3. 3
SIFAT PENELITIAN KORELASI
• Disebut juga penelitian hubungan (assosiasi) atau penelitian
sebab-akibat-komparatif
• Hubungan antara dua atau lebih variabel dipelajari tanpa
adanya usaha mempengaruhinya.
• Dalam penelitian korelasi, tidak ada manipulasi variabel
(seperti pada penelitian eksperimen).
• Kadang-kadang juga disebut penelitian deskriptif
• Dlm menggambarkan derajat keterhubungan dua atau lebih
variabel kualitatif menggunakan koefesien korelasi.
• Korelasinya bisa positif dan bisa negatif, terhadap nilai pada
variabel-variabel yang saling berasosiasi.
4. 4
Lanjutan sifat...
• Korelasi positif artinya nilai (skor) tinggi pada satu variabel
cenderung berasosiasi dengan skor tinggi pada variabel yang
lain, atau skor rendah pada satu variabel berasosiasi dengan
skor rendah pada variabel yang lain
• Korelasi negatif artinya skor tinggi pada satu variabel akan
berasosiasi dengan skor rendah pada variabel yang lain, atau
skor rendah pada satu variabel berasosiasi dengan skor
tinggi dari variabel yang lain.
(Tabel 15.1 dan Gambar 15.1).
6. 6
TUJUAN PENELITIAN KORELASI
• Membantu menjelaskan prilaku manusia atau
memprediksi hasil-hasil yang mungkin.
STUDI EKSPLANATORI
(PENJELASAN)
STUDI PREDIKSI
Prediksi
Sederhana
Menggunakan
Scatterplot
7. Studi Eksplanatori (Penjelasan)
Tujuan utama: menjelaskan pemahaman kita tentang fenomena penting
dengan mengidentifikasi hubungan diantara variabel-variabel.
Terutama dalam psikologi perkembangan yang banyak mempelajari
analisis hubungan antara beberapa variabel. (contoh: kekomplekan
bahasa ibu dengan bahasa kedua/tambahan dari guru yang
menggambarkan bagaimana bahasa itu diperoleh)
Peneliti sering menyelidiki sejumlah variabel yang mereka percayai
mempunyai hubungan dengan variabel-variabel yang lebih kompleks,
seperti motivasi atau belajar.
Variabel-variabel yang ditemukan bisa saja tidak mempunyai hubungan
atau hanya sedikit berhubungan.
Bila korelasinya kecil ( r di bawah 0,2), maka dikeluarkan.
Bila korelasinya lebih tinggi ( r melebihi +0,4 atau –0,4), maka akan
menjadi fokus penelitian, dengan desain eksperimen untuk melihat
apakah hubungan itu benar-benar hubungan sebab-akibat (kausal).
8. • Harapan guru yg gagal sebagai
penyebab parsial dari banyaknya
prilaku mengganggu dari siswa
• Sebaliknya bisa juga: prilaku yang
mengganggu di kelas
menyebabkan harapan guru gagal.
Bisa jadi justru kedua-duanya:
harapan guru yang gagal dan
prilaku mengganggu disebabkan
oleh adanya faktor ketiga
Tingkat kemampuan kelas/siswa
Sosial ekonomi orang tua, dsb.
Selang waktu pengukuran variabel
yang dipelajari ?
Kesimpuan: Pencarian sebab-akibat dalam studi korelasi penuh
dengan kesulitan, sehingga ancaman terhadap validitas internal
juga perlu dikenali.
8
9. Studi Prediksi
9
Prediksi merupakan tujuan kedua dari penelitian korelasi
Jika terdapat hubungan suatu besaran (nilai) diantara dua
variabel, maka memungkinkan kita untuk membuat prediksi
suatu skor dari variabel tertentu, jika skor dari variabel yang
lain dikeahui.
Variabel yang digunakan untuk membuat prediksi disebut
variabel prediktor.
Variabel tantang prediksi yang dibuat disebut variabel
patokan (kriteria).
Misalnya: Nilai GPA sekolah menengah dapat digunakan
untuk memprediksi GPA di perguruan tinggi. Dalam hal ini,
GPA sekolah menengah menjadi variabel prediktor dan GPA
di perguruan tinggi menjadi variabel kriteria
10. 10
Menggunakan Scatterplot untuk Memprediksi Skor
• Plot antara dua variabel yang berhubngan akan
menghasilkan suatu garis lurus (garis regresi).
