Pages

Ads 468x60px

Jasa Olah Data Statistik & Konsultasi Skripsi Jogja

Perkenalkan, kami sebagai profesional di jogja / yogya / yogyakarta sebagai konsultan statistik khususnya untuk keperluan akademis. Pelanggan kami datang dari berbagai universitas di Jogja maupun diluar jogja. Banyak sekali yang kami layani secara online baik melalui email maupun malalui konsultasi telepon. Ratusan lebih mahasiswa yang telah kami bimbing sampai lulus skripsi / kuliah. Bahkan tidak sedikit mahasiswa S2 yang kami bantu dalam menyelesaikan tesisnya.


Kami merupakan tim olah data, bukan perseorangan. Tim kami memiliki kemampuan penguasaan ilmu statistik yang handal dan ahli metodologi penelitian.


Berikut info layanan kami:

jasa riset, survey, olah data statistik & interpretasi untuk keperluan penelitian bisnis perusahaan, maupun keperluan penelitian akademis skripsi dan tesis.

Olahdata Statistik, AMOS, EVIEWS, LISREL, MATHLAB, SPSS, angket Kuesioner, Regresi, Korelasi, Multicollinearity, Time Series, Trend linier, Uji Normalitas, Uji Linearitas, Uji Homogenitas, Bimbingan Skripsi, Bimbingan Tesis, Konsultasi Skripsi, Konsultasi Skripsi, Konsultasi Tesis, Marketing Research, Analisis Statistik, Interpretasi, Interpretation, olahdata Statistik di jogja / yogyakarta


Kami menggunakan program/software pengolah data statistik SPSS, AMOS, EVIEW. Dimana program pengolah data statistik ini mempermudah proses pengolahan data untuk keperluan penelitian kuantitatif.

Analisis data penelitian meliputi membaca, mengolah dan menginterpretrasikan data, analisis regresi linier berganda, rancangan percobaan (design experiment), analysis of variance ANAVA, analisis model persamaan simultan, model linier programming ataupun model kuantitatif lainnya.


Setelah sekian tahun kami melayani secara offline, saat ini kami memutuskan untuk membuat blog ini dengan tujuan agar bisa memberikan layanan yang lebih luas ke seluruh indonesia.



Salam

Olah Data Jogja

email: quantumkarmal@gmail.com

Telp. 0818-200-450 (XL)
Telp. 0812-150-78-666 (Simpati)
PIN: 51C510F7(YUNI)


silakan kirim data penelitian anda terlebih dahulu ke alamat email quantumkarmal@gmail.com untuk memudahkan kami melakukan estimasi biaya dan analisis data yang diperlukan


.

.

.

.

.

.

.

.

.

.

.

.

.

TITIP LAPAK - TITIP LAPAK - TITIP LAPAK

KORELASI

Spesifikasi:
Ukuran: 14x21 cm
Tebal: 279 hlm
Harga: Rp 47.800
Terbit pertama: November 2004
Sinopsis singkat:
Statistik telah terbukti sangat bermanfaat dalam kehidupan manusia. Banyak keputusan
yang diambil menggunakan data statistik. Sayangnya perhitungan statistik seringkali cukup
rumit dan melelahkan. Untungnya, saat ini telah banyak perangkat lunak statistik yang
beredar. SPSS telah dikenal sebagai salah satu aplikasi statistik yang paling banyak
digunakan. Hingga saat ini, SPSS telah mencapai rilis ke-12.
Buku ini akan membahas tentang penggunaan SPSS 12 untuk memecahkan masalahmasalah
statistik. Isinya disajikan dalam bahasa yang sederhana dan to the point. Pokok
bahasan dalam buku ini mencakup Uji t, Chi Square, Korelasi, Regresi, Rancangan
Percobaan (RANCOB), dan Uji Validitas-Reliabilitas. Buku yang membahas RANCOB
masing sangat jarang sehingga buku ini dapat sangat membantu Anda. Buku ini juga
memuat bahasan mengenai uji validitas dan reliabilitas instrumen yang biasanya digunakan
untuk menguji kelayakan kueioner.
Dalam buku ini Anda juga akan menemukan teori-teori dasar mengenai statistik sehingga
dapat memudahkan Anda untuk memahami dan menginterpretasi masalah statistik.
83
BAB 4
KORELASI
Korelasi dapat diartikan sebagai hubungan. Analisis korelasi
bertujuan untuk mengetahui pola dan keeratan hubungan antara
dua atau lebih variabel. Sebagai contoh, secara umum hubungan
antara diameter pohon dengan volume kayu adalah searah, artinya
pohon yang berdiameter besar akan menghasilkan kayu dengan
volume lebih besar.
Arah hubungan antara dua variabel dapat dibedakan menjadi:
1. Direct correlation (positive correlation). Perubahan pada satu
variabel diikuti perubahan variabel yang lain secara teratur
dengan arah gerakan yang sama.

