Dokumen tersebut membahas berbagai jenis hubungan antar variabel yang dianalisis dalam penelitian, termasuk korelasi, korelasi parsial, regresi berganda, regresi logistik, analisis fungsi diskriminan, korelasi kanonik, analisis faktor, dan pemodelan persamaan struktural. Metode-metode tersebut digunakan untuk memprediksi hubungan antara variabel dependen dan independen serta menganalisis pengaruh beberapa variabel terhadap yang l

1. SUMMARY
HUBUNGAN ANTAR VARIABEL
Diajukan Oleh :
Citra Putri Perdana Yuda
21633251050
PROGRAM PASCA SARJANA
PENDIDIKAN JASMANI
UNIVERSITAS NEGERI YOGYAKARTA
2022

2. HUBUNGAN ANTAR VARIABEL
Hal Yang Dianalisis Dalam Penelitian
Korelasi
Korelasi melibatkan dua variabel, seperti hubungan antara tinggi dan berat badan.
Ini juga melibatkan tiga variabel atau lebih, seperti ketika seorang peneliti meneliti hubungan antara kriteria (variabel
dependen) seperti kebugaran kardiorespirasi dan dua variabel predictor atau lebih (variabel independen) seperti berat
badan, persentase lemak, kecepatan, dan daya tahan otot. Teknik ini termasuk korelasi ganda.
Memahami Sifat Korelasi
1. Korelasi Positif
2. Korelasi Negatif
3. Pola Hubungan
4. Korelasi dan Penyebabnya
5. Korelasi Momen Produk Pearson

3. MEMAHAMI SIFAT KORELASI
Korelasi Positif
Korelasi positif muncul ketika nilai kecil untuk satu variabel dikaitkan dengan nilai kecil variabel lain dan nilai besar untuk satu
variabel dikaitkan dengan nilai besar variabel lain. Contoh yaitu sebagai berikut:
Dapat dilihat dari gambar diatas bahwa ilustrasi grafis dari
korelasi positif sempurna yang melibatkan seorang anak
laki-laki. Perhatikan berat badan Bill adalah 70 lb (32 kg)
dan ukuran kekuatannya adalah 150 lb (68 kg). Data Dick
adalah berat = 80 lb (36 kg) dan kekuatannya = 175 lb (79
kg); peningkatan berlanjut melalui data Tom, di mana berat
= 110 lb (50 kg) dan kekuatannya = 250 lb (113 kg). Jadi,
ketika nilainya sudah tergambar, mereka membentuk garis
diagonal lurus sempurna. Ini adalah korelasi sempurna (r
= 1,00). Posisi relatif dari angka-angka anak laki-laki
tersebut adalah identik dalam dua distribusi. Dengan kata
lain, setiap anak laki-laki memiliki jarak relatif yang sama
dari rata-rata setiap set angka. Akal sehat kita memberi
tahu bahwa korelasi sempurna tidak ada dalam sifat,
kemampuan, dan kinerja manusia karena ada yang
disebut variabilitas dan pengaruh lainnya

4. MEMAHAMI SIFAT KORELASI
Korelasi Negatif
Korelasi negatif terjadi ketika hubungan antara dua variabel di mana nilai kecil untuk variabel pertama dikaitkan dengan nilai
yang besar untuk variabel kedua atau sebaliknya yaitu nilai yang besar untuk variabel pertama dikaitkan dengan nilai kecil
untuk variabel kedua. Contoh korelasi negatif yaitu sebagai berikut:
Berdasarkan gambar diatas, telah merancang
data PGA untuk jarak gerak dibandingkan dengan
akurasi gerak. Korelasinya adalah r = –.594, p <
.001, df = 28, artinya korelasinya negatif.
Menggiring bola ke jarak yang lebih jauh
berhubungan negatif dengan menggiring bola ke
dalam petak fairway. Hubungan ini ditunjukkan
pada gambar 2 di mana pola umum titik data
adalah dari kiri atas ke kanan bawah. Ini adalah
korelasi negatif. Korelasi negatif sempurna akan
bergaris lurus diagonal pada sudut 45° (sudut kiri
atas grafik ke sudut kanan bawah). Gambar 2
menggambarkan korelasi negatif dengan derajat
sedang (r = – .594), tetapi pola kiri atas ke kanan
bawah masih terlihat