• Garis lurus tersebut digunakan sebagai dasar dalam
memprediksi.
• Mampu memprediksi suatu nilai individu (kelompok) pada
suatu variabel berdasarkan nilai individu (kelompok) pada
variabel yang lain.
• Contoh dapat dilihat pada Tabel 15.2 dan Gambar 15.2, yaitu
suatu hubungan antara harapan guru yang gagal dengan
prilaku mengganggu dari siswa.
11. 11
Tabel 15.2, dapat dilihat bahwa
• Skor harapan guru yang gagal 10 diprediksi akan mempunyai kelas
dengan prilaku siswa yang mengganggu dengan skor 9.
• Skor harapan guru yang gagal 6 diprediksi akan mempunyai kelas dengan
prilaku siswa yang mengganggu dengan skor 6. dan seterusnya.
Gambar 15.2. Prediksi menggunakan
Scatterplots
12. 12
Persaman Prediksi Sederhana
= skor yang diprediksi pada Y (variabel kriteria) bagi individu ke-i
= Skor individu i pada X (variabel prediktor)
a dan b = harga yang dihitung secara matematik dari skor asal (asli), nilai
a dan b adalah suatu konstanta.
Catatan:
o Sebagaimana contoh tentang GPA, maka Y’ berarti GPA di perguruan
tinggi semester pertama yang diprediksi (variabel kriteria), dan Xi berarti
GPA sekolah menengah individu (variabel prediktor).
o Bila kita punya a = 0,18 dan b= 0,73, serta GPA sekolah menengah (X)
= 3,5, kita bisa memprediksi GPA di perguruan tinggi (Y) = 2,735.
1
'
1 bX
a
Y
i
i bX
a
Y
'
'
i
Y
i
X
13. 13
Lanjutan persamaan...
o GPA prediksi dibandingkan dengan GPA yang diperoleh
mahasiswa, jika keduanya sangat dekat, maka kita percaya
bahwa persamaan prediksi itu bisa digunakan untuk membuat
prediksi GPA lebih lanjut.
o Prediksi tidak eksak, sehingga perlu dihitung indeks
kesalahan prediksi yang dikenal dengan istilah kesalahan
standar perkiraan (standard error of istimate).
o Makin kecil standar perkiraan, makin teliti prediksinya.
o Koefisien korelasi (r) yang kecil, memiliki indeks keslahan
yang lebih besar daripada untuk nilai r yang besar.
14. 14
TEKNIK KORELASI YANG LEBIH KOMPLEKS
Menentukan korelasi antara suatu variabel kriteria dengan
kombinasi dua atau lebi variabel prediktor.
Dari contoh di atas, selain ditemukan adanya korelasi positif
antara GPA di perguruan tinggi (semester 1) dengan GPA di
sekolah menengah, juga ditemukan adanya:
Korelasi positif yang tinggi (r = 0,68) antara GPA di
perguruan tinggi (semster 1) dengan skor SAT masuk
perguruan tinggi.
Korelatif yang cukup tinggi (r = 0,51) antara skor SAT
matematik dengan GPA di perguruan tinggi (semester 1).
Multipel Regresi
15. 15
Hubungan antara GPA perguruan tinggi (Y) dengan GPA
sekolah menengah (X1), Skor SAT masuk perguruan tinggi
(X2), dan Skor SAT matematika (X3), dapat dinyatakan
dengan persamaan matematik:
Harga a, b1, b2, dan b3 adalah konstantan, yang dihitung
secara matematik.
Selanjutnya kita dapat membandingkan GPA yang diperoleh
mahasiswa semester 1 (yang sebenarnya) dengan GPA
prediksi untuk menentukan ketepatan prediksi di atas.
Lanjutan Multipel...
3
3
2
2
1
1
'
1 X
b
X
b
X
b
a
Y
16. 16
Koefisien Korelasi Multipel
Disimbolkan dengan R.
Menunjukkan kekuatan korelasi
antara kombinasi variabel-variabel
prediktor dengan variabel kriteria.
Dianggap sebagai korelasi Peterson
sederhana, yaitu hubungan antara
skor sebenarnya pada variabel
kriteria dan skor-skor yang diprediksi
dari variabel tersebut.
