R Tabel dalam Statistika dan Contohnya – Jika berbicara mengenai sebuah penelitian, tentunya kita harus memiliki sebuah data yang diolah untuk mencapai sebuah kesimpulan penelitian. Data menjadi hal penting untuk melakukan penelitian karena berhubungan dengan objek dan inti utama dari penelitian. Data penelitian dapat berbentuk sebuah fakta atau angka yang dapat dijadikan sebagai bahan untuk menyusun suatu informasi. Dengan begitu, data sendiri dapat dibagi menjadi beberapa jenis dan umumnya terdiri atas data kuantitatif serta kualitatif. Show Salah satu data penelitian yang membutuhkan pengolahan khusus adalah data kuantitatif. Data kuantitatif merupakan jenis data yang dapat diukur atau dihitung sehingga dapat diubah menjadi sebuah informasi atau penjelasan yang mulanya berbentuk angka menjadi sebuah kesimpulan dalam sebuah penelitian. Data kuantitatif dapat dinyatakan dalam angka dan perlu dilakukan pengolahan agar data yang ditampilkan dalam penelitian tidak mentah. Salah satu pengolahan data yang dapat dilakukan untuk mengolah data kuantitatif adalah dengan menggunakan metode analisis data statistik.
Dalam melakukan metode analisis data statistik kalian terdapat beberapa hal dasar yang perlu dipahami, salah satunya pemahaman mengenai pembacaan atau melihat distribusi nilai r tabel product moment. Nilai r tabel product moment dalam sebuah analisis korelasi atau analisis hubungan biasanya digunakan untuk membandingkan nilai r hitung atau nilai koefisien korelasi. Pembandingan nilai r hitung dengan r tabel dapat kita buat dengan sebuah keputusan atau kesimpulan dari hasil analisis yang kita lakukan.
Pada pembahasan kali ini, kalian akan mempelajari mengenai pengolahan data kuantitatif dengan memahami r tabel dalam statistika. Berikut pembahasannya. Pengertian R TabelR tabel merupakan tabel yang berisi mengenai angka-angka yang biasa dapat digunakan dalam menguji hasil suatu uji validitas pada instrumen penelitian. Dalam pembelajaran statistika, rumus r pada bentuk tabel ini dapat dijadikan media yang tepat untuk dapat melakukan berbagai macam perhitungan. Perhitungan pada tabel r memiliki tujuan untuk menguji berbagai kemungkinan hasil validitas instrumen penelitian. Uji yang dipakai adalah uji validitas sehingga termasuk dalam aspek penting dalam instrumen penelitian. R tabel memiliki fungsi utama dalam melakukan pengujian hasil validitas suatu penelitian. Hal ini berhubungan dengan validitas sendiri karena merupakan suatu standar atau sebuah dasar ukuran yang menunjukkan sebuah interpretasi. Interpretasi ini dapat menunjuk ketetapan (appropriateness), kemanfaatan (userfulness), dan kesahihan yang mengarah kepada suatu kesimpulan pada prosedur evaluasi sesuai dengan tujuan pengukurannya. Interpretasi tersebut didapatkan berdasarkan dari prosedur evaluasi yang sesuai dengan tujuan pengukurannya.
Dasar penghitungan r tabel dapat diambil keputusannya dalam sebuah analisis korelasi yang dapat dilakukan dengan beberapa cara sebagai berikut. 1. Pembandingan nilai r hitung dengan nilai r tabelPembandingan dapat dilakukan apabila nilai r hitung > r tabel yang artinya ada korelasi antar-variabel yang dihubungkan. Lalu, apabila nilai r hitung < r tabel dapat diartikan bahwa tidak ada korelasi antar-variabel yang dihubungkan. 2. Pembandingan nilai signifikansi (sig.) dengan nilai alpha 0,05Pembandingan dapat dilakukan apabila nilai signifikansi (sig.) < 0,05 dapat diartikan bahwa ada korelasi antar-variabel yang dihubungkan. Lalu, apabila nilai signifikansi (sig.) > 0,05 dapat diartikan bahwa tidak ada korelasi antar-variabel yang dihubungkan.
ketika kita melakukan penelitian kuantitatif korelasional, maka kita tentu akan sangat familiar dengan simbol "R".
Lalu, apa gunanya nilai R tersebut? nilai R tersebut adalah koefisien korelasi, yang menunjukkan seberapa besar terjadinya hubungan variabel yang kita ukur tersebut.
jika nilai R adalah positif maka berarti korelasi positif, hubungannya adalah equivalent. contoh: semakin tinggi X, maka semakin tinggi juga Y Jika nilai R adalah negatif maka berarti korelasi negatif, hubungannya adalah ambivalent. contoh: semakin tinggi X, maka Y semakin rendah.