5. MEMAHAMI SIFAT KORELASI
Pola Hubungan
Dalam korelasi terdapat pola-pola hubungan, seperti pola hubungan positif dan pola hubungan negatif. Namun ketika hampir
tidak ada hubungan antara variabel, korelasinya adalah .00. Berikut adalah contoh hipotesis dari empat pola hubungan antara
dua variabel:
Berdasarkan gambar diatas, gambar 3a adalah
hubungan positif seperti yang dijelaskan
sebelumnya. Gambar 3b adalah hubungan
negative yang juga dijelaskan sebelumnya. Jika
hampir tidak ada hubungan antara variabel,
korelasinya adalah .00, seperti yang ditunjukkan
pada gambar 3c. Contoh ini menunjukkan
kebebasan antara set skor. Skor yang dirancang
tidak menunjukkan pola sama sekali. Akhirnya,
dua variabel mungkin tidak memiliki hubungan
linier tetapi masih dapat berhubungan, seperti
pada gambar 3d, yang menunjukkan hubungan
lengkung

6. MEMAHAMI SIFAT KORELASI
Korelasi dan Penyebabnya
Pada titik ini kita harus menekankan lagi bahwa korelasi antara dua variabel tidak berarti bahwa satu variabel memengaruhi
variabel lain. Dalam studi Ziv tahun 1988 tentang efektivitas pengajaran dan pembelajaran dengan humor, peserta eksperimen
diberi sebuah cerita untuk menggambarkan fakta bahwa korelasi tidak menunjukkan efek sebab akibat.
Korelasi Momen Produk Pearson
Simbol r menunjukkan koefisien korelasi momen produk pearson. Jenis korelasi ini memiliki satu variabel kriteria (atau
dependen) dan satu variabel prediktor (atau independen). Dengan demikian, setiap peserta memiliki dua skor, seperti jarak
mengemudi dan akurasi mengemudi. Asumsi penting untuk penggunaanr adalah bahwa hubungan antar variabel diharapkan
linier, yaitu bahwa garis lurus adalah model terbaik dari hubungan. Dengan rumus yaitu sebagai berikut:

7. PENGERTIAN KORELASI KOEFISIEN
Menginterpretasi Keandalan Dari r
Ada beberapa cara untuk menafsirkan r. Salah satu kriterianya adalah keandalannya atau signifikansinya. Dalam
menggunakan tabel, pilih tingkat signifikansi yang diinginkan, seperti ,05 dan kemudian temukan derajat kebebasan yang
sesuai (df, yang didasarkan pada jumlah peserta yang dikoreksi untuk bias sampel), yang untuk r adalah sama dengan N-2.
Menginterpretasi Makna r
Interpretasi korelasi untuk signifikansi statistik adalah penting, tetapi karena besarnya pengaruh ukuran sampel, kriteria ini tidak
selalu bermakna. Kriteria yang paling umum digunakan untuk menafsirkan kebermaknaan korelasi koefisien adalah koefisien
determinasi (r2).
Transformasi Z Dari r
Semakin tinggi korelasinya, baik ke arah positif atau negatif, distribusinya semakin miring. Metode yang paling memuaskan
untuk mendekati normalitas dari distribusi sampling hubungan linier adalah dengan mentransformasikan koefisien korelasi
menjadi Z nilai-nilai. Ini sering disebut Fisher Z Transformasi, yaitu merupakan sebuah metode pendekatan normalitas dari
distribusi sampling hubungan linier dengan mengubah koefisien korelasi ke Z nilai-nilai.

8. MENGGUNAKAN KORELASI UNTUK PREDIKSI
Bekerja Dengan Persamaan Regresi
Verducci (1980) memberikan salah satu contoh terbaik dalam memperkenalkan persamaan regresi mengenai gaji bulanan dan
pendapatan tahunan. Jika tidak ada sumber pendapatan lain, kita dapat memprediksi dengan akurat pendapatan tahunan,
misalnya, guru hanya dengan mengalikan gaji bulanan mereka dengan 12.
Gambar diatas mengilustrasikan hubungan yang
sempurna ini. Dengan memplot gaji bulanan (X,
atau variabel prediktor), pendapatan tahunan yang
diprediksi (Y, atau variabel kriteria) dapat
diperoleh. Jadi, jika kita mengetahui bahwa
seorang guru (misalnya, Ms. Brooks) memperoleh
gaji bulanan sebesar $1.750, kita dapat dengan
mudah memplot ini pada grafik di mana $1.750
pada sumbu horizontal (x) (absis) memotong
sumbu vertikal (y) (ordinatnya) seharga $21.000.
Persamaan untuk prediksi (Ŷ, prediksi pendapatan
tahunan) dengan demikian = 12X. Dalam contoh
ini, gaji bulanan guru (X) dimasukkan ke dalam
rumus: = 12(1.750) = 21.000