Harga R = +1, berarti korelasi antara
skor prediksi dengan skor yang
diperoleh sebenarnya pada variabel
kriteria sangat sempurna.
Harga R = 0,7 sampai 0,8 dikatakan
sangat tinggi.
Korelasi Multipel
17. 17
Kuadrat korelasi antara suatu variabel prediktor dan
variabel kriteria, disimbolkan r2 (untuk regresi sederhana)
dan R2 (untuk multipel regresi).
Menunjukkan prosentase variabilitas diantara skor-skor
kriteria yang dapat dihubungkan dengan dengan
perbedaan skor-skor pada variabel prediktor.
Harga r = 0,6, dan r2 = 0,36, berarti bahwa 36% perbedaan
skor pada variabel kriteria dapat dihubungkan dengan
perbedaan skor pada variabel prediktor.
Harga R = 0,7, dan R2 = 0,49, berarti ada 49% variabilitas
dari variabel kriteria dapat diprediksi atas dasar tiga
variabel prediktor (jika ada tiga variabel prediktor).
Koefisien Determinasi
18. 18
Umumnya dalam studi prediksi melalui regresi, variabel kriteria adalah
kuantitatif.
Bila variabel kriterianya adala kategori, maka teknik analisis yang tepat
adalah analisis fungsi determinasi.
Tujuan dari analisis ini dan bentuk persamaan prediksinya serupa dengan
multipel regresi.
Misal, variabel kategori: Kesukaan terhadap mata pelajaran utama, dapat
dikategorikan lagi menjadi: kesukaan terhadap mata pelajaran
keteknikan, bisnis, pendidikan, sains, dll.
Analisis Fungsi Determinasi
Analisis Faktor
Suatu teknik yang memungkinkan peneliti menentukan apakah
banyaknya variabel dapat digambakan dengan beberapa faktor.
Teknik perhitungan matematiknya didasarkan pada pencarian suatu
“kluster” dari variabel-variabel yang semuanya dikorelasikan satu sama
lain.
19. 19
Untuk menguji kemungkinan adanya hubungan sebab akibat antara dua
atau lebih variabel.
Untuk merumuskan teori tentang penyebab yang mungkin dari fenomena
khusus, yaitu mengidentifikasi variabel penyebab yang dapat
menjelaskan mengapa fenomena itu terjadi.
Untuk menentukan apakah korelasi diantara semua variabel sesuai
dengan teori.
Meliputi 4 langkah dasar:
Teori yang menghubungkan beberapa variabel dirumuskan dulu
untuk menjelaskan suatu fenomena yang menarik.
Variabel-variabel yang ditentukan melalui teori ini kemudian diukur
dengan beberapa cara. (ini adalah tahap yang terpenting)
Koefisien korelasi dihitung untuk menunjukkan kekuatan hubungan
antara setiap pasangan variabel yang didalilkan dalam teori tersebut.
Hubungan antara koefisien-koefisien korelasi dianalisis dalam
hubungannya dengan teori itu.
Analisis Jalur
20. 20
Peneliti ingin mempelajari hubungan sebab-akibat diantara variabel-variabel
keterasingan siswa, relevansi mata pelajaran, kesenangan di sekolah, dan
banyaknya teman. Setiap variabel akan dihubungkan (gambar).
Contoh analisis jalur
Pemodelan Struktur
Gabungan multipel regresi, analisis jalur, dan analisis faktor
Perhitungannya menggunakan program komputer, dan yang paling
banyak digunakan adalah LISREL
21. 21
Seleksi Masalah
LANGKAH-LANGKAH DASAR DALAM PENELITIAN KORELASI
Variabel ang dimasukkan dalam penelitian harus didasarkan pada
pemikiran yang berkembang dari pengetahuan atau teori.
Diperlukan kejelasan dalam mendefinisikan variabel-variabel yang akan
dihubungkan, untuk menghindari banyaknya masalah yang muncul
nantinya.
Pada umumnya, ada 3 masalah utama dalam studi korelasi:
Apakah variabel X berhubungan dengan variabel Y ?
Seberapa baik variabel P memprediksi variabel C ?
Hubungan apa saja diantara sejumlah besar variabel dan prediksi apa
yang dapat dibuat yang didasrkan pada variabel tersebut.
Sampel (Penentuan Sampel)
Sampel harus dipilih secara hati-hati, dapat dilakukan secara acak.
