chapter 10 correlation
TRANSCRIPT
-
8/18/2019 Chapter 10 Correlation
1/14
Research Question
Teknik korelasi digunakan untuk mempelajari hubungan, yang biasanya
digunakanpada studi penyelidikan dengan tujuan untuk menentukan apakah ada tidak nya
hubungan pada 2 variabel dan studi uji hipotesis, dengan menguji hipotesis seputar hubungan
tertentu. Untuk menginterpretasikan koefisien korelasi, kita harus mengetahui bagaimanacara variable di ukur. Tanda positif menunjukan bahwa individu dengan skor yang tinggi pada
suatu variable berpotensi untuk mendapatkan skor yang tinggi pula pada variable yang lain,
begitupun sebaliknya. Dengan contoh pada table berikut (table ! " #.
Type of data required
$earson product moment koefisien korelasi (r # adalah metode yang sudah biasa
dipakai dimana hubungan antara 2 variabel diukur. Untuk r, harus ada minimal 2 langkah
pada setiap subjek. %iasanya diasumsikan bahwa kedua langkah harus pada interval level.
%iasanya berupa data ordinal. Dan juga kita dapat mengkategorikan variable dengan
menggunakan r dan dengan regresi.
Assumptions
. &el harus mewakili populasi agar kesimpulan dapat di buat.2. 'ariable yang berhubungan dan ), pada setiap variable harus memiliki distribusi
normal, yang berarti kurva nya normal.
*. Untuk setiap nilai , distribusi nilai ) nya harus mempunai rata " rata variable yang
sama, yang di sebut homoscedasticity.
+. ubungan antara dan ) harus linier. Dimana pada saat dua skor di gambarkan,
harus membentuk garis yang lurus.
1
-
8/18/2019 Chapter 10 Correlation
2/14
( Diagram &catter#
Power analysis
-ohen (/0# mendefinisikan efek kecil sebagai koefisien korelasi (r #, sama dengan
!.! 1 (r # !.*! efek sedang1 dan (r # !.! efek besar. Untuk uji 3two tailed4 dengan alpha !.!
dan ukuran efek sedang (!.*!#, kita memerlukan /+ subjek untuk power dari !./!. sedangkan
untuk uji 3one tailed4 dengan subjek 5/ untuk power yang sama. 6pakah yang terjadi jika
sampel nya sedikit7 Untuk uji 3two tailed4 dengan ukuran efek !.*! dan alpha !.!,
powernya hanya !,2.
KOEFISIE KORE!ASI
r menunjukan secara sisteatis hubungan antara dua variabel. 8ilai r rentangannya
dapat berkisar dari 9.!! kisaran !.!! sampai :.!!. 9.!! menunjukan hubungan positif
yang sempurna, !.!! menunjukan tidak adanya hubungan, dan :.!! menunjukan
hubungannya negatif.r juga menjelaskan tipe dari hubungan yang ada apakah hub positif atau negatif. ;ika
kita melihat niali dari dua variabel pada tabel !:2 , nilai yang tinggi pada ssatu ukuran dapat
mempengaruhi nilai lainnya, begitunya angka yang rendah dapat mempengaruhi rendanya
nilai yang lain.( biasanya menunjukan variabel independent dan ) untuk variabel
dependent.
2
-
8/18/2019 Chapter 10 Correlation
3/14
bisa dilihat dalam bentuk 3eyeballing4 dengan grafiknya disebut scatter diagram.
Untuk subjek nilai < nya 2 maka pindahkan 2 pada skala hori=ontal, untuk nilai y adalah ,
pindahkan titik dari nilai yang sejajar dengan nilai 2 pada garis hori=ontal ke tempat yang
berlawanan dengan pada garis vertikal. Titik menggambarkan subjek yang nilainya dapat
dilihat pada grafik. ;ika nilainya diperluas secara diagonal dari ujung kiri bawah ke kanan
atas maka konfigusarinya menunjukan hubungan yang positif antara dua nilai tersebut> angka
yang rendah pada cenderung mempengaruhi angka yang rendah pada ) , dan sebaliknya.
;ika ada hubungan negatif maka terdapat nilai yang tinggi pada satu variabel dengan nilai
yang rendah pada variabel lainnya, titiknya akan mengarah dar kiri atas ke kanan bawah.
6pabila tidak ada hubungan maka titik akan menyebar pada tengah grafik.
