.
Arah : dinyatakan dalam bentuk hubungan positif (+) atau negatif
(-)
Kuat : dalam besaran koefisien korelasi
Hubungan variabel dinyatakan positif bila kenaikan nilai variabel yang
satu mengakibatkan kenaikan nilai variabel yang lain, dan sebaliknya
bila nilai penurunan nilai variabel yang satu mengakibatkan penurunan
nilai variabel yang lain
Contoh (+) : semakin tinggi orang semakin berat badannya
Hubungan variabel dinyatakan negatif bila kenaikan nilai variabel yang
satu justru mengakibatkan penurunan nilai variabel yang lain dan
sebaliknya penurunan nilai variabel yang satu justru mengakibatkan
kenaikan nilai variabel yang lain
Contoh (+) : hubungan antara tinggi curah hujan dengan es yang terjual
Kisaran Koefisien Korelasi (r) : -1 s/d 1
Hubungan sempurna : r = 1 atau -1
Artinya : kejadian variabel yang satu dapat dijelaskan secara sempurna
oleh variabel yang lain, tanpa melakukan kesalahan sedikitpun
Semakin kecil r, semakin besar error (kesalahan) untuk membuat prediksi
Besarnya koefisien korelasi dapat diketahui dengan penyebaran pertemuan
titik-titk antar variabel x dan y :
Jika titik-titiknya berbentuk lingkaran : r = 0
Jika titik-titiknya berbentuk elips (oval) : r =
0,5
Jika titik-tiknya berbentuk garis lurus : r = 1
8.1 Pedoman Memilih Teknik Korelasi
MACAM/TINGKATAN DATA
TEKNIK KORELASI
Nominal
Koefisien Kontingency
Ordinal
Spearman Rank
Kendal Tau
Interval dan Ratio
Pearson Product Moment
Korelasi Ganda
Korelasi Parsial
8.1.1 Statistik Parametris
Korelasi Product Moment
Digunakan untuk mencari hubungan dan membuktikan hipotesis hubungan dua
variabel, bila data kedua variabel berbentruk interval atau ratio, dan
sumber data dari kedua variabel tersebut adalah sama
r xy = Σ xy
√ Σ x2 y2
dimana :
x = (xi – x) dan
y = (yi – y)
r xy = n Σ xi yi – (Σ xi ) (Σ yi)
√ ( n Σ xi2 – (xi)2)( n Σ yi2 – (yi)2)
Rumus di atas digunakan bilamana kita sekaligus akan mencari persamaan
regresinya
Contoh soal
Dilakukan penelitian untuk mengetahui ada tidaknya hubungan antara
pendapatan dan pengeluaran. Untuk keperluan tersebut telah dilakukan
pengumpulan data terhadap 10 responden yang diambil secara random.
Berdasarkan 10 responden tersebut diperoleh data tentang pendapatan (x)
dan pengeluaran (y) per bulan dalam ribuan sebagai berikut :
x = 800 900 700 600 700 800 900
600 500 500
y = 300 300 200 200 200 200 300
100 100 100
Ho : Tidak ada hubungan antara pendapatan dan pengeluaran
Ha : Terdapat hubungan antara pendapatan dan pengeluaran
atau :
Ho : ρ = 0
Ha : ρ ≠ 0
Tabel Penolong untuk menghitung korelasi antara pendapatan dan
pengeluaran
No
Pendapatan per bulan
( Y )
Pengeluaran per bulan
( Y )
_ ( X – X)
x
_ ( Y – Y)
y
X 2
Y 2
XY
1 2
3
4
5
6
7
8
9
10 8 9
7
6
7
8
9
6
5
5
3 3
2
2
2
2
3
1
1
1
1 2
0
-1
0
1
2
-1
- 2
2 1 1
0
0
0
0
1
- 1
-1
- 1
1 4
0
1
0
1
4
1
4
4
1 1
0
0
0
0
1
1
1
1
1 2
0
0
0
0
2
1
2
2
Σ = 70 _
X = 7 Σ = 20 _
Y = 2
0 0 20 6 10
r xy = Σ xy = 10 = 0,9129
√ Σ x2 y2 √(20)(6)
Kesimpulan :
Terdapat korelasi positif sebesar 0,9129 antara pendapatan dan
pengeluaran setiap bulannya, dimana semakin besar pendapatan, semakin
besar pula pengeluaran
Pertanyaan :
Apakah r tersebut signifikan (dapat digeneralisir) atau tidak ?
