Ini Mudah , Uji Korelasi Spearmen dengan SPSS dan ada cara manual Juga

Uji korelasi Spearman dengan SPSS pada hakikatnya serupa dengan secara manual. Uji korelasi Spearman adalah uji statistik yang ditujukan untuk mengetahui hubungan antara dua atau lebih variabel berskala Ordinal. Selain Spearman, D.A. de Vaus menyebutkan bahwa uji korelasi yang sejenis dengannya adalah Kendall-Tau.[1] Asumsi uji korelasi Spearman adalah: (1) Data tidak berdistribusi normal dan (2) Data diukur dalam skala Ordinal.

Rumus uji korelasi spearman untuk jumlah sampel < = 30 adalah:

Di mana:

Uji Korelasi Spearman Secara Manual 

Jika dilakukan secara manual, maka tata tertib melakukan uji korelasi Spearman adalah: 

1. Jumlahkan skor item-item di tiap variabel untuk mendapatkan skor total variabel (misalnya cari skor total variabel X dengan menotalkan item-item variabel X). 
2. Lakukan rangkin skor total x (rx) dan rangking skor total y (ry). 
3. Cari nilai d yaitu selisih rx – ry . 
4. Cari nilai d2 yaitu kuadrat d (selisih rx – ry). 

Agar lebih mudah, kerjakan dengan Excel dan buat saja tabel seperti contoh di bawah ini:

Setelah data dihitung dalam tabel, lalu masukkan ke dalam rumus uji korelasi Spearman:

Dengan demikian korelasi Spearman (rs) variabel x dengan variabel y dalam contoh adalah 0,47. Nilai korelasi Spearman hitung ini (rs) lalu diperbandingkan dengan Spearman Tabel (rs tabel). Keputusan diambil dari perbandingan tersebut. Jika rs > rs tabel, H0 ditolak dan H1 diterima. Jika rs hitung <= rs tabel, H0 diterima, H1 ditolak. Pengambilan keputusan dari contoh di atas adalah karena rs hitung > rs tabel maka H0 ditolak dan H1 diterima. Artinya terdapat hubungan antara variabel x dengan variabel y. Lalu, bagaimana menginterpretasikannya? 

Tabel Interpretasi Koefisien Korelasi Versi de Vaus 

D.A. de Vaus menginterpretasikan koefisien korelasi sebagai berikut:

Dalam contoh di atas maka kekuatan hubungan antara x dan y adalah hubungan moderat (karena 0,47). 

Data Saya Lebih Besar dari 30 ! 

Rumus di atas berlaku jika jumlah sampel lebih kecil atau sama dengan 30 (<=30). Lalu, bagaimana menghitung uji korelasi Spearman dengan lebih dari 30 sampel? Caranya mudah saja yaitu Cari Nilai z hitung terlebih dahulu. 

Cara mencari nilai z hitung sebagai berikut:

Di mana:

Nilai rs dicari dengan cara yang sama seperti perhitungan terdahulu (di bagian atas). Dalam contoh sampel yang lebih besar dari 30 ini misalnya sampel menggunakan 50 responden. Maka perhitungannya sebagai berikut:

Nilai z hitung dalam sampel > 30 ini adalah 6,93. Pengambilan keputusan dalam sampel > 30 ini adalah membandingkan antara z hitung dengan z tabel. Z hitung sudah diperoleh sekarang tinggal z tabel. 

Cara Mencari z Tabel 

Nilai z tabel dicari dari tabel Z (lihat buku-buku statistik). Caranya adalah: 

1. Tentukan Taraf Keyakinan Penelitian (misalnya 95%). Taraf Keyakinan 95% berarti Interval Keyakinan-nya (alpha) 0,05. Nilai 0,05 ini merupakan bentuk desimal dari 5% yang diperoleh dari pengurangan 100% selaku kebenaran absolut dengan 95% (100% - 95% = 5% atau 0,05). 
2. Tentukan Uji yang digunakan. Apakah 1 sisi (One-Tailed) atau 2 sisi (Two-Tailed). Penentuan 1 sisi atau 2 sisi ini didasarkan hipotesis penelitian. Jika hipotesis hanya menyebutkan “terdapat hubungan” maka artinya bentuk hubungan belum ditentukan apakah positif atau negatif dan dengan demikian menggunakan uji 2 sisi. Jika hipotesis menyatakan “terdapat hubungan positif” atau “terdapat hubungan negatif” maka artinya bentuk hubungan sudah ditentukan dan dengan demikian menggunakan uji 1 sisi. 
3. Jika Uji 2 Sisi (Two-Tailed) maka lihat Tabel Z. Dalam uji 2 sisi Interval Keyakinan dibagi dua yaitu 0,05 / 2 = 0,025. Cari pada kolom tabel nilai yang paling mendekati 0,025. Dari nilai yang paling dekat tersebut tarik garis ke kiri sehingga bertemu dengan nilai 1,9 + 0,060 = 1,96. Batas kiri pengambilan keputusan dengan kurva adalah –1,96 batas kanannya +1,96. Keputusannya: Tolak H0 dan Terima H1 jika –z hitung < dari –1,96 dan > dari +1,96. Sebaliknya, Terima H0 dan Tolak H1 jika – z hitung > -1,96 dan < dari +1,96. 