0 X
Y
84
2. Inverse correlation (negative correlation). Perubahan pada satu
variabel diikuti perubahan variabel yang lain secara teratur
dengan arah gerakan yang berlawanan.
0 X
Y
3. Nihil correlation. Arah hubungan kedua variabel yang tidak
teratur.
Koefisien Korelasi
Persoalan akan timbul jika kita berhadapan dengan pertanyaan
apakah ada hubungan antara variabel-variabel dari sekumpulan
data yang sedang kita selidiki. Penyelidikan untuk mengetahui
hubungan antara dua variabel biasanya diawali dengan usaha
untuk menemukan bentuk terdekat dari hubungan tersebut dengan
cara menyajikannya dalam bentuk diagram pencar ( scatter plot).
Diagam ini menggambarkan titik-titik pada bidang X dan Y dimana
setiap titik ditentukan oleh pasangan nilai X dan Y.
Koefisien korelasi sering dilambangkan dengan huruf (r). Koefisien
korelasi dinyatakan dengan bilangan, bergerak antara 0 sampai +1
atau 0 sampai -1. Apabila korelasi mendekati +1 atau -1 berarti
terdapat hubungan yang kuat, sebaliknya korelasi yang mendekati
nilai 0 bernilai lemah. Apabila korelasi sama dengan 0, antara
kedua variabel tidak terdapat hubungan sama sekali. Pada korelasi
+1 atau -1 terdapat hubungan yang sempurna antara kedua
variabel.
Notasi positif (+) atau negatif (-) menunjukkan arah hubungan
antara kedua variabel. Pada notasi positif (+), hubungan antara
kedua variabel searah, jadi jika satu variabel naik maka variabel
yang lain juga naik. Pada notasi negatif (-), kedua variabel
85
berhubungan terbalik, artinya jika satu variabel naik maka variabel
yang lain justru turun.
4.1 Korelasi Product Moment (Pearson)
Korelasi Pearson atau disebut juga korelasi product moment
merupakan analisis korelasi untuk statistik parametrik, sedangkan
untuk statistik non-parametrik sering digunakan analisis korelasi
KendallÊs tau-b dan Spearman.
Contoh
Mahasiswa Fakultas Kehutanan UGM hendak menghitung korelasi
antara diameter pohon dengan volume kayu. Diameter yang
diukur adalah diameter setinggi dada (130 cm), sedangkan
volume pohon dihitung dengan membagi pohon menjadi
potongan-potongan kemudian dihitung dengan rumus Smalian.
Hasil pengukuran adalah sebagai berikut:
Diameter
dbh (cm)
Volume
(m3)
Diameter
dbh (cm)
Volume
(m3)
50 1,9 56 2,0
65 2,6 66 2,6
63 2,5 78 2,6
50 1,9 56 2,0
65 2,6 66 2,6
63 2,5 78 2,6
57 2,2 71 2,5
84 3,2 49 1,7
36 1,5 56 2,2
48 1,7 58 2,2
52 1,9 60 2,0
58 2,2 72 2,5
86
1. Entrilah data ke lembar kerja SPSS.
2. Klik Analyze | Correlate | Bivariate⁄, lalu pindahkan variabel
diameter dan volume ke kolom Variables. Pada Correlation
Coefficients, pilihlah Pearson.
3. Klik OK.
87
Output
Correlations
Correlations
1 ,942**
, ,000
18 18
,942** 1
,000 ,
18 18
Pearson Correlation
Sig. (2-tailed)
N
Pearson Correlation
Sig. (2-tailed)
N
DIAMETER
VOLUME
DIAMETER VOLUME
Correlation is significant at the 0.01 level (2-tailed). **.
Interpretasi
Angka koefisien korelasi adalah 0,942, artinya hubungan antara
diameter dengan volume kayu sangat erat. Koefisien korelasi
bertanda positif (+), artinya hubungan diameter pohon dengan
volumenya searah sehingga jika diameter semakin besar maka
volume kayu semakin besar.
Tanda ** menunjukkan bahwa koefisien korelasi tersebut
signifikan pada taraf kepercayaan 99%.
Perhitungan Teoritis
Rumus korelasi Product Moment (Pearson):
  


  


 

 


  


  


 

 


 

 

 

 

−  


 

=
∑ ∑ ∑ ∑
∑ ∑ ∑
= = = =
= = =
n
i
n
i
n
i
n
i
n
i
n
i
n
i
Yi Yi n Xi Xi n
Yi Xi Yi Xi n
r
1
2
1
2
1
2
1
2
1 1 1
No
Diameter
X
Volume
Y
X2 Y2 XY
1 50 1,9 2500 3,61 95
88
2 65 2,6 4225 6,76 169
3 63 2,5 3969 6,25 157,5
4 57 2,2 3249 4,84 125,4
5 84 3,2 7056 10,24 268,8
6 36 1,5 1296 2,25 54
7 48 1,7 2304 2,89 81,6
8 52 1,9 2704 3,61 98,8
9 58 2,2 3364 4,84 127,6
10 56 2 3136 4 112
11 66 2,6 4356 6,76 171,6
12 78 2,6 6084 6,76 202,8
13 71 2,5 5041 6,25 177,5
14 49 1,7 2401 2,89 83,3
15 56 2,2 3136 4,84 123,2
16 58 2,2 3364 4,84 127,6
17 60 2 3600 4 120
18 72 2,5 5184 6,25 180
1079 40 66969 91,88 2475,7
( )( ) 2 2 ) 40 ( ) 88 , 91 ( 18 ) 1079 ( ) 66969 ( 18
) 40 ( ) 1079 ( ) 7 , 2475 ( 18
− −

= r
r =0,9417 (sama dengan output SPSS)
Uji signifikansi koefisien korelasi (r)
Hipotesis
Ho=korelasi kedua variabel sama dengan nol
Ha=korelasi kedua variabel tidak sama dengan nol
Dasar pengambilan keputusan
Dengan uji t
) 1 (
2
2 r
n r
t hitung −

=
89
Pengambilan keputusan
􀀻 Jika -ttabel<thitung<ttabel maka Ho diterima
􀀻 Jika thitung<-ttabel atau thitung>ttabel maka Ho ditolak
thitung
5506 , 66
) 9417 , 0 1 (
2 18 9417 , 0
2
=


= hitung t
ttabel dengan taraf kepercayaan 95%
Dilihat pada α 0,025 (karena dilakukan uji 2 sisi)
Derajad bebas=n-2=18-2=16
ttabel (0,025;16)=2,120
Keputusan
Karena thitung>ttabel maka ho ditolak atau dengan kata lain
hubungan kedua variabel tersebut signifikan.
Ho ditolak Ho ditolak
Ho diterima
0 -2,120 +2,120 66,5506
4.2 Korelasi Rank Spearman
Ada kalanya kita ingin mengukur kuatnya hubungan antara dua
variabel tidak berdasarkan pasangan nilai data yang sebenarnya,
90
tetapi berdasarkan rankingnya. Hubungan tersebut dinamankan
rank correlation coefficient. Analisis korelasi Spearman termasuk
dalam statistik non-parametrik. Metode korelasi ini ditemukan Carl
Spearman pada tahun 1904.
Rumus
) 1 (
6
1 2
1
2