Perlu dibandingkan dengan t tabel, dengan tarap kesalahan tertentu
(Tabel III)
Untuk N= 10 dan tarap kesalahan 5 %, r tabel = 0,632
Ternyata r hitung ( 0,9129) > r tabel ( 0,632), sehingga tolak Ho
atau terima Ha
Kesimpulan : Hubungan positif antara pendapatan dengan pengeluaran
dengan nilai korelasi sebesar 0,9129 dapat digeneralisasikan
Koefisien Determinasi
Koefisien Determinasi : Kuadrat dari Koefisien Korelasi (r 2) :
Koefisien Penentu, dimana varians yang terjadi pada variabel dependen
dipengaruhi sebesar r 2 oleh variabel independen.
Contoh : r = 0,9129
Koefisien determinasinya adalah :
r 2 = (0,9129) 2
= 0,83
Artinya :
Besarnya pengeluaran, 83 % dipengaruhi oleh pendapatan, sedangkan
sisanya sebesar 17 % dipengaruhi oleh variabel/faktor lain, sehingga
pengeluaran tersebut tidak dapat diduga 100 %
Pedoman Untuk Memberikan Interpretasi Terhadap Koefisien Korelasi
INTERVAL KOEFISIEN
TINGKAT HUBUNGAN
0,00 – 0,199
0,20 – 0,399
0,40 – 0,599
0,60 – 0,799
0,80 – 1,000
Sangat Rendah
Rendah
Sedang
Kuat
Sangat Kuat
2. Korelasi Ganda (Multiple Correlation) :
Angka yang menunjukkan arah dan kuatnya hubungan antara 2 variabel
independen atau lebih secara bersama-sama dengan satu variabel dependen :
Contoh :
Misalnya dari suatu penelitian yang berjudul :”Kepemimpinan dan Tata
Ruang Kantor dalam kaitannya dengan Kepuasan Kerja Pegawai di Lembaga
A”. Berdasarkan data yang terkumpul untuk setiap variabel, dan setelah
dihitung korelasi sederhananya ditemukan sebagai berikut
Korelasi antara kepemimpinan dengan Kepuasan Kerja Pegawai, r1 =
0,45
Korelasi antara Tata Ruang kantor dengan Kepuasan Kerja Pegawai, r2 =
0,48
Korelasi antara Kepemimpinan dengan Tata Ruang Kantor r3 = 0,22
R yx1x2 = ryx1 2 + ryx2 2 – 2 ryx1 ryx2 rx1x2
1 - r x1x2 2
R yx1x2 = (0,45) 2 + (0,48) 2 – 2 (0,45) (0,48) (0,22)
1 - (0,22) 2
= 0,5959
R2 / k
Fh =
(1 – R 2 ) / (n – k – 1)
Dimana :
R = Koefisien Korelasi ganda
K = Jumlah variabel independent
N = Jumlah anggota sampel
Berdasarkan nilai yang ada, dan bila n = 30, maka nilai Fh tersebut
adalah :
Fh = (0,5959) 2 / 2
(1 – (0,5959) 2 ) / (30 – 2 – 1)
= 7,43
F Tabel :
dk pembilang = k = 2
dk penyebut = (n – k – 1) = 10 – 2 – 1 = 7
Jika tarap kesalahan 5 %,
Maka F tabel = 4,74
Karena F hitung (7,43) > F tabel (4,74),
Maka Tolah Ho, atau terima H1
Kesimpulan : Koefisien Korelasi ganda signifikan atau dapat
diberlakukan untuk populasi
Kirimkan Ini lewat EmailBlogThis!Berbagi ke TwitterBerbagi ke Facebook
0 komentar:
Poskan Komentar
Posting Lebih Baru Posting Lama Beranda
Find Me
Facebook Twitter Google+ Instagram Linkedin Path Gmail
Fish
Mengenai Saya
Foto Saya
Statistik Penelitian
Lihat profil lengkapku
Popular Posts
PENGUJIAN HIPOTESIS DESKRIPTIF (Satu Sampel)
A. Statistik parametris Statistik parametris yang dapat
digunakan untuk menguji hipotesis deskriptif bila datanya interval atau
rasio ...
POPULASI, SAMPEL DAN PENGUJIAN NORMALITAS DATA
A.Populasi populasi adalah wilaya generalisasi yang terdiri atas
oyek/subjek uang mempunyai kualitas dan karakteristik tertentu yang
dite...
Penerapan Statistik Dalam Penyusunan Proposal Penelitian
Statistik adalah rangkaian simbol dan matematika yang mempunyai
fungsi tertentu dalam proses pengolahan data kuantitatif atau
angka-angka. ...
