Professional Documents
Culture Documents
Bab 07 PDF
Bab 07 PDF
Bab 07 PDF
METODE KORELASI
OBJEKTIF BAB
Selepas mempelajari bab ini, anda seharusnya boleh:
1.
Memahami konsep asas korelasi.
2.
Menjelaskan beberapa metode analisis korelasi.
3.
Menggunakan metode analisis korelasi dengan tepat sesuai
dengan tujuan kajian dan jenis data.
7.1
PENGENALAN
METODE KORELASI
Metode korelasi ialah satu daripada metode analisis data yang digunakan
untuk menguji pola dan darjah hubungan pemboleh ubah yang dikaji.
Metode ini diperkenalkan pada tahun 1885 apabila Franus Galton menulis
mengenai regression towards mediocrity in hereditary stature. Beliau telah meramal
bahawa ciri fizikal anak-anak dapat ditentukan oleh kriterium yang terdapat
pada kedua ibu dan bapanya. Karl Pearson (1857-1936) pula telah
memperkenalkan tatacara yang begitu luas digunakan sehingga hari ini untuk
menguji hubungan dua pemboleh ubah yang mempunyai data jenis selanjar.
Bentuk hubungan dua pemboleh ubah boleh diterangkan dalam tiga bentuk
iaitu
(i)
(ii)
(iii)
Hubungan positif
Hubungan negatif
Tiada hubungan
79
7.3
HUBUNGAN POSITIF
Pemboleh Ubah
X
Y
X1
X2
X3
X4
X5
X6
Markat
X
Y1
Y2
Y3
Y4
Y5
Y6
12
14
16
18
20
22
10
13
16
19
21
24
HUBUNGAN NEGATIF
Pola hubungan negatif dapat diperhatikan pada taburan markat Jadual 7.2.
Jadual 7.2
Hubungan Pemboleh Ubah A dan B
Kes
1
2
3
4
5
6
Pemboleh Ubah
A
B
A1
A2
A3
A4
A5
A6
B1
B2
B3
B4
B5
B6
Markat
A
21
22
23
24
25
26
B
20
19
18
17
16
15
Kedudukan markat pemboleh ubah A dan B bagi kesemua kes ialah dalam
bentuk menyongsang. Jika markat A rendah, markat B akan tinggi.
Sebaliknya jika markat A tinggi maka pasangannya iaitu pemboleh ubah B
pula rendah. Keadaan ini menggambarkan pemboleh ubah A dan B
mempunyai hubungan songsang ataupun negatif.
7.5
TIADA HUBUNGAN
Gambaran ketiga ditunjukkan dalam Jadual 7.3 apabila dua pemboleh ubah
dikatakan tidak mempunyai hubungan.
80
Jadual 7.3
Hubungan Pemboleh Ubah K dan L
Kes
1
2
3
4
5
6
7
8
9
10
Pemboleh Ubah
K
L
Markat
L
K1
K2
K3
K4
K5
K6
K7
K8
K9
K10
11
15
13
14
12
16
17
18
19
20
15
15
15
15
15
15
15
15
15
15
L1
L2
L3
L4
L5
L6
L7
L8
L9
L10
Dalam jadual ini, markat pemboleh ubah L sebagai tetap ataupun malar
kedudukannya dan tidak berubah-ubah sedangkan markat pemboleh ubah
K berubah secara rawak.
Bentuk dan pola hubungan markat kedua-dua pemboleh ubah yang
diterangkan dalam Jadual 7.1 hingga 7.3 boleh dipersembahkan melalui
gambarajah yang dikenali sebagai plot atau lakar sebaran. Sekiranya markat
tersebut terletak hampir menjadi satu garisan lurus dengan sudut 450
menghala ke arah Timur Laut, maka dua pemboleh ubah tersebut
mempunyai hubungan atau korelasi yang positif. Rajah 7.1 menunjukkan
pola markat X dan Y yang terdapat dalam Jadual 7.1.
Rajah 7.1
Hubungan Positif antara X dan Y
Y
24
21
19
16
13
10
*
*
X
12
14
16
18
20
22
Rajah 7.2 pula menunjukkan arah yang bertentangan daripada Rajah 7.1.
Garisan lurus markat A dan B menghala ke arah Barat Laut. Oleh itu,
keadaan ini menunjukkan hubungan atau korelasi antara A dan B sebagai
negatif.
81
Rajah 7.2
Hubungan Negatif antara A dan B
B
20
19
18
17
16
15
21
22
23
24
25
26
Dalam Rajah 7.3 pula, garisan lurus mendatar selari dengan paksi melintang
K. Keadaan ini menunjukkan hubungan antara K dan L tidak berhubungan
dan mempunyai nilai korelasi sifar ataupun menghampiri nilai sifar.
