adalah statistik yang digunakan untuk melihat hubungan linear antara dua pembolehubah.
• Pekali korelasi Pearson product-moment digunakan untuk
menjelaskan hubungan antara dua pembolehubah selanjar (tahap skala pengukuran nisbah atau sela) dengan command Analyze dan Correlate. • Korelasi Simple Bivariate juga dikenali sebagai zero-order
correlation. • Ia merujuk kepada korelasi di antara dua pembolehubah
selanjar (continuous). Ia juga adalah ukuran hubungan linear yang paling umum.
• Pekali
korelasi merupakan indeks atau nilai yang menentukan hubungan antara dua pembolehubah.
• Ia merujuk kepada kajian berkaitan hubungan atau
perkaitan antara pembolehubah yang wujud dalam sesuatu masalah yang ingin dikaji. • Pekali korelasi terbahagi kepada dua unsur; tanda (tanda
positif/+ dan negatif/-) dan pekali korelasi (nilai di antara sifar dengan 1) mempunyai julat di antara – 1.0 hingga + 1.0.
• Tanda positif (+) menunjukkan perkadaran seiras antara variasi
dalam satu pembolehubah dengan variasi dalam satu lagi pembolehubah. Contohnya, semakin tinggi amalan keagamaan pelajar, maka semakin tinggi juga kepuasan hidup yang dipamerkan pelajar. • Tanda negatif (-) menunjukkan perkadaran songsang antara
variasi pada kedua-dua pembolehubah. Contohnya, semakin tinggi stres yang dialami pelajar, maka semakin rendah kepuasan hidup yang ditunjukkan pelajar. • Nilai
pekali (sifar hingga 1.0) menunjukkan kekuatan/ keteguhan hubungan atau perkaitan antara dua pembolehubah. Nilai pekali korelasi +1.0 menunjukkan hubungan positif antara dua pembolehubah yang sempurna/ kuat/ teguh. Manakala nilai pekali korelasi -1.0 menunjukkan hubungan songsang atau negatif yang kuat.
• Nilai
pekali korelasi boleh menjadi sifar (0) dan ini menunjukkan dua pembolehubah tersebut tidak mempunyai hubungan. Dua pembolehubah yang tidak mempunyai hubungan boleh ditafsirkan bahawa pembolehubah tersebut bebas antara satu dengan yang lain.
• Secara
ringkasnya, hubungan antara dua pembolehubah dikatakan lemah apabila nilai pekali korelasi mendekati sifar dan dikatakan kuat apabila nilai pekali menghampiri 1.
• Antara jenis atau kaedah korelasi ialah korelasi Pearson,
Spearman, Pangkat Seri, Tau Kendall, Dwisiri, dan korelasi Separa. Namun, buku ini hanya akan menerangkan korelasi Pearson dan korelasi Spearman.
Syarat-syarat Menggunakan Analisis Korelasi Pearson • Related pairs • Data mestilah dikumpul dari pasangan yang berkaitan. Contohnya, skor bagi pembolehubah X dan skor pembolehubah Y mestilah diperoleh dari responden yang sama. • Andaian ini berhubung dengan rekabentuk kajian. • Scale of measurement • Data perlulah dalam bentuk sela atau nisbah. • Andaian ini berhubung dengan rekabentuk kajian. • Normality • Skor untuk setiap pembolehubah perlulah bertabur secara normal. • Andaian ini boleh diuji dengan menggunakan prosedur transformasi data.
• Linearity • Hubungan antara kedua-dua pembolehubah tersebut mestilah linear. • Andaian ini boleh dikenalpasti dengan merujuk kepada hasil scatterdots bagi pembolehubah yang dikaji. • Homoscedasticity • Penyebaran bagi skor untuk satu pembolehubah adalah lebih kurang sama dengan semua nilai bagi pembolehubah yang lain. Ini adalah berkaitan dengan bagaimana skor tersebut berkumpul secara seragam di sekitar garis regresi. • Andaian ini boleh dikenalpasti dengan merujuk kepada hasil scatter/dot bagi pembolehubah yang dikaji.
Contoh Kes • Persoalan Kajian: Pengkaji ingin mengkaji sama ada
terdapat hubungan antara kepuasan hidup seseorang dengan spiritualnya. Data telah dikumpul daripada 397 orang pelajar Sekolah Psikologi dan Kerja Sosial, Universiti Malaysia Sabah. • Objektif: Mengkaji perhubungan di antara spiritual dan
kepuasan hidup. • Hipotesis nol: Tidak terdapat hubungan antara kepuasan
hidup dan spiritual.
Command Mengesahkan andaian Homoscedasticity • Pilih menu Graphs
• Klik Scatter/dot … untuk membuka kotak Scatter/dot • Klik Define untuk membuka kotak Simple Scatter
• Pastikan option Simple Scatter dipilih • Pilih pembolehubah pertama yang hendak diuji (Contoh: Spiritual)
dan klik butang ► untuk memindahkan pembolehubah itu ke kotak Y Axis: • Pilih pembolehubah kedua (Contoh: Kepuasan Hidup) dan klik buttang ► untuk memindahkan pembolehubah itu ke kotak X Axis: • Klik OK
Output Mengesahkan andaian Homoscedasticity
Interpretasi Mengesahkan andaian Homoscedasticity • Pilih menu Analyze • Klik Correlate dan kemudian Bivariate … untuk membuka kotak
Bivariate Correlations
• Pilih pembolehubah yang hendak dikaji (Contoh: Kepuasan Hidup
dan Spiritual) dan klik butang ► untuk memindahkan pembolehubah itu ke kotak Variables: • Pastikan option korelasi Pearson dipilih • Dalam kotak Test of Significance, pilih butang Two-tailed
• Klik Options… dan Bivariate Correlations: Options akan
terpapar. Kemudian klik pada kotak Means and standard deviations untuk mendapatkan statistik deskriptif kedua-dua pembolehubah • Klik Continue • Klik OK
Output Analisis Korelasi Pearson Product-Moment
Interpretasi Analisis Korelasi Pearson Product-Moment • Nilai pekali korelasi antara pembolehubah kepuasan
hidup dan spiritual = .202. • Aras kesignifikanan yang sebenar = .0001 (sangat
signifikan). • 397 pasang skor digunakan untuk mendapatkan pekali
korelasi antara pembolehubah kepuasan hidup dan spiritual (N = 397).
Melapor Analisis Korelasi Pearson Product-Moment • Perkara penting yang perlu dilaporkan semasa
melaporkan output korelasi Pearson: • Arah hubungan • Kekuatan hubungan • Pekali korelasi • Kesignifikanan hubungan
• Hasil analisis korelasi menunjukkan hubungan antara
kepuasan hidup dan spiritual merupakan satu hubungan positif yang lemah tetapi signifikan (r = .202, k < .05). Keputusan ini menjelaskan bahawa pelajar yang mempunyai kepuasan hidup yang tinggi melaporkan mempunyai spiritual yang juga tinggi ATAU korelasi positif yang signifikan ini mengesahkan bahawa apabila kepuasan hidup pelajar itu tinggi, maka spiritual pelajar tersebut juga dilaporkan tinggi. Oleh itu, hipotesis nol yang mengatakan ‘tidak terdapat hubungan antara kepuasan hidup dan spiritual’ adalah ditolak/ tidak disokong/ gagal diterima.
