Analisis Korelasi dengan R

Analisis korelasi dilakukan untuk mengetahui adanya hubungan linear antara dua variabel yang dinyatakan dalam koefisien korelasi. Koefisien korelasi adalah nilai yang menunjukan kuat/tidaknya hubungan linier antar dua variabel. Koefisien korelasi biasa dilambangkan dengan huruf r dimana nilai r dapat bervariasi dari -1 sampai +1. Nilai r yang mendekati -1 atau +1 menunjukan hubungan yang kuat antara dua variabel tersebut dan nilai r yang mendekati 0 mengindikasikan lemahnya hubungan antara dua variabel tersebut. Koefisien korelasi bisa menjadi positif maupun negatif. Nilai koefisien yang positif berarti hubungan kedua variabel tersebut berbanding lurus, artinya peningkatan variabel X bersamaan dengan peningkatan variabel Y. Sedangkan nilai koefisien yang negatif berarti hubungan kedua variabel tersebut berbanding terbalik. Peningkatan variabel X bersamaan dengan penurunan variabel Y.

RStudio menyediakan kemuduahan dalam bagi kita untuk melakukan analisis korelasi dan regresi. Untuk memanggil kembali data kita, ketikkan kembali script setwd("C:/Users/Hanif/Google Drive/BLOGSPOT/UNTUK DIDOWNLOAD") dan perilakucsv<-read.csv("perilaku merokok.csv",header=TRUE,sep = ";") lalu kita run. Maka akan muncul data perilakucsv. Script silakan disesuaikan dengan nama file anda dan tempat menyimpan file tersebut. Jangan lupa untuk mengubah tanda back-slash (\) menjadi tanda slash (/) untuk menunjukkan lokasi file. Data ini yang akan kita gunakan di analisis selanjutnya. Data dapat didownload di sini

Analisis Korelasi
Ada beberapa jenis analisis korelasi, seperti korelasi pearson dan spearman. Korelasi Pearso merupakan korelasi yang digunakan pada data interval atau rasio, atau dikenal juga dengan korelasi product moment. Sedangkan korelasi Spearman dilakukan jika data kita adalah data ordinal atau yang berbentuk rangking.

Korelasi Pearson
Untuk melakukan analisis korelasi Pearson cukup sederhana. Semisal kita ingin mengetahui hubungan antara sikap dan perilaku merokok, maka masukan script ini cor.test(perilakucsv$PERILAKU,perilakucsv$SIKAP). Maka output pada console yang akan dihasilkan adalah sebagai berikut.
Dari output tersebut dapat kita simpulkan bahwa ada hubungan yang signifikan antara perilaku dan sikap (p-value<0,01). Nilai p-value dalam output R dituliskan 8.36e-10, yang artinya 8,36 x 10-10. Dalam SPSS ouput semacam ini biasanya menghasilkan p-value 0,00 karena keterbatasan screen dalam memuat digit, sehingga sering terjadi salah paham karena menghasilkan p-value 0,00 banyak diartikan oleh mahasiswa bahwa kesimpulan ini tidak ada peluang eror sama sekali. Nilai koefisien korelasi r adalah sebesar 0,55 yang menunjukkan hubungan yang sedang.

Korelasi Spearman
Jika kita ingin melakukan analisis korelasi dengan salah satu variabelnya berbentuk ordinal, maka kita menggunakan korelasi spearman. Misalkan ingin melihat hubungan antara penghasilan dan perilaku merokok. Penghasilan dalam data ini sudah dikelompokkan menjadi 4 tingkatan. Script yang digunakan dalam analisis ini adalah cor.test(perilakucsv$PERILAKU,perilakucsv$penghasilan, method = "spearman"). Maka akan diperoleh output sebagai berikut.
Dari output tersebut dapat kita simpulkan bahwa tidak ada hubungan antara penghasilan dengan perilaku merokok. Korelasi spearman menghasilkan koefisien rho, dalam hal ini sebenar 0,11, memang kecil.

Melihat Scatterplot Korelasi
Scatterplot merupakan pesebaran titik nilai variabel X dan variabel Y. Dari tampilan scatterplot kita bisa melihat secara sekilas apakah ada kecenderungan hubungan linear dua variabel X dan Y. Untuk menampilkan scatterplot kita bisa masukan script plot(perilakucsv$PERILAKU~perilakucsv$SIKAP), lalu run. Tampilan di bagian plot di kotak kanan bawah akan muncul seperti ini.

Tampilan tersebut merupakan titik-titik pesebaran relatif nilai sikap terhadap nilai perilaku. Secara umum dapat kita lihat jika nilai sikap rendah, maka nilai perilaku juga rendah, begitu juga sebaliknya. Meskipun demikian, analisis korelasi dengan melihat scatterplot hanyalah gambaran awal saja, untuk mengujinya akan lebih tepat jika digunakan analisis korelasi pearson atau spearman.

Mahasiswa PhD di ELTE, Hungaria. Dosen Psikologi di UMM, Indonesia.