 

 

− =
∑=
n n
d
r
n
i
i
dimana:
n=banyaknya pasangan data
d=selisih dari tiap pasangan ranking
Contoh
Perusahaan mebel Kreasi Utama ingin mengetahui seberapa kuat
hubungan antara harga dengan pendapatan bulanan perusahaan.
Harga/unit
(x 000)
X
Pendapatan
(x 000.000)
Y
Ranking
X
Ranking
Y
d
d2
700 680 1 2 1 1
750 670 2 1 -1 1
775 690 3 4 1 1
800 685 4 3 -1 1
900 700 5 5 0 0
1000 720 6 6 0 0
1200 725 7,5 7,5 0 0
1200 730 7,5 10 2,5 6,25
1250 725 9 7,5 -1,5 2,25
1500 729 10 9 -1 1
Jumlah 13,5
91
Apabila angka-angka X atau Y ada yang sama maka akan terjadi
jenjang kembar ( tied rank) sehingga angka-angka yang sama juga
harus diberi ranking yang sama.
Dihitung menggunakan rumus
) 1 10 ( 10
) 5 , 13 ( 6
1 2 −
− = R =0,91818
Dengan program SPSS
1. Entrilah data
2. Klik Analyze | Correlate | Bivariate⁄, lalu pindahkan variabel
Harga dan Pendapatan ke kolom Variables. Pada Correlation
Coefficients, pilihlah Spearman.
92
3. Klik OK.
Output
Nonparametric Correlations
Correlations
1,000 ,918**
, ,000
10 10
,918** 1,000
,000 ,
10 10
Correlation Coefficient
Sig. (2-tailed)
N
Correlation Coefficient
Sig. (2-tailed)
N
Harga/unit (x 000)
Pendapatan
Perusahaan (x 000.000
Spearman's rho
Harga/unit (x
000)
Pendapatan
Perusahaan
(x 000.000
Correlation is significant at the .01 level (2-tailed). **.
Interpretasi
Angka koefisien korelasi adalah 0,918, artinya hubungan antara
harga dengan pendapatan sangat erat. Koefisien korelasi bertanda
positif (+), artinya hubungannya searah sehingga jika harga
dinaikkan maka pendapatan perusahaan juga akan mengalami
kenaikan.
Tanda ** menunjukkan bahwa koefisien korelasi tersebut
signifikan pada taraf kepercayaan 99%.
Grafik
Harga/unit (x 000)
1500 1250 1200 1000 900 800 775 750 700
Mean Pendapatan Perusahaan (x 000.000
740
730
720
710
700
690
680
670
660
93
4.3 Korelasi Kendall Tau
Selain koefisien korelasi Spearman, terdapat metode analisis
korelasi lain yang menguji keeratan hubungan antara variabel X
dan Y dimana X dan Y tidak terdistribusi normal atau tidak
diketahui distribusinya. Metode ini disebut Kendall rankcorrelation.
Korelasi Kendall Tau juga didasarkan atas ranking
data. Korelasi ini diberi simbol ( ) dan dirumuskan sebagai berikut:
) 1 (
2

