Skala Pengukuran Analisis data yang bertujuan utnuk mendapatkan informasi yang relevan yang terkandung didalam data dan menggunakan hasilnya untuk memecahkan suatu masalah. Analisis data ada banyak macamnya, tergantung dari tujuan analisis juga tipe data atau skala pengukuran yang digunakan. Menurut Stevens (1946) skala pengukuran dapat dikelompokkan menjadi empat jenis yaitu: 1. skala nominal skala pengukuran yang menyatakan kategori, atau kelompok dari suatu subyek. Misal variabel jenis kelamin : laki- laki dan perempuan, yang bisa kita beri kode 1 dan 2. Ingat angka ini hanya berfungsi sebagai label. Jadi terserah mana yang 1 mana yang dua. Untuk skala nominal uji statistika yang sesuai digunakan adalah uji statistik yang berdasarkan counting seperti modus dan distribusi frekuensi 2. skala ordinal skala ordinal hampir sama dengan skala nominal, hanya saja skala ordinal tidak hanya mengkategorikan namun juga menranking terhadap kategori. misal : kita meminta responden untuk memberi ranking terhadap suatu makana yaitu dengan memberi angak 1 untuk makanan yang paling disuka, angka 2 untuk ranking kedua dst. makanan (ranking) soto (4) gado-gado (2) pecel (3) bakso (1) dari data contoh , berarti bakso merupakan makanan yang paling disukai oleh responden. gadogado lebih disukai dibanding pecel dan soto, dst. Uji statistik yang sesuai dengan skala ordinal adalah modus, median, distribusi frekuensi, dan statistik non parametrik seperti rank order correlation. 3. skala interval 4. skala rasio skala rasio adalah skala interval dan memiliki nilai dasar yang tidak dapat dirubah. misalakan umur responden. Variable yang diukur dengan skala interval dan rasio disebut variabel metrik.
Uji Validitas Validitas berarti sejauh mana ketetapan dan kecermatan suatu alat ukur dalam melakukan fungsi ukurnya. Uji validitas berarti prosedur pengujian untuk melihat apakah alat ukur yang berupa kuesioner dapat mengukur dengan cermat atau tidak. (Masri Singarimbun, 1989:124). Menurut Masrum yang dikutip oleh Sugiyono (2001:106) menyatakan bahwa biasanya syarat minimum untuk dianggap valid adalah r = 0,3. Jadi kalau kolerasi antara butir dengan skor total kurang dari 0,3 maka butir dalam instrumen tersebut dinyatakan tidak valid. Uji validitas dilakukan dengan melihat kolerasi antara skor masing- masing item pertanyaan dengan skor total. Mengenal Analisis Korelasi (Sederhana) Dalam hidup ini tidak ada satu benda atau satu hal yang benar2 independen atau bebas, kecuali Sang Pencipta, Allah SWT. Semua saling berhubungan dan saling membutuhan seperti halnya manusia walau ada yang langsung maupun tak langsung. Dalam Statistika hal itu dapat dilambangkan dalam Analisis Korelasi. Dengan Analisis ini kita dapat menghitung, mengetahui seberapa besar kekuatan hubungan sesuatu (dalam statistika: variable). Mo tahu lebih banyak…
1
Arti Korelasi itu berarti hubungan, begitu pula analisis korelasi yaitu suatu analisis yang digunakan untuk melihat hubungan antara dua variable. Ingat Analisis korelasi tidak mempersoalkan apakah variable pertama itu respon atau peubah bebas, begitu pula variable yang kedua. Kovariansi Kenapa kovariansi kita bahas di awal dahulu. Berikut alasane: Kovariansi mengukur besar dan arah hubungan linear antara dua peubah. Bila kovariansi positif maka kedua variable berubah searah, artinya bila variable X membesar maka Y juga membesar dan sebaliknya. Sayangnya konsep ini sulit menafsirkannya karena kedua variable mungkin memiliki satuan yang berbeda dan nilai kovariansi tidak terbatas. Karena itu diperlukan ukuran yang lebih mudah untuk menafsirkannya. Ukuran ini dapat diperoleh dengan membakukan kovariansi, yaitu membaginya dengan simpangan baku masing- masing peubah. Bila sx dan sy simpangan baku terok dari X dan Y maka koefisien korelasi antara X dan Y, lambing rxy (R.K. Sembiring, 1995:93). Korelasi Jika didapatkan nilai rxy = 1 artine memiliki hubungan linear sempurna dan searah *jika X membesar maka Y akan membesar*. Jika didapatkan nilai rxy = -1 artine memiliki hubungan linear sempurna dan berlawanan arah *jika X membesar maka Y akan semakin kecil*. Jika didapatkan nilai rxy = 0 artine X dan Y tidak memiliki hubungan linear. Macam Korelasi Analisis korelasi itu ada 2 yaitu Korelasi sederhana dan Korelasi parsial. Kalo Korelasi sederhana ya seperti yang dibahas sebelumnya yaitu korelasi antara 2 variabel. Nah kalo Korelasi parsial dibahas belakangan ya…heheh belajare satu2 dulu… Regresi dan Korelasi Analisis Statistik - Regresi dan korelasiAnalisis regresi berkenaan dengan studi ketergantungan suatu variabel, variabel tak bebas, pada satu atau lebih variabel lain, variabel yang menjelaskan (explanatory variables), dengan maksud menaksir dan atau meramalkan nilai rata-rata hitung (mean) atau rata-rata (populasi) variabel tak bebas, dipandang dari segi nilai yang diketahui atau tetap variabel yang menjelaskan (Gujarati, 2004). Dalam bahasa yang lebih sederhana regresi dapat diartikan sebagai bentuk hubungan antara variabel bebas (satu atau lebih) terhadap variabel tak bebas. Sedangkan korelasi dapat diartikan sebagai tingkat keeratan hubungan antara variabel pengamatan (variabel bebas dan tak bebas). Korelasi dan regresi mempunyai hubungan yang sangat erat. Setiap regresi pasti ada korelasinya, tetapi korelasi belum tentu dilanjutkan dengan regresi. Korelasi yang tidak dilanjutkan dengan regresi adalah korelasi antara dua variabel yang tidak mempunyai hubungan kausal/sebab-akibat atau hubungan fungsional. Untuk menetapkan apakah kedua variabel mempunyai hubungan kausal atau tidak, maka harus dilandaskan pada teori atau konsep tentang dua variabel tersebut (Sugiyono, 2005). » Korelasi Linier Sederhana Korelasi merupakan angka yang menunjukkan arah dan kuatnya hubungan antar dua variabel (atau lebih). Contoh data dan cara perhitungan analisis korelasi linier sederhana, lengkap dengan pembahasannya. » Regresi Linier Sederhana Regresi linier sederhana didasarkan pada hubungan fungsional ataupun kausal satu variabel independen dengan satu variabel dependen. Contoh data dan cara perhitungan analisis regresi linier sederhana, lengkap dengan pembahasannya.
2