Statistik Deskriptif
A. Pengertian Statistik Deskriptif Statistika deskriptif adalah
bagian dari ilmu statistika yang hanya mengolah, menyajikan data tanpa
m...
Pengertian Statistika
Pengertian Statistika Statistika ( Status : Latin; Statizien :
Yunani; State : Inggris) secara harfiah berarti Negara atau kesatuan
poli...
(tanpa judul)
Pengujian Hipotesis ( Komparatif Dua Sampel Berkorelasi) T-Test
Statistik parametris yang digunakan untuk menguji hipotesis
komparatif...
KONSEP DASAR PENGUJIAN HIPOTESIS
A. Pengertian Hipotesis Uji Hipotesis adalah metode pengambilan
keputusan yang didasarkan dari analisa data, baik dari percobaan ya...
Blog Archive
▼ 2014 (10)
▼ November (10)
PATH ANALYSIS (ANALISIS JALUR)
ANALISIS REGRESI
PENGUJIAN HIPOTESIS ASOSIATIF Hipotesis Asosiatif ...
Pengujian Hipotesis ( Komparatif Dua Sampel Berkor...
PENGUJIAN HIPOTESIS DESKRIPTIF (Satu Sampel)
POPULASI, SAMPEL DAN PENGUJIAN NORMALITAS DATA
KONSEP DASAR PENGUJIAN HIPOTESIS
Statistik Deskriptif
Pengertian Statistika
Penerapan Statistik Dalam Penyusunan Proposal Pene...
Pengunjung
geocounter1
free hit counter code
pengunjung
521
Visitor
widgeo.net
Labels
Penelitian Statistik Statistik Penelitian
Diberdayakan oleh Blogger.
Penerapan Statistik Penelitian Bagi Mahasiswa © 2014 | Designed by Nanda
Fega Gasela
A
L
E
S
A
G
A
G
E
F
Make Money at : http://bit.ly/copy_win
Bila penelitian dilakukan untuk seluruh populasi, maka tidak
diperlukan pengujian signifikansi terhadap koefisien korelasi yang
ditemukan, yang berarti peneliti tidak perlu merumuskan dan menguji
instrumen statistikMake Money at : http://bit.ly/copy_win
Terdapat 3 hubungan Asosiatif :
- Simetris
- Sebab akibat (kausal)
- Interaktif (saling mempengaruhi)
Korelasi : angka yang menunjukkan arah dan kuatnya hubungan antar variabel.
Arah : dinyatakan dalam bentuk hubungan positif (+) atau negatif (-)
Kuat : dalam besaran koefisien korelasi
Hubungan variabel dinyatakan positif bila kenaikan nilai variabel yang satu mengakibatkan kenaikan nilai variabel yang lain, dan sebaliknya bila nilai penurunan nilai variabel yang satu mengakibatkan penurunan nilai variabel yang lain
Contoh (+) : semakin tinggi orang semakin berat badannya
Hubungan variabel dinyatakan negatif bila kenaikan nilai variabel yang satu justru mengakibatkan penurunan nilai variabel yang lain dan sebaliknya penurunan nilai variabel yang satu justru mengakibatkan kenaikan nilai variabel yang lain
Contoh (+) : hubungan antara tinggi curah hujan dengan es yang terjual
Kisaran Koefisien Korelasi (r) : -1 s/d 1
Hubungan sempurna : r = 1 atau -1
Artinya : kejadian variabel yang satu dapat dijelaskan secara sempurna oleh variabel yang lain, tanpa melakukan kesalahan sedikitpun
Semakin kecil r, semakin besar error (kesalahan) untuk membuat prediksi
Besarnya koefisien korelasi dapat diketahui dengan penyebaran pertemuan titik-titk antar variabel x dan y :
- Jika titik-titiknya berbentuk lingkaran : r = 0
- Jika titik-titiknya berbentuk elips (oval) : r = 0,5
- Jika titik-tiknya berbentuk garis lurus : r = 1
8.1 Pedoman Memilih Teknik Korelasi
| MACAM/TINGKATAN DATA | TEKNIK KORELASI |
| Nominal | Koefisien Kontingency |
| Ordinal |
|