=
n n
S τ
dimana
S=selisih antara jumlah data yang lebih besar dengan jumlah data
yang lebih kecil
n=jumlah data
Contoh 1:
Untuk mengetahui hubungan prestasi kerja dengan tingkat
kecerdasan (IQ) pegawai Departemen Kehutanan, biro
kepegawaian mengadakan penelitian dengan mengambil beberapa
sampel. Berikut ini adalah data-datanya.
IQ
X
Nilai Prestasi
Y
Ranking
Y
Jumlah
lebih besar
dari Y
Jumlah
lebih kecil
dari Y
120 61 2 8 1
122 60 1 8 0
123 63 3 7 0
124 64 4 6 0
128 65 5 5 0
129 66 6 4 0
132 71 8 2 1
133 69 7 2 0
134 72 9 1 0
94
135 74 10 0 0
Jumlah 43 2
Pengisian kolom Jumlah lebih besar dari Y
􀀻 Pada baris pertama Y=2 akan dihitung jumlah angka yang
lebih besar dari 2. Pada kolom Ranking Y dapat dilihat bahwa
angka yang lebih besar dari 2 (3, 4, 5, 6, 7, 8, 9, dan 10)
berjumlah 8.
􀀻 Pada baris kedua untuk Y=1 akan dihitung jumlah angka yang
lebih besar dari 1. Pada kolom Ranking Y dapat dilihat bahwa
angka yang lebih besar dari 1 adalah angka 2, 3, 4, 5, 6, 7, 8,
9, dan 10, namun angka 2 yang terletak di atasnya tidak
dipakai lagi sehingga angka yang lebih besar dari 1 hanya
angka 3, 4, 5, 6, 7, 8, 9, dan 10, serta berjumlah 8.
􀀻 Pada baris ketiga untuk Y=3 akan dihitung jumlah angka yang
lebih besar dari 3. Pada kolom Ranking Y dapat dilihat bahwa
angka yang lebih besar dari 3 adalah angka 4, 5, 6, 7, 8, 9,
dan 10, serta jumlahnya adalah 7.
􀀻 dan seterusnya.
Pengisian kolom Jumlah lebih kecil dari Y
􀀻 Pada baris pertama Y=2 akan dihitung jumlah angka yang
lebih kecil dari 2. Pada kolom Ranking Y dapat dilihat bahwa
angka yang lebih kecil dari 2 adalah angka 1 yang
berjumlah 1.
􀀻 Pada baris kedua untuk Y=1 akan dihitung jumlah angka yang
lebih kecil dari 1. Pada kolom Ranking Y dapat dilihat bahwa
angka yang lebih kecil dari 1 tidak ada atau jumlahnya 0.
􀀻 Pada baris ketiga untuk Y=3 akan dihitung jumlah angka yang
lebih kecil dari 3. Pada kolom Ranking Y dapat dilihat bahwa
angka yang lebih kecil dari 3 adalah angka 1 dan 2, namun
angka 1 dan 2 letaknya di atas sehingga tidak diperhitungkan,
akibatnya jumlah angka yang lebih kecil dari 3 adalah 0.
95
􀀻 dan seterusnya.
S=selisih jumlah lebih besar dari Y dan jumlah lebih kecil dari Y
S=43-2=41
sehingga koefisien korelasi Kendall Tau dicari sebagai berikut:
9111 , 0
) 1 10 ( 10
41 2
) 1 (
2
=

