Cara Analisis Korelasi Product Moment di SPSS IBM 23

Gambar : Cover Artikel

Korelasi Product Moment

Ditulis oleh : Dimas Purbo Wicaksono Fenda Putra, S.E.

A.Penjelasan Analisis Korelasi Bivariate dan Korelasi Product Moment

Analisis korelasi bivariate adalah analisis yang digunakan untuk melihat apakah terdapat hubungan antara dua variabel. Korelasi bivariate di bagi menjadi tiga, yaitu korelasi product moment  (pearson), korelasi kendall’s tau, dan koerelasi spearman. Korelasi product moment digunakan untuk mengukur apakah terdapat hubungan yang linear antara dua variabel. Korelasi kendall’s tau dan spearman  digunakan untuk mengukur apakah terdapat hubungan dua variabel berdasarkan peringkat-peringkat.

Dalam analisis korelasi bivariate, data yang digunakan adalah kuantitatif (berbentuk angka) (tipe interval atau rasio). Type interval merupakan data yang memiliki pengukuran lebih besar dari nominal dan ordinal. Type rasio merupakan data yang memiliki pengukuran lebih besar dari data lainnya. Kedua type data tersebut digunakan untuk korelasi product moment, sedangkan korelasi kendall’s tau dan spearman menggunakan data tipe ordinal, interval dan rasio. Type ordinal merupakan data yang memiliki level pengukuran lebih besar dari nominal dan termasuk data kualitatif. 

Asumsi yang menjadi dasar pada analisis korelasi product moment yaitu distribusi data ke dua variabel adalah normal. Sedangkan untuk korelasi kendall’s tau dan spearman tidak mensyaratkan distribusi data normal.

B.Tahapan Pengolahan Data

Sebelum melakukan pengujian. Susun data terlebih dahulu. 

Dalam contoh ini penulis ingin meneliti bagaimana pengaruh dari diterapkannya punishmen (jumlah) dengan kinerja karyawan di salah satu perusahaan. Sampel data yang digunakan ada "20" dengan dua variabel masing-masing punishmen dan kinerja. Data ini hanya contoh. 

Gambar : Data Latihan

Pada tulisan ini, penulis akan mengajarkan bagaimana cara melakukan pengujian korelasi product moment. Sebelum praktik pengujiannya, kita lihat distribusi normal dengan menguji normalitas.

Buka halaman spss editor klik variable view.

Gambar : Pengolah Data SPSS IBM 23

Langkah 1 : Isikan sesuai dengan data. Name : Punishmen dan Kinerja. Type : Numeric. Width : 8. Decimals : 0. Label : Jumlah Punishmen dan Kinerja Karyawan. Values : None. Missing : None. Columns : 8. Align : Right. Measure : Scale. Role : Input.

Gambar : Pengolah Data SPSS IBM 23

Halaman spss editor klik data view.

Gambar : Pengolah Data SPSS IBM 23

Langkah 2 : Copy paste data yang sudah disusun di microsoft excel ke menu data view spss.

Gambar : Pengolah Data SPSS IBM 23

Langkah 3 : Klik Analyze => Descriptive Statistics => Explore.

Gambar : Pengolah Data SPSS IBM 23

Langkah 4 : Di tampilan Explore, masukkan seluruh variabel (Jumlah Punishmen dan Kinerja Karyawan) ke kotak Dependent List. Klik Plots.

Gambar : Pengolah Data SPSS IBM 23

Langkah 5 : Pada tampilan Explore Plots di bagian Boxplots pilih Factor levels together. Deskriptive pilih Stem-and-leaf. Centang Normality plots with tests. Klik Continue.

Gambar : Pengolah Data SPSS IBM 23

Langkah 6 : Kembali ke Explore di bagian Display pilih Plots. Klik ok.

Gambar : Pengolah Data SPSS IBM 23

Langkah 7 : Hasilnya sebagai berikut.

Gambar : Output Pengolah Data SPSS IBM 23

Interpretasi Output :

Kriteria keputusan :

Jika signifikansi > 0.05 maka data berdistribusi normal.

Jika nilai signifikansi < 0.05 maka data tidak berdistribusi normal.