9. Korelasi Parsial
Korelasi semiparsial adalah teknik di mana hanya satu variabel yang dipisahkan (yaitu, efek yang dihilangkan) dari dua variabel
dalam satu korelasi. Dalam beberapa situasi, peneliti mungkin ingin menghilangkan efek variabel dari hanya satu variabel yang
dikorelasikan. Ini disebut korelasi semiparsial. Simbolnya adalah r 1(2·3), yang menunjukkan bahwa hubungan antara variabel
1 dan 2 ditentukan setelah pengaruh variabel 3 terhadap variabel 2 dihilangkan.
Prosedur Untuk Regresi Berganda
Regresi berganda melibatkan satu variabel dependen (biasanya semacam kriteria) dan dua atau lebih variabel prediktor
(variabel independen). Penggunaan lebih dari satu variabel prediktor biasanya meningkatkan akurasi prediksi. Regresi
berganda merupakan model yang digunakan untuk memprediksi kriteria dari dua atau lebih independen, atau prediktor,
variabel.
Regresi Logistik
Regresi logistik adalah sebuah pendekatan untuk membuat model prediksi seperti halnya regresi linear atau yang biasa disebut
dengan istilah Ordinary Least Squares (OLS) regression. Perbedaannya adalah pada regresi logistik, peneliti memprediksi
variabel terikat yang berskala dikotomi.

10. Analisis Fungsi Diskriminan
Analisis fungsi diskriminan (DFA) adalah jenis lain dari persamaan prediksi, tetapi dalam hal ini variabel yang diprediksi adalah
keanggotaan kelompok.
Saat menggunakan DFA, peneliti menggunakan data (berbagai variabel prediktor dan kelompok yang sebenarnya ada di setiap
individu) untuk membuat persamaan yang dapat digunakan ketika informasi keanggotaan kelompok tidak tersedia atau tidak
ada.
Peneliti dapat memeriksa, berdasarkan variabel prediktor terbaik, kelompok mana yang diprediksi menjadi anggota dan
keberhasilan prediksi secara keseluruhan (prediksi mana yang persamaannya benar).

11. BENTUK KORELASI MULTIVARIAT
Korelasi Kanonik
Korelasi kanonik adalah perpanjangan dari korelasi ganda (beberapa prediktor dan satu kriteria) ke analisis yang memiliki
beberapa prediktor dan beberapa kriteria, yang diwakili oleh symbol Rc. Dalam korelasi ganda, komposit linier terbentuk dari
variabel prediktor yang secara maksimal memprediksi variabel kriteria tunggal. Dalam korelasi kanonik, dua komposit linier
terbentuk: salah satu variabel prediktor dan salah satu variabel kriteria. Kedua komposit ini dibentuk untuk memaksimalkan
hubungan di antara mereka.
Analisis Faktor
Banyak variabel dan karakteristik kinerja yang digunakan untuk menggambarkan perilaku manusia. Seringkali, mengurangi
serangkaian besar kinerja dan ukuran karakteristik menjadi struktur yang lebih mudah dikelola berguna. Kami telah membahas
kemungkinan bahwa dua ukuran kinerja mungkin sampai batas tertentu menilai karakteristik dasar yang sama.
Pemodelan Persamaan Struktural
Analisis jalur dan hubungan struktural linier (LISREL) adalah teknik pemodelan struktural, atau kausal, yang
digunakan untuk menjelaskan cara karakteristik tertentu berhubungan satu sama lain dan berusaha untuk
menyiratkan sebab. Cara yang baik untuk mendapatkan pemahaman dasar tentang LISREL adalah melalui
contoh dari literatur pendidikan jasmani.

12. That’s all. Thank you! 
.