PEMBAHASAN SOAL DISTRIBUSI SAMPLING BEDA DUA PROPORSI

Berikut soalnya :

Lima persen barang dari gudang timur cacat, sedangkan barang yang cacat di gudang barat sebanyak sepuluh persen. Bila diambil sampel acak sebanyak 200 barang dari gudang timur dan 300 barang dari gudang barat, tentukanlah probabilitas persentase barang yang cacat dalam gudang barat 2% lebih banyak dibanding gudang timur!

Pembahasannya dapat diunduh melalui link berikut ini :

Pembahasan Soal Distribusi Sampling Beda Dua Proporsi

atau dapat dipelajari melalui video berikut ini :

Pembahasan Soal Distribusi Sampling Beda Dua Proporsi

Read More

PEMBAHASAN SOAL DISTRIBUSI SAMPLING BEDA DUA RATA-RATA

Berikut soalnya :

Besi baja yang diproduksi perusahaan A mempunyai rata-rata daya regang sebesar 4.500 lbs dan variansi sebesar 40.000 lbs. Sedangkan besi baja yang diproduksi perusahaan B mempunyai rata-rata daya regang sebesar 4.000 lbs dan variansi sebesar 90.000 lbs. Misalkan sampel random diambil sebanyak n1 = 50 dari perusahaan A dan sampel random sebanyak n2 = 100 diambil dari perusahaan B. Berapakah probabilitas rata-rata daya regang beda dua rata-rata dari dua sampel itu yang lebih besar dari 600 lbs?

Jawaban dapat diunduh melalui link berikut :

Pembahasan Soal Distribusi Sampling Beda Dua Rata-Rata

atau dapat dilihat videonya pada link berikut :

Pembahasan Soal Distribusi Sampling Beda Dua Rata-Rata

Read More

PEMBAHASAN SOAL DISTRIBUSI SAMPLING PROPORSI

Berikut soalnya :

Pengiriman barang yang terdiri dari 2000 box file dan terdapat 600 box file rusak. Jika sampel acak 500 box file dipilih dari populasi tersebut tanpa pengembalian, berapakah probabilitas sampel populasi yang rusak:

a. akan kurang dari 155/500

b. antara 150/500 sampai dengan 165/500

c. lebih dari 170/500

Pembahasannya dapat di unduh melalui link berikut :

Pembahasan Soal Distribusi Sampling Proporsi

Atau dapat dipelajari melalui video berikut ini :

Pembahasan Soal Distribusi Sampling Proporsi

Read More

PEMBAHASAN SOAL DISTRIBUSI SAMPLING RATA-RATA

Soal mengenai distribusi sampling rata-rata:

Distribusi kecepatan maksimum dari 1000 mobil Avanza mempunyai rata-rata 135,8 km/jam dengan simpangan baku 4,2 km/jam. Jika sebuah sampel sebesar 100 mobil dipilih secara acak tanpa pengembalian, hitunglah probabilitas kecepatan maksimum rata-rata dari 100 mobil Avanza tersebut yang rata-ratanya melebihi 136,5 km/jam

Jawaban dapat di download pada link berikut ini :

Pembahasan Soal Distribusi Sampling Rata-Rata

Atau dapat dipelajari  melalui video berikut ini :

Pembahasan soal distribusi sampling rata-rata

Read More

PEMBAHASAN SOAL DISTRIBUSI NORMAL

Berikut adalah soal distribusi normal :

Dari 200 mahasiswa yang mengikuti ujian Statistika di suatu universitas, diperoleh bahwa nilai rata-rata adalah 60 dan standar deviasi adalah 10. Bila distribusi menyebar secara normal, berapa :

a. Persen yang mendapat nilai A, jika nilai X≥80?

b. Persen yang mendapatkan nilai C, jika nilai C terletak pada interval 56≤X≤68?

c. Persen yang mendapat nilai E, jika nilai X<45?

