Metode Penelitian Kuantitatif (Topik 8: Statistik Korelasi dan Regresi)

Hidayatullah Hana Putra

210321868030

 

Statistik Korelasi

Ketika hubungan bersifat kuantitatif, alat statistik yang tepat untuk menemukan dan mengukur hubungan dan mengungkapkannya dalam rumus singkat ialah menggunakan korelasi. Korelasi adalah analisis kovariasi antara dua variabel atau lebih. Dua variabel dikatakan berkorelasi jika perubahan pada salah satu variabel mengakibatkan perubahan yang sesuai pada variabel lainnya. Oleh karena itu, korelasi adalah alat statistik yang mempelajari hubungan antara 2 variabel.

Dua variabel, misalnya, usia dan tekanan darah ditemukan bervariasi dalam beberapa mode linier. Cara yang tepat untuk menyatakan derajat hubungan linier antara keduanya adalah dengan perhitungan koefisien korelasi. Oleh karena itu, ketika seseorang mempelajari hubungan antara dua variabel disebut analisis korelasi sederhana, dan jika lebih dari dua variabel maka disebut analisis multivariat.

Korelasi dapat bervariasi dari –1.0 (hubungan atau asosiasi negatif yang sempurna), 0,0 (tidak ada korelasi), hingga +1,0 (korelasi positif sempurna). Perhatikan bahwa +1 dan -1 adalah sama tinggi atau kuatnya, tetapi keduanya menimbulkan interpretasi yang berbeda. Korelasi positif yang tinggi antara kecemasan dan nilai akan berarti bahwa siswa dengan kecemasan yang lebih tinggi cenderung memiliki nilai yang lebih tinggi nilai, mereka dengan kecemasan yang lebih rendah memiliki nilai yang lebih rendah. Korelasi negatif yang tinggi berarti bahwa siswa dengan kecemasan tinggi cenderung memiliki nilai rendah; begitu pula sebaliknya. Sementara korelasi nol tidak ada asosiasi yang konsisten. Seorang siswa dengan kecemasan tinggi mungkin memiliki nilai rendah, sedang, atau tinggi.

 

Tipe-tipe Korelasi

Korelasi Positif dan Negative

Korelasi Linier dan Non-Linier

Metode Pengkajian Korelasi

Ada berbagai metode untuk mempelajari tingkat korelasi tergantung pada jenisnya variabel dan jumlah variabel yang terlibat. Jika hanya dua variabel yang dipelajari dalam penyelidikan, itu adalah analisis bivariat. Derajat hubungan antara dua pengukuran variabel dapat dilakukan baik secara grafis maupun matematis.

 

Analisis Regresi

Analisis regresi dalam statistika adalah salah satu metode untuk menentukan hubungan sebab–akibat antara satu variabel dengan variabel (-variabel) yang lain. Variabel “penyebab” disebut dengan bermacam-macam istilah: variabel penjelas, variabel eksplanatorik, variabel independen, atau secara bebas, variabel X (karena sering kali digambarkan dalam grafik sebagai absis, atau sumbu X). Variabel terkena akibat dikenal sebagai variabel yang dipengaruhi, variabel dependen, variabel terikat, atau variabel Y. Kedua variabel ini dapat merupakan variabel acak (random), namun variabel yang dipengaruhi harus selalu variabel acak.

Analisis regresi adalah salah satu analisis yang paling populer dan luas pemakaiannya. Hampir semua bidang ilmu yang memerlukan analisis sebab–akibat boleh dipastikan mengenal analisis ini. Analisis regresi dan analisis korelasi dikembangkan untuk mengkaji dan mengukur hubungan antara dua variabel atau lebih.

Variabel yang di estimasi itu disebut variabel dependen (atau variabel terikat) sedangkan variabel yang diperkirakan memengaruhivariabel dependen itu disebut variabel independen (atau variabel bebas). Variabel dependen lazimnya dilukis pada sumbu Y (dan karenanya diberi simbol Y) sementara variabel independen dilukis pada sumbu X (dan karenanya diberi simbol X). Berdasarkan konsep ini" maka hubungan antara variabel Y dan X dapat diwakili dengan sebuah garis regresi. Di samping untuk mengestimasi, analisis regresi juga digunakan untuk mengukur tingkat ketergantungan.

Prasyarat Regresi linier Sederhana

Seorang peneliti yang menganalisis data penelitiannya dengan analisa regresi, harus mengacu kepada kriteria atau persyaratan agar hasil penelitiannya benar-benar dapat diterima masyarakat. Kriteria yang harus dipenuhi tersebut adalah instrumen penelitian (kuesioner) terlebih dahulu dilakukan uji validitas dan reliabilitas kemudian dilakukan uji asumsi klasik dan selanjutnya uji hipotesis (uji t dan uji F), membuat persamaan regresi dan menganalisis koefisien determinasi (R²).

Model kelayakan regresi linier didasarkan pada hal-hal sebagai berikut:

1.      Model regresi dikatakan layak jika angka signifikansi pada ANOVA sebesar < 0,05.

2.      Prediktor yang digunakan sebagai variabel bebas harus layak. Kelayakan ini diketahui jika angka Standard Error of Estimate < Standard Deviation.

3.      Koefesien regresi harus signifikan. Pengujian dilakukan dengan Uji t. Koefesien regresi signifikan jika thitung > ttabel (nilai kritis).

4.      Tidak boleh terjadi multikolinieritas, artinya tidak boleh terjadi korelasi yang sangat tinggi atau sangat rendah antar variabel bebas. Syarat ini hanya berlaku untuk regresi linier berganda dengan variabel bebas lebih dari satu.

5.      Tidak terjadi otokorelasi. Terjadi otokorelasi jika angka Durbin dan Watson (DB) sebesar < 1 dan > 3.

6.      Keselerasan model regresi dapat diterangkan dengan menggunakan nilai rm2 semakin besar nilai tersebut maka model semakin baik. Jika nilai mendekati 1 maka model regresi semakin baik. Nilai rm2 mempunyai karakteristik diantaranya: o Selalu positif o Nilai rm2 maksimal sebesar 1. Jika Nilai r2 sebesar 1 akan mempunyai arti kesesuaian yang sempurna. Maksudnya seluruh variasi dalam variabel Y dapat diterangkan oleh model regresi. Sebaliknya jika rm2 sama dengan 0, maka tidak ada hubungan linier antara X dan Y.

7.      Terdapat hubungan linier antara variabel bebas (X) dan variabel tergantung (Y).

8.      Data harus berdistribusi normal.

9.      Data berskala interval atau rasio.

10.  Kedua variabel bersifat dependen, artinya satu variabel merupakan variabel bebas (disebut juga sebagai variabel prediktor) sedang variabel lainnya variabel tergantung (disebut juga sebagai variabel response).