Koefisien Korelasi, Signifikansi, & Determinasi


Korelasi merupakan teknik analisis yang  termasuk dalam salah satu teknik pengukuran asosiasi / hubungan (measures of association). Pengukuran asosiasi   merupakan istilah umum yang mengacu pada sekelompok teknik dalam statistik bivariat yang digunakan untuk mengukur kekuatan hubungan antara dua variabel. Diantara sekian banyak teknik-teknik pengukuran asosiasi, terdapat dua teknik korelasi yang sangat populer sampai sekarang, yaitu Korelasi Pearson Product Moment dan Korelasi Rank Spearman. Selain kedua teknik tersebut, terdapat pula teknik-teknik korelasi lain, seperti Kendal, Chi-Square, Phi Coefficient, Goodman-Kruskal, Somer, dan Wilson.

Pengukuran asosiasi mengenakan nilai numerik untuk mengetahui tingkatan asosiasi atau kekuatan hubungan antara variabel. Dua variabel dikatakan berasosiasi jika perilaku variabel yang satu mempengaruhi variabel yang lain. Jika tidak terjadi pengaruh, maka kedua variabel tersebut disebut independen.

Korelasi bermanfaat untuk mengukur kekuatan hubungan antara dua variabel (kadang lebih dari dua variabel) dengan skala-skala tertentu, misalnya Pearson data harus berskala interval atau rasio; Spearman dan Kendal menggunakan skala ordinal; Chi Square menggunakan data nominal. Kuat lemah hubungan diukur diantara jarak (range) 0 sampai dengan 1. Korelasi mempunyai kemungkinan pengujian hipotesis dua arah (two tailed). Korelasi searah jika nilai koefesien korelasi diketemukan positif; sebaliknya jika nilai koefesien korelasi negatif, korelasi  disebut tidak searah. Yang dimaksud dengan koefesien korelasi ialah suatu pengukuran statistik kovariasi atau asosiasi antara dua variabel. Jika koefesien korelasi diketemukan tidak sama dengan nol (0), maka terdapat ketergantungan antara dua variabel tersebut. Jika  koefesien korelasi diketemukan +1. maka hubungan tersebut disebut sebagai korelasi sempurna atau hubungan linear sempurna dengan kemiringan (slope) positif.

Jika  koefesien korelasi diketemukan -1. maka hubungan tersebut disebut sebagai korelasi sempurna atau hubungan linear sempurna dengan kemiringan (slope) negatif.

Dalam korelasi sempurna tidak diperlukan lagi pengujian hipotesis, karena kedua variabel mempunyai hubungan linear yang sempurna. Artinya variabel X mempengaruhi variabel Y secara sempurna. Jika korelasi sama dengan nol (0), maka tidak terdapat hubungan antara kedua variabel tersebut.

Dalam korelasi sebenarnya tidak dikenal istilah variabel bebas dan variabel tergantung. Biasanya dalam penghitungan digunakan simbol X untuk variabel pertama dan Y untuk variabel kedua. Dalam contoh hubungan antara variabel remunerasi dengan kepuasan kerja, maka variabel remunerasi merupakan variabel X dan kepuasan kerja merupakan variabel Y.

Koefesien Korelasi

Koefesien korelasi ialah pengukuran statistik kovarian atau asosiasi antara dua variabel. Besarnya koefesien korelasi berkisar antara +1 s/d -1. Koefesien korelasi menunjukkan kekuatan (strength) hubungan linear dan arah hubungan dua variabel acak. Jika koefesien korelasi positif, maka kedua variabel mempunyai hubungan searah. Artinya jika nilai variabel X tinggi, maka nilai variabel Y akan tinggi pula. Sebaliknya, jika koefesien korelasi negatif, maka kedua variabel mempunyai hubungan terbalik. Artinya jika nilai variabel X tinggi, maka nilai variabel Y akan menjadi rendah (dan sebaliknya). Untuk memudahkan melakukan interpretasi mengenai kekuatan hubungan antara dua variabel penulis memberikan kriteria sebagai berikut (Sarwono:2006):

    • 0 : Tidak ada korelasi antara dua variabel
    • >0 – 0,25: Korelasi sangat lemah
    • >0,25 – 0,5: Korelasi cukup
    • >0,5 – 0,75: Korelasi  kuat
    • >0,75 – 0,99: Korelasi  sangat kuat
    • 1: Korelasi sempurna

Signifikansi

Apa sebenarnya signifikansi itu? Dalam bahasa Inggris umum, kata, “significant” mempunyai makna penting; sedang dalam pengertian statistik kata tersebut mempunyai makna “benar” tidak didasarkan secara kebetulan. Hasil riset dapat benar tapi tidak penting. Signifikansi / probabilitas / α memberikan gambaran mengenai bagaimana hasil riset itu mempunyai kesempatan untuk benar. Jika kita memilih signifikansi sebesar 0,01, maka artinya kita menentukan hasil riset nanti mempunyai kesempatan untuk benar sebesar 99% dan untuk salah sebesar 1%.

