Analisis Korelasi dengan SPSS

Tidak hanya analisis regresi, analisis korelasi juga dapat dilakukan dengan bantuan SPSS. Berbeda dengan analisis regresi, analisis korelasi dimaksudkan untuk mengetahui seberapa kuatkah hubungan antara satu atau beberapa variabel dengan suatu variabel lain. Hal tersebut dilaksanakan dengan mencari koefisien korelasi antar variabel. Ada yang disebut koefisien korelasi simultan, ada yang disebut koefisien korelasi parsial. Koefisien korelasi simultan menunjukkan kekuatan hubungan antara semua variabel bebas dan variabel terikat yang ada, sedangkan koefisien korelasi parsial menunjukkan hubungan antara suatu variabel dengan suatu variabel lain ketika variabel lain yang tidak dicari koefisien korelasi parsialnya dianggap konstan.

Langkah-langkahnya untuk mencari koefisien parsial dengan menggunakan persamaan Pearson pada SPSS adalah sebagai berikut:

1. Masukkan data variabel bebas dan variabel terikat pada SPSS data editor. Pada contoh kali ini, jumlah datanya ada 12, terdapat 4 variabel bebas (X₁,X₂,X₃,X₄) dan terdapat 1 variabel terikat (Y).

2. Pilih Menu Analyze, kemudian Correlate, lalu Bivariate…

3. Masukkan semua variabel ke kolom Variables, checklist pilihan Pearson, kemudian klik OK.

4. Akan muncul keluaran dalam bentuk tabel Correlations berikut

Dari tabel di atas dapat diperoleh informasi bahwa:

• Koefisien korelasi parsial antara Y dan X₁ adalah 0,028. Hubungan antara X₁ dengan Y ketika variabel bebas lainnya konstan adalah sangat lemah.
• Koefisien korelasi parsial antara Y dan X₂ adalah 0,06. Hubungan antara X₂ dengan Y ketika variabel bebas lainnya konstan adalah sangat lemah.
• Koefisien korelasi parsial antara Y dan X₃ adalah 0,065. Hubungan antara X₃ dengan Y ketika variabel bebas lainnya konstan adalah sangat lemah.
• Koefisien korelasi parsial antara X₂ dan X₄ adalah 0,132. Hubungan antara X₂ dengan X₄ ketika variabel bebas lainnya konstan adalah sangat lemah.
• Cara membaca informasi dan telaah yang sama, berlaku pula pada hubungan antara variabel-variabel lain yang ada pada tabel.

Sementara itu koefisien korelasi simultan dengan SPSS dapat diperoleh ketika mencari persamaan regresi-nya, hanya saja yang diperhatikan bukanlah kolom Coefficients pada keluaran, tapi kolom Model Summary. Kita ambil contoh sama seperti ketika saya menulis tentang “Analisis Regresi Linier dengan SPSS” kemarin sebagai berikut:

1. Masukkan data variabel bebas dan variabel terikat pada SPSS data editor. Pada contoh kali ini, jumlah datanya ada 15, terdapat 4 variabel bebas (X₁, X₂, X₃, X₄) dan terdapat 1 variabel terikat (Y).

2. Pilih Menu Analyze, kemudian Regression, lalu Linear…

3. Masukkan semua variabel bebas ke kolom Independent(s) dan variabel terikat ke kolom Dependent, kemudian klik OK.

4. Akan muncul beberapa tabel pada keluaran. Perhatikan tabel Model Summary berikut

Dari kolom keluaran SPSS di atas, dapat diperoleh informasi bahwa koefisien korelasi simultan adalah 0,973. Nilai ini menunjukkan bahwa hubungan antara semua variabel bebas denga variabel terikat adalah sangat kuat. Selain itu dapat diperoleh pula informasi berapa koefisien determinasi adalah sebesar (0,947)² x 100% = 94,7%. Nilai ini menunjukkan bahwa kontribusi semua variabel bebas terhadap variabel terikat secara simultan adalah sebesar 94,7%. Sementara itu 5,3% sisanya merupakan kontribusi dari faktor-faktor lain selain faktor yang diwakili oleh variabel bebas pada contoh ini.

