Analisis korelasi dilakukan untuk mengetahui adanya hubungan linear antara dua
variabel yang dinyatakan dalam koefisien korelasi. Koefisien korelasi adalah
nilai yang menunjukan kuat/tidaknya hubungan linier antar dua variabel.
Koefisien korelasi biasa dilambangkan dengan huruf r dimana nilai r dapat
bervariasi dari -1 sampai +1. Nilai r yang mendekati -1 atau +1 menunjukan
hubungan yang kuat antara dua variabel tersebut dan nilai r yang mendekati 0
mengindikasikan lemahnya hubungan antara dua variabel tersebut. Koefisien
korelasi bisa menjadi positif maupun negatif. Nilai koefisien yang positif
berarti hubungan kedua variabel tersebut berbanding lurus, artinya peningkatan
variabel X bersamaan dengan peningkatan variabel Y. Sedangkan nilai koefisien
yang negatif berarti hubungan kedua variabel tersebut berbanding terbalik. Peningkatan
variabel X bersamaan dengan penurunan variabel Y.
RStudio menyediakan kemuduahan dalam bagi kita untuk
melakukan analisis korelasi dan regresi. Untuk memanggil kembali data kita,
ketikkan kembali script setwd("C:/Users/Hanif/Google
Drive/BLOGSPOT/UNTUK DIDOWNLOAD") dan perilakucsv<-read.csv("perilaku
merokok.csv",header=TRUE,sep = ";") lalu kita run. Maka akan
muncul data perilakucsv. Script silakan disesuaikan dengan nama file anda dan
tempat menyimpan file tersebut. Jangan lupa untuk mengubah tanda back-slash (\)
menjadi tanda slash (/) untuk menunjukkan lokasi file. Data ini yang akan kita
gunakan di analisis selanjutnya. Data dapat didownload di sini
Analisis Korelasi
Ada beberapa jenis analisis korelasi, seperti korelasi
pearson dan spearman. Korelasi Pearso merupakan korelasi yang digunakan pada
data interval atau rasio, atau dikenal juga dengan korelasi product moment. Sedangkan
korelasi Spearman dilakukan jika data kita adalah data ordinal atau yang
berbentuk rangking.
Korelasi Pearson
Korelasi Pearson
Untuk melakukan analisis korelasi Pearson cukup
sederhana. Semisal kita ingin mengetahui hubungan antara sikap dan perilaku merokok,
maka masukan script ini cor.test(perilakucsv$PERILAKU,perilakucsv$SIKAP).
Maka output pada console yang akan dihasilkan adalah sebagai
berikut.
Dari output tersebut dapat kita simpulkan bahwa ada hubungan yang signifikan antara
perilaku dan sikap (p-value<0,01). Nilai p-value dalam output R
dituliskan 8.36e-10, yang artinya 8,36 x 10-10. Dalam SPSS ouput
semacam ini biasanya menghasilkan p-value 0,00 karena keterbatasan screen dalam
memuat digit, sehingga sering terjadi salah paham karena menghasilkan p-value
0,00 banyak diartikan oleh mahasiswa bahwa kesimpulan ini tidak ada peluang
eror sama sekali. Nilai koefisien korelasi r adalah sebesar 0,55 yang
menunjukkan hubungan yang sedang.
Korelasi Spearman
Korelasi Spearman
Jika kita ingin melakukan analisis korelasi dengan salah
satu variabelnya berbentuk ordinal, maka kita menggunakan korelasi spearman. Misalkan
ingin melihat hubungan antara penghasilan
dan perilaku merokok. Penghasilan dalam
data ini sudah dikelompokkan menjadi 4 tingkatan. Script yang digunakan dalam
analisis ini adalah cor.test(perilakucsv$PERILAKU,perilakucsv$penghasilan,
method = "spearman"). Maka akan diperoleh output sebagai
berikut.
Dari output tersebut dapat kita simpulkan bahwa tidak ada
hubungan antara penghasilan dengan perilaku merokok. Korelasi spearman
menghasilkan koefisien rho, dalam hal ini sebenar 0,11, memang kecil.
Melihat Scatterplot
Korelasi
Scatterplot merupakan pesebaran titik nilai variabel X
dan variabel Y. Dari tampilan scatterplot kita bisa melihat secara sekilas
apakah ada kecenderungan hubungan linear dua variabel X dan Y. Untuk menampilkan
scatterplot kita bisa masukan script plot(perilakucsv$PERILAKU~perilakucsv$SIKAP),
lalu run. Tampilan di bagian plot di kotak kanan bawah akan muncul seperti ini.
Tampilan tersebut merupakan titik-titik pesebaran relatif
nilai sikap terhadap nilai perilaku. Secara umum dapat kita lihat jika nilai
sikap rendah, maka nilai perilaku juga rendah, begitu juga sebaliknya. Meskipun
demikian, analisis korelasi dengan melihat scatterplot hanyalah gambaran awal
saja, untuk mengujinya akan lebih tepat jika digunakan analisis korelasi
pearson atau spearman.
EmoticonEmoticon