Secara umum kita menggunakan angka signifikansi sebesar 0,01; 0,05 dan 0,1. Pertimbangan penggunaan angka tersebut didasarkan pada tingkat kepercayaan (confidence interval) yang diinginkan oleh peneliti. Angka signifikansi sebesar 0,01 mempunyai pengertian bahwa tingkat kepercayaan atau bahasa umumnya keinginan kita untuk memperoleh kebenaran dalam riset kita adalah sebesar 99%. Jika angka signifikansi sebesar 0,05, maka tingkat kepercayaan adalah sebesar 95%. Jika angka signifikansi sebesar 0,1, maka tingkat kepercayaan adalah sebesar 90%.

Pertimbangan lain ialah menyangkut jumlah data (sample) yang akan digunakan dalam riset. Semakin kecil angka signifikansi, maka ukuran sample akan semakin besar. Sebaliknya semakin besar angka signifikansi, maka ukuran sample akan semakin kecil. Unutuk memperoleh angka signifikansi yang baik, biasanya diperlukan ukuran sample yang besar. Sebaliknya jika ukuran sample semakin kecil, maka kemungkinan munculnya kesalahan semakin ada.

Untuk pengujian dalam SPSS digunakan kriteria sebagai berikut:

    • Jika angka signifikansi hasil riset < 0,05, maka hubungan kedua variabel signifikan.
    • Jika angka signifikansi hasil riset > 0,05, maka hubungan kedua variabel tidak signifikan

Interpretasi Korelasi

Ada tiga penafsiran hasil analisis korelasi, meliputi: pertama, melihat kekuatan hubungan dua variabel; kedua, melihat signifikansi hubungan; dan ketiga, melihat arah hubungan.

Untuk melakukan interpretasi kekuatan hubungan antara dua variabel dilakukan dengan melihat angka koefesien korelasi hasil perhitungan dengan menggunakan kriteria sbb:

  • Jika angka koefesien korelasi menunjukkan 0, maka kedua variabel tidak mempunyai hubungan
  • Jika  angka koefesien korelasi mendekati 1, maka kedua variabel mempunyai hubungan semakin kuat
  • Jika  angka koefesien korelasi mendekati 0, maka kedua variabel mempunyai hubungan semakin lemah
  • Jika angka koefesien korelasi sama dengan 1, maka kedua variabel mempunyai hubungan linier sempurna positif.
  • Jika angka koefesien korelasi sama dengan -1, maka kedua variabel mempunyai hubungan linier sempurna negatif.

Interpretasi berikutnya melihat signifikansi hubungan dua variabel dengan didasarkan pada angka signifikansi yang dihasilkan dari penghitungan dengan ketentuan sebagaimana sudah dibahas di bagian 2.7. di atas. Interpretasi ini akan membuktikan apakah hubungan kedua variabel tersebut signifikan atau tidak.

Interpretasi ketiga melihat arah korelasi. Dalam korelasi ada dua arah korelasi, yaitu searah dan tidak searah. Pada SPSS hal ini ditandai dengan pesan two tailed.  Arah korelasi dilihat dari angka koefesien korelasi. Jika koefesien korelasi positif, maka hubungan kedua variabel searah. Searah artinya jika variabel X nilainya tinggi, maka variabel Y juga tinggi. Jika koefesien korelasi negatif, maka hubungan kedua variabel tidak searah. Tidak searah artinya jika variabel X nilainya tinggi, maka variabel Y akan rendah.

Dalam kasus, misalnya hubungan antara kepuasan kerja dan komitmen terhadap organisasi sebesar 0,86 dengan angka signifikansi sebesar 0 akan mempunyai makna bahwa hubungan antara  variabel kepuasan kerja dan komitmen terhadap organisasi sangat kuat, signifikan dan searah. Sebaliknya dalam kasus hubungan antara variabel mangkir kerja dengan produktivitas sebesar -0,86, dengan angka signifikansi sebesar 0;  maka hubungan kedua variabel sangat kuat, signifikan dan tidak searah.

