Point-Biserial Correlation

26 01 2008

Menurut Grimm (1993) metode yang tepat untuk menganalisis keeratan hubungan antara 2 variabel, dimana 1 variabel memiliki data kontinu (interval, rasio) sedangkan variabel yang satunya lagi adalah data nominal (kategori), adalah point-biserial correlation. Yang harus diperhatikan adalah bahwa data nominal (kategori) yang digunakan adalah harus murni nominal, bukan data hasil transformasi dari tipe data lain. Misal, umur pada awalnya bertipe rasio, namun setelah ditransformasi bisa menjadi data kategorik. Contoh, umur 0-10= kecil, 10-17 = remaja, 17-25= dewasa, dst… Tipe data ini tidak diperkenankan untuk digunakan dalam point-biserial corelation.

Point-biserial correlation merupakan penyederhanaan dari korelasi Pearson, dimana seperti yang diketahui bersama bahwa korelasi Pearson melibatkan 2 variabel yang sama-sama bertipe kontinu.

Pembahasan lebih lanjut dan contoh aplikasi dapat didownload di sini (klik kanan kemudian ‘Save Link As…’)


Aksi

Information

2 responses

27 07 2008
dayat

Assalaamu’alaikum mas Deni, mau nanya nich. gimana solusi untuk mencari korelasi antara variabel bertipe data kontinu dengan variabel bertipe data nominal tapi tidak murni (hasil transformasi dari data tipe rasio)??dan juga korelasi antara variabel bertipe data nominal dengan variabel bertipe data nominal tapi tidak murni??
Perlu diketahui bahwa penelitian saya menggunakan multinomial logit, dimana dasta responnya bertipe nominal tak murni (hasil transformasi dari data tipe rasio) dan prediktornya ada lebih dari 10 variabel yang tipe datanya berbeda-beda, ada yang rasio dan murni nominal.Terima kasih atas bantuan Mas Deni.

30 07 2008
Deny

Respon untuk #1
1. Korelasi antara nominal dengan interval atau rasio dimana data nominal merupakan data hasil transformasi dari tipe data lain dapat diketahui dengan 2 cara:
– Dengan korelasi eta.
– Dengan melakukan regresi linier biasa. Apabila digunakan cara ini, maka variabel nominal dianggap sebagai var independent. Nilai korelasi nya adalah akar dari nilai R-square.
Namun demikian, saya lebih menyarankan untuk menggunakan korelasi eta. Di dalam korelasi eta terdapat 2 kemungkinan, yaitu: apakah arah hubungannya mengambil var data nominal sebagai var dependen (respon), atau sebaliknya (sbg var independent). Kemudian, peneliti tinggal pilih yang sesuai dengan penelitiannya.
2. Korelasi antara nominal v.s. nominal, baik salah satu atau keduanya tidak murni, bisa menggunakan metode koefisien kontingensi.🙂

Tinggalkan Balasan

Isikan data di bawah atau klik salah satu ikon untuk log in:

Logo WordPress.com

You are commenting using your WordPress.com account. Logout / Ubah )

Gambar Twitter

You are commenting using your Twitter account. Logout / Ubah )

Foto Facebook

You are commenting using your Facebook account. Logout / Ubah )

Foto Google+

You are commenting using your Google+ account. Logout / Ubah )

Connecting to %s




%d blogger menyukai ini: