Part 2

Kolerasi

·        Pengertian Kolerasi

Korelasi adalah salah satu analisis dalam statistik yang dipakai untuk mencari hubungan antara dua variabel yang bersifat kuantitatif. Analisis korelasi merupakan studi pembahasan mengenai derajat hubungan atau derajat asosiasi antara dua variabel, misalnya variabel X dan variabel Y. Adapun pengertian korelasi yang lebih spesifik, yaitu mengisyaratkan hubungan yang bersifat substantif numerik (angka/bilangan). Dari definisi ini, sekaligus memperlihatkan bahwa tujuan dari analisis korelasi adalah untuk melihat/menentukan seberapa erat hubungan antara dua variabel.

Misalnya, dalam suatu penelitian, seorang peneliti berusaha mengungkapkan hubungan antara beberapa besaran (variabel). Variabel X dan Y dinyatakan memiliki korelasi jika X dan Y memiliki perubahan variasi yang satu sama lain berhubungan, artinya jika variabel X berubah, variabel Y pun berubah. Jika variabel X merupakan sebuah variabel yang bersifat menerangkan tingkah laku variabel Y, variabel X disebut variabel bebas (independent variable). Jika tingkah laku variabel Y diterangkan variabel X, variabel Y disebut variabel tidak bebas (dependet variable). Variabel bebas disebut juga penyebab, sedangkan variabel tidak bebas disebut akibat.

·        Kegunaan Korelasi

Pengukuran asosiasi berguna untuk mengukur kekuatan (strength) dan arah hubungan hubungan antar dua variabel atau lebih.

Contoh :

1.      Mengukur hubungan antara variabel

2.      Motivasi kerja dengan produktivitas;

3.      Kualitas layanan dengan kepuasan pelangga;

4.      Tingkat inflasi dengan IHSG

Pengukuran ini hubungan antara dua variabel untuk masing-masing kasus akan menghasilkan keputusan.

Contoh :

1.      Hubungan kedua variabel tidak ada

2.      Hubungan kedua variabel lemah

3.      Hubungan kedua variabel cukup kuat

4.      Hubungan kedua variabel kuat

5.      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

·         Karakteristik Korelasi

Korelasi memiliki beberapa karakteristik antara lain :

a)      Kisaran Korelasi: Kisaran (range) korelasi mulai dari 0 sampai dengan 1. Korelasi dapat positif  dan dapat pula negatif.

b)      Korelasi Sama Dengan Nol: Korelasi sama dengan 0 mempunyai arti tidak ada hubungan antara dua variabel.

c)      Korelasi Sama Dengan Satu: Korelasi sama dengan + 1 artinya kedua variabel mempunyai hubungan linier sempurna (membentuk garis lurus) positif. Korelasi sempurna seperti ini mempunyai makna jika nilai X naik, maka Y juga naik.

d)      Korelasi sama dengan minus satu: artinya kedua variabel mempunyai hubungan linier sempurna (membentuk garis lurus) negatif. Korelasi sempurna seperti ini mempunyai makna jika nilai X naik, maka Y turun dan berlaku sebaliknya.

·         Rumus Kolerasi

Keterangan Rumus :

§  n adalah Banyaknya Pasangan data X dan Y

§  Σx adalah Total Jumlah dari Variabel X

§  Σy adalah Total Jumlah dari Variabel Y

§  Σx2 adalah Kuadrat dari Total Jumlah Variabel X

§  Σy2 adalah Kuadrat dari Total Jumlah Variabel Y

§  Σxy adalah Hasil Perkalian dari Total Jumlah Variabel X dan Variabel Y

·         Bentuk Hubungan Antara 2 Variabel

1.      Korelasi Linear Positif (+1)

                                                                        I.Perubahan Nilai Variabel diikuti perubahan Nilai Variabel yang lainnya secara teratur dengan arah yang sama. Jika Nilai Variabel X mengalami kenaikan, maka Variabel Y juga ikut naik. Jika Nilai Variabel X mengalami penurunan, maka Variabel Y pun ikut turun.

                                                                II.     Jika Nilai Koefisien Korelasi mendekati +1 (positif Satu) berarti pasangan data Variabel X dan Y mempunyai Korelasi Linear Positif yang kuat.

2.      Korelasi Linear Negatif (-1)

                                                                        I.Perubahan Nilai Variabel diikuti perubahan Nilai Variabel yang lainnya secara teratur tetapi dengan arah yang berlawanan. Jika Nilai Variabel X mengalami kenaikan, maka Variabel Y akan turun. Jika Nilai Variabel X turun, maka Nilai Variabel Y mengalami kenaikan.

                                                                     II.Apabila Nilai Koefisien Korelasi mendekati -1 maka hal ini menunjukan pasangan data Variabel X dan Variabel Y mempunyai Korelasi Linear Negatif yang kuat/erat.

3.      Tidak berkolerasi (0)

                                                                        I.Kenaikan Nilai Variabel yang satunya terkadang diikuti dengan penurunan Variabel yang lainnya atau terkadang diikuti dengan kenaikan Variable yang lainnya.Arah hubungannya tidak teratur, searah, dan terkadang berlawanan.