×
=

=
τ
τ
n n
S
Prosedur komputasi dengan SPSS
1. Entri data dengan format sebagai berikut:
2. Klik Analyze | Correlate | Bivariate⁄, lalu pindahkan variabel
IQ dan Prestasi ke kolom Variables. Pada Correlation
Coefficients, pilih KendallÊs tau-b, lalu aktifkan Flag significant
correlations.
96
3. Klik OK.
Output
Nonparametric Correlations
Correlations
1,000 ,911**
, ,000
10 10
,911** 1,000
,000 ,
10 10
Correlation Coefficient
Sig. (2-tailed)
N
Correlation Coefficient
Sig. (2-tailed)
N
IQ
PRESTASI
Kendall's tau_b
IQ PRESTASI
Correlation is significant at the .01 level (2-tailed). **.
Interpretasi
Angka koefisien korelasi adalah 0,911 (sama dengan hasil
perhitungan manual di atas). Dengan melihat nilai probabilitas
(Sig)<0,05 atau bahkan lebih kecil dari 0,01 maka dapat
disimpulkan bahwa hubungan kedua variabel sangat signifikan,
artinya hubungan antara IQ dengan Prestasi Kerja sangat erat.
Koefisien korelasi bertanda positif (+), artinya hubungannya
searah sehingga jika tingkat intelegensi (IQ) pegawai naik maka
prestasi kerja pegawai juga akan mengalami peningkatan.
97
Tanda ** menunjukkan bahwa koefisien korelasi tersebut
signifikan pada taraf kepercayaan 99%.
Grafik
IQ
135 134 133 132 129 128 124 123 122 120
PRESTASI KERJA
80
70
60
50
74
72
69
71
66
65
64
63
60
61
IQ
135 134 133 132 129 128 124 123 122 120
PRESTASI KERJA
76
74
72
70
68
66
64
62
60
58
Contoh 2:
Berikut ini adalah data-data skor test sewaktu penerimaan
pegawai, prestasi kerja, dan motivasi kerja karyawan PT. MAJU
BARENG. Dari data-data tersebut akan dicari korelasinya.
Test Prestasi Motivasi
78 77 75
76 75 73
70 69 70
79 81 80
82 83 83
85 89 91
86 92 93
80 83 81
80 86 74
72 71 82
69 70 59
98
1. Entrilah data pada lembar kerja SPSS:
2. Klik Analyze | Correlate | Bivariate⁄, lalu pindahkan variabel
Test, Prestasi, dan Motivasi ke kolom Variables. Pada
Correlation Coefficients, pilih KendallÊs tau-b, lalu aktifkan Flag
significant correlations.
3. Klik OK.
99
Output
Nonparametric Correlations
Correlations
1,000 ,907** ,734**
. ,000 ,002
11 11 11
,907** 1,000 ,624**
,000 . ,008
11 11 11
,734** ,624** 1,000
,002 ,008 .
11 11 11
Correlation Coefficient
Sig. (2-tailed)
N
Correlation Coefficient
Sig. (2-tailed)
N
Correlation Coefficient
Sig. (2-tailed)
N
test
prestasi
motivasi
Kendall's tau_b
test prestasi motivasi
Correlation is significant at the 0.01 level (2-tailed). **.
Interpretasi
􀀻 Korelasi antara Test dengan Prestasi
Angka koefisien korelasi adalah 0,907 dengan melihat nilai
probabilitas (Sig) 0,000<0,05 atau bahkan lebih kecil dari 0,01
maka dapat disimpulkan bahwa hubungan kedua variabel
sangat signifikan, artinya hubungan antara skor tes dengan
prestasi kerja sangat erat. Koefisien korelasi bertanda positif
(+), artinya hubungannya searah sehingga ada kecenderungan
pegawai dengan skor tes tertinggi memiliki prestasi kerja yang
baik juga.
Tanda ** menunjukkan bahwa koefisien korelasi tersebut
signifikan pada taraf kepercayaan 99%.
􀀻 Korelasi antara Test dengan Motivasi
Angka koefisien korelasi adalah 0,734 dengan melihat nilai
probabilitas (Sig) 0,002<0,05 atau bahkan lebih kecil dari 0,01
sehingga dapat disimpulkan bahwa hubungan kedua variabel
sangat signifikan, artinya hubungan antara skor tes dengan
motivasi kerja sangat erat. Koefisien korelasi bertanda positif
(+), artinya hubungannya searah sehingga ada kecenderungan
pegawai dengan skor test tinggi akan memiliki motivasi kerja
yang tinggi juga.
100
Tanda ** menunjukkan bahwa koefisien korelasi tersebut
signifikan pada taraf kepercayaan 99%.
􀀻 Korelasi antara Prestasi dengan Motivasi
Angka koefisien korelasi adalah 0,624 dengan melihat nilai
probabilitas (Sig) 0,008 (<0,05). Tanda ** berarti koefisien
korelasi tersebut signifikan, artinya hubungan antara prestasi
dengan motivasi kerja sangat erat. Koefisien korelasi bertanda
positif (+), artinya hubungannya searah, jadi kecenderungan
pegawai yang memiliki motivasi tinggi maka prestasi kerjanya
juga bagus.
Tanda ** menunjukkan bahwa koefisien korelasi tersebut
signifikan pada taraf kepercayaan 99%.

Tidak ada komentar:

Posting Komentar

silakan isi komentar mengenai layanan olah data jogja