?rafik mengindikasikan hubungan positif anatara dua variabel tetapi tidak menunjukan
seberapa kuat hubungannya. Untuk menentukannya kita harus mengkalkulasi r.
AA!ISIS KO"P#TER
Tabel !:* hasil dari &$&& windows, datanya diambil dari orowit= / dimana
terdpat + variabel> angka dari keterlibatan ayah dengan ibu@bayi, pemasukan keluarga,
parental distress dan nilai total Beck Depression inventory yang menggambarkan tingkat
depresi seseorang.
Tabel berikut menyediakan tiga informasi > koefisen korelasi ( r#, signifikan level, dan
ukuran sampel. Tabel ini menunjukan kelebihan, hubungan antara masing masing nilai yangdiberikan duakali. Tanda %intang digunakan untuk mengindikasikan nilai signifikan pada
3
-
8/18/2019 Chapter 10 Correlation
4/14
level !.! dan !,!, dan nilai yang nyata (p value# diberikan dibawah kanan r .nilai p pada
tabel berdasarkan two:tailed level (tetapi bisa juga one tailed#. 6ngka ketiga pada masing:
masing tabel mengindikasikan nomer subjek dari setiap analisis. 6ngkanya sedikit berbeda
karena adanya penghilangan data. al tersebut menunjukkan subjek ketika nilai 2 variabel
saling berhubungan. Terdapat pengecualian pada subjek jika terrdapat beberapa data yang
hilang dari + variabel pada tabel diatas.
Terdapat * variabel secara signifikan berhubungan dengan pariental distress.
Aeterlibatan ayah dan total pemasukan keduanya berhubungan secara negatif dengan
pariental distress, indikasi dari kenaikan angka keter.ibatan ayah dan kenaikan pemasuukan
berhubungan dengan rendahnya angka pariental distress. ubungan yang positif antara
pariental distresss dan %DB mengindikasikan bahwa angka pariental distress yang tinggi
berhubungan dengan angka depresi ibu yang tinggi. Aorelasi tidak menggambarkan penyebab
tetapi hanya mengindikasiskan adanya hubungn yg positif.
4
-
8/18/2019 Chapter 10 Correlation
5/14
PE$#K#RA %#$A 'E$A KORE!ASI KOEFISIE
Aetika menggunakan formula dengan nilai:=, r adalah rata:rata dari perkalian
produksi dari nilai:=. rC((==)#@n#.
ubungan yang positif , 9.!!, pada tabel !:*. &ubjeknya mengambil sample Eui=, , yang
nilainya 5:!, ) /2:/. Dapat dilihat adanya kesamaan pada pengukuran keduanya. &ubjek mempunyai nilai paling rendah pada masing masing tes.
Aarena rata rata dan standar deviasnya pada kedua test berbeda, kita tidak dapt
membandingkan nilai dari keudanya. Aita dapat mengubah nilai menjadi nilai:= dengan rata:
ratanya nol dan sd adalah . $ada chapter rumus =:score adalah >
$ada tabel !:* nilai:= untuk variabel tertulis dibawah F
-
8/18/2019 Chapter 10 Correlation
6/14
Demonstrasi dari hubungan yang negatif , tergantung dari variabel ). &ubjek tetap
menjadi nilai rendah pada variabel tetapi sekarang penulisannya menjadi nilai tertinggi
pada ) . Dengan prosedur yang sama, jumlah dari cross-products adalah :, dimana rC:@
atau :, yang disebut dengan korelasi negatif. ?ambar !: menunjukan grafik dari nilai
tersebut.
$ada ?ambar !: , nilai ) secara acak pada beberapa tempat sehingga tidak ada hubungan
antara nilai dan ) yang dapat dilihat pada gamabr !:5
Ke(uatan Koefisien Korelasi
%erapa besar r untuk menjadi berarti7 &eperti kasus ini, tergantung. %entuk:bentuk
alternatif dari tes harus mengukur hal yang sama, sehingga hubungan antara mereka harus
tinggi. Dengan tes (seperti ?GH# yang hasilnya untuk membuat keputusan penting, korelasi
antara dua bentuk tes yang sama harus sangat tinggi !,. 8amun ketika mempelajari
hubungan antara berbagai aspek perilaku kita mungkin menggunakan korelasi !,!.Aategori
untuk r s positif atau negatif >
!,!!:!,2 > &edikit jika ada
6
-
8/18/2019 Chapter 10 Correlation
7/14
!,25: !,+ > Gendah
!,!:!,5 > Ioderate
!,0!:!,/ > Tinggi
!,!:,!! > &angat tinggi
Si)nifi(ansi Korelasi
;ika ingin menggeneralisasi r yang telah dihitung dari sampel untuk korelasi kedua
variabel dalam populasi, harus menentukan tingkat probabilitas r , yaitu bahwa probabilitas r
terjadi secara kebetulan saja. Dapat menggunakan one:tailed atau two:tailed untuk
signifikansi, tergantung hubungan hipotesis. %ila menggunaka program statistik dengan
komputer, probabilitas yang tepat dari r didapat. Aetika menghitung r secara manual, dapat
meriksa tabel, seperti pada Jampiran H.