Koefesien Determinasi

Koefesien diterminasi dengan simbol rmerupakan proporsi variabilitas dalam suatu data yang dihitung didasarkan pada model statistik. Definisi berikutnya menyebutkan bahwa r2merupakan rasio variabilitas nilai-nilai yang dibuat model dengan variabilitas nilai data asli. Secara umum rdigunakan sebagai informasi mengenai kecocokan  suatu model.  Dalam regresi rini dijadikan sebagai pengukuran seberapa baik garis regresi mendekati nilai data asli yang dibuat model. Jika rsama dengan 1, maka angka tersebut menunjukkan garis regresi cocok dengan data secara sempurna.

Interpretasi lain ialah bahwa rdiartikan sebagai proporsi variasi tanggapan yang diterangkan oleh regresor (variabel bebas / X) dalam model. Dengan demikian, jika r= 1 akan mempunyai arti bahwa model yang sesuai menerangkan semua variabilitas dalam variabel Y. jika r= 0 akan mempunyai arti bahwa tidak ada hubungan antara regresor (X) dengan variabel Y. Dalam kasus misalnya jika r= 0,8 mempunyai arti bahwa sebesar 80% variasi dari variabel Y (variabel tergantung / response) dapat diterangkan dengan variabel X (variabel bebas / explanatory); sedang sisanya 0,2 dipengaruhi oleh variabel-variabel yang tidak diketahui atau variabilitas yang inheren. (Rumus untuk menghitung koefesien determinasi (KD) adalah KD = r2x 100%) Variabilitas mempunyai makna penyebaran / distribusi seperangkat nilai-nilai  tertentu. Dengan menggunakan bahasa umum, pengaruh variabel X terhadap Y adalah sebesar 80%; sedang sisanya 20% dipengaruhi oleh faktor lain.

Dalam hubungannya dengan korelasi, maka  r merupakan kuadrat dari koefesien korelasi yang berkaitan dengan variabel bebas (X) dan variabel Y (tergantung). Secara umum dikatakan bahwa r merupakan kuadrat korelasi antara variabel yang digunakan sebagai predictor (X) dan variabel yang memberikan response (Y). Dengan menggunakan bahasa sederhana r merupakan koefesien korelasi yang dikuadratkan. Oleh karena itu, penggunaan koefesien determinasi dalam korelasi tidak harus diinterpretasikan sebagai besarnya pengaruh variabel X terhadap Y mengingat bahwa korelasi tidak sama dengan kausalitas. Secara bebas dikatakan dua variabel mempunyai hubungan belum tentu variabel satu mempengaruhi variabel lainnya. Lebih lanjut dalam konteks korelasi antara dua variabel maka pengaruh variabel X terhadap Y tidak nampak. Kemungkinannya hanya korelasi merupakan penanda awal bahwa variabel X mungkin berpengaruh terhadap Y. Sedang bagaimana pengaruh itu terjadi dan ada atau tidak kita akan mengalami kesulitan untuk membuktikannya. Hanya menggunakan angka rkita tidak akan dapat membuktikan bahwa variabel X mempengaruhi Y.

Dengan demikian jika kita menggunakan korelasi sebaiknya jangan menggunakan koefesien determinasi untuk melihat pengaruh X terhadap Y karena korelasi hanya menunjukkan adanya hubungan antara variabel X dan Y. Jika tujuan riset hanya untuk mengukur hubungan maka sebaiknya berhenti saja di angka koefisien korelasi. Sedang jika kita ingin mengukur besarnya pengaruh variabel X terhadap Y sebaiknya menggunakan rumus lain, seperti regresi atau analisis jalur.

CONTOH PADA SPSS 17

  • Lihat hasil output di jendela SPSS Output Viewer dan berikan penafsiran atas hasil perhitungan yang muncul.

Penafsiran Hasil Korelasi:

  • Arti Angka Korelasi
    Ada dua tanda dalam penafsiran korelasi melalui nilai koefisien, yaitu tanda (+) dan (-) yang berhubungan dengan arah korelasi, serta menyatakan kuat tidaknya korelasi.
  • Signifikansi Hasil Korelasi
    Berdasarkan nilai Signifikansi, kita bisa mengambil simpulan atas hipotesis :
    H0 = Tidak ada hubungan (korelasi) antara dua variabel.
    H1 = Ada hubungan (korelasi) antara dua variabel.
    Uji dilakukan dua sisi / arah / tailed (ekor).
    Dasar pengambilan keputusan berdasarkan probabilitas menggunakan kriteria :
    – Jika probabilitas > 0,05 (atau 0,01), maka H0 diterima.
    – Jika probabilitas < 0,05 (atau 0,01), maka H0 ditolak.