Perlu diingat bahwa SPSS dan analisis korelasi hanyalah merupakan alat bantu dalam menemukan sebab akibat. Nilai-nilai yang terdapat dapat kolom keluaran SPSS perlu dianalisa lebih lanjut sesuai teori dan logika yang melatarbelakangi dilakukannya analisis korelasi.

 Daftar Referensi

Abdurahman, Maman, Muhidin, Sambas & Somantri, Ating. (2012). Dasar-Dasar Metode Statistika Untuk Penelitian. Bandung: CV. Pustaka Setia.

Prihadi Utomo, Yuni. (2007). Eksplorasi Data dan Analisis Regresi dengan SPSS. Surakarta: Muhammadiyah University Pess.

Siregar, Syofian. (2013). Statistik Parametrik untuk Penelitian Kualitatif. Jakarta: Bumi Aksara.

Analisis Korelasi Lebih dari 2 Variabel Bebas

Korelasi pada dasarnya merupakan nilai yang menunjukan tentang adanya hubungan antara dua variabel atau lebih serta besarnya hubungan tersebut, ini berarti bahwa korelasi tidak menunjukan hubungan sebab akibat. Apabila dipahami sebagai suatu hubungan sebab akibat, hal itu bukan karena diketahuinya koefisien korelasi melainkan karena rujukan teori atau logika yang memaknai hasil perhitungan, oleh karena itu analisis korelasi mensyaratkan acuan teori yang mendukung adanya hubungan sebab akibat dalam variabel-variabel yang dianalisa hubungannya. Koefisien korelasi untuk 2 buah variabel X dan Y dengan jumlah data sebesar N, dapat dihitung dengan menggunakan rumus yang dikembangkan oleh Karl Pearson, yaitu [1]:

Untuk menghitung koefisien korelasi ganda dapat digunakan rumus berikut [1]:

                                                     Dimana:

r_yx1= Koefisien korelasi antara variabel x₁ dengan variabel y

r_yx2= Koefisien korelasi antara variabel x₂ dengan variabel y

Sementara itu pada keadaan dimana terdapat lebih dari 2 variabel bebas, koefisien korelasi juga padat dicari nilainya dengan pola yang sama. Contohnya adalah untuk mencari koefisien korelasi ketika terdapat 7 variabel bebas dan 1 variabel terikat, dapat dipergunakan persamaan sebagai berikut:

Dimana:

Untuk kekuatan hubungannya, nilai koefisien korelasi berada di antara -1 sampai 1, sedangkan untuk arah dinyatakan dalam bentuk positif (+) dan negatif (-) [2].

Persamaan-persamaan di atas merupakan persamaan untuk memperoleh koefisien korelasi simultan atau bersama semua variabel bebas terhadap variabel terikat. Untuk mencari berapa koefisien korelasi salah satu variabel bebas terhadap variabel terikat ketika variabel bebas yang lain dianggap konstan, dipergunakan persamaan korelasi parsial sebagai berikut [2]:

Koefisien korelasi parsial dimaksudkan untuk mencari tahu seberapakuatkah, hubungan salah satu atau beberapa variabel bebas terhadap variabel terikat secara parsial, tidak simultan atau bersama-sama.

Koefisien korelasi menunjukan berapa besar varians total satu variabel berhubungan dengan varians variabel lain. Hal ini berarti bahwa tiap nilai r  perlu ditafsirkan posisinya dalam keterkaitan tersebut. Untuk memberikan tafsiran pada nilai koefisien korelasi, dapat digunakan referensi guilford empirical rules pada tabel 1.

Tabel 1. Penafsiran Koefisien Korelasi [1]

Besar ryx	Penafsiran
0,00 – < 0,20	Hubungan sangat lemah (diabaikan, dianggap tidak ada)
≥ 0,20 – < 0,40	Hubungan rendah atau lemah
≥ 0,40 – < 0,70	Hubungan sedang atau cukup
≥ 0,70 – < 0,90	Hubungan kuat
≥ 0,90 – ≤ 1,00	Hubungan sangat kuat

Setelah nilai koefisien korelasi diperoleh, nilai koefisien determinasi juga dapat diperoleh dengan persamaan berikut [2] :

KP = (R_x1,x2,y)² x 100%

Nilai KP pada persamaan di atas menunjukan seberapa besar nilai variabel bebas x₁ dan x₂ mempengaruhi nilai variabel terikat y. Nilai (1 – KP) akan menunjukkan persentase besarnya pengaruh faktor-faktor lain di luar faktor yang ada pada variabel bebas, dalam mempengaruhi variabel terikat y.