Uji Korelasi Spearman dengan SPSS 

Jika uji korelasi Spearman diadakan dengan SPSS maka langkah-langkahnya sebagai berikut: 

1. Totalkan item-item variabel x menggunakan menu Transform > Compute Variable > jumlahkan item-item variabel x. 
2. Totalkan item-item variabel y menggunakan menu Transform > Compute Variable > jumlahkan item-item variabel y. 
3. Buatlah Ranking bagi rx dan ry menggunakan menu Transform > Compute > Masukkan Skor Total Variabel X dan Variabel Y ke Variables > Pilih saja Smallest pada Assign Rank > Klik OK. Setelah itu muncul dua variabel baru yaitu rangking untuk x dan y (lihat di tab Variable View). 
4. Lakukan Uji Korelasi Spearman dengan SPSS dengan klik Analyze > Correlate > Bivariate > Masukkan Rangking X dan Ranking Y ke Variables > Pada Correlation Coefficient ceklis Spearman > Pada Test of Significance pilih 2-Tailed (jika 2 sisi) atau 1-Tailed (jika 1 sisi) > Klik OK. 

Hasilnya output SPSS misalnya sebagai berikut:

Variabel X dan Variabel Y pada contoh output di atas berhubungan dalam koefisien 0,823. SPSS menunjukkan bahwa korelasi tersebut signifikan bahkan dalam Interval Keyakinan (alpha) yang lebih teliti lagi yaitu 0,01 untuk Uji 2 Sisi. 

Pengambilan keputusannya sama dengan cara manual di atas yaitu membandingkan antara z hitung dengan z tabel. Atau bisa juga dengan Kurva Normal berikut:

-------------------------------------

[1] D.A. de Vaus, Survey in Social Research, 5th Edition (New South Wales: Allen and Unwin, 2002) p. 259.

 

 

sumber

Apa saja syarat menggunakan analsis faktor

Pareto dulu sebelum Analisis faktor

Dalam percobaan menyelesaikan tugas analisis faktor terhadap 45 variabel penyebab keterlambatan penerbangan ternyata fungsi SPSS mengalami kegagalan. Beberapa kali dicoba dengan mengambil sebagian variabel berdasar kriteria tertentu (teknikal, operasional, support) menghasilkan komposisi faktor laten yang membingungkan.
Terpaksa saya buka lagi tesis S-2 saya dulu. Bahan tugas ini memang merupakan kaji ulang terhadap penelitian yang pernah saya lakukan.
Ternyata ‘trik’ yang saya lakukan dulu sangatlah sederhana : Pareto analisis!


Berikut cuplikannya :

Penelitian terhadap data pada tahun 1996 menunjukkan bahwa 95% kasus keterlambatan dapat diwakili hanya dengan 15 dari 45 variabel penyebab keterlambatan.
Satu variabel yaitu keterlambatan karena keterlambatan sebelumnya (kode C-3) tidak dianalisis karena merupakan keterlambatan sekunder. Selanjutnya dalam proses analisis, beberapa variabel dikeluarkan secara bertahap agar nilai Kaiser-Meyer-Olkin (KMO) mencapai nilai minimum 0.5 sebagai syarat analisis faktor dapat dilakukan. Hasil akhir menunjukkan hanya 11 variabel yang disertakan dalam analisis faktor ini. Bila 11 variabel tersebut digabung dengan variabel keterlambatan sekunder (C-3) maka jumlah ku

mulatif penerbangan terlambat yang terwakili mencapai 93.35%.

Hahaha, kiat Pareto sederhana tersebut membantu memecahkan problem ekstraksi faktor laten dari 45 variabel pengamatan yang cukup sulit dipecahkan sebelumnya.


sumber

Bagaimana Kita Mengaplikasikan teori yang sesuai kedalam riset kita

Arti dan Kegunaan Riset Serta Hubungannya Dengan Teori
Riset ialah suatu kegiatan untuk memilih judul, merumuskan persoalan, kemudian diikuti dengan pengumpulan, pengolahan, penyajian dan analisa data yang dilakukan dengan metode ilmiah secara efisien dan sistimatis yang hasilnya berguna untuk mengetahui sesuatu keadaan/persoalan dalam usaha pengembangan ilmu pengetahuan atau untuk membuat keputusan dalam rangka pemecahan persoalan.