7
-
8/18/2019 Chapter 10 Correlation
8/14
Tingkat signifikansi statistik sangat dipengaruhi oleh ukuran sampel, n. ;ika r didasari
pada sampel !!!, ada kemungkinan lebih besar r penduduk daripada dengan sampel !.
Dengan uji two:tailed dan sampel !!, r C !,2! secara statistik signifikan pada tingkat !.!,
namun dengan sampel !, korelasi harus !,5*2 atau lebih besar untuk menjadi signifikan.
Dengan sampel besar menunjukan 3sedikit jika ada hubungan4 yang signifikan secara
statistik.
Ke*erma(naan dari Koefisien Korelasi
Aoefisien determinan, r 2, sering digunakan sebagai ukuran kebermakna r . Bni adalah
ukuran dari jumlah varians dua variabel. Jingkaran yang mengandung X mewakili semua
variabel atau varians dari X , dan lingkaran lainnya mewakili total varians untuk Y . Daerah
yang tumpang tindih menunjukkan varians bersama antara dan ). Daerah ini didapat
dengan mengkuadratkan koefisien korelasi r , untuk menentukan kebermaknaan r dari !,2!,
kuadrat koefisien> r 2 C (!,2!#2 C !,!+ atau +K. Dapat dikatakan bahwa varians antara dua
variabel adalah +K. &aat melaporkan ini, peneliti biasanya mengatakan bahwa independen
variabel, X , menyumbang +K dari varians dari variabel dependen. Bni tidak terlalu banyak,
karena yang lain 5K dari varians tidak diperhitungkan.
+ondi,ence inter,als
Aami membangun confidence intervals sekitar rata nilai dan menyatakan
bahwa K (atau K# dari confidence interval akan mencakup populasi berarti.
Aami juga dapat membangun confidence intervals sekitar r . Bni adalah cara lain untuk
menentukan arti dari r
TG68&LMGI6&B r:8BJ6B
8
-
8/18/2019 Chapter 10 Correlation
9/14
Ietode untuk perbedaan pengujian antara sarana dan confidence intervals
berkembang berdasarkan karakteristik dari kurva normal. Aetika distribusi asimetris,
metode ini tidak tepat. Aetika nilai r dalam populasi melebihi sekitar !,2, distribusi
sampling akan menjadi bias dan menjadi lebih terdistorsi sebagai nilai atau r
meningkat (Thorndike, //#. Dengan demikian, sebelum rs dalam sampel yang
berbeda dapat dibandingkan dan sebelum confidence interval dapat dibangun, nilai:nilai r harus ditransformasikan ke nilai:nilai yang distribusi akan simetris.
Transformasi ini dikenal sebagai z fisher . Jampiran L berisi tabel yang dapat
digunakan untuk mengubah nilai:nilai r menjadi nilai zr .
Untuk mengatur confidence interval sekitar r diberikan, r pertama kali harus
berubah menjadi z Lisher menggunakan tabel di Jampiran L. &ebagai contoh
asumsikan bahwa kita memiliki !* mata pelajaran dan r dari !,. langkah pertama
adalah untuk mengkonversi r untuk Zr dalam Jampiran L, perhatikan bahwa r dari
!,. sama stoples ,+02.
Jangkah kedua adalah untuk menentukan standard error. Gumus untuk
standard error adalah @ √ n−3 . Dalam contoh ini, ini adalah@ √ 103−3 C!..
Jangkah ketiga adalah menentukan confidence interval untuk memilih. Tingkat Kdan K yang umum digunakan.