Berdasarkan acuan penafsiran diatas, contoh perhitungan korelasi pearson menggunakan data X1,X2, X3, dan Y maka salah satu tafsiran yang dapat kita berikan adalah ;

Korelasi X1 dan Y memiliki nilai 0,342 yang dapat dikategorikan memiliki hubungan yang lemah dan berdasarkan uji signifikasi hasilnya menunjukkan nilai 0,140 yang berarti asosiasi kedua variabel adalah tidak signifikan

Demikian cara menghitung korelasi pearson dengan SPSS 17 dengan contoh korelasi X1-Y. Perhitungan korelasi lainnya seperti korelasi Kendall’s tau-b ataupun korelasi Rank Spearman dapat dilakukan dengan cara yang hampir sama dengan perhitungan korelasi pearson. Tinggal sesuaikan saja jenis data yang dimiliki dengan metoda perhitungan yang tepat.

69 pemikiran pada “Koefisien Korelasi, Signifikansi, & Determinasi

  1. Reblogged this on Borobudur University Jakarta and commented:

    Korelasi merupakan teknik analisis yang termasuk dalam salah satu teknik pengukuran asosiasi / hubungan (measures of association). Pengukuran asosiasi merupakan istilah umum yang mengacu pada sekelompok teknik dalam statistik bivariat yang digunakan untuk mengukur kekuatan hubungan antara dua variabel. Diantara sekian banyak teknik-teknik pengukuran asosiasi, terdapat dua teknik korelasi yang sangat populer sampai sekarang, yaitu Korelasi Pearson Product Moment dan Korelasi Rank Spearman. Selain kedua teknik tersebut, terdapat pula teknik-teknik korelasi lain, seperti Kendal, Chi-Square, Phi Coefficient, Goodman-Kruskal, Somer, dan Wilson.

    Suka

      • Salam mas Rudi.
        saya coba membantu berdasarkan apa yang saya ketahui.

        Nilai koefisien determinasi adjusted r square itu bukan termasuk uji statistik mas,itu hanya digunakan untuk mengoptimalkan model regresi, saat variabel independen yang kita gunakan dalam regresi lebih dari 1 variabel(x1,x2,..)atau banyak variabel.
        Nilai determinasi adjusted untuk men-seleksi variabel apa saja “dari var x” yang paling memberikan kontribusi terhadap perubahan variabel dependen (yg biasa disimbilkan Y)dalam model regresi.

        Contoh : misalnya mas rudi memiliki model regresi
        model 1: Y= 0.5 + 0.3×1+0.5×2+0.6×3+0.7×4 dengan R-square Adjusted 0.85.
        namun setelah mas coba dengan model 2(variabel yang sama), misalnya dalam hal ini kita mencoba dengan tidak melibatkan x2,x3,x4, diperoleh model sbb:
        model 2: Y=0.5 + 0.5×1 dengan nilai r-square adjusted 0.83, kalo kita perhatikan perubahan r-square adjusted hanya 0.02(0.085-0.083 sangat kecil), nah kalo saya pribadi dengan menggunakan pertimbangan kedua nilai adjusted pada ke dua model regresi tersebut, saya akan menggunakan model regresi yang kedua sebagai model untuk menggambarkan .

        kenapa: karena saat kita bentuk model 1 diatas, variabel x2,x3 dan x4 sedikit memberikan kontribusi Rsquare (0.02), sementara dalam statistika kita mengutamakan model yang sederhana namun sangat memberikan informasi secara keseluruhan sampel.

        mohon dibenarkan kalo ada yang salah mnurut mas, sdh lama ga belajar statistika mas,hehe..
        smoga mudah dimengerti penjelsan saya.

        trimaksih

        Suka

    • assalammualaikum mas, saya mau bertanya nilai R square saya rendah yaitu 0,315 dan saya harus mencari alasan logis nya, kira2 mas bisa bantu gak untuk mencari alasan nya, mohon bantuan nya ya mas, soalnya saya sabtu sidang meja hijau
      bisa kirim mke email saya mas jawaban nya rinaldoalfriansyah@gmail.com, makasi sebelumnya mas :)

      Suka

  2. Aslm.. Pak,, saya di srankan oleh dosen saya mencari besarnya pengaruh menggunakan teknik analisis jalur. Untuk mencari pengaruh secara parsial dengan menguadratkan nilai beta nya.. Tp di sini saya bingung,, kapankah suatu pengaruh itu dikatakan tinggi atau rendah,, karena di sini saya tidak memperhatikan nilai sig nya,, namun nilai betanya.. Krn saya tidak menggunakan sampel,, saya mnggunakan populasi,,jd uji f dan t ditiadakan.. Mhon bimbingannya pak..wslm

    Suka

  3. aslm. pak. saya bingung. saya yang bodoh atau gimana. penelitian saya menggunakan teknik analisis data t test. tapi dosen saya nanya, “signifikannya masuk kategori mana? tinggi, rendah, atau sedang”
    saya sudah cari literatur, tanya dosen statistik, tapi tidak ada yang bahas masalah itu.
    jadi saya mau tanya, saya yang kurang teliti, atau memang tidak ada penjelasan mengenai hal tesb???