| Interval dan Ratio |
|
8.1.1 Statistik Parametris
- Korelasi Product Moment
r xy = Σ xy
√ Σ x2 y2
dimana :
y = (yi – y)
r xy = n Σ xi yi – (Σ xi ) (Σ yi)
√ ( n Σ xi2 – (xi)2)( n Σ yi2 – (yi)2)
Rumus di atas digunakan bilamana kita sekaligus akan mencari persamaan regresinya
Contoh soal
Dilakukan penelitian untuk mengetahui ada tidaknya hubungan antara pendapatan dan pengeluaran. Untuk keperluan tersebut telah dilakukan pengumpulan data terhadap 10 responden yang diambil secara random. Berdasarkan 10 responden tersebut diperoleh data tentang pendapatan (x) dan pengeluaran (y) per bulan dalam ribuan sebagai berikut :
x = 800 900 700 600 700 800 900 600 500 500
y = 300 300 200 200 200 200 300 100 100 100
Ho : Tidak ada hubungan antara pendapatan dan pengeluaran
Ha : Terdapat hubungan antara pendapatan dan pengeluaran
atau :
Ho : ρ = 0
Ha : ρ ≠ 0
Tabel Penolong untuk menghitung korelasi antara pendapatan dan pengeluaran
| No | Pendapatan
per bulan ( Y ) |
Pengeluaran
per bulan ( Y ) |
_
( X – X) x |
_
( Y – Y) y |
X 2 | Y 2 | XY |
| 1
2 3 4 5 6 7 8 9 10 |
8
9 7 6 7 8 9 6 5 5 |
3
3 2 2 2 2 3 1 1 1 |
1
2 0 -1 0 1 2 -1 - 2 2 |
1
1 0 0 0 0 1 - 1 -1 - 1 |
1
4 0 1 0 1 4 1 4 4 |
1
1 0 0 0 0 1 1 1 1 |
1
2 0 0 0 0 2 1 2 2 |
| Σ = 70
_ X = 7 |
Σ = 20
_ Y = 2 |
0 | 0 | 20 | 6 | 10 |
r xy = Σ xy = 10 = 0,9129
√ Σ x2 y2 √(20)(6)
Kesimpulan :
Terdapat korelasi positif sebesar 0,9129 antara pendapatan dan pengeluaran setiap bulannya, dimana semakin besar pendapatan, semakin besar pula pengeluaran
Pertanyaan :
Apakah r tersebut signifikan (dapat digeneralisir) atau tidak ?
Perlu dibandingkan dengan t tabel, dengan tarap kesalahan tertentu (Tabel III)
Untuk N= 10 dan tarap kesalahan 5 %, r tabel = 0,632
Ternyata r hitung ( 0,9129) > r tabel ( 0,632), sehingga tolak Ho atau terima Ha
Kesimpulan : Hubungan positif antara pendapatan dengan pengeluaran dengan nilai korelasi sebesar 0,9129 dapat digeneralisasikan
Koefisien Determinasi
Koefisien Determinasi : Kuadrat dari Koefisien Korelasi (r 2) :
Koefisien Penentu, dimana varians yang terjadi pada variabel dependen dipengaruhi sebesar r 2 oleh variabel independen.
Contoh : r = 0,9129
Koefisien determinasinya adalah :
r 2 = (0,9129) 2
= 0,83
Artinya :
Besarnya pengeluaran, 83 % dipengaruhi oleh pendapatan, sedangkan sisanya sebesar 17 % dipengaruhi oleh variabel/faktor lain, sehingga pengeluaran tersebut tidak dapat diduga 100 %
Pedoman Untuk Memberikan Interpretasi Terhadap Koefisien Korelasi
| INTERVAL KOEFISIEN | TINGKAT HUBUNGAN |
|
0,00 – 0,199 0,20 – 0,399 0,40 – 0,599 0,60 – 0,799 0,80 – 1,000 |
Sangat Rendah Rendah Sedang Kuat Sangat Kuat |
- 2. Korelasi Ganda (Multiple Correlation) :
Contoh :
Misalnya dari suatu penelitian yang berjudul :”Kepemimpinan dan Tata Ruang Kantor dalam kaitannya dengan Kepuasan Kerja Pegawai di Lembaga A”. Berdasarkan data yang terkumpul untuk setiap variabel, dan setelah dihitung korelasi sederhananya ditemukan sebagai berikut
- Korelasi antara kepemimpinan dengan Kepuasan Kerja Pegawai, r1 = 0,45
- Korelasi antara Tata Ruang kantor dengan Kepuasan Kerja Pegawai, r2 = 0,48
- Korelasi antara Kepemimpinan dengan Tata Ruang Kantor r3 = 0,22
R yx1x2 = ryx1 2 + ryx2 2 – 2 ryx1 ryx2 rx1x2