Gumus >
K C z r N (.5# (standard error#
K C z r N (2./# (standard error#
-ontoh
K C .+02 N (.5# (!.# C .205 dan .55/
K C .+02 N (2./# (!.# C .2+ dan .0*!Jangkah keempat adalah totransfrom yang z r s kembali ke rs menggunakan
Jampiran L. saat menggunakan tabel. 6nda akan melihat bahwa tidak semua zr
mungkin terdaftar. $ilih yang paling dekat ke nomor yang dihitung.
a. K> FG& C ,250 dan ,55/1 setelah transformasi kembali ke rs, mereka menjadi
!,/ dan !,*!, masing:masing.
b. K> FG& C .2+ dan .0*!1 setelah transformasi kembali ke rs, mereka menjadi
!./+! dan !.+!, masing:masing.
Jangkah kelima adalah untuk mengatur confidence interval. $erhatikan bahwa
confidence intervals tidak simetris di sekitar nilai r
!e,el +onfidence Inter,al For R
a. K !./: !.*!
b. K !./+!: !.+!
OT%ER "EAS#RE OF RE!ATIOS%IP
6da langkah selain r pearson untuk mengukur relasi. ?ambaran yang diberikan di
sini, tapi Gumus perhitungan tidak disajikan.
9
-
8/18/2019 Chapter 10 Correlation
10/14
Shortcut -erions of r
Terdapat tiga versi OshortcutO r yaitu pbi point-biserial , dan spearman rho. %anyak
peneliti berasumsi bahwa versi shortcut dari r berbeda dari pearson r dan yang menerapkan r
dan salah satu formula ini untuk satu set data akan menghasilkan hasil yang berbeda.
&ebenarnya, langkah:langkah ini biasanya memberikan hasil yang sama seperti r . &atu:satunya keuntungan dari menggunakan mereka adalah ketika melakukan perhitungan tangan.
Iereka benar:benar jalan pintas versi r yang dapat digunakan dengan data tertentu.
$B
Aetika kedua variabel yang dikorelasikan ini dikotomis (yaitu, masing:masing hanya
memiliki dua nilai#, versi shortcut dari r dapat digunakan. -ontoh variabel dikotomis antara
jenis kelamin (pria dan wanita#, ya atau tidak pilihan respon, dan lulus atau gagal. %ila
menggunakan komputer untuk menganalisis data 6nda, 6nda dapat menggunakan r dan akan
mendapatkan hasil yang sama persis seperti jika telah menggunakan phi.
$MB8T:biserial dan &pearman GM
%ila 6nda ingin menghubungkan satu variabel dikotomis dengan satu variabel
kontinu, 6nda dapat menggunakan rumus point-biserial . %ila 6nda memiliki dua set jajaran,
6nda dapat menggunakan rumus spearman rho. 6nda dapat meminta dua kelompok untuk
peringkat daftar stresor dari yang paling stres untuk minimal stres. 6nda bisa
membandingkan peringkat dari dua kelompok dengan menggunakan rumus spearman rho.
!pearman rho sering disebut tes nonparametrik, seolah:olah distribusi bebas, yang tidak
benar.
!an)(ah.lan)(ah onparametri(
AendallPs Tau
Ukuran ini adalah ukuran nonparametrik dan bukan rumus pintas untuk r .
Dikembangkan sebagai prosedur alternatif untuk &pearman rho. al ini kadang:kadang
digunakan ketika mengukur hubungan antara dua peringkat (ordinal# variabel.
Aoefisien Aontingensi
&alah satu teknik nonparametrik dapat digunakan untuk mengukur hubungan antara
dua tingkat nominal variabel. Teknik ini dapat digunakan untuk menentukan hubungan antara
ethnicity dan political affilation. Untuk menghitung koefisien ini, harus menggunakan
statistik chi:sEuare.
"emper(ira(an r
%iserial
Teknik ini dapat digunakan ketika salah satu variabel dichotomi=ed dan yang lainnya
adalah terus menerus. Dichotomi=ed berarti bahwa variabel telah dibuat dikotomi (dipotong
menjadi dua tingkat dari variabel yang akan secara alami terus menerus#. Iisalnya, nilai
dapat dibagi menjadi tinggi dan rendah, menciptakan sebuah variabel dichotomi=ed.
Tetrachoric
10
-
8/18/2019 Chapter 10 Correlation
11/14
Hstimasi koefisien ini r dari hubungan antara dua variabel dichotomi=ed. ;ika ada masalah
serius dengan memperkirakan r dari satu variabel dichotomi=ed (biserial#, jelas bahkan lebih
sulit dengan memperkirakan r dari dua variabel dichotomi=ed.