    Suka

    • Koefisien determinasi pada regresi linear sering diartikan sebagai seberapa besar kemampuan semua variabel bebas dalam menjelaskan varians dari variabel terikatnya. Secara sederhana koefisien determinasi dihitung dengan mengkuadratkan Koefisien Korelasi (R). Sebagai contoh, jika nilai R adalah sebesar 0,80 maka koefisien determinasi (R Square) adalah sebesar 0,80² atau 0,80 x 0,80 = 0,64. Berarti kemampuan variabel bebas dalam menjelaskan varians dari variabel terikatnya adalah sebesar 64,0%. Yang berarti juga… terdapat 36% (100%-64%) varians variabel terikat yang dijelaskan oleh faktor lain.

      Suka

  4. pak mau tanya,,
    knpa nilai koefisien korelasi pada regresi linier bernilai negatif walaupun signifikansi ny sudah di bawah 0,05???
    lalu aneh kah data saya jika nilai signifikansi variabel X1 thdap Y dibawah 0,05 tapi bernilai negatif, sedangkan nilai signifikansi variabel X1 thdap variabel intervening 0,958 hampir mendekati 1 (berarti kan tidak ada pengaruh), nah masalah ny nilai signifikansi variabel intervening k variabel Y dibawah 0,05??
    mohon dibantu segera pak,, saya bingung sekali,,
    terima kasih

    Suka

    • jika nilai koefesien korelasi diketemukan positif itu artinya hubungannya searah;
      sebaliknya jika nilai koefesien korelasi negatif, korelasi disebut tidak searah.

      angka signifikansi sebesar 0,01 mempunyai pengertian bahwa tingkat kepercayaan atau bahasa umumnya keinginan kita untuk memperoleh kebenaran dalam riset kita adalah sebesar 99%.
      jika angka signifikansi sebesar 0,05, maka tingkat kepercayaan adalah sebesar 95%.
      jika angka signifikansi sebesar 0,1, maka tingkat kepercayaan adalah sebesar 90%.

      sedangkan dalam SPSS
      jika angka signifikansi hasil riset > 0,05, maka hubungan kedua variabel tidak signifikan
      jika angka signifikansi hasil riset < 0,05, maka hubungan kedua variabel signifikan.

      kalau variabel intervening adalah variabel yang secara teoritis mempengaruhi hubungan antara variabel bebas dengan variabel terikat, tetapi tidak dapat diamati dan diukur. variabel ini merupakan variabel penyela/antara yang terletak diantara variabel bebas dan variabel terikat, sehingga variabel bebas tidak secara langsung mempengaruhi berubahnya atau timbulnya variabel terikat. contohnya tinggi rendahnya penghasilan akan mempengaruhi secara tidak langsung terhadap umur harapan hidup; dalam hal ini ada varaibel antaranya yaitu yang berupa gaya hidup seseorang.

      Suka

  5. pak sya mau nnya variabel X2 sya tidak signifikan tpi nilai koefisien determinasi ya 42,12%, apa dibolehkan pak?
    klo bleh tau standar untk nilai koefisien determinasi brp y pak?
    krna dosen pembimbing sya menanyakan hal sperti ini..
    terima kasih pak sebelmnya..
    mhon bantuan y pak

    Suka

  6. pak…, saya mau tanya kalo subvar x1-x5 datanya ordinal tp sub Y1 datanya nominal y2-y3 datanya ordinal. Metode yg saya pakai korelasi. Bagaimana perhitungan untuk yg data nominalnya ya? Kalo pake korelasi? Kata pembimbing saya diubah dulu ke interval pake MSI, tp selanjutnya saya tidak tahu. Mohon penjelasannya. Terima kasih.

