You are on page 1of 8

LAPORAN PRAKTIKUM 8

UJI KORELASI PARAMETRIK DAN NON PARAMETRIK


BLOK EPIDEMIOLOGI DAN BIOSTATISTIK

Disusun oleh : Kelompok VIII


Fizar Ramadhan
Lailatul Fitra
Nadya Rohmatul L.
Labaryo Sihite
Qori Nur Azizah
Putri Pirda Erlina
Nurul Isnaeni Y.
Azis Muchsin H.
Ranti Ayodya G.
Rizqa Afiqa

I1B015008
I1B015016
I1B015025
I1B015033
I1B015041
I1B015049
I1B015057
I1B015065
I1B015073
I1B015082

KEMENTRIAN RISET, TEKNOLOGI DAN PENDIDIKAN TINGGI


UNIVERSITAS JENDERAL SOEDIRMAN
FAKULTAS ILMU-ILMU KESEHATAN
JURUSAN KEPERAWATAN
PURWOKERTO
2016

ISI
1.1 Jenis-jenis Uji Korelasi
Analisis korelasi adalah metode statistika yang digunakan untuk menentukan
kuatnya atau derajat hubungan linier antara dua variabel atau lebih. Analisis Korelasi
terdiri dari dua jenis yaitu uji korelasi Parametrik dan Non Parametrik.
1.1.1 Analisis Korelasi Parametrik

Analisis korelasi parametrik merupakan analisis yang digunakan untuk


statistik data yang bersifat numerik. Salah satu uji yang digunakan dalam uji data
statistik parametrik yaitu uji pearson. Teknik ini digunakan untuk mencari
hubungan dan membuktikan hipotesis hubungan dua variabel bila data kedua
variabel berskala interval atau ratio, dan sumber data dari dua variabel atau lebih
adalah sama. Syarat Uji Korelasi Parametrik yaitu:
1.

Skala numerik untuk kedua variabel


2. Distribusi data normal, yaitu menggunakan uji normalitas dengan melihat
jumlah sampel. Jika sampel < 50 maka menggunakan uji saphiro-wilk, jika
jumlah sampel 50 menggunakan uji kolmogorof-smirnov. Hasil uji normalitas
dapat diketahui dengan melihat nilai p pada uji yang kita gunakan. Jika
p>0,05() maka data berdistribusi normal. Jika p<0,05() maka data tidak
berdistribusi normal. Bila tidak memenuhi syarat (distribusi data tidak normal),
upayakan transformasi data agar data terdistribusi normal. Bila distribusi data
hasil transformasi normal maka gunakan uji Pearson. Bila distribusi data hasil
transformasi tetap tidak normal gunakan uji Spearman( salah satu uji non
parametrik).

3.

Varians data sama atau homogen, nilai p pada uji homogen > 0,05.
1.1.2 Analisis Korelasi Non Parametrik
Analisis korelasi non parametrik merupakan analisis yang digunakan untuk
statistik data yang bersifat kategorik, yaitu nominal dan ordinal. Uji yang digunakan
dalam uji data statistik non parametrik yaitu uji spearmen, gamma, lambda dan lainlain. Pada uji non parametrik, kita membahas tentang uji spearmen. Uji spearmen
merupakan Uji untuk melihat hubungan antara variabel kategorik-kategorik,
kategorik numerik, atau numerik-numerik (alternatif uji Pearson jika tidak
memenuhi syarat uji parametrik).
Syarat non parametrik
1.

Skala pengukuran kategorik.


2. Jika skala numerik tetapi tidak memenuhi syarat uji parametrik, yaitu data tidak
terdistribusi normal setelah dilakukannya transformasi data.

1.2

Interpretasi Hasil Analisis Korelasi


Analisis korelasi adalah metode statistika yang digunakan untuk menentukan

kuatnya atau derajat hubungan linier antara dua variabel atau lebih. Semakin nyata
hubungan linier (garis lurus), maka semakin kuat atau tinggi derajat hubungan garis
lurus antara kedua variabel atau lebih. Ukuran untuk derajat hubungan garis lurus ini
dinamakan koefisien korelasi. Korelasi dilambangkan dengan r dengan ketentuan
nilai r tidak lebih dari (- 1 r 1). Apabila nilai r = -1 artinya korelasi negatif
sempurna; r = 0 artinya tidak ada korelasi; dan r = 1 artinya korelasinya sangat kuat.

Dalam mencari hubungan antara dua variabel atau lebih dilakukan dengan
menghitung korelasi antar variabel yang akan dicari hubungannya. Korelasi
merupakan angka yang menunjukkan arah dan kuatnya hubungan antar variabel
atau lebih. Artinya dinyatakan dalam bentuk hubungan positif atau negatif,

sedangkan kuatnya hubungan dinyatakan dalam besarnya koefisien korelasi.