1 - r x1x2 2
R yx1x2 = (0,45) 2 + (0,48) 2 – 2 (0,45) (0,48) (0,22)
1 - (0,22) 2
= 0,5959
R2 / k
Fh =
(1 – R 2 ) / (n – k – 1)
Dimana :
R = Koefisien Korelasi ganda
K = Jumlah variabel independent
N = Jumlah anggota sampel
Berdasarkan nilai yang ada, dan bila n = 30, maka nilai Fh tersebut adalah :
Fh = (0,5959) 2 / 2
(1 – (0,5959) 2 ) / (30 – 2 – 1)
= 7,43
F Tabel :
dk pembilang = k = 2
dk penyebut = (n – k – 1) = 10 – 2 – 1 = 7
Jika tarap kesalahan 5 %,
Maka F tabel = 4,74
Karena F hitung (7,43) > F tabel (4,74),
Maka Tolah Ho, atau terima H1
Kesimpulan : Koefisien Korelasi ganda signifikan atau dapat diberlakukan untuk populasi
Bila penelitian
dilakukan untuk seluruh populasi, maka tidak diperlukan pengujian
signifikansi terhadap koefisien korelasi yang ditemukan, yang berarti
peneliti tidak perlu merumuskan dan menguji instrumen statistik
Terdapat 3 hubungan Asosiatif :
Simetris
Sebab akibat (kausal)
Interaktif (saling mempengaruhi)
Korelasi : angka yang menunjukkan arah dan kuatnya hubungan antar
variabel.
Arah : dinyatakan dalam bentuk hubungan positif (+) atau negatif
(-)
Kuat : dalam besaran koefisien korelasi
Hubungan variabel dinyatakan positif bila kenaikan nilai variabel yang
satu mengakibatkan kenaikan nilai variabel yang lain, dan sebaliknya
bila nilai penurunan nilai variabel yang satu mengakibatkan penurunan
nilai variabel yang lain
Contoh (+) : semakin tinggi orang semakin berat badannya
Hubungan variabel dinyatakan negatif bila kenaikan nilai variabel yang
satu justru mengakibatkan penurunan nilai variabel yang lain dan
sebaliknya penurunan nilai variabel yang satu justru mengakibatkan
kenaikan nilai variabel yang lain
Contoh (+) : hubungan antara tinggi curah hujan dengan es yang terjual
Kisaran Koefisien Korelasi (r) : -1 s/d 1
Hubungan sempurna : r = 1 atau -1
Artinya : kejadian variabel yang satu dapat dijelaskan secara sempurna
oleh variabel yang lain, tanpa melakukan kesalahan sedikitpun
Semakin kecil r, semakin besar error (kesalahan) untuk membuat prediksi
Besarnya koefisien korelasi dapat diketahui dengan penyebaran pertemuan
titik-titk antar variabel x dan y :
Jika titik-titiknya berbentuk lingkaran : r = 0
Jika titik-titiknya berbentuk elips (oval) : r =
0,5
Jika titik-tiknya berbentuk garis lurus : r = 1
8.1 Pedoman Memilih Teknik Korelasi
MACAM/TINGKATAN DATA
TEKNIK KORELASI
Nominal
Koefisien Kontingency
Ordinal
Spearman Rank
Kendal Tau
Interval dan Ratio
Pearson Product Moment
Korelasi Ganda
Korelasi Parsial
8.1.1 Statistik Parametris
Korelasi Product Moment
Digunakan untuk mencari hubungan dan membuktikan hipotesis hubungan dua
variabel, bila data kedua variabel berbentruk interval atau ratio, dan
sumber data dari kedua variabel tersebut adalah sama
r xy = Σ xy
√ Σ x2 y2
dimana :
x = (xi – x) dan
y = (yi – y)
r xy = n Σ xi yi – (Σ xi ) (Σ yi)
√ ( n Σ xi2 – (xi)2)( n Σ yi2 – (yi)2)
Rumus di atas digunakan bilamana kita sekaligus akan mencari persamaan
regresinya
Contoh soal
Dilakukan penelitian untuk mengetahui ada tidaknya hubungan antara
pendapatan dan pengeluaran. Untuk keperluan tersebut telah dilakukan
pengumpulan data terhadap 10 responden yang diambil secara random.
