Memahami Analisis Korelasi untuk Variabel Non Parametrik
Analisis korelasi merupakan salah satu uji asosiatif yang bertujuan untuk mengetahui hubungan antar variabel. Dalam analisis korelasi juga terdapat analisis korelasi parsial dan analisis korelasi berganda/simultan. Analisis korelasi parsial merupakan analisis yang paling sering digunakan oleh peneliti.
Pada analisis korelasi kita perlu memilih analisis yang tepat sesuai dengan skala pengukuran variabelnya. Analisis korelasi pada variabel nonparametrik berbeda dengan analisis korelasi untuk variabel parametrik.
Tentu kita sudah tidak asing lagi dan sering mendengar analisis korelasi pearson, korelasi rank spearman koefisien, kendall tau, kontingensi, korelasi lamda, korelasi cramer, dan lain-lain. Pilihan analisis korelasi tersebut terdapat asumsi yang dipersyaratkan.
Pada judul yang diangkat pada artikel ini, kita perlu memahami analisis korelasi untuk variabel non parametrik. Sebelum kita membahas lebih jauh, alangkah lebih baiknya kita perlu memahami perbedaan variabel yang masuk ke dalam statistik parametrik dan variabel yang masuk dalam statistik non parametrik.
Perbedaan variabel yang masuk statistik parametrik dan non parametrik
Dalam statistik, kita mengenal statistik parametrik dan statistik non parametrik. Pemilihan keduanya didasarkan pada skala pengukuran variabelnya. Masih ingat tidak? bahwa skala pengukuran variabel terbagi menjadi 4 yaitu: skala nominal, skala ordinal, skala interval, dan skala rasio.
Saya telah membahas perbedaan di antara masing-masing skala pengukuran ini di artikel terdahulu. Lalu, variabel mana yang masuk dalam statistik parametrik dan variabel yang mana yang masuk dalam statistik non parametrik?
Variabel yang diukur menggunakan skala pengukuran interval dan rasio masuk ke dalam statistik parametrik. Adapun variabel yang diukur menggunakan skala nominal dan ordinal masuk ke dalam statistik non parametrik.
Ciri khasnya adalah bahwa pada variabel yang masuk statistik parametrik dalam pengukurannya langsung bisa diperoleh nilai numerik. Adapun pada variabel non parametrik perlu instrumen agar variabel yang diukur menggunakan skala nominal dan ordinal dapat diubah menjadi numerik dan dapat dilakukan analisis lebih lanjut.
Asumsi analisis korelasi untuk variabel non parametrik
Seperti yang sudah saya sampaikan sebelumnya, terdapat beberapa macam pilihan analisis korelasi baik pada statistik parametrik maupun statistik non parametrik. Selanjutnya yang perlu kita pahami, ada beberapa pilihan analisis korelasi yang menggunakan variabel non parametrik.
Variabel nonparametrik yang saya maksud pada artikel ini yaitu variabel yang diukur menggunakan skala nominal dan skala ordinal. Perbedaan di antara keduanya yaitu bahwa variabel yang diukur menggunakan skala nominal dilakukan kategorisasi yang bertujuan hanya untuk membedakan agar dapat dipahami maknanya.
Adapun pada variabel yang diukur menggunakan skala ordinal kategorisasinya selain bertujuan untuk membedakan, di dalamnya juga ada level atau tingkatan. Variabel yang diukur menggunakan skala nominal dan yang diukur menggunakan skala ordinal juga terdapat beberapa pilihan analisis korelasi. Yuk kita bahas satu persatu!
Analisis korelasi untuk variabel skala ordinal
Analisis korelasi yang pertama kita bahas yaitu analisis korelasi untuk variabel yang diukur menggunakan skala ordinal. Contoh variabelnya yaitu tingkat pendidikan, persepsi, perilaku, motivasi, kompetensi, dan lain-lain. Pada variabel-variabel tersebut dapat menggunakan pendekatan skala likert.
Selanjutnya, analisis korelasi apa saja yang dapat kita pilih jika variabel yang diukur menggunakan skala ordinal? Pada variabel yang diukur menggunakan skala ordinal, salah satunya kita bisa menggunakan korelasi rank spearman dan Kendall tau.
Contohnya, seorang peneliti mengamati hubungan kompetensi karyawan dengan kinerja karyawan. Kedua variabel ini diukur menggunakan skala likert. Peneliti tersebut dapat mempertimbangkan salah satunya menggunakan korelasi rank spearman.
Selanjutnya, bagaimana jika variabelnya berskala nominal? Yuk kita bahas di subbab berikutnya!
Analisis korelasi untuk variabel skala nominal
Pada variabel yang diukur menggunakan skala nominal ditunjukkan dengan kategorisasi variabel yang hanya bertujuan untuk membedakan. Contohnya adalah jenis kelamin, jenis pekerjaan, tempat tinggal, dan lain-lain untuk.
Variabel yang diukur menggunakan skala nominal dapat mempertimbangkan untuk menggunakan Chi square, koefisien kontingensi, dll. Contohnya, seorang peneliti ingin mengetahui hubungan antara jenis kelamin dengan jenis pekerjaan. Keduanya diukur menggunakan skala nominal, maka peneliti tersebut salah satunya dapat mempertimbangkan menggunakan chi square.
Penutup
Pada penutup saya akan menggarisbawahi bahwa analisis korelasi pada variabel non parametrik tidak membutuhkan asumsi data harus berdistribusi normal. Hal kedua yang perlu diperhatikan, skala pengukuran variabel akan menentukan pilihan analisis korelasi yang tepat.
Contohnya, variabel yang dianalisis menggunakan skala ordinal salah satunya dapat mempertimbangkan menggunakan korelasi rank spearman. Adapun pada variabel yang diukur menggunakan skala nominal salah satunya dapat mempertimbangkan menggunakan chi-square.
Interpretasi hasil pada analisis korelasi untuk variabel non parametrik juga sama seperti halnya pada analisis korelasi pada variabel parametrik. Peneliti perlu melihat nilai signifikansi dari koefisien korelasi untuk menentukan apakah hubungannya signifikan atau tidak signifikan.
Selain itu, peneliti perlu melihat besar koefisien korelasi serta arah koefisien korelasi. Ketiga hal ini berguna untuk membantu dalam interpretasi hasil dan pengambilan kesimpulan dari penelitian yang telah dilakukan.
Baik, ini artikel yang dapat saya share pada kesempatan ini. Semoga bermanfaat untuk yang membutuhkan suplemen informasi dan wawasan terkait dengan statistika dan analisis data. Sampai jumpa di artikel edukasi berikutnya. Salam sehat selalu, terima kasih!
Posting Komentar untuk "Memahami Analisis Korelasi untuk Variabel Non Parametrik"