Hubungan dua variabel atau lebih dinyatakan positif, bila nilai satu variabel
ditingkatkan, maka akan meningkatkan variabel yang lain, dan sebaliknya bila nilai
satu variabel diturunkan maka akan menurunkan variabel yang lain. Sebagai contoh,
ada hubungan positif antara tinggi badan dengan nilai IPK Mahasiswa, hal ini berarti
semakin tinggi badan orang maka akan semakin besar nilai IPK nya, dan semakin
pendek orang maka akan semakin kecil IPK. Hubungan dua variabel atau lebih
dinyatakan negatif, bila nilai satu variabel dinaikkan maka akan menurunkan nilai
variabel yang lain, dan juga sebaliknya bila nilai satu variabel diturunkan, maka akan
menaikkan nilai variabel yang lain. Contoh, misalnya ada hubungan negatif antara
curah hujan engan es yang terjual. Hal ini berarti semakin tinggi curah hujan, maka
akan semakin sedikit es yang terjual, dan semakin sedikit curah hujan, maka akan
semakin banyak es yang terjual. Dalam menguji suatu hipotesis perlu ditetapkan
hipotesis awal untuk mempermudah dalam menginterpretasikan hasil uji analisis.
Hipotesis terdiri dari H0 dan Ha, dimana H0 menyatakan bahwa tidak ada hubungan
antara kedua variable, dan Ha menyatakan bahwa ada hubungan yang signifikan
antara kedua variable. Suatu kesimpulan dinyatakan dengan H 0 ditolak atau Ha
diterima yang berarti bahwa terdapat hubungan yang signifikan antar kedua variable
dan nilai p<. Jika p< maka H 0 gagal ditolak atau Ha gagal diterima maka kedua
variable tidak ada hubungan yang signifikan.

1.3 Uji Korelasi Menggunakan SPSS


A. Korelasi Pearson

Langkah langkah untuk menentukan uji hipotesis


Langkah SPSS Uji Korelasi Pearson
1. Buka file pearson
2. Lakukan uji normalitas

3. Klik Analyze --> Correlate --> Bivariate


4. Masukan motivasi dan prestasi kedalam kotak variables
5. Pilih uji pearson pada kotak correlation coefficients
6. Pilih two tailed pada test of significance

7. Klik OK
8. Hasilnya pada Output SPSS.

Pada hasil uji korelasi pearson dapat diinterpretasikan bahwa terdapat


hubungan yang signifikan antara skor depresi dan skor ansietas yang dibuktikan
dengan nilai signifikan < 0,05 dengan arah hubungan positif, yaitu semakin tinggi
variable satu masa semakin tinggi juga variable lain. Pada hasil uji korelasi pearson
ini hubungan antara skor depresi dengan skor ansietas kekuatan hubungannya
sangat kuat yaitu sebesar 1 nilai korelasi pearsonnya.
B. Korelasi Spearmen
Langkah SPSS untuk uji spearman
1. Buka file spearman
2. lakukan uji normalitas

3. Interpretasi data sig < 0,05 data tidak normal


4. Melakukan transformasi
5. Menguji hasil transformasi

Jika hasil transformasi diuji normalitasnya data berdistribusi tidak normal, maka
data diuji dengan menggunakan uji spearmen( non parametric)

atau uji

alternative dari uji parametrik.


6. Melakukan uji spearman
a. Analyze

correlation

bivariate

b. Masukan motivasi dan prestasi kedalam kotak variables


c. Pilih uji Spearman pada kotak correlation coefficients
d. Pilih two tailed pada test of significance

Berdasar hasil uji spearmen dapat diinterpretasikan bahwa terdapat


hubungan yang signifika antara somatic complaint dengan social problem. Hal ini
dibuktikan dengan nilai signifikan < 0,05. Dengan arah hubungan positif, yaitu
semakin tinggi variable satu, semakin tinggi variable lainnya dan kekuatan korelasi
sebesar 1 yaitu sangat kuat.

KESIMPULAN
Dari hasil pembahasan di atas dapat disimpulkan bahwa uji korelasi
merupakan metode statistika yang digunakan untuk menentukan kuatnya atau
derajat hubungan linier antara dua variabel atau lebih. Uji korelasi data parametrik
menggunakan uji pearson dan data parametrik yang berdistribusi tidak normal / data
non parametrik digunakan uji spearmen. Dalam menginterpretasikan uji korelasi,
harus mencakup ada tidaknya suatu hubungan antar dua variable atau lebih,
kekuatan korelasi antar kedua variable dan arah hubungan atau korelasi dari
hubungan antar variable. Sehingga kita dapat mengetahui dengan jelas hasil uji
korelasi.