Berdasarkan 10 responden tersebut diperoleh data tentang pendapatan (x)
dan pengeluaran (y) per bulan dalam ribuan sebagai berikut :
x = 800 900 700 600 700 800 900
600 500 500
y = 300 300 200 200 200 200 300
100 100 100
Ho : Tidak ada hubungan antara pendapatan dan pengeluaran
Ha : Terdapat hubungan antara pendapatan dan pengeluaran
atau :
Ho : ρ = 0
Ha : ρ ≠ 0
Tabel Penolong untuk menghitung korelasi antara pendapatan dan
pengeluaran
No
Pendapatan per bulan
( Y )
Pengeluaran per bulan
( Y )
_ ( X – X)
x
_ ( Y – Y)
y
X 2
Y 2
XY
1 2
3
4
5
6
7
8
9
10 8 9
7
6
7
8
9
6
5
5
3 3
2
2
2
2
3
1
1
1
1 2
0
-1
0
1
2
-1
- 2
2 1 1
0
0
0
0
1
- 1
-1
- 1
1 4
0
1
0
1
4
1
4
4
1 1
0
0
0
0
1
1
1
1
1 2
0
0
0
0
2
1
2
2
Σ = 70 _
X = 7 Σ = 20 _
Y = 2
0 0 20 6 10
r xy = Σ xy = 10 = 0,9129
√ Σ x2 y2 √(20)(6)
Kesimpulan :
Terdapat korelasi positif sebesar 0,9129 antara pendapatan dan
pengeluaran setiap bulannya, dimana semakin besar pendapatan, semakin
besar pula pengeluaran
Pertanyaan :
Apakah r tersebut signifikan (dapat digeneralisir) atau tidak ?
Perlu dibandingkan dengan t tabel, dengan tarap kesalahan tertentu
(Tabel III)
Untuk N= 10 dan tarap kesalahan 5 %, r tabel = 0,632
Ternyata r hitung ( 0,9129) > r tabel ( 0,632), sehingga tolak Ho
atau terima Ha
Kesimpulan : Hubungan positif antara pendapatan dengan pengeluaran
dengan nilai korelasi sebesar 0,9129 dapat digeneralisasikan
Koefisien Determinasi
Koefisien Determinasi : Kuadrat dari Koefisien Korelasi (r 2) :
Koefisien Penentu, dimana varians yang terjadi pada variabel dependen
dipengaruhi sebesar r 2 oleh variabel independen.
Contoh : r = 0,9129
Koefisien determinasinya adalah :
r 2 = (0,9129) 2
= 0,83
Artinya :
Besarnya pengeluaran, 83 % dipengaruhi oleh pendapatan, sedangkan
sisanya sebesar 17 % dipengaruhi oleh variabel/faktor lain, sehingga
pengeluaran tersebut tidak dapat diduga 100 %
Pedoman Untuk Memberikan Interpretasi Terhadap Koefisien Korelasi
INTERVAL KOEFISIEN
TINGKAT HUBUNGAN
0,00 – 0,199
0,20 – 0,399
0,40 – 0,599
0,60 – 0,799
0,80 – 1,000
Sangat Rendah
Rendah
Sedang
Kuat
Sangat Kuat
2. Korelasi Ganda (Multiple Correlation) :
Angka yang menunjukkan arah dan kuatnya hubungan antara 2 variabel
independen atau lebih secara bersama-sama dengan satu variabel dependen :
Contoh :
Misalnya dari suatu penelitian yang berjudul :”Kepemimpinan dan Tata
Ruang Kantor dalam kaitannya dengan Kepuasan Kerja Pegawai di Lembaga
A”. Berdasarkan data yang terkumpul untuk setiap variabel, dan setelah
dihitung korelasi sederhananya ditemukan sebagai berikut
Korelasi antara kepemimpinan dengan Kepuasan Kerja Pegawai, r1 =
0,45
Korelasi antara Tata Ruang kantor dengan Kepuasan Kerja Pegawai, r2 =
0,48
Korelasi antara Kepemimpinan dengan Tata Ruang Kantor r3 = 0,22
R yx1x2 = ryx1 2 + ryx2 2 – 2 ryx1 ryx2 rx1x2
1 - r x1x2 2
R yx1x2 = (0,45) 2 + (0,48) 2 – 2 (0,45) (0,48) (0,22)
1 - (0,22) 2
= 0,5959
R2 / k
Fh =
(1 – R 2 ) / (n – k – 1)
Dimana :
R = Koefisien Korelasi ganda
K = Jumlah variabel independent
N = Jumlah anggota sampel
Berdasarkan nilai yang ada, dan bila n = 30, maka nilai Fh tersebut
adalah :
Fh = (0,5959) 2 / 2
(1 – (0,5959) 2 ) / (30 – 2 – 1)
= 7,43
F Tabel :
dk pembilang = k = 2
dk penyebut = (n – k – 1) = 10 – 2 – 1 = 7
Jika tarap kesalahan 5 %,
Maka F tabel = 4,74
Karena F hitung (7,43) > F tabel (4,74),
Maka Tolah Ho, atau terima H1
Kesimpulan : Koefisien Korelasi ganda signifikan atau dapat
diberlakukan untuk populasi
Make Money at : http://bit.ly/copy_win
Make Money at : http://bit.ly/copy_win
Bila penelitian
dilakukan untuk seluruh populasi, maka tidak diperlukan pengujian
signifikansi terhadap koefisien korelasi yang ditemukan, yang berarti
peneliti tidak perlu merumuskan dan menguji instrumen statistik
Terdapat 3 hubungan Asosiatif :
Simetris
Sebab akibat (kausal)
Interaktif (saling mempengaruhi)
Korelasi : angka yang menunjukkan arah dan kuatnya hubungan antar
variabel.