/#ni,ersal/ #(uranTelah didiskusikan hubungan antara dua variabel yang memiliki hubungan linear.
Aetika kita grafik hubungan ini, mereka menyarankan garis lurus di grafik. Ieskipun
hubungan bisa positif atau negatif, itu adalah sama di semua skor. -ontoh hubungan
nonlinear, skor rendah pada variabel terkait dengan skor rendah pada variabel ), tapi skor
tinggi pada juga terkait dengan skor rendah pada ). hubungan seperti ini disebut
curvilinear .
Hta, kadang:kadang disebut rasio korelasi, dapat digunakan untuk mengukur
hubungan nonlinear. Aisaran nilai untuk eta adalah ! : 9. Hta berkaitan erat dengan r dan
telah disebut hubungan OuniversalO karena dapat digunakan terlepas dari bentuk hubungan.
Korelasi Parsial
;ika kita prihatin tentang dampak dari variabel, seperti usia, kita mungkin
menggunakan tugas acak dari subyek ke grup sebagai metode control. 6da juga ukuran
statistik kontrol> kita bisa merekam usia subyek dan menggunakannya sebagai variabel dalam
penelitian ini.
&alah satu metode kontrol statistic adalah korelasi parsial. Teknik ini juga
memungkinkan kita untuk menggambarkan hubungan antara dua variabel atau lebih. Aetika
mempelajari desain penelitian, hubungan antara dua variabel mungkin tidak jelas karena
pengaruh pengganggu dari variabel lain. Iisalnya, jika menghitung korelasi antara usiamental dan tinggi pada anak:anak :! tahun, akan ditenemukan korelasi yang tinggi. 6pakah
itu berarti tinggi yang menyebabkan intelijen7 Laktor kunci adalah usia, tidak tinggi. &etelah
mengontrol usia, hubungan antara tinggi badan dan usia mental menjadi kurang berarti.
Aorelasi parsial dapat ditulis sebagai r 2,*. al ini menunjukkan bahwa 6nda
mengukur korelasi antara variabel dan 2 dengan pengaruh variabel * dihapus dari kedua
variabel yang berkorelasi. -ontoh nilai kuliah (variabel # dengan jam belajar (variabel 2#
dan kecerdasan (variabel *#. ;ika kita menggunakan korelasi parsial untuk mempelajari
hubungan ini, korelasi antara kecerdasan dan nilai (r *# dihapus, dan korelasi antara
kecerdasan dan jam belajar (r 2*# juga dihapus. $engaruh pembaur kecerdasan demikian
dihapus secara statistik, dan hubungan antara nilai dan jam belajar dapat diukur secara akurat.
korelasi parsial juga dapat ditulis sebagai r y.2, yang akan menunjukkan korelasi variabel
independen, , dengan variabel dependen, y, dengan pengaruh variabel 2 dihapus dari
variabel independen dan dependen.
SE"IPARTIA! +ORRE!ATIO
6dalah korelasi (hubungan# dari dua variable yang dipengaruhi oleh variable tiga
yang dihilangkan dari satu variable yang saling berkorelasi. Aorelasi semipartial biasa ditulis
dengan r012345 atau ry10325 Jangkah pertama yang mengindikasi adalah korelasi antara variable dan 2 yang
dipengaruhi oleh variable * yang dihilangkan dari variable 2, langkah kedua yang
11
-
8/18/2019 Chapter 10 Correlation
12/14
mengindikasi adalah korelasi antara variable dependent yaitu ),dan variable independent
yaitu yang dipengaruhi oleh variable 2 yang dihilangkan dari variable .