Jawaban dapat diunduh melalui link berikut :

Contoh Soal Distribusi Normal

atau dapat dilihat videonya pada link berikut :

Contoh Soal Distribusi Normal

Read More

VALIDITAS INTERNAL DAN VALIDITAS EKSTERNAL

Pada dasarnya instrumen terbagi atas instrumen berbentuk tes misalnya untuk mengukur prestasi atau capaian atas pembelajaran dan instrumen berbentuk non tes untuk mengukur sikap. Tes merupakan prosedur sistematis untuk melakukan pengamatan terhadap perilaku seseorang dan mendeskripsikan perilaku tersebut dengan bantuan skala angka atau suatu sistem penggolongan (Cronbach, 1004). 

Instrumen berbentuk tes jawabannya ada benar atau salah, namun instumen sikap tidak demikian tetapi bersifat positif atau negatif. pada dasarnya instrumen yang baik adalah instrumen yang valid dan reliabel.
Seperti penjelasan pada postingan sebelumnya sudah dijelaskan mengenai validitas dan reliabilitas secara umum. Dikatakan bahwa instrumen yang valid harus memiliki validitas internal dan validitas eksternal. Instrumen yang memiliki validitas internal bila kriteria dalam instrumen secara teoritis telah mencerminkan apa yang hendak diukur. Sedangkan validitas eksternal bila kriteria dalam instrumen disusun berdasarkan fakta empiris yang ada. (Sugiyono, 2008).

Validitas internal instrumen berbentuk tes harus memenuhi validitas konstruk dan validitas isi. Sedangkan validitas internal untuk instrumen berbentuk non tes cukup memenuhi validitas konstruk saja.

Instrumen yang memiliki validitas konstruk disusun berdasarkan teori yang relevan. Instrumennya dapat mengukur gejala sesuai dengan yang didefinisikan. Misalnya mengukur motivasi kerja, maka perlu didefinisikan terlebih dahulu motivasi kerja berdasarkan teori yang relevan. Selanjutnya baru siapkan instrumen sesuai dengan definisi tersebut. Seperti yang dilakukan penelitian mahasiswa pada tugas akhir. Jika teori sudah benar maka hasil pengukuran dengan instrumen berdasarkan teori pun sudah dipandang sebagai hasil yang valid. (Sutrisno).

Instrumen yang memiliki validitas isi merupakan instrumen yang berbentuk tes yang dapat mengukur prestasi, capaian ataupun efektivitas pelaksanaan suatu program. Instrumen prestasi / capaian harus disusun berdasarkan materi yang diajarkan sedangkan instrumen untuk mengetahui efektivitas pelaksanaan program harus disusun berdasarkan program yang telah direncanakan.

Selanjutnya, menguji validitas eksternal yaitu dengan cara membandingkan / mencari kesamaan antara kriteria yang ada pada instrumen dengan fakta empiris yang ada di lapangan. Misalnya penelitian mengukur motivasi kerja, maka kriteria pada instrumen motivasi kerja dibandingkan dengan catatan-catatan yang ada dilapangan mengenai motivasi kerja. Jika terdapat kesamaan maka dapat dinyatakan instrumen tersebut memiliki validitas eksternal yang tinggi. Sehingga hasil penelitian akan memiliki validitas yang tinggi pula. Penelitian yang memiliki validitas eksternal, bila hasil penelitian dapat digeneralisasikan pada sampel lain dalam populasi yang diteliti. Untuk meningkatkannya dapat dialkukan dengan cara menambah ukuran sampel.

by MEYF.


Materi selanjutnya kita akan bahas mengenai uji Validitas dengan menggunakan analisis faktor.

Read More

~"CONTOH - INTERPRETASI HASIL ANALISIS FAKTOR "~

Dari hasil olahan data analisis faktor pada Langkah-Langkah Analisis Faktor dengan IBM SPSS 21.00. Maka dapat kita interpretasikan hasil analisisnya sebagai berikut :

Dari hasil olahan data tersebut dengan rumusan masalah adalah untuk mengetahui faktor-faktor perilaku rumah tangga dan belanja. Dalam hal ini untuk mereduksi 7 variabel (X1, X2, X3, X4, X5, X6 dan X7) menjadi lebih sedikit atau kurang dari 7 variabel. Metode yang digunakan adalah Principal Component Analysis.