Rajah 7.3
Tidak Terdapat Hubungan antara Pemboleh Ubah P dan Q
K
18
17
16
15
11
12
13
14
15
16
17
14
13
L
0
7.6
18
19
PEKALI KORELASI
7.7
Pekali korelasi boleh dikira dengan berbagai-bagai cara. Dua cara yang
paling popular ialah dengan menggunakan:
(i)
(ii)
Formula Pearson
Formula Spearman
7.8
FORMULA PEARSON
7.9
NXY - (X)( Y)
[NX2 (X)2] [NY2 - (Y)2]
Jadual 7.4 menunjukkan markat motivasi (X) dan markat prestasi akademik
(Y). Kuasa dua markat motivasi (X2), markat prestasi akademik (Y2) dan
hasil darab pasangan markat motivasi dan prestasi akademik (XY) ada
ditunjukkan. Jumlah bagi semua lajur ditunjukkan di bawah:
Jadual 7.4
Pengiraan Pekali Korelasi Pearson Markat Motivasi (X) dan Prestasi Akademik (Y)
Kes
X2
Y2
XY
1
2
3
4
5
6
7
8
9
10
63
70
71
64
60
65
66
64
70
67
660
68
75
76
69
52
62
70
61
75
72
680
3939
4900
5041
4096
3600
4225
4356
4096
4900
4489
43672
4642
5625
5776
4761
2704
3844
4900
3721
5625
5184
46764
4284
5250
5396
4416
3120
4030
4620
4904
5250
4824
45094
Nilai pekali korelasi yang dikira ialah positif 0.88. Ini menunjukkan
pemboleh ubah motivasi mempunyai hubungan positif dengan prestasi
akademik. Pelajar yang tinggi markat motivasinya mempunyai markat
prestasi akademik yang tinggi. Sebaliknya pelajar yang markat motivasinya
rendah mempunyai markat prestasi akademik yang rendah juga. Sebagai
contoh, pelajar yang mempunyai markat motivasi 70 mempunyai markat
prestasi akademik 75. Pelajar yang mempunyai markat motivasi 60, prestasi
akademiknya paling rendah, iaitu 52.
83
7.10
Nilai pekali korelasi ialah nilai ordinal daripada -1.0 hingga +1.0. Oleh itu,
interpretasi kepada r haruslah terbatas pada sifat data ordinal. Satu contoh
yang sering menjadi kesalahan penyelidik ialah dengan menyatakan bahawa r
= 0.80 sebagai dua kali lebih besar daripada r = 0.40. Pertakrifan seperti ini
hanya sesuai kepada data jenis sela, sedangkan r tidak mempunyai sifat ini.
7.11
maka tidak akan ada kawasan bertindan dan kedua bulatan akan terpisah
dua. Dua pemboleh ubah ini bebas antara satu dengan yang lain (Hinkle,
Wiersma dan Jurs, 1998).
SOALAN DALAM TEKS
1.
Motivasi
12
13
9
18
7
16
11
13
9
12
7.12
Bagi data yang berbentuk pangkat atau ordinal, ia tersusun mengikut tertib.
Hubungan dua pemboleh ubah dikira dengan menggunakan metode
Korelasi Pangkat Spearman. Pekali korelasi Spearman kepada sampel
85
1 - [6 d 2 / (N2 (N 1)]
d ialah perbezaan pangkat kepada pasangan data bagi setiap kes dan N ialah
jumlah pasangan data.
7.13
Kita gunakan data yang ditunjukkan dalam Jadual 7.6 dan berikan pangkat
daripada yang tinggi kepada rendah. Markat yang sama bagi setiap pemboleh
ubah mempunyai pangkat yang sama juga. Sebagai contoh, ada dua kes yang
mempunyai markat 70 dalam pemboleh ubah X. Kedudukan pangkatnya
ialah 2 dan 3. Dalam kes ini pangkat sebenarnya ialah purata kepada dua
pangkat tersebut, iaitu 1.5. Seterusnya markat 67 mempunyai pangkat
empat. Pangkat boleh bermula daripada markat rendah ataupun markat yang
tertinggi asalkan pangkat yang diberikan tekal bagi kedua-dua pemboleh
ubah.
Makna dan interpretasi kepada pekali korelasi Spearman (rs) sama seperti
pekali korelasi Pearson. Dalam contoh ini, hubungan antara motivasi
dengan prestasi akademik adalah positif dan tinggi (rs = 0.92). Hal ini
menunjukkan pelajar yang mempunyai motivasi yang tinggi mempunyai
markat prestasi akademik yang tinggi juga. Sebaliknya, pelajar yang rendah
markat motivasinya mempunyai markat prestasi akademik yang rendah.