                                                                     II.Apabila Nilai Koefisien Korelasi mendekati 0 (Nol) berarti pasangan data Variabel X dan Y mempunyai korelasi yang sangat lemah atau berkemungkinan tidak berkolerasi

·         Koefisien korelasi non-parametrik

Koefisien korelasi Pearson adalah statistik parametrik, dan ia kurang begitu menggambarkan korelasi jika asumsi dasar normalitas suatu data dilanggar. Metode korelasi non-parametrik seperti ρ Spearman and τ Kendall berguna saat distribusi tidak normal.

Koefisien korelasi non-parametrik masih kurang kuat jika disejajarkan dengan metode parametrik jika asumsi normalitas data terpenuhi, tetapi cenderung memberikan hasil distrosi ketika asumsi tersebut tak terpenuhi.

·         Korelasi Ganda

Korelasi pada (multyple correlation) adalah angka yang menunjukkan arah dan kuatnya hubungan antara dua variabel secara bersama-sama atau lebih dengan variabel yang lainya. Pemahaman tentang korelasi ganda bisa dilihat melalui  gambar berikut ini. Simbol korelasi ganda adalah R

Keterangan gambar :

X1 = Kepemimpinan

X2 = Tata Ruang Kantor

Y = Kepuasan Kerja

R = Korelasi Ganda

Keterangan gambar :

X1 = Kesejahteraan pegawai

X2 = Hubungan dengan pimpinan

X3 = Pengawasan

Y = Efektivitas kerja

Dari contoh di atas, terlihat bahwa korelasi ganda R, bukan merupakan penjumlahan dari korelasi sederhana yang ada pada setiap variabel (r1-r2-r3). Jadi R (r1+ r2+ r3).

Korelasi ganda merupakan hubungan secara bersama-sama antara X1 dengan X2 dan Xn dengan Y. Pada gambar pertama. korelasi ganda merupakan hubungan secara bersama-sama antara variabel kepemimpinan, dan tata ruang kantor dengan kepuasan kerja pegawai.

·         Kopula dan korelasi

Banyak yang keliru dan menganggap bahwa informasi yang diberikan dari sebuah koefisien korelasi cukup mendefinisikan struktur ketergantungan antara peubah acak.

Untuk mengetahui adanya ketergantungan antara peubah acak harus dipertimbangkan kopula antara keduanya. Koefisien korelasi bisa didefinisikan sebagai struktur ketergantungan hanya pada beberapa kasus, misalnya pada fungsi distribusi kumulatif pada distribusi normal multivariate

·         Korelasi Parsial

Analisis korelasi parsial dipakai untuk mengetahui hubungan antara dua variabel dimana variabel lainnya yang dianggap berpengaruh dikendalikan atau dibuat tetap sebagai variabel kontrol.

Nilai korelasi (r) berkisar antara 1 sampai dengan -1, nilai semakin mendekati 1 atau -1 berarti hubungan antara dua variabel akan semakin kuat, sebaliknya jika nilai mendekati 0 berarti hubungan antara dua variabel akan semakin lemah.

Nilai positif menunjukkan hubungan searah (X naik maka Y naik) dan nilai negatif menunjukkan bahwa hubungan terbalik (X naik maka Y turun). Data yang dipakai biasanya berskala interval atau rasio.

Pedoman untuk memberikan interpretasi koefisien korelasi sebagai berikut:

    0,00 – 0,199 = sangat rendah

    0,20 – 0,399 = rendah

    0,40 – 0,599 = sedang

    0,60 – 0,799 = kuat

    0,80 – 1,000 = sangat kuat

  

Daftar Pustaka

https://www.rumusstatistik.com/2013/08/median-data-berkelompok.html

https://rumus.co.id/rumus-kuartil/

https://rumusrumus.com/permutasi-dan-kombinasi/

https://blog.ruangguru.com/mengetahui-percobaan-ruang-sampel-dan-menghitung-peluang-kejadian

https://www.rumusstatistik.com/2013/08/hubungan-rata-rata-median-dan-modus.html

http://www.pelajaran.co.id/2016/12/ukuran-pemusatan-data-mean-median-modus-rumus-dan-contoh-soal.html

https://id.scribd.com/document/361021038/Mean-Median-Modus-Makalah

https://teorionline.wordpress.com/2013/08/26/distribusi-frekuensi/

https://www.researchgate.net/publication/327645399_DISTRIBUSI_BINOMIAL

http://thisisfirman.blogspot.com/2012/03/distribusi-poisson.html

https://pengertianahli.id/2013/10/pengertian-statistika-dan-statistik.html

https://www.eurekapendidikan.com/2015/02/jenis-jenis-statistika.html

https://www.zonareferensi.com/pengertian-statistika/

https://salamadian.com/teknik-pengambilan-sampel-sampling/

https://www.temukanpengertian.com/2013/06/pengertian-nonprobability-sampling.html

http://fatkhan.web.id/pengertian-regresi/

https://pengertianahli.id/2014/07/pengertian-regresi-apa-itu-regresi.html

https://pengertianahli.id/2014/07/pengertian-regresi-apa-itu-regresi.html

https://rumusrumus.com/korelasi-adalah/

https://www.statistikian.com/2012/08/analisis-regresi-korelasi.html