Uji analisis kelayakan data dengan menggunakan KMO Bartlett Tes't diperoleh bahwa nilai KMO sebesar 0,550 yaitu lebih besar dari 0,50 hal ini menunjukkan bahwa sampel cukup untuk dilakukan analisis faktor. Selanjutnya pada uji Bartlett's Test of Sphericity sebesar 0,000 artinya ada korelasi antar variabel atau ketujuh variabel tersebut atau dalam bentuk statistika bahwa matriks korelasi bukan matrik identitas. Hal ini dapat dilihat pada gambar 1 berikut :

Gambar 1. Hasil KMO dan Uji Bartlett

Selanjutnya metode yang dipilih adalah metode Principal Component Analysis yaitu dengan mempertimbangkan nilai variannya. Maka dilakukan penentuan jumlah faktor yaitu dengan menggunakan nilai eigen, atau scree plot atau persentase varians. Dalam hal ini akan dibahas ketiganya. 

1. Penentuan jumlah faktor dengan nilai eigen 

Banyaknya faktor ditentukan dengan nilai eigen yang lebih dari 1. Dari gambar 2 di bawah pada kolom Initial Eigenvalues - Total yang memiliki nilai eigen lebih dari 1 ada sebanyak 3 component. Artinya terdapat tiga faktor yang terbentuk. 

Gambar 2. Total Variance Explained

2. Penentuan jumlah faktor dengan persentase varians

Dari gambar 2 di atas, persentase varians terletak pada kolom Initial Eigenvalues - Cumulative %. Jika dilihat per tahapan, 1 faktor (component) besarnya persentase varians sebesar 35,505 persen artinya sekitar 35,505 persen variasi varian dari tujuh variabel dapat dijelaskan oleh 1 faktor, tentu nilai  ini masih kurang dari 60 persen. Untuk 2 faktor (component) besarnya persentase varians sebesar 51,518 persen artinya sekitar 51,518 persen variasi varian dari tujuh variabel  dapat dijelaskan oleh dua faktor. Nilai persentase ini masih kurang dari 60 persen. Selanjutnya jika diambil 3 faktor (component) besarnya persentase varians sebesar 80,649 persen artinya sekitar 80,649 persen variasi varian dari tujuh variabel dapat dijelaskan oleh tiga faktor. Nilai ini sudah lebih dari 60 persen. Dan jika dilihat dari nilai eigennya, sampai tiga faktor (component) nilai eigen sudah lebih dari 1. Jadi dapat disimpulkan bahwa faktor yang terbentuk adalah sebesar 3 faktor.

3. Penentuan jumlah faktor dengan scree plot

Scree plot atau plot patahan dapat menentukan jumlah faktor yang terbentuk. Jumlah patahan yang tajam menunjukkan banyaknya faktor yang terbentuk. Dari gambar di bawah terdapat tiga garis patahan yang tajam, sedangkan patahan ke empat sampai ke tujuh tidak terlalu tajam. Sehingga dapat disimpulkan bahwa faktor yang terbentuk adalah sebanyak 3 faktor.

Gambar 3. Scree Plot

Jadi terdapat tiga faktor yang mewakili tujuh item tersebut. Dan sekitar 80,649 persen variasi dari varians tujuh item dapat dijelaskan oleh tiga faktor.