Dari lingkaran diatas menunjukan jumlah dari masing:masing variable. )ang harus
diingat variable yang dibagi dari dua variable diukur dengan r 2. ;ika kita mempertimbangkan
variable pertama, varian diperhitungkan dalam ) sama dengan kontribusi varian dari(r
2y#, ditambah varian unik yang diperhitungkan oleh 2. 'arian unik itu dibagi antara )
dan 2 setelah dipengaruhi oleh dalam 2 yang dihilangkan. &ebuah kuadrat korelasi
semiparsial antara 2 dan ) adalah varian unik yang berkontribusi dari 2(r 2y(2.##. Mleh karena
itu,dikasus ini G 2 sama dengan r 2 antara dan ) ditambah kuadrat korelasi semiparsial antara
2 dan ). atau G 2C r 2y 9 r
2y(2.#
"#!TIP!E +ORRE!ATIO
Aita telah mendiskusikan korelasi antara ukuran dari hubungan dua variable. Aonsep
ini bisa diperpanjang menjadi satu di mana hubungan diukur antara satu variable dan
kombinasikan dengan variable lain. Aetika mendiskusikan r,kita berbicara tentang satu
variable independent (# dan satu variable dependent ()#. di korelasi multiple (G#, kita
berbicara tentang lebih dari satu variable independent ( ,2,*, dan lainnya # dan satu
variable dependent (),)2,)*, dan lainnya # ini disebut korelasi canonical.
Aorelasi Iultiple (G# bisa dimulai dari ! sampai . Tidak ada negative Gs karena
metode kuadrat terkecil digunakan untuk menghitung G, dan nomer kuadrat untuk
menghilangkan negative. G 2 adalah jumlah dari varian yang menjelasakan variable dependent
dari kombinasi variable independent. Dari perhitungan kuadrat korelasi multiple G 2
memerlukan lebih dari menambahkan korelasi kuadrat dari variable independent dengan
variable dependent.ini karena tidak ada korelasi antara variable independent.
12
-
8/18/2019 Chapter 10 Correlation
13/14
)ang di deskripsikan sebagai >
Dalam kasus ini tidak terdapat tumpang tindih antara variable dengan 2, tidak ada
korelasi antara masing:masing perhitungan untuk perbedaan porsi dari varian ), kita harus
menambahkan kuadrat korelasinya (r 2s# dengan )(.+!2 s 9 .*!2 # dan determinan G 2C !,2.
%iasanya pada penelitian prilaku bagaimana variable independent itu berkolerasi di
antara mereka sendiri, seperti yang di jelaskan dalam >
Di kasus ini ada korelasi antara dengan 2 dan jika kita menambahkan kuadrat
korelasi dari dengan ) dan kuadrat korelasi 2 dengan ). kita harus menambahkan area
cross:hatched kedua.. varian diperhitungkan dalam ) sebenarnya semua yang dijelaskan olehsalah satu variable ditambah varian tambahan yang dijelaskan dari variable kedua.varian
tambahan ini mengukur kuadrat dari korelasi semipartial dari variable ke 2 dengan variable
dependent. ;ika dihitung dari awal, 6ccounts untuk semua varian yang dibagi dengan
),dan 2 ditambahkan varian yang berkontribusi sendiri ( varian yang dibagi dengan )
dikurang area cross:hatched#.
E6A"P!E FRO" T%E !ITERAT#RE
Table !:5 memuat korelasi matri< bivariate dari artikel Ulrich,soeken. Dan
miller(2!!*#. $enulis menyelidiki konflik etika dari pratiksi para perawat dalam manage
kepedulian terhadap lingkungan hidup. Aita menulis hubungan dari hasil di table untuk mendemostrasi bagaimana peneliti meringkas bagian penting dari table.
13
-
8/18/2019 Chapter 10 Correlation
14/14
6nalisis bivariate mengungkapkan adanya hubungan positif yang signifikan antara
ethical concern dan ethical conflict (rC.!,pQ.!#. hubungan yang signifikan ditemukan
antara presepsi dari ethical environment ,6T?G dan ethical conflict. Disini tercatat adanya
hubungan terbalik antara ethical environment dan ethical conflict. )ang lebih diragukan
adalah 8$s dirasa environment menjadi lebih tinggi dari pada ethical conflict di practice
scores(rC:.!5*,pR.!# . kemudian kebutuhan yang dibutuhkan untuk regulasi pemerintah juga dikaitkan dengan tingginya skor ethical conflict (rC.22,p Q.!# (ulrick,soeken S Iiller,
2!!*.p .0*#
S#""AR7
Aorelasi adalah prosedur untuk melihat hubungan antara dua atau lebih variable. Bni
mengukur kekuatan dan indikasi sebagai arah dari suatu hubungan. Aorelasi multiple
mengukur hubungan antara satu variable yang menguntungkan dalam menggambarkan
hubungan antara dua variable, dengan dipengaruhi oleh penghapusan variable yang
menggangu, dalam korelasi semipartial, ada pengaruh dari variable ketiga yang dihilangkan
dari satu variable yang berkorelasi.
14