Resume
ou_K3jLeXmM • Analisis Korelasi menggunakan SPSS (Parametrik dan Nonparametrik) serta Uji Asumsinya
Updated: 2026-02-12 02:11:12 UTC
Back Source
Prev Next

Berikut adalah rangkuman komprehensif dan terstruktur dari konten video berdasarkan transkrip yang Anda berikan.

Panduan Lengkap Analisis Korelasi dengan SPSS: Pearson, Point Biserial, hingga Non-Parametrik

Inti Sari (Executive Summary)

Video ini memberikan tutorial komprehensif mengenai berbagai metode analisis korelasi menggunakan SPSS, yang mencakup analisis parametrik (Pearson Product-Moment dan Point Biserial) serta non-parametrik (Kendall's Tau dan Spearman). Melalui studi kasus data siswa, video ini menjelaskan secara rinci teori dasar, persiapan data, pengujian prasyarat (asumsi), prosedur analisis, hingga interpretasi hasil output untuk menentukan hubungan antar-variabel.

Poin-Poin Kunci (Key Takeaways)

  • Jenis Analisis: Terdapat empat jenis korelasi yang dibahas: Pearson (untuk data kontinu), Point Biserial (satu variabel dikotomus, satu kontinu), Kendall's Tau, dan Spearman (untuk data ordinal/non-parametrik).
  • Koefisien Korelasi: Nilai korelasi berkisar antara -1 hingga +1. Mendekati 0 berarti hubungan lemah, sedangkan mendekati ±1 berarti hubungan kuat. Tanda positif/negatif menunjukkan arah hubungan.
  • Pentingnya Asumsi: Sebelum melakukan analisis Pearson dan Point Biserial, asumsi seperti normalitas data, homoskedastisitas, dan linearitas harus dipenuhi terlebih dahulu.
  • Skala Pengukuran: Pemilihan metode analisis sangat bergantung pada jenis skala data (Nominal, Ordinal, Interval/Rasio).
  • Interpretasi Signifikansi: Hubungan dinyatakan signifikan jika nilai Sig. (2-tailed) < 0.05.

Rincian Materi (Detailed Breakdown)

1. Konsep Dasar dan Jenis Korelasi

Video ini dibuka dengan pengenalan kanal "Ensiklopedia Ahmad Fauzi" yang membahas analisis data. Analisis korelasi (bivariate) bertujuan untuk mengukur kekuatan dan arah hubungan antara dua variabel serta memeriksa signifikansinya.

  • Pearson Product-Moment: Metode paling umum untuk mengukur hubungan linear. Syaratnya variabel harus ber-skala interval atau rasio (kontinu), data berpasangan, independen, bebas outlier, berdistribusi normal, homoskedastisitas, dan linear.
  • Point Biserial: Kasus khusus dari Pearson yang digunakan ketika satu variabel kontinu dan satu variabel dikotomus (dibagi menjadi dua kategori, misalnya Laki-laki/Perempuan).
  • Kendall's Tau & Spearman: Analisis non-parametrik yang digunakan ketika asumsi normalitas tidak terpenuhi atau data ber-skala ordinal.

2. Studi Kasus dan Input Data SPSS

Tutorial menggunakan studi kasus pada 40 siswa dengan empat variabel:
1. Gender (Nominal/Dikotomus): 1=Laki-laki, 2=Perempuan.
2. Keterampilan Metakognitif (KM) (Kontinu/Scale).
3. Hasil Belajar (HB) (Kontinu/Scale).
4. Tingkat Kesukaan Membaca (TKM) (Ordinal): 1=Tidak suka, 2=Kurang suka, 3=Suka, 4=Sangat suka.

Langkah Input Data:
* Variable View: Mengatur nama variabel, label, nilai (values), dan ukuran (measure).
* Data View: Memasukkan data dari Excel ke SPSS (Copy-Paste). Menggunakan tombol "Value Labels" untuk mengubah tampilan angka menjadi teks.

3. Analisis Korelasi Pearson dan Pengujian Asumsi

Analisis ini dilakukan untuk melihat hubungan antara Keterampilan Metakognitif (KM) dan Hasil Belajar (HB).

  • Prosedur: Analyze > Correlate > Bivariate. Pilih metode Pearson.
  • Hasil: Diperoleh nilai koefisien korelasi (r) sebesar 0,991 dengan signifikansi 0,000 (p < 0.05), artinya terdapat hubungan positif yang sangat kuat dan signifikan.

Pengujian Asumsi (Prasyarat):
1. Normalitas: Menggunakan Analyze > Descriptive Statistics > Explore. Hasil uji Kolmogorov-Smirnov dan Shapiro-Wilk menunjukkan Sig. > 0.05, sehingga data berdistribusi normal.
2. Homoskedastisitas: Menggunakan Analyze > Regression > Linear > Plots (ZRESID vs ZPRED). Scatterplot menunjukkan titik-titik menyebar merata, sehingga asumsi homoskedastisitas terpenuhi.
3. Linearitas: Menggunakan Graphs > Legacy Dialogs > Scatter/Dot. Plot menunjukkan pola garis lurus, mengindikasikan hubungan linear.

4. Analisis Korelasi Point Biserial

Analisis ini menguji hubungan antara Gender (Dikotomus) dan Keterampilan Metakognitif (Kontinu).

  • Asumsi Normalitas per Kelompok: Data harus normal di masing-masing kelompok gender.
    • Teknik: Gunakan fitur Data > Split File > Compare Groups berdasarkan Gender, lalu lakukan uji normalitas (Explore).
    • Hasil: Berdasarkan Shapiro-Wilk, data pria dan wanita normal (Sig. > 0.05).
  • Asumsi Homogenitas Varians: Menggunakan Analyze > Compare Means > One-Way ANOVA > Options Homogeneity of variance test.
    • Hasil: Uji Levene menunjukkan Sig. 0,543 (> 0.05), artinya varians homogen.
  • Analisis: Kembali menggunakan menu Bivariate Correlation (Pearson) karena Point Biserial adalah perhitungan khusus Pearson.
  • Hasil: Nilai r = 0,674 dengan p < 0.01, artinya ada hubungan signifikan antara gender dan keterampilan metakognitif.

5. Analisis Korelasi Non-Parametrik (Kendall & Spearman)

Analisis ini digunakan untuk variabel Hasil Belajar (Kontinu) dan Tingkat Kesukaan Membaca (Ordinal). Pearson tidak bisa digunakan karena TKM bukan data interval/rasio murni.

  • Kendall's Tau: Analyze > Correlate > Bivariate. Pilih Kendall's Tau.
  • Spearman: Analyze > Correlate > Bivariate. Pilih Spearman.
  • Interpretasi: Sama dengan Pearson, perhatikan nilai Sig. (2-tailed). Jika < 0.05, hubungan dinyatakan signifikan.

Kesimpulan & Pesan Penutup

Video ini menekankan pentingnya memahami jenis data dan memenuhi asumsi statistik sebelum memilih metode analisis korelasi. Meskipun dalam demonstrasi analisis dilakukan sebelum pengujian asumsi, dalam pelaporan penelitian yang benar, asumsi (linearitas, normalitas, homoskedastisitas) harus diuji terlebih dahulu. Penutup mengajak penonton untuk mempraktikkan langkah-langkah tersebut agar terbiasa dengan analisis data menggunakan SPSS.