Setelah banyaknya faktor ditentukan, selanjutnya adalah menentukan variabel mana yang masuk ke dalam ketiga faktor tersebut. Yaitu dengan menggunakan matrik rotasi dengan metode varimax yang dapat dilihat pada gambar 4 berikut :

Gambar 4. Matrik Faktor Rotasi

Dari gambar 4 di atas, variabel yang membentuk faktor tertentu adalah variabel yang memiliki nilai korelasi tertinggi. Variabel X1 memiliki nilai korelasi 0,897 pada faktor/component 1 artinya variabel X1 membentuk Faktor 1. Selanjutnya jika dilihat secara keseluruhan maka faktor 1 dapat dibentuk oleh variabel X1, X3, dan X5. Ketiga variabel ini saling berkorelasi sehingga membentuk faktor 1. Faktor 2 dibentuk oleh korelasi X4 dan X7 dan faktor 3 dibentuk oleh korelasi variabel X2 dan X6. 

Faktor yang terbentuk ini selanjutnya dapat diinterpretasikan dengan memberikan nama terhadap masing-masing faktor. Tentunya didasarkan pada teori dan variabel yang membentuk.

Sebagai contoh : 

Jika dilihat dari soal sebelumnya pada contoh penggunaan analisis faktor dimana tujuh variabel tersebut yang membentuk faktor adalah 

Faktor 1 :

X1 = saya lebih baik tinggal di rumah daripada pergi pesta

X3 = majalah lebih menarik daripada bioskop

X5 = saya termasuk homebody

Faktor 2 :

X4 = saya tidak mau membeli produk yang diiklankan di billboard

X7 = perusahaan banyak menghabiskan uang untuk membiayai iklan

Faktor 3 :

X2 = saya selalu mengecek harga walaupun pada barang murah

X6 = saya menyimpan dan membelanjakan kupon

selanjutnya penamaan ditentukan oleh teori dan variabel yang membentuk. Misalnya faktor 1 diberi nama faktor perilaku pribadi, faktor 2 diberi nama faktor penjualan dan faktor 3 diberi nama faktor pembelian. Atau lainnya dikaitkan dengan teori yang ada.

Untuk menghitung faktor skor dalam hal ini menggunakan Anderson-Rubin dalam IBM SPSS 21.00 sudah langsung diperoleh nilai faktor 1, faktor 2 dan faktor 3. Dan setiap faktor memiliki model faktor yang dapat digunakan untuk menghitung skor faktor tersebut. Membentuk skor faktor dapat didasarkan pada gambar 5 berikut ini :

Gambar 5. Matrik Koefisien Skor Faktor

Berikut model faktor tersebut :

Faktor 1 = 0,391X1 + 0,10X2 + 0,302X3 + 0,170X4 + 0,405X5 - 0,008X6 - 0,086X7

Faktor 2 = 0,020X1 - 0,048X2 - 0,189X3 + 0,542X4 + 0,211X5 + 0,145X6 + 0,461X7

Faktor 3 = -0,048X1 + 0,530X2 + 0,043X3 + 0,059X4 + 0,021X5 + 0,595X6 + 0,035X7

Dan hasil skor faktor yang terbentuk di data view IBM SPSS 21.00 dapat digunakan untuk analisis lebih lanjut.

Gambar 6. Hasil Skor Faktor Anderson-Rubin

by MEYF

Read More

INTERPRETASI HASIL ANALISIS FAKTOR DENGAN IBM SPSS

Ini adalah lanjutan dari artikel yang sudah pernah di posting beberapa tahun yang lalu yaitu Analisis Faktor dan Langkah-Langkah Analisis Faktor dengan IBM SPSS 21. Dalam materi kali ini yang dibahas adalah langkah-langkah analisis faktor langsung menggunakan IBM SPSS 21.00 dan interpretasi hasilnya. Data yang digunakan dapat dilihat pada Langkah-Langkah Analisis Faktor dengan IBM SPSS 21.
Untuk lebih singkatnya dapat dilihat video berikut :

Read More

CARA MEMBUAT DIAGRAM LINGKARAN

Kali ini kita membahas cara membentuk diagram lingkaran secara manual. Sangat mudah tapi sering terlupakan. Silahkan tonotn penjelasan lengkapnya melalui video berikut ini :