Arah : dinyatakan dalam bentuk hubungan positif (+) atau negatif
(-)
Kuat : dalam besaran koefisien korelasi
Hubungan variabel dinyatakan positif bila kenaikan nilai variabel yang
satu mengakibatkan kenaikan nilai variabel yang lain, dan sebaliknya
bila nilai penurunan nilai variabel yang satu mengakibatkan penurunan
nilai variabel yang lain
Contoh (+) : semakin tinggi orang semakin berat badannya
Hubungan variabel dinyatakan negatif bila kenaikan nilai variabel yang
satu justru mengakibatkan penurunan nilai variabel yang lain dan
sebaliknya penurunan nilai variabel yang satu justru mengakibatkan
kenaikan nilai variabel yang lain
Contoh (+) : hubungan antara tinggi curah hujan dengan es yang terjual
Kisaran Koefisien Korelasi (r) : -1 s/d 1
Hubungan sempurna : r = 1 atau -1
Artinya : kejadian variabel yang satu dapat dijelaskan secara sempurna
oleh variabel yang lain, tanpa melakukan kesalahan sedikitpun
Semakin kecil r, semakin besar error (kesalahan) untuk membuat prediksi
Besarnya koefisien korelasi dapat diketahui dengan penyebaran pertemuan
titik-titk antar variabel x dan y :
Jika titik-titiknya berbentuk lingkaran : r = 0
Jika titik-titiknya berbentuk elips (oval) : r =
0,5
Jika titik-tiknya berbentuk garis lurus : r = 1
8.1 Pedoman Memilih Teknik Korelasi
MACAM/TINGKATAN DATA
TEKNIK KORELASI
Nominal
Koefisien Kontingency
Ordinal
Spearman Rank
Kendal Tau
Interval dan Ratio
Pearson Product Moment
Korelasi Ganda
Korelasi Parsial
8.1.1 Statistik Parametris
Korelasi Product Moment
Digunakan untuk mencari hubungan dan membuktikan hipotesis hubungan dua
variabel, bila data kedua variabel berbentruk interval atau ratio, dan
sumber data dari kedua variabel tersebut adalah sama
r xy = Σ xy
√ Σ x2 y2
dimana :
x = (xi – x) dan
y = (yi – y)
r xy = n Σ xi yi – (Σ xi ) (Σ yi)
√ ( n Σ xi2 – (xi)2)( n Σ yi2 – (yi)2)
Rumus di atas digunakan bilamana kita sekaligus akan mencari persamaan
regresinya
Contoh soal
Dilakukan penelitian untuk mengetahui ada tidaknya hubungan antara
pendapatan dan pengeluaran. Untuk keperluan tersebut telah dilakukan
pengumpulan data terhadap 10 responden yang diambil secara random.
Berdasarkan 10 responden tersebut diperoleh data tentang pendapatan (x)
dan pengeluaran (y) per bulan dalam ribuan sebagai berikut :
x = 800 900 700 600 700 800 900
600 500 500
y = 300 300 200 200 200 200 300
100 100 100
Ho : Tidak ada hubungan antara pendapatan dan pengeluaran
Ha : Terdapat hubungan antara pendapatan dan pengeluaran
atau :
Ho : ρ = 0
Ha : ρ ≠ 0
Tabel Penolong untuk menghitung korelasi antara pendapatan dan
pengeluaran
No
Pendapatan per bulan
( Y )
Pengeluaran per bulan
( Y )
_ ( X – X)
x
_ ( Y – Y)
y
X 2
Y 2
XY
1 2
3
4
5
6
7
8
9
10 8 9
7
6
7
8
9
6
5
5
3 3
2
2
2
2
3
1
1
1
1 2
0
-1
0
1
2
-1
- 2
2 1 1
0
0
0
0
1
- 1
-1
- 1
1 4
0
1
0
1
4
1
4
4
1 1
0
0
0
0
1
1
1
1
1 2
0
0
0
0
2
1
2
2
Σ = 70 _
X = 7 Σ = 20 _
Y = 2
0 0 20 6 10
r xy = Σ xy = 10 = 0,9129
√ Σ x2 y2 √(20)(6)
Kesimpulan :
Terdapat korelasi positif sebesar 0,9129 antara pendapatan dan
pengeluaran setiap bulannya, dimana semakin besar pendapatan, semakin
besar pula pengeluaran
Pertanyaan :
Apakah r tersebut signifikan (dapat digeneralisir) atau tidak ?