    Suka

  7. selamat pagi pak, saya mau bertanya, terkait penelitian saya, jika saya mau mengkorelasikan data ordinal dengan data nominal, sebaiknya menggunakan teknik korelasi apa ya pak? mohon bantuannya, terima kasih :)

    Suka

  8. assalamu alaikum pak
    penelitian saya menggunakan 3 variabel jdi kt doping pake nilai adjusted R Square
    smentara nilai adjusted R square nya negatif itu penjelasannya gimana ya pak
    saya bngung
    mohon bantuannya

    Suka

    • R2 selalu bernilai positif, tetapi adjusted R-Square bisa saja bernilai negatif meskipun R2 nya bernilai positif.
      Mengapa? Karena:
      1. Model tidak bagus (sehingga R-squared nya kecil)
      2. Variabel terlalu banyak
      3. Data/observasi terlalu sedikit
      Bagaimana cara memperbaikinya ?
      1. Perbaiki model
      2. Kurangi variabel
      3. Tambah data/observasi

      Suka

  9. pak saya mau tanya, dari hasil penghitungan angka korelasi variabel saya negatif (hubungan tidak searah), tapi ketika masuk ke persamaan regresi, variabel itu menjadi positif. dari 6 variabel (x1-x6) ada dua variabel yang seperti itu.
    apakah ada penghitungan yang salah? kalau benar, penjelasannya spt apa?
    terima kasih banyak.

    Suka

  10. pak, penelitian saya menggunakan analisis path, hasil R square nya sangat kecil dan adjusted R square nya negatif..
    apa yg harus saya lakuin pak ?? :'(

    Suka

  11. pak, penelitian saya menggunakan analisis path, hasil R square nya sangat kecil dan adjusted R square nya negatif..
    apa yg harus saya lakuin pak ??

    Suka

  12. assalammualaikum pak.

    saya mau tanya. di beberapa literatur dan buku PLS mengenai uji signifikansi dimana nilai sig 5% = t.tabel 1.96 dan nilai sig 10% = t.tabel 1.64. tapi dibeberapa jurnal dan menurut tempat olah data yang saya datangi, beliau bilang nilai sig. 5% = t.tabel 1.64 dengan alasan bahwa penelitian yang saya lakukan telah diulang berkali-kali sehingga tidak masalah. yang saya mau tanyakan :
    1. dengan tingkat signifikansi 5% = t.tabel 1.64 bisa mengandung kesalahan atau tidak terutama nanti ketika saya menghadapi ujian skripsi.
    2. kalau ada sumber yang kuat, mohon referensinya pak. karena kebanyakan buku yang saya baca semuanya seperti pernyataan saya diatas.
    3. menurut bapak sendiri, apakah nilai sig 5%= t.tabel 1.64 bisa digunakan atau tidak ?

    terima kasih sebelumnya.

    Suka

  13. assalamualaikum pak, saya derry mahasiswa ekonomi tingkat akhir yang sedang mengerjakan skripsi. saya mengambil judul tentang pengaruh program K3 terhadap produktivitas kerja karyawan. yg mau saya tanyakan, saya mempunyai populasi 98 orang dari divisi service dan spare part. dan saya mengambil seluruh populasi pak. pertanyaan kuesioner dari variabel bebas dan terikat semuanya ada 18 pertanyaan atau 18 indikator. tetapi hasil dari R -square saya kecil pak (0,035) dan adjusted R-square saya 0,025. itu bagaimana cara meningkatkan hasilnya ya pak ? mohon saran dari bapak sangat saya butuhkan. karena saya dipusingkan oleh hasil kecil tersebut. terimasih sebelumnya.

    Suka

    • Wa’alaikumsalam.wrwb.
      Maaf mas Derry, nilai R-Square yg kecil itu mas peroleh dari output regresi, atau baru uji reliabilitas indikator?

      mungkin bisa di share outputnya,spy kita bisa lihat semua.

      trimakasih

      Suka

  14. salam . ..
    maaf pak . mau nanya..
    pada uji regresi logistik.. ada tabel variables in the equation..
    pada kolom tabel itu terdapat nilai B , S.E , Wald, df, Sig, EXP(B).?
    bisa jelaskan pak interpretasi nilai kolom tersebut,,
    saya buntu mengenai statistik pak,,, terima kasih…

    Suka

  15. Pak, saya mau bertanya, hasil regresi saya adalah positif dan tidak signifan karena hasil uji >0.05 apakah hasil olahan ini sering terjadi? dan bagaimana penjabarannya
    Terimaksih Banyak

    Suka

  16. pagi Mas Muhammad, mohon ijin materi saya gunakan sebagai bahan ajar. apa yang ditulis menurut saya bermanfaat bagi kami maupun bagi mahasiswa. semoga ilmu Mas Muhammad menjadi amal jariiah, amiiin.