Untuk lebih jelasnya, mari kita ambil contoh kasus ketika seorang peneliti memiliki data yang terdiri dari 7 variabel terikat dan 1 variabel bebas sebagai berikut:

Kemudian dilakukan perhitungan untuk X1.X1, X1.X2 dan sebagainya sehingga diperoleh hasil sebagai berikut:

Koefisien korelasi persial ketujuh variabel bebas dapat langsung dihitung dengan cara sebagai berikut:

Nilai r_x1,y sebesar -0,901 menunjukkan bahwa hubungan X₁ dengan Y ketika variabel bebas lainnya konstan, adalah sangat kuat. Nilai r_x1,y sebesar 0,305 menunjukkan bahwa hubungan X₂ dengan Y ketika variabel bebas lainnya konstan, adalah lemah. Nilai r_x3,y sebesar -0,67 menunjukkan bahwa hubungan X₃ dengan Y ketika variabel bebas lainnya konstan, adalah sedang atau cukup. Nilai r_x4,y sebesar 0,133 menunjukkan bahwa hubungan X₄ dengan Y ketika variabel bebas lainnya konstan, adalah sangat lemah. Nilai r_x5,y sebesar -0,818 menunjukkan bahwa hubungan X₅ dengan Y ketika variabel bebas lainnya konstan, adalah kuat. Nilai r_x6,y sebesar -0,048 menunjukkan bahwa hubungan X₆ dengan Y ketika variabel bebas lainnya konstan, adalah sangat lemah. Nilai r_x7,y sebesar -0,66 menunjukkan bahwa hubungan X₇ dengan Y ketika variabel bebas lainnya konstan, adalah sedang atau cukup.

Untuk mencari berapa koefisien korelasi simultannya, kita cari dahulu persamaan regresinya. Dengan menggunakan cara yang telah saya paparkan kemarin pada blog ini di posting-an yang berjudul “Analisi Regresi Linier Sederhana & Berganda”, dapat diperoleh bahwa persamaan regresi dari contoh kasus ini adalah:

Y=  13012225228,72 – 328691,82X₁ + 693120,34X₂ – 101663,12X₃ – 46165,27X₄ –  128872,53X₅   –   607387,29X₆   –   265348,47X₇

Nah, kita dapat lihat bahwa nilai b₁ adalah 328691,82, nilai b₂ adalah 693120,34, nilai b₃ adalah 101663,12 dan seterusnya. Dengan memasukkan nilai-nilai yang telah diperoleh ke dalam persamaan untuk mencari koefisien korelasi 7 variabel bebas, diperoleh:

Nilai R_simultan sebesar 0,932 menunjukkan bahwa hubungan secara simultan antara variabel X₁, X₂, X₃, X₄, X₅, X₆ dan X₇ terhadap Y adalah sangat kuat. Setelah nilai koefisien korelasi simultan diperoleh, nilai koefisien determinan (KP) juga dapat diperoleh. Dengan menggunakan persamaan yang telah dijelaskan dimuka, diperoleh koefisien determinasi (KP) sebesar 86,93%. Nilai ini menunjukkan kontribusi semua variabel bebas terhadap variabel terikat secara simultan adalah sebesar 86,93%. Sementara itu 13,07% sisanya merupakan kontribusi dari faktor-faktor lain selain faktor yang diwakili oleh variabel bebas.

 Daftar Referensi

[1]  Abdurahman, Maman, Muhidin, Sambas & Somantri, Ating. (2012). Dasar-Dasar Metode Statistika Untuk Penelitian. Bandung: CV. Pustaka Setia.

[2]  Siregar, Syofian. (2013). Statistik Parametrik untuk Penelitian Kualitatif. Jakarta: Bumi Aksara.