Share this

Related Posts

Previous
Next Post »
Analisis korelasi dilakukan untuk mengetahui adanya hubungan linear antara dua variabel yang dinyatakan dalam koefisien korelasi. Koefisien korelasi adalah nilai yang menunjukan kuat/tidaknya hubungan linier antar dua variabel. Koefisien korelasi biasa dilambangkan dengan huruf r dimana nilai r dapat bervariasi dari -1 sampai +1. Nilai r yang mendekati -1 atau +1 menunjukan hubungan yang kuat antara dua variabel tersebut dan nilai r yang mendekati 0 mengindikasikan lemahnya hubungan antara dua variabel tersebut. Koefisien korelasi bisa menjadi positif maupun negatif. Nilai koefisien yang positif berarti hubungan kedua variabel tersebut berbanding lurus, artinya peningkatan variabel X bersamaan dengan peningkatan variabel Y. Sedangkan nilai koefisien yang negatif berarti hubungan kedua variabel tersebut berbanding terbalik. Peningkatan variabel X bersamaan dengan penurunan variabel Y.

RStudio menyediakan kemuduahan dalam bagi kita untuk melakukan analisis korelasi dan regresi. Untuk memanggil kembali data kita, ketikkan kembali script setwd("C:/Users/Hanif/Google Drive/BLOGSPOT/UNTUK DIDOWNLOAD") dan perilakucsv<-read.csv("perilaku merokok.csv",header=TRUE,sep = ";") lalu kita run. Maka akan muncul data perilakucsv. Script silakan disesuaikan dengan nama file anda dan tempat menyimpan file tersebut. Jangan lupa untuk mengubah tanda back-slash (\) menjadi tanda slash (/) untuk menunjukkan lokasi file. Data ini yang akan kita gunakan di analisis selanjutnya. Data dapat didownload di sini

Analisis Korelasi
Ada beberapa jenis analisis korelasi, seperti korelasi pearson dan spearman. Korelasi Pearso merupakan korelasi yang digunakan pada data interval atau rasio, atau dikenal juga dengan korelasi product moment. Sedangkan korelasi Spearman dilakukan jika data kita adalah data ordinal atau yang berbentuk rangking.

Korelasi Pearson
Untuk melakukan analisis korelasi Pearson cukup sederhana. Semisal kita ingin mengetahui hubungan antara sikap dan perilaku merokok, maka masukan script ini cor.test(perilakucsv$PERILAKU,perilakucsv$SIKAP). Maka output pada console yang akan dihasilkan adalah sebagai berikut.
Dari output tersebut dapat kita simpulkan bahwa ada hubungan yang signifikan antara perilaku dan sikap (p-value<0,01). Nilai p-value dalam output R dituliskan 8.36e-10, yang artinya 8,36 x 10-10. Dalam SPSS ouput semacam ini biasanya menghasilkan p-value 0,00 karena keterbatasan screen dalam memuat digit, sehingga sering terjadi salah paham karena menghasilkan p-value 0,00 banyak diartikan oleh mahasiswa bahwa kesimpulan ini tidak ada peluang eror sama sekali. Nilai koefisien korelasi r adalah sebesar 0,55 yang menunjukkan hubungan yang sedang.

Korelasi Spearman
Jika kita ingin melakukan analisis korelasi dengan salah satu variabelnya berbentuk ordinal, maka kita menggunakan korelasi spearman. Misalkan ingin melihat hubungan antara penghasilan dan perilaku merokok. Penghasilan dalam data ini sudah dikelompokkan menjadi 4 tingkatan. Script yang digunakan dalam analisis ini adalah cor.test(perilakucsv$PERILAKU,perilakucsv$penghasilan, method = "spearman"). Maka akan diperoleh output sebagai berikut.
Dari output tersebut dapat kita simpulkan bahwa tidak ada hubungan antara penghasilan dengan perilaku merokok. Korelasi spearman menghasilkan koefisien rho, dalam hal ini sebenar 0,11, memang kecil.

Melihat Scatterplot Korelasi
Scatterplot merupakan pesebaran titik nilai variabel X dan variabel Y. Dari tampilan scatterplot kita bisa melihat secara sekilas apakah ada kecenderungan hubungan linear dua variabel X dan Y. Untuk menampilkan scatterplot kita bisa masukan script plot(perilakucsv$PERILAKU~perilakucsv$SIKAP), lalu run. Tampilan di bagian plot di kotak kanan bawah akan muncul seperti ini.

Tampilan tersebut merupakan titik-titik pesebaran relatif nilai sikap terhadap nilai perilaku. Secara umum dapat kita lihat jika nilai sikap rendah, maka nilai perilaku juga rendah, begitu juga sebaliknya. Meskipun demikian, analisis korelasi dengan melihat scatterplot hanyalah gambaran awal saja, untuk mengujinya akan lebih tepat jika digunakan analisis korelasi pearson atau spearman.

No comments

Artikel Lainnya