Perlu dibandingkan dengan t tabel, dengan tarap kesalahan tertentu
(Tabel III)
Untuk N= 10 dan tarap kesalahan 5 %, r tabel = 0,632
Ternyata r hitung ( 0,9129) > r tabel ( 0,632), sehingga tolak Ho
atau terima Ha
Kesimpulan : Hubungan positif antara pendapatan dengan pengeluaran
dengan nilai korelasi sebesar 0,9129 dapat digeneralisasikan
Koefisien Determinasi
Koefisien Determinasi : Kuadrat dari Koefisien Korelasi (r 2) :
Koefisien Penentu, dimana varians yang terjadi pada variabel dependen
dipengaruhi sebesar r 2 oleh variabel independen.
Contoh : r = 0,9129
Koefisien determinasinya adalah :
r 2 = (0,9129) 2
= 0,83
Artinya :
Besarnya pengeluaran, 83 % dipengaruhi oleh pendapatan, sedangkan
sisanya sebesar 17 % dipengaruhi oleh variabel/faktor lain, sehingga
pengeluaran tersebut tidak dapat diduga 100 %
Pedoman Untuk Memberikan Interpretasi Terhadap Koefisien Korelasi
INTERVAL KOEFISIEN
TINGKAT HUBUNGAN
0,00 – 0,199
0,20 – 0,399
0,40 – 0,599
0,60 – 0,799
0,80 – 1,000
Sangat Rendah
Rendah
Sedang
Kuat
Sangat Kuat
2. Korelasi Ganda (Multiple Correlation) :
Angka yang menunjukkan arah dan kuatnya hubungan antara 2 variabel
independen atau lebih secara bersama-sama dengan satu variabel dependen :
Contoh :
Misalnya dari suatu penelitian yang berjudul :”Kepemimpinan dan Tata
Ruang Kantor dalam kaitannya dengan Kepuasan Kerja Pegawai di Lembaga
A”. Berdasarkan data yang terkumpul untuk setiap variabel, dan setelah
dihitung korelasi sederhananya ditemukan sebagai berikut
Korelasi antara kepemimpinan dengan Kepuasan Kerja Pegawai, r1 =
0,45
Korelasi antara Tata Ruang kantor dengan Kepuasan Kerja Pegawai, r2 =
0,48
Korelasi antara Kepemimpinan dengan Tata Ruang Kantor r3 = 0,22
R yx1x2 = ryx1 2 + ryx2 2 – 2 ryx1 ryx2 rx1x2
1 - r x1x2 2
R yx1x2 = (0,45) 2 + (0,48) 2 – 2 (0,45) (0,48) (0,22)
1 - (0,22) 2
= 0,5959
R2 / k
Fh =
(1 – R 2 ) / (n – k – 1)
Dimana :
R = Koefisien Korelasi ganda
K = Jumlah variabel independent
N = Jumlah anggota sampel
Berdasarkan nilai yang ada, dan bila n = 30, maka nilai Fh tersebut
adalah :
Fh = (0,5959) 2 / 2
(1 – (0,5959) 2 ) / (30 – 2 – 1)
= 7,43
F Tabel :
dk pembilang = k = 2
dk penyebut = (n – k – 1) = 10 – 2 – 1 = 7
Jika tarap kesalahan 5 %,
Maka F tabel = 4,74
Karena F hitung (7,43) > F tabel (4,74),
Maka Tolah Ho, atau terima H1
Kesimpulan : Koefisien Korelasi ganda signifikan atau dapat
diberlakukan untuk populasi
Make Money at : http://bit.ly/copy_win
Make Money at : http://bit.ly/copy_win
Terimakaasih mbk..
BalasHapusDapat 10 di bagian f tabel itu dari mana ya mbak?
BalasHapusjumlah responden kak
Hapus