Kesimpulan dari hasil ini adalah :

Hasil output di atas menunjukkan variabel jumlah punishmen memiliki nilai signifikansi sebesar 0.200. Nilai ini lebih dari tingkat alpha (0.200 > 0.05), artinya data berdistribusi normal. Sedangkan untuk variabel kinerja karyawan memiliki nilai signifikansi sebesar 0.150. Nilai ini lebih besar dari tingkat alpha (0.150 > 0.05), artinya data berdistribusi normal.

Setelah mengetahui hasil dari uji normalitas, langkah berikutnya lakukan pengujian :

ANALISIS KORELASI PRODUCT MOMENT

Langkah 8 : Klik Analyze pilih Correlate => Bivariate.

Gambar : Pengolah Data SPSS IBM 23

Langkah 9 : Di tampilan Bivariate Correlations, masukkan seluruh variabel (Jumlah Punishmen dan Kinerja Karyawan). Kemudian di bagian Correlation Coefficient pilih Pearson. Test of Significance pilih Two-tailed.  Centang Flag significant correlations. Klik ok.

Gambar : Pengolah Data SPSS IBM 23

Langkah 10 : Hasilnya sebagai berikut.

Gambar : Output Pengolah Data SPSS IBM 23

Penjelasan :

Koefisien korelasi yang digunakan untuk mengetahui keeratan hubungan dan arah hubungan. Signifikansi yang digunakan untuk mengetahui apakah hubungan yang terjadi penting atau tidak. Agar dapat mengetahui keeratan hubungan maka dapat dilihat pada besarnya koefisien korelasi dengan dasar yaitu apabila nilai koefisien mendekati 1 atau -1, artinya terdapat hubungan kuat, lain halnya apabila koefisien mendekati 0, artinya terdapat hubungan yang lemah. 

Arah hubungan dapat dilihat pada tanda (+ dan -) dari nilai koefisien, jika nilainya positif, artinya terdapat hubungan yang positif atau apabila jumlah punishmen tinggi maka kinerja karyawan meningkat, jika nilainya negatif, artinya apabila jumlah punishmen tinggi maka kinerja karyawan akan menurun. 

Untuk mengetahui apakah hubungan berpengaruh atau tidak maka dilakukan pengujian signifikansi. Signifikansi dilihat dari nilai p value (sig) pada hasil correlations.

Interpretasi Output :

Hasil output di atas menunjukkan nilai koefisien korelasi sebesar -0.030. Karena nilainya mendekati -1 maka hubungan antara jumlah punishmen dengan kinerja karyawan dapat dikatakan kuat. 

Hasil output di atas menunjukkan nilai koefisien bertanda negatif (-0.030), artinya apabila jumlah punishmen rendah maka kinerja karyawan meningkat atau jika dibalik, jumlah punishmen tinggi maka kinerja karyawan menurun.

Untuk mengetahui pengaruh hubungan antar kedua variabel maka dilakukan pengujian signifikansi. Langkah-langkahnya sebagai berikut :

Menentukan hipotesis nol dan hipotesis alternatif :

H₀ : Artinya tidak ada hubungan antara jumlah punishmen dengan kinerja karyawan.

H_a : Artinya ada hubungan antara jumlah punishmen dengan kinerja karyawan

Menentukan signifikansi dari hasil correlations. 

Hasil output di atas menunjukkan nilai signifikansi sebesar 0.900.

Dasar Pengambilan keputusan :

Jika nilai signifikansi > 0.05, artinya H₀ diterima

Jika nilai signifikansi < 0.05, artinya H₀ ditolak

Kesimpulan dari hasil di atas adalah :

Nilai signifikansi sebesar lebih dari tingkat alpha (0.900 > 0.05) maka hipotesis nol diterima, artinya tidak terdapat hubungan yang berarti antara jumlah punishmen dengan kinerja karyawan.

Selanjutnya kita akan belajar pengujian korelasi Kendall's dan Spearman. Cara pengujiannya silakan klik disini : CARA ANALISIS KORELASI KENDALL’S TAU DAN SPEARMAN DI SPSS IBM 23

Informasi ekonometrika secara lengkap, silakan kunjungi channel youtube saya di : Dimas Channel

Note : Silakan bagi teman-teman yang ingin meng-copy artikel ini. Mohon sertakan sumber aslinya. Terima Kasih :-)