Buat yang masih bingung untuk menentukan uji korelasi yang benar
Uji korelasi hingga saat ini masih sangat populer digunakan untuk menganalisis data hasil penelitian. Namun ada satu hal yang perlu kamu ketahui, bahwa dalam uji korelasi itu terdiri dari beberapa macam.
Terkadang beberapa mahasiswa menanyakan kepada saya mengenai pilihan uji korelasi yang benar. Meskipun dalam rancangan proposal, mereka sudah menentukan salah satu uji korelasi.
Namun, beberapa masih ragu Apakah benar ini uji korelasi yang saya pakai ini sudah benar secara statistik?
Fenomena yang terjadi ini melatarbelakangi saya untuk menulis sebuah artikel yang membahas mengenai cara memahami uji korelasi yang tepat dan benar sesuai dengan kaidah statistik. Mari kita bahas lebih mendalam.
Kamu perlu paham skala pengukuran data
Saya menuliskan sub judul dalam artikel ini, "kamu perlu paham skala pengukuran data" tidak lain dan tidak bukan karena skala pengukuran data menjadi hal krusial yang harus dipahami oleh kita.
Mungkin kamu ketika mengambil mata kuliah statistik Di awal-awal semester, dosenmu pernah menjelaskan mengenai skala pengukuran data. Kalau kita flashback kembali skala pengukuran data itu dapat dibagi menjadi 4 yaitu skala nominal, skala ordinal, skala interval, dan skala rasio.
Masing-masing skala pengukuran data ini memiliki karakteristik skala pengukuran yang berbeda. Namun demikian, dilihat dari kompleksitas datanya, variabel yang diukur menggunakan skala nominal merupakan yang paling sederhana. Adapun variabel yang diukur menggunakan skala rasio merupakan yang paling kompleks.
Umumnya variabel yang diukur menggunakan skala nominal dan skala ordinal dapat menggunakan uji statistik non parametrik. Adapun pada variabel yang diukur menggunakan skala interval dan skala rasio dapat menggunakan uji-uji statistik parametrik.
Nah, inilah yang melatarbelakangi Mengapa pemahaman mengenai perbedaan skala pengukuran data baik nominal, ordinal, interval dan rasio wajib dikuasai oleh kita. Hal ini dikarenakan skala pengukuran data ini akan menentukan uji korelasi yang tepat.
Sesuai dengan judul yang saya tulis, pada artikel ini saya tidak akan membahas secara rinci mengenai perbedaan skala nominal, ordinal, interval, dan rasio karena saya telah menuliskannya secara lengkap pada artikel terdahulu. Silakan kamu bisa search artikel tersebut di blog ini.
Uji Korelasi Pearson
Uji korelasi yang akan saya bahas pertama kali adalah uji korelasi pearson. Uji korelasi ini digunakan untuk melakukan pengujian keeratan hubungan antara dua variabel.
Satu hal yang perlu kamu tahu bahwa pada uji korelasi Pearson terdapat asumsi prasyarat yang harus dipenuhi agar hasil estimasi konsisten dan tidak bias. Lalu, asumsi apa saja yang harus dipenuhi untuk menggunakan uji korelasi Pearson?
Untuk asumsi prasyarat secara lengkap, silakan kamu bisa Buka buku statistik atau ekonometrika. Namun ada satu hal yang saya tekankan di sini, bahwa ketika kamu melakukan uji korelasi Pearson, sebaiknya skala pengukuran data yang kamu gunakan minimal berskala interval atau skala rasio.
Mengapa demikian? Hal ini disebabkan karena jika skala pengukuran variabel kita berskala interval atau rasio, maka potensi untuk data terdistribusi normal akan lebih tinggi. Salah satu prasyarat utama dalam menggunakan uji korelasi Pearson yaitu data harus terdistribusi normal. Oleh karena itu sebaiknya skala pengukuran data minimal berskala interval atau rasio.
Meskipun dalam beberapa kasus juga tidak selalu data terdistribusi normal, meskipun kita telah menggunakan skala interval atau skala rasio. Jika ternyata tidak memenuhi asumsi data terdistribusi normal, maka mau tidak mau, kita harus melabuhkan pilihan kita pada uji non parametrik.