    Suka

  17. bagaimana cara mengatasi nilai adjust R Square negatif dengan pengaruh Y1 terhadap Y2 dengan jumlah sampel 100 dari populasi 210

    Suka

  18. Permisi Pak Burhan, saya ingin bertanya.
    Interpretasi hasil uji R-Square pada PLS apakah sama dengan menggunakan SPSS..?
    Pengujiannya berdasarkan konstruknya atau indikatornya?

    Terima kasih :)

    Disukai oleh 1 orang

  19. Assalamualaikum pak. Saya lia, mau tanya itu bila data saya terjadi korelasi sempurna antara x1 dan x2 dan korelasi positif secara tidak langsung x2 terexclude pak. Itu tidak apa2? Atau bagaimana? Dan kok bisa korelasi sempurna itu terjadi ada faktor apa aja yg mempengaruhi? Trimaksih. Mohon bantuannya pak.

    Suka

  20. assalamualaikum, maaf pak. sy punya penelitian “korelasi antara kompenen hasil dan hasil jamur tiram putih pada beberapa media” :
    A = Media serbuk kayu Rahai
    B = Media serbuk kayu Bus
    C = Media Jerami Padi
    masing-masing 5 ulangan sehingga A (1,2,3,4,5) B (1,2,3,4,5) C (1,2,3,4,5)
    variabel pengamatan untuk semua perlakuan :
    1. Muncul Tunas Pertama Kali (hari) = X1
    2. Jumlah Rumpun Badan Buah (buah) = X2
    3. Jumlah Badan Buah (buah) = X3
    4. Lebar Tudung Maksimal (cm) = X4
    5. Panjang Tangkai Maksimal (cm) = X5
    6. Frekuensi Panen (kali) = X6
    7. Berat Badan Buah (gram) = Y
    Data penelitian :
    A (1-5) X dan Y = 0
    B (1-5) X dan Y = 0
    C sebagai berikut :
    1. Muncul tunas (urutan C 1-5) = 5, 6, 5, 5, 5
    2. Jumlah rumpun BB (urutan C 1-5) = 1, 1, 2, 1, 1
    3. Jumlah BB (urutan C 1-5) = 3, 5, 6, 5, 5
    4. Lebar Tudung (urutan C 1-5) = 14, 8, 7,5, 9, 10
    5. Panjang Tangkai (urutan C 1-5) = 7, 6, 5, 6,5, 6
    6. Frekuensi Panen (urutan C 1-5) = 7, 6, 6, 6, 7
    7. Berat BB (urutan C 1-5) = 170, 156, 150, 160, 175

    BAGAIMANA :
    1. menentukan variabel X dan Y
    2. prosedur kerja untuk menghitung Korelasi? sedangankan sy mempunyai 3 Perlakuan, masing2 5 ulangan, dan masing2 7 variabel pengamatan?
    2. cara input data dalam SPSS dan Excel

    Suka

  21. Ping balik: Koefisien Korelasi, Signifikansi, & Determinasi | girlygee

  22. pak bagaimana cara menginterpretasikan angka korelasi suatu variabel yang berskala interval dengan nominal, contohnya pemilihan moda dengan jenis kelamin saya dapat angka korelasinya -0.028,

    Suka

  23. assalamualikum.. pa saya arafah, saya sedang mengerjakan skripsi dengan judul analsisis pengaruh tingkat inflasi, kurs dan sbi terhadap harga saham pd sektor kimia 2009-2014, saya sudah uji analisis asumsi klasik dan linier berganda dgn spss, tp saya binggung knp ko hasil r square saya kecil sekali yah dan itupun yang jadi permasalahan yang ditanyakan oleh dosen sya, mohon solusinya paa, jika berkenan ini email saya arafahyouma@gmail.com makasih sebelum nya

    Suka

  24. bapak muhammad, saya mau nanya.
    saya melakukan penelitian 5 variable bebas dan 1 variable terikat, pada hasil signifikan hanya 2 variabel yang signifikan, sedangkan nilai r square ny 87 persen.
    kenapa r square nya sangat tinggi y pak???

    Suka

    • R square itu mengukur kebaikan suai (goodness of fit) dari persamaan regresi; ia memberikan proporsi atau persentase variasi total dalam variabel terikat yang dijelaskan oleh variabel bebas. Nilai R2 terletak antara 0 – 1, dan kecocokan model dikatakan lebih baik kalau R2 semakin mendekati 1. jadi kalau dapatnya .87 kecocokan modelnya baik.