Langkahnya: mengidentifikasi populasi yang tepat.
Ukuran sampel minimum 30.
22. 22
Instrumen
Harus dipertimbangkan variabel apa yang akan diukur.
Harus menghasilkan data kuantitatif
Dapat berupa tes, kuesioner, pengamatan, dan sebagainya.
Harus menunjukkan bukti reliabilitas dan validitas.
Desain dan Prosedur
Subyek O1 O2
A
B
C
D
E
F
G
dll.
-
-
-
-
-
-
-
-
-
-
-
-
-
-
23. 23
Ada 3 kemungkinan:
Variabel yang diukur oleh O1 mungkin penyebab dari variabel O2
Variabel yang diukur oleh O2 mungkin penyebab dari variabel O1
Variabel ketiga, yang tidak teridentifikasi dan tidak diukur mungkin
penyebab dari kedua variabel tersebut
Pengumpulan Data
Dalam studi eksplanatori, pengumpulan data dari kedua variabel
(prediktor dan kriteria) dilakukan dalam waktu yang relatif pendek (dapat
secara bersama-sama).
Dalam studi prediksi, variabel prediktor diukur selang beberapa waktu
sebelum variabel kriteria terjadi.
Analisis dan Interpretasi Data
Mengkorelasikan hasil pengukuran suatu variabel dengan hasil
pengukuran variabel lain, yang menghasilkan koefesien korelasi.
Harga koefesien korelasi antara 0,00 sampai +1,00 atau –1,00 (atau
ditulis –1,00 ≤ r ≤ +1,00).
Harga r positif hubungannya positif
Harga r negatif hubungan negatif
Harga r = 0,00 tidak ada hubungan antara variabel-variabel yg terlibat.
24. 24
APA YANG DAPAT DIBERITAHUKAN OLEH KOEFESIEN KORELASI
KEPADA KITA ?
Arti dari koefesien korelasi bergantung pada bagaimana koefesien itu
dipakai.
Pada penggunaannya untuk menunjukkan hbungan antar variabel:
r ≤ 0,35 : korelasi sangat rendah (tidak memiliki nilai
prediksi).
r = 0,40 – 0,60: Korelasi sedang (memiliki nilai teoritis dan
praktis, prediksinya kurang akurat).
r = 0,65 – 0,80: Korelasi tinggi (prediksi cukup akurat).
r 0,85 : korelasi sangat tinggi (prediksinya sangat
akurat, dan berguna untuk memprediksi kinerja individu)
Korelasi 0,85 jarang diperoleh dalam penelitian pendidikan, kecuali jika
reliabilitas variabel di cek (diperiksa).
Pada penggunaan untuk menentukan reliabilitas dan validitas:
Untuk reliabilitas, korelasi minimal yang dkehendaki adalah 0,70
(tinggi), tetapi korelasi 0,90 akan jauh lebih baik.
Untuk validitas, korelasi minimal yang dikehendaki adalah 0,50, atau
lebih tinggi akan lebih baik.
28. Kasus Rokok dan Kanker paru-Paru:
salah satu yang paling terkenal, dan kontroversial, contoh-contoh
penelitian korelasional adalah bahwa frekuensi berhubungan merokok
pada timbulnya kanker paru-paru. Ketika studi ini mulai muncul,
banyak berpendapat bahwa merokok sebagai penyebab utama kanker
paru-paru. Lawan tidak membantah untuk sebalik-yaitu, kanker yang
menyebabkan merokok - untuk alasan yang jelas bahwa merokok
terjadi terlebih dahulu. Mereka itu berpendapat bahwa baik merokok
dan kanker paru-paru disebabkan oleh faktor-faktor lain seperti
predisposisi genetik, gaya hidup (pekerjaan yang kurang gerak dan
kurang kurang olahraga, mungkin akan menghasilkan lebih banyak
merokok), dan lingkungan (merokok dan kanker paru-paru mungkin
lebih umum terjadi di kota yg penuh asbut/kabut campur asap).
Meskipun teori persuasif - merokok jelas bisa mengiritasi jaringan
paru-paru - argumentasi sebab-akibat ini tidak cukup persuasif bagi
dokter bedah umum untuk mengeluarkan peringatan sampai
studi penelitian menunjukkan bahwa penyebaran asap rokok
tidak menyebabkan kanker paru-paru pada hewan.