Dengan demikian dapat saya rekap bahwa jika variabel kita diukur menggunakan skala interval atau rasio dikorelasikan dengan variabel lain yang berskala interval atau rasio, maka kita dapat menggunakan korelasi Pearson. Namun, kamu juga perlu memastikan mengenai uji normalitas dari variabel yang diuji tersebut.
Uji Korelasi Rank Spearman
Uji korelasi rank spearman merupakan uji alternatif jika variabel yang kita kolerasikan ternyata tidak terdistribusi normal. Meskipun variabel kita menggunakan skala interval atau rasio dua-duanya namun tidak terdistribusi normal, maka kita tidak perlu memaksakan untuk menggunakan uji korelasi Pearson.
Kita dapat memilih menggunakan uji korelasi non parametrik. Salah satunya yaitu uji korelasi rank spearman. Selain itu, hal penting yang perlu kamu pahami adalah bahwa ketika kita menggunakan uji korelasi rank spearman, variabel yang lita uji minimal berskala ordinal.
Memang betul, umumnya variabel yang diukur menggunakan skala ordinal umumnya tidak terdistribusi normal. Sehingga kalau variabel kamu keduanya berskala ordinal, maka kamu salah satunya dapat mempertimbangkan untuk menggunakan uji korelasi ranl spearman. Pada uji korelasi ini tidak dipersyaratkan asumsi data harus terdistribusi normal.
Dengan demikian, korelasi rank spearman dapat digunakan jika kedua variabel kita keduanya diukur menggunakan skala ordinal. Atau variabel dengan skala interval atau rasio yang hasil pengujian menyatakan tidak terdistribusi normal juga dapat menggunakan korelasi rank spearman.
Uji Chi Square
Lalu mungkin kamu juga akan bertanya, Bagaimana cara kita mengkorelasikan untuk variabel kategorik yang berskala nominal? Contohnya kita ingin mengkorelasikan antara jenis kelamin dan jenis pekerjaan keduanya diukur menggunakan skala nominal.
Jika kamu memiliki variabel yang seperti saya contohkan tadi, artinya kamu dapat mempertimbangkan untuk menggunakan uji Chi square. Pada uji Chi Square ini kamu juga bisa membuat tabel yang berisi tabulasi silang dari variabel yang dikorelasikan.
Pada uji ini juga tidak dipersyaratkan bahwa data harus terdistribusi normal. Oleh karena itu, kalau kamu akan melakukan analisis korelasi di mana yang kamu hubungkan keduanya adalah variabel yang berskala nominal, maka kamu dapat mempertimbangkan untuk menggunakan uji Chi square.
Kesimpulan
Setelah kita membahas mengenai uji korelasi Pearson, korelasi rank spearman, dan Chi square, kini kita coba tarik kesimpulan. Jadi pada prinsipnya, jika variabel yang kamu analisis keduanya berskala interval atau rasio maka kamu dapat mempertimbangkan untuk menggunakan uji korelasi Pearson. Saat menggunakan uji ini, tentunya kamu perlu melakukan uji tambahan yaitu uji normalitas data
Selanjutnya, jika kedua variabel yang kamu uji memiliki skala pengukuran ordinal maka kamu dapat mempertimbangkan korelasi rank spearman untuk digunakan dalam analisis datamu. Jika kedua variabel yang diuji menggunakan pengukuran skala nominal atau kategori, maka kamu dapat mempertimbangkan untuk menggunakan uji Chi square.
Pada uji chi square juga ada beberapa asumsi jika misalkan nilai frekuensi harapan lebih besar dari yang dipersyaratkan, maka salah satunya bisa menggunakan uji Fisher.
Demikian artikel yang dapat saya tulis pada kesempatan ini. Semoga bermanfaat dan menambah insight baru bagi rekan-rekan yang masih bingung dalam menentukan uji korelasi yang benar. Terima kasih telah membaca artikel ini, kurang lebihnya mohon maaf.
Jika ada pertanyaan jangan ragu untuk bertanya di kolom diskusi di kolom komentar di bawah. Terima kasih, sampai jumpa di konten edukasi di Pekan berikutnya.
Posting Komentar untuk "Buat yang masih bingung untuk menentukan uji korelasi yang benar"