Read More

CONTOH PERHITUNGAN MANUAL ANALISIS KORELASI METODE PRODUK MOMEN - MENGGUNAKAN MS EXCEL

Berikut adalah video mengenai contoh perhitungan manual analisis korelasi sedehana metode Pearson Produk Momen yaitu variabel X dan Y dimana variabel X adalah tinggi badan dan variabel Y adalah berat badan dari 12 orang sebagai sampel. Dan akan diukur seberapa kuat hubungan atau korelasi antara tinggi badan dan berat badan tersebut. Berikut penjelasannya dapat dilihat pada link video berikut ini :

Read More

CONTOH PERHITUNGAN MANUAL ANALISIS KORELASI METODE LEAST SQUARE - MENGGUNAKAN MS EXCEL

Berikut adalah video mengenai contoh perhitungan manual analisis korelasi sedehana metode Least Square yaitu variabel X dan Y dimana variabel X adalah tinggi badan dan variabel Y adalah berat badan dari 12 orang sebagai sampel. Dan akan diukur seberapa kuat hubungan atau korelasi antara tinggi badan dan berat badan tersebut. Berikut penjelasannya dapat dilihat pada link video berikut ini :

Read More

CONTOH ANALISIS REGRESI LINEAR SEDERHANA MENGGUNAKAN MS EXCEL

Pada postingan sebelumnya sudah diberikan contoh mengenai Analisis Regresi Linear Sederhana dengan perhitungan manual. Kali ini akan kita bahas contoh lain dari Analisis Regresi Linear Sederhana menggunakan MS Excel.

Dalam kasus ini diberikan contoh dua kejadian atau dua variabel yaitu berat badan sebagai variabel terikat Y dan tinggi badan sebagai variabel bebas X. Terdapat 12 data sampel dari orang yang diukur tinggi dan berat badannya.
Dengan menggunakan analisis regresi linear sederhana menggunakan MS Excel diperoleh Persamaan Regresi :

Y = 31,38 + 0,23X + error

Berikut video mengenai langkah-langkah perhitungannya :

Silahkan klik :

Semoga bermanfaat

Terimakasih ^_^

Read More

PENJELASAN LANJUTAN ANALISIS CLUSTER / KLASTER

Perbedaan mendasar analisis faktor dengan analisis klaster terletak pada apa yang dikelompokkan/direduksinya. Dalam analisis faktor mengelompokkan variabel namun pada analisis klaster mengelompokkan objek/responden. Jika data sudah diinput dalam suatu worksheet pengolahan data, maka yang membedakan keduanya yaitu pada analisis faktor meengelompokkan kolom sedangkan pada analisis klaster mengelompokkan baris. Pengelompokkan ini didasarkan pada klasifikasi objek atau responden/kasus dalam kelompok yang homogen. Kelompok homogen ini disebut klaster.

Analisis klaster telah digunakan dalam pemasaran dengan berbagai tujuan (menurut J.Supranto, 2004) sebagai berikut :

1. Tujuan membuat segmen pasar.

2. Memahami perilaku membeli

3. Mengenali peluang produk baru

4. Memilih uji pasar

5. Mereduksi data

Langkah-langkah dalam analisis klaster sebagai berikut :

1. Merumuskan masalah pengklasteran dengan mendefinisikan variabel yang digunakan.

2. Memilih ukuran jarak atau similaritas. Ukuran kemiripan yang paling biasa digunakan adalah jarak Euclidean yaitu akar dari jumlah kuadrat deviasi.

3. Memilih prosedur pengklasteran apakah hirarki atau non hirarki. Biasanya dalam pemasaran menggunakan metode hirarki aglomeratif.

4. Menentukan banyaknya klaster, tidak ada aturan baku, namun sebagai pertimbangan dapat digunakan hal berikut ini :

a. Pertimbangan teoritis, konseptual, dan praktis

b. Dalam klaster hirarki dapat menggunakan jarak

c. Dalam klaster Non-Hirarki dapat menggunakan rasio jumlah varian dalam klaster dengan antar klaster dapat diplotkan . Titik dimana suatu siku atau lekukan tajam terjadi menunjukkan banyaknya klaster.