Definisi dari penulis mencakup 2 hal yaitu :
1. Hasil riset dipergunakan untuk pengembangan ilmu pengetahuan, yang sering disebut riset dasar/murni (basic pure research).
2. Hasil riset dipergunakan untuk membuat keputusan dalam rangka memecahkan persoalan atau menguji hipotesa
Maksud menjalankan riset ialah untuk memperoleh jawaban atas pertanyaan-pertanyaan atau soal-soal melalui aplikasi suatu prosedur ilmiah, (scientific procedures) yang sistematis. Prosedur ilmiah ini telah dikembangkan sedemikian rupa dengan maksud untuk memperbesar kemungkinan bahwa data/informasi yang dikumpulkan akan ada hubungannya dengan perso¬alan yang akan dipecahkan (relevant data/information).
Sedangkan hubungan antara teori dan riset adalah merupakan suatu kombinasi yang timbal balik (mutual contributions). Artinya ialah, bahwa teori dapat menunjukkan daerah-daerah mana suatu riset harus dilakukan sehingga hasil riset dapat dimanfaatkan secara maksimal. Selain itu dapat juga dipergunakan sebagai dasar untuk membuat ringkasan hasil penemuan suatu studi, serta memberikan dasar untuk memperoleh keterangan-keterangan yang lebih banyak serta nilai-nilai ramalan yang berguna untuk waktu yang akan datang, sebagai dasar untuk berbagai perencanaan.
Sebaliknya hasil penemuan riset dapat dipergunakan untuk menguji kebenaran teori yang telah ada, dapat memperjelas konsep-konsep teoritis, serta dapat membantu didalam merumuskan teori yang baru atau memperluas teori yang lama


sumber

Perlunya Kejelasan Objek RISET

dunia nyata sangat luas itu tidak mungkin kita potret dalam riset kita. Oleh karena itu , kita hanya dapat memotret sebagian kecil dari dunia nyata tersebut. untuk memilih bagian mana yang dapat kita teliti diperlukan pemahaman mengenai apa yang di sebut dengan populasi dan sampel.

untuk memahami masalah ini secara benar, maka kita harus mengetahui hal - hal yang berkaitan dengan ketiga masalah tersebut :

- Apa yang menjadi obejek riset kita ?

- bagaimana mencari objek tersebut ?

- seberapa besar ukuran objek yang diperlukan dalam riset kita ?

COntoh Kasus dalam Penentuan Variabel

Jika kita mengunakan contoh rumusan masalah dalam kasus di BAB sebelumnya yang berbunyi : "Apakah terdapat hubungan antara strategi pemasaran dengan penjulan produk sepatu wanita di PT x" ; ,maka variabel - variabel yang muncul pada rumusan masalah ini ialah :

varibel strategi dan variabel penjulan produk . karena kasus ini berutujuan untuk melihat hubungan antara dua variabel ; maka variabel - variabel tersebut hanya berkolerasi/

sekalipun demikian kita dapat mengubah tujuan riset ini menjadi metode lain, misalnya kita ingin melihat apakah menurunnya penjualan diakibatkan oleh strategi pemasaran yang salah.

jika ini tujuan kita , maka rumusan masalah yang akan menjadi : "Pengaruh strategi pemasaran terhadap penjualan produk sepatu di PT x" . dengan demikian variabel strategi pemasaran dikategorikan sebagai variabel bebas karena variabel ini yang mempengaruhi variabel penjualan ; sedangkan variabel penjualan produk adalah sebagai variabel tergantung .

Variabel diskrit atau variabel kontinu

variabel diskrit merupakan variabel yang hanya dapat memuat sepertangkat nilai terbatas atau nilai bulat tertentu. 

contoh :

jumlah mahasiswa dalam suatu universitas merupakan variabel diskrit karena jumlah ini akan berupa bilangan bulat, misalnya 325 ; tidak akan ada jumlah mahasiswa 325,5 ...

---------------------------------------------------------------------------------------------------------

Sebaliknya variabel kontinu merupakan variabel yang dapat memuat variabel seperangkat nilai yang tidak terbatas antara dua tingkatan variabel /

variabel kontinu ini mempunyai sifat  nilai pecahan , misalnya tinggi badan seseorang 1,5 meter , 1,6 meter  atau 1,75 meter .

Variabel Perantara

variabel bebas , tergantung , kontrol dan moderat yang sudah di bahas di atas permukan variabel - variabel konkret. ketiga variabel , yaitu variabel bebas , kontrol dan moderat tersebut dapat dimanipulasi oleh peneliti dan pengaruh ketiga variabel tersebut dapat di lihat atau di obsevarsi .

oleh karena itu variabel perantara didefinisikan sebagai variabel yang secara teoritis mempengaruhi hubungan variabel yang sedang diteliti tetapi tidak dapat di lihat , diukur , dan dimanipulasi

contoh :

- masalah : layanan yang berkualitas mempengaruhi kepuasan pelanggan 

- variabel bebas : .layanan yang berkualitas

- variabel tergantung : kepuasan pelanggan 

- variabel perantara : kulaitas jasa / produk

pada umumnya layanan yang berkualitas akan memberikan kepuasan yang tinggi terhadapa pelanggaran , sekalipun demuikian kualitas jasa akan  mempengaruhi hubungan variabel layanan dengan variabel kepuasan. layanan berkualitas belum tentu memberikan kepuasan kepada pelanggan kualitas jasanya atau produknya rendah.

misalnya sebuah toko sepatu memberikan layanan yang berkualitas kepada pelanggannya. ketika seorang pembeli mengetahui bahwa sepatunya sobek pada bagian tertentu maka tingkat kepuasan akan menurun .