Analisis korelasi dilakukan untuk mengetahui adanya hubungan linear antara dua
variabel yang dinyatakan dalam koefisien korelasi. Koefisien korelasi adalah
nilai yang menunjukan kuat/tidaknya hubungan linier antar dua variabel.
Koefisien korelasi biasa dilambangkan dengan huruf r dimana nilai r dapat
bervariasi dari -1 sampai +1. Nilai r yang mendekati -1 atau +1 menunjukan
hubungan yang kuat antara dua variabel tersebut dan nilai r yang mendekati 0
mengindikasikan lemahnya hubungan antara dua variabel tersebut. Koefisien
korelasi bisa menjadi positif maupun negatif. Nilai koefisien yang positif
berarti hubungan kedua variabel tersebut berbanding lurus, artinya peningkatan
variabel X bersamaan dengan peningkatan variabel Y. Sedangkan nilai koefisien
yang negatif berarti hubungan kedua variabel tersebut berbanding terbalik. Peningkatan
variabel X bersamaan dengan penurunan variabel Y. RStudio menyediakan kemuduahan dalam bagi kita untuk melakukan analisis korelasi dan regresi. Untuk memanggil kembali data kita, ketikkan kembali script setwd("C:/Users/Hanif/Google Drive/BLOGSPOT/UNTUK DIDOWNLOAD") dan perilakucsv<-read.csv("perilaku merokok.csv",header=TRUE,sep = ";") lalu kita run. Maka akan muncul data perilakucsv. Script silakan disesuaikan dengan nama file anda dan tempat menyimpan file tersebut. Jangan lupa untuk mengubah tanda back-slash (\) menjadi tanda slash (/) untuk menunjukkan lokasi file. Data ini yang akan kita gunakan di analisis selanjutnya. Data dapat didownload di sini Analisis Korelasi Ada beberapa jenis analisis korelasi, seperti korelasi
pearson dan spearman. Korelasi Pearso merupakan korelasi yang digunakan pada
data interval atau rasio, atau dikenal juga dengan korelasi product moment. Sedangkan
korelasi Spearman dilakukan jika data kita adalah data ordinal atau yang
berbentuk rangking. Untuk melakukan analisis korelasi Pearson cukup sederhana. Semisal kita ingin mengetahui hubungan antara sikap dan perilaku merokok, maka masukan script ini cor.test(perilakucsv$PERILAKU,perilakucsv$SIKAP). Maka output pada console yang akan dihasilkan adalah sebagai berikut. Dari output tersebut dapat kita simpulkan bahwa ada hubungan yang signifikan antara
perilaku dan sikap (p-value<0,01). Nilai p-value dalam output R
dituliskan 8.36e-10, yang artinya 8,36 x 10-10. Dalam SPSS ouput
semacam ini biasanya menghasilkan p-value 0,00 karena keterbatasan screen dalam
memuat digit, sehingga sering terjadi salah paham karena menghasilkan p-value
0,00 banyak diartikan oleh mahasiswa bahwa kesimpulan ini tidak ada peluang
eror sama sekali. Nilai koefisien korelasi r adalah sebesar 0,55 yang
menunjukkan hubungan yang sedang. Jika kita ingin melakukan analisis korelasi dengan salah satu variabelnya berbentuk ordinal, maka kita menggunakan korelasi spearman. Misalkan ingin melihat hubungan antara penghasilan dan perilaku merokok. Penghasilan dalam data ini sudah dikelompokkan menjadi 4 tingkatan. Script yang digunakan dalam analisis ini adalah cor.test(perilakucsv$PERILAKU,perilakucsv$penghasilan, method = "spearman"). Maka akan diperoleh output sebagai berikut. Dari output tersebut dapat kita simpulkan bahwa tidak ada hubungan antara penghasilan dengan perilaku merokok. Korelasi spearman menghasilkan koefisien rho, dalam hal ini sebenar 0,11, memang kecil. Melihat Scatterplot Korelasi Scatterplot merupakan pesebaran titik nilai variabel X dan variabel Y. Dari tampilan scatterplot kita bisa melihat secara sekilas apakah ada kecenderungan hubungan linear dua variabel X dan Y. Untuk menampilkan scatterplot kita bisa masukan script plot(perilakucsv$PERILAKU~perilakucsv$SIKAP), lalu run. Tampilan di bagian plot di kotak kanan bawah akan muncul seperti ini. Tampilan tersebut merupakan titik-titik pesebaran relatif nilai sikap terhadap nilai perilaku. Secara umum dapat kita lihat jika nilai sikap rendah, maka nilai perilaku juga rendah, begitu juga sebaliknya. Meskipun demikian, analisis korelasi dengan melihat scatterplot hanyalah gambaran awal saja, untuk mengujinya akan lebih tepat jika digunakan analisis korelasi pearson atau spearman. Page 2 |