5. Menginterpretasikan profil klaster

6. Menguji reliabilitas dan validitas klaster.

Hal ini dapat juga dilihat pada gambar 1 berikut ini :

Gambar 1. Langkah-langkah Analisis Klaster

Sumber : Supranto, 2004.

Klasifikasi prosedur pengklasteran dapat dilihat pada gambar 2 berikut ini :

Gambar 2. Klasifikasi Prosedur Pengklasteran

Sumber : Supranti, 2004

Selanjutnya kita bahas secara singkat masing-masing prosedur :
1. Klaster Hirarki
Diawali dengan pengelompokkan dua atau lebih objek yang memiliki kesamaan paling dekat. Selanjutnya masing-masing kelompok lakukan lagi pengelompokkan yang memiliki kesamaan paling dekat, demikian seterusnya hingga tidak ada yang mirip. Metode ini terlihat seperti akar pohon. Biasanya menggunakan dendogram dalam membantu menjelaskan proses hirarkinya.

Metode klaster hirarki terbagi atas dua yaitu :
a. Agglomerative = pemusatan --> setiap objek dianggap sebuah klaster, lalu cari yang mirip dan digabungkan menjadi klaster baru, dst.
b. Divisive = penyebaran --> sebuah klaster besar yang terdiri dari keseluruhan objek, lalu ketidakmiripan objek yang paling tinggi dipisahkan, dst.

2. Klaster Non-Hirarki
Diawali dengan menentukan jumlah klaster yang diinginkan apakah dua, tiga, dst. Selanjutnya proses klaster dilakukan tanpa mengikuti proses hirarki yang biasa disebut juga K-Means Cluster. Langkah-langkahnya :
a.   Memilih klaster pusat
b.   Semua objek dalam jarak tertentu ditempatkan pada klaster yang terbentuk.
c. Memilih klaster selanjutnya dan menempatkan kembali objek sampai objek semuanya ditempatkan.

Beberapa istilah jenis-jenis analisis klaster :
Single Linkage : Didasarkan pada jarak terkecil, jika jaraknya berdekatan maka akan menjadi satu klaster.
Complete Linkage : Didasarkan pada jarak terjauh, jika jaraknya berjauhan maka akan mejadi beda klaster.
Average Linkage : Didasarkan pada rata-rata jarak seluruh individu dalam klaster dengan jarak seluruh individu dalam klaster yang lain.
Ward's Methods : Didasarkan pada jumlah Sum of Square dua klaster pada masing-masing variabel
Sequential Tresholds Methods : Diawali dengan pemilihan satu klaster, kemudian penempatan objek dengan jarak tertentu, lalu lanjut dengan penempatan objek jarak tertentu lainnya, dan seterusnya.
Parallel Treshold Methods : Diawali dengan memilih sejumlah klaster secara bersamaan dan menempattkan objek ke dalamnya. Jika ada yang tidak bisa ditempatkan, maka objek itu dibiarkan saja.
Optimization Methods : Menempati objek dengan optimal yaitu memungkinkan kembali objek untuk ditempatkan.

Langkah analisis klaster lainnya yaitu interpretasi hasil maksudnya adalah memberi nama spesifik untuk menggambarkan isi klaster. Dalam melakukan analisis klaster diperlukan uji asumsi yaitu sampel benar-benar mewakili populasi dan uji multikolinearitas.


by MEYF

Read More

ANGKA INDEKS

Angka indeks digunakan untuk mengukur secara kuantitatif terjadinya perubahan dalam dua waktu yang berbeda. Jika nilai angka indeks lebih dari 100 persen maka indeks dikatakan naik atau keadaan dikatakan mengalami peningkatan dibandingkan tahun dasar. Jika nilai angka indeks kurang dari 100% maka indeks dikatakan turun atau keadaan dikatakan mengalami penurunan dibandingkan tahun dasar. Berikut akan kita lihat video menghitung angka indeks.