      Suka

  25. aduuh… banyaknya comment dan prtanyaan disini, mohon maaf tidak sempat menjawab satu persatu dikerenakan kesibukan kerja dan jarang update blog ini, insya Allah sekuatnya akan saya jawab pertanyaan-pertanyaan yang bisa saya jawab dilain waktu. maaf jika banyak pertanyaan yang jadi kadaluarsa…

    Suka

    • Analisis faktor adalah analisis yang bertujuan mencari faktor-faktor utama yang paling mempengaruhi variabel dependen dari serangkaian uji yang dilakukan atas serangkaian variabel independen sebagai faktornya. jadi, jawabannya iya :)

      Suka

  26. Selamat malam mas. Mau tanya. Apakah rumus pengauh lagsung . Tidak langsung serta total pegaruh itu sama dengan koeffisien determinasi? Atau 2 2 nya merupakan hal berbeda?

    Suka

    • ya, sama.
      karena koefisien determinasi digunakan untuk mengetahui seberapa besar presentase sumbangan pengaruh variabel independen secara serentak terhadap variabel dependen. Maksudnya secara serentak itu misalkan ada beberapa variabel independen (X1, X2 dan seterusnya) mempengaruhi variabel dependen (Y).

      Suka

  27. Mohon bantuannya,
    Jika skripsi saya menggunakan data kualitatif dengan X1 skala nominal, dan X2, Y skala ordinal, serta ingin mecari pengaruh X terhadap Y.
    Apakah saya bisa menggunakan korelasi spearman?
    Kalau bisa, hipotesisnya bagaimana?
    Jika tidak bisa, baiknya menggunakan uji apa?
    Terimakasih

    Suka

  28. Mohon bantuannya,
    Jika skripsi saya menggunakan data kualitatif, dengan skala nominal untuk X1, dan skala ordinal untuk X2 dan Y. Untuk mencari pengaruh X terhadap Y.
    Apakah saya bisa menggunakan korelasi spearman?
    Kalau bisa, hipotesisnya bagaimana?
    Jika tidak, baiknya saya menggunakan uji apa?
    Terimakasih

    Suka

  29. Mohon bantuannya,
    Jika skripsi saya menggunakan data kualitatif, dengan skala nominal untuk X1, dan skala ordinal untuk X2 dan Y. Untuk mencari pengaruh X terhadap Y.
    Apakah saya bisa menggunakan korelasi spearman?
    Kalau bisa, hipotesisnya bagaimana?
    Jika tidak, baiknya saya menggunakan uji apa?
    Terimakasih

    Suka

  30. Assalamu alaikum Pak . . .
    Saya melakukan penelitian dengan desain terdapat kelas eksperimen dan kontrol disertai pre test dan post test.

    Saya bingung untuk menentukan koefisien korelasi pearson dan koefisien determinasi dalam uji pengaruh.
    Data yang harus dikorelasikan itu yang mana Pak ?

    Mohon bantuannya, Terima kasih sebelumnya.

    Suka

    • Koefisien korelasi Pearson untuk mengetahui apakah ada hubungan antar variable yang diuji atau diteliti.
      Sedangkan Koefisien Determinasi di gunakan untuk mengetahui seberapa besar presentase sumbangan pengaruh variabel independen secara serentak terhadap variabel dependen.
      Maksudnya secara serentak itu misalkan ada beberapa variabel independen (X1, X2 dan seterusnya) mempengaruhi variabel dependen (Y).

      Koefisien determinasi dapat dilihat pada tabel Model Summary (hasil output olah data) R2 (Adjusted R Square) pada SPSS.

      Koefiesien Korelasi dilambangkan dengan ρ-value
      Koefesien Determinasi dilambangkan dengan R2

      Suka

      • Data yang saya miliki adalah data tes hasil belajar, terdiri dari hasil pre test dan post test baik dari kelas eksperimen serta kelas kontrol.
        Untuk menentukan besar pengaruh dari model pembelajaran terhadap hasil belajar dengan koefisien determinasi, alur analisis data awalnya itu bagaimana Pak ?
        Jika sebelumnya menggunakan koefisien korelasi pearson, data yang dikorelasikan itu yang mana Pak ?
        Mohon penjelasannya . .
        Terima kasih sebelumnya . .

        Suka

Berikan Balasan

Isikan data di bawah atau klik salah satu ikon untuk log in:

Logo WordPress.com

You are commenting using your WordPress.com account. Logout / Ubah )

Gambar Twitter

You are commenting using your Twitter account. Logout / Ubah )

Foto Facebook

You are commenting using your Facebook account. Logout / Ubah )

Foto Google+

You are commenting using your Google+ account. Logout / Ubah )

Connecting to %s