Jadual 7.6
Pengiraan Pekali Korelasi Spearman dengan Menggunakan
Markat Motivasi dan Prestasi Akademik
X
Pangkat X
70
67
70
71
64
63
65
66
64
60
75
72
75
76
69
68
62
70
61
52
2.5
4
2.5
1
7.5
9
6
5
7.5
10
Pangkat
Y
2.5
4
2.5
1
6
7
8
5
9
10
d
0
0
0
0
1.5
2
2
0
-1.5
0
d2
0
0
0
0
2.25
4
4
0
2.25
0
d 2 = 12.50
Selain daripada metode korelasi Pearson dan Spearman, terdapat banyak lagi
metode analisis korelasi yang boleh digunakan, bergantung kepada jenis data
yang dianalisis. Modul ini tidak membincangkan metode-metode tersebut.
Jadual 7.7 menunjukkan antara beberapa metode analisis korelasi yang boleh
digunakan untuk menguji hubungan dua pemboleh ubah X dan Y mengikut
jenis data pemboleh ubah tersebut.
Jadual 7.7
Metode Analisis Korelasi Mengikut Jenis Data
Jenis Data Pemboleh Ubah Y
Jenis Data
Pemboleh Ubah X
Nominal, dikotomi
Nominal , dikotomi
Ordinal
Dwisiri Pangkat
Sela, Nisbah
(Selanjar)
Dwisiri,
Dwisiri Titik
Ordinal
Sela, Nisbah
(Selanjar)
Spearman
Pearson
Ada pemboleh ubah yang mempunyai data dikotomi yang sebenar dan ada
pula yang dikatakan sebagai data dikotomi tiruan. Pemboleh ubah jantina
dan jawapan YA dan TIDAK kepada sesuatu item soalan adalah contoh
kepada data dikotomi sebenar. Jantina contohnya, mempunyai dua aras
pengukuran iaitu lelaki dan perempuan, manakala jawapan kepada item ujian
psikologi ataupun soal selidik menggunakan format jawapan YA atau
TIDAK.
Data dikatakan sebagai dikotomi tiruan apabila pengukuran asal pemboleh
ubah tersebut jenis selanjar tetapi dijadikan secara paksa kepada
pengkukuran dikotomi. Contohnya, markat prestasi pencapaian ialah data
selanjar dan ditukar kepada dua kategori, misalnya prestasi tinggi dan
prestasi rendah ataupun kategori lulus dan gagal (Kaplan dan Saccuzzo,
2004).
7.15
KESIMPULAN
Kita telah didedahkan dengan pelbagai metode analisis data untuk menguji
hubungan dua pemboleh ubah namun begitu, kita hendaklah menentukan
terlebih dahulu pemboleh ubah bebas dan pemboleh ubah terikat. Apabila
menggunakan metode analisis korelasi, kita mestilah mahir untuk
menyesuaikannya dengan jenis data yang akan dianalisis. Kesalahan yang
87
2.
Nilai Kerja
77
75
71
79
75
88
85
86
80
70
88
Prestasi Kerja
76
82
78
83
72
88
78
81
75
65
(a)
(b)
2.
3.
4.
5.
Korelasi Pearson
Korelasi Spearman
Korelasi phi
Korelasi dwisiri pangkat
Korelasi dwisiri titik
6.
Positif
Negatif
Tiada Hubungan
Sukar ditentukan
7.
6 12
3
10
1
118 109 144 111 142
89
D.
1.
Kendiri
(X)
15
10
7
18
5
17
15
11
9
14
Motivasi
(Y)
12.00
13.00
9.00
18.00
7.00
16.00
11.00
13.00
9.00
12.00
XY
180.00
130.00
63.00
324.00
35.00
272.00
165.00
143.00
81.00
168.00
X2
225.00
100.00
49.00
324.00
25.00
289.00
225.00
121.00
81.00
196.00
X = 121
Y =120
XY = 1561
X2 =1635
r xy
(a)
Y2
144.00
169.00
81.00
324.00
49.00
256.00
121.00
169.00
81.00
144.00
Y2 = 1538
15610 -14520__-____________
(16350 14641)(5380 14400)
1090
(1709)(980)
1090__
1294.15
0.842
2.
(a)
Penghargaan
Kendiri
(X)
15
10
7
18
5
17
15
11
9
14
Jumlah
rs
Pangkat
X
Motivasi
(Y)
Pangkat
Y
3.5
7.0
9.0
1.0
10.0
2.0
3.5
6.0
8.0
5.0
12
13
9
18
7
16
11
13
9
12
5.5
3.5
8.5
1.0
10.0
2.0
7.0
3.5
8.5
5.5
-2.0
3.5
0.5
0
0
0
-3.5
2.5
-0.5
-0.5
d = 0
=
=
=
=
=
d2
4.0
12.25
0.25
0
0
0
12.25
6.25
0.25
0.25
d2 = 35.5
(b)
(c)
91