BY MEYF

Read More

MEMBUAT TABEL DISTRIBUSI FREKUENSI

Berikut ini kita bisa membahas bagaimana cara menyusun tabel distribusi frekuensi dari sekelompok data. Bisa ditonton dan dipelajari melalui Youtube Channel saya berikut ini :

by MEYF

Read More

PENDAHULUAN ANALISIS CLUSTER

Tujuan analisis ini adalah untuk mengelompokkan objek ke dalam kelompok yang sama berdasarkan sifat kemiripan atau ketidakmiripan antar objek. Lain halnya dengan analisis faktor yaitu mengelompokkan variabel yang saling berkorelasi. Ketidakmiripan objek diukur berdasarkan jarak misalnya menggunakan jarak  Euclid, dll.

Variabel yang digunakan didasarkan pada hasil penelitian sebelumnya, teori, hipotesis yang sudah diuji atau pertimbangan dari peneliti yang senior (berpengalaman).

Metode analisa kluster terdiri dari :

1. Metode grafik

Metode grafik adalah metode yang sederhana dalam mengelompokkan responden. Didasarkan kemiripan arah grafik yang sama. Metode grafik ini efektif untuk data yang sedikit.

2. Metode berhirarki

Metode ini digunakan bila banyaknya kelompok yang akan dibentuk belum diketahui sebelumnya dan jumlah objek amat relatif kecil. Pembentukan kluster didasarkan pada kuat tidaknya hubungan antar objek.

3. Metode tak berhirarki

Metode ini disebut juga K-Meana Cluster. Metode ini lebih cepat dibandingkan metodr hirarki dan lebih menguntungkan jika jumlah objek/kasus atau observasi besar sekali (sampel besar)

Namun metode hirarki dan non hirarki disarankan dipergunakan secara berdampingan.

Read More

PERBEDAAN ANALISIS REGRESI DAN ANALISIS KORELASI

Analisis regesi dan analisis korelasi adalah dua analisis yang mirip tapi berbeda. Analisis yang paling sering digunakan oleh mahasiswa dalam penyelesaian skripsi secara kuantitatif jika ingin mengukur hubungan atau pengaruh dua variabel atau lebih. Adapun perbedaannya dapat dijelaskan sebagai berikut :

Analisis regresi tujuannya adalah untuk megetahui pengaruh variabel bebas terhadap variabel terikat. Sedangkan analisis korelasi adalah untuk mengetahui arah dan kekuatan hubungan dua variabel secara kuantitatif, apakah hubungannya kuat, lemah atau moderate atau apakah arahnya positif atau negatif. 

Analisis regresi memiliki persamaan/formula/rumus yang menghubungkan antara variabel bebas dan variabel terikat yang dikenal dengan model regresi. Sedangkan analisis korelasi tidak demikian. 

Hubungan yang terjadi pada analisis regresi adalah hubungan kausalitas artinya ada hubungan sebab dan akibat antara dua variabel. Variabel independen menyebabkan pengaruh pada variabel dependen dengan kata lain mempengaruhi dan variabel dependen disebabkan pengaruh oleh variabel independen dengan kata lain dipengaruhi. Namun analisis korelasi adalah hubungan asosiatif artinya hanya sebatas hubungan dan tidak ada hubungan sebab dan akibat antara dua variabel tersebut. 

Analisis regresi dapat memprediksi nilai variabel dependen jika diketahui nilai variabel independen atau sebaliknya yaitu dengan menggunakan model regresi. Sedangkan analisis korelasi tidak demikian. 

Dalam penulisan hipotesis, analisis regesi biasanya berbunyi "Diduga ada pengaruh antara variabel X terhadap variabel Y"sedangkan analisis korelasi biasanya berbunyi "Diduga ada hubungan antara variabel X dan variabel Y". Atau menyesuaikan dengan rumusan masalah dalam penelitian.

by MEYF

Read More