Nama                     : Nazwa Putri Palilati

NIM                        : 411422031

Prodi / Kelas         : Pendidikan Matematika / 5A

Mata Kuliah           : Aplikasi Komputer

Dosen Pengampu : Agusyarif Rezka Nuha, S.Pd, M.Si.

 

UJI KORELASI MENGGUNAKAN APLIKASI R-STUDIO

Pengujian korelasi ini dilakukan dengan metode pearson menggunakan aplikasi RStudio. Dan data yang digunakan adalah data yang berasal dari sebuah artikel penelitian yang sudah ada dengan judul "Korelasi Antara Minat Belajar Dengan Hasil Belajar Siswa Pada Pembelajaran Ipa Kelas IV Sdn 39 Pontianak Kota". Pengujian ini dilakukan untuk mengetahui hubungan antara dua variabel yaitu minat belajar dengan hasil belajar siswa.

file data penelitian yang saya gunakan adalah skripsi yang berjudul "HUBUNGAN MINAT BELAJAR DENGAN PRESTASI BELAJAR SISWA MATA PELAJARAN IPS SD NEGERI 2 BADRANSARI TAHUN AJARAN 2019/2020".

Tampilan data penelitian pada excel :

 

Berikut langkah langkah hasil pengujian korelasi menggunakan aplikasi Rstudio yang saya lakukan :

1. Tekan 'Import Dataset' lalu pilih data dari excel seperti yang data yang tertera di atas.

2. Uji Korelasi : 

saya mengetik di r-studio untuk menguji korelasi, yang pertama menggunakan syntx 

corkita <- cor(excel$'Minat Belajar',excel$'Hasil Belajar')  

Di sini, kode cor() digunakan untuk menghitung koefisien korelasi Pearson antara dua variabel: Minat Belajar dan Hasil Belajar. Hasil dari perhitungan ini akan disimpan dalam variabel corkita.

corkita akan berisi nilai koefisien korelasi, yang mengukur kekuatan dan arah hubungan linear antara kedua variabel.

• Jika nilai corkita mendekati 1, ini menunjukkan hubungan positif yang kuat.
• Jika mendekati -1, menunjukkan hubungan negatif yang kuat. Jika mendekati 0, menunjukkan tidak ada hubungan linear.

menunjukkan hasil :

 

untuk syntx : corkita <- cor.test(x=excel$'Minat Belajar',y=excel$'Hasil Belajar',method = 'pearson')

Dalam bagian kode ini, fungsi cor.test() digunakan untuk melakukan uji hipotesis korelasi Pearson. Ini tidak hanya menghitung nilai koefisien korelasi tetapi juga memberikan informasi lebih lanjut, termasuk nilai t, p-value, dan interval kepercayaan.

• Koefisien Korelasi: Anda akan mendapatkan nilai koefisien korelasi Pearson yang sama seperti yang dihitung sebelumnya, yang menunjukkan kekuatan dan arah hubungan antara Minat Belajar dan Hasil Belajar.
• Statistik Uji (t): Ini menunjukkan seberapa signifikan hubungan tersebut.
• P-Value: Menunjukkan apakah hubungan yang ditemukan adalah signifikan secara statistik. Nilai p yang kecil (biasanya < 0.05) menunjukkan bahwa ada bukti yang cukup untuk menolak hipotesis nol yang menyatakan bahwa tidak ada hubungan antara kedua variabel.
• Interval Kepercayaan: Menyediakan rentang nilai yang dapat dianggap sebagai estimasi koefisien korelasi populasi dengan tingkat kepercayaan 95%. Ini memberi Anda informasi tentang seberapa kuat dan andal estimasi korelasi Anda.

menunjukkan hasil yang sama, yaitu :

 

Hasil analisis korelasi Pearson di atas menggambarkan hubungan antara dua variabel: Minat Belajar dan Hasil Belajar. Berikut adalah penjelasan lebih lanjut:

• Statistik Uji (t = 4.306): Nilai t yang dihasilkan (4.306) adalah nilai dari statistik uji yang digunakan untuk menguji hipotesis nol bahwa tidak ada korelasi antara Minat Belajar dan Hasil Belajar. Nilai t yang lebih besar menunjukkan bahwa ada hubungan yang lebih kuat antara kedua variabel tersebut.
• Derajat Kebebasan (df = 23): Derajat kebebasan dalam analisis ini adalah 23, yang umumnya dihitung sebagai jumlah total observasi dikurangi 2 (n - 2). Ini menunjukkan bahwa analisis didasarkan pada 25 observasi.
• P-Value (p-value = 0.0002626): P-value yang sangat kecil (0.0002626) menunjukkan bahwa ada bukti yang sangat kuat untuk menolak hipotesis nol. Dalam konteks ini, hipotesis nol menyatakan bahwa tidak ada korelasi antara Minat Belajar dan Hasil Belajar. P-value yang lebih kecil dari level signifikansi yang umum digunakan (misalnya, 0.05) mengindikasikan bahwa hasilnya signifikan secara statistik.
• Hipotesis Alternatif: Hipotesis alternatif menyatakan bahwa ada korelasi yang signifikan antara kedua variabel. Berdasarkan hasil analisis, kita mendukung hipotesis alternatif ini.
• Interval Kepercayaan 95% (95 percent confidence interval: 0.3708546 to 0.8411653): Interval kepercayaan memberikan rentang nilai di mana kita dapat percaya dengan tingkat kepercayaan 95% bahwa korelasi populasi sebenarnya terletak. Dengan interval ini, kita bisa melihat bahwa nilai korelasi yang mungkin ada di populasi berkisar antara 0.3709 hingga 0.8412. Hal ini menunjukkan bahwa ada hubungan positif yang signifikan antara kedua variabel, dengan kemungkinan adanya korelasi yang cukup kuat.
• Estimasi Korelasi (sample estimates: cor = 0.6680867): Nilai korelasi yang diestimasi adalah 0.6680867, yang menunjukkan adanya hubungan positif yang cukup kuat antara Minat Belajar dan Hasil Belajar. Nilai korelasi berkisar antara -1 hingga 1, di mana nilai mendekati 1 menunjukkan hubungan positif yang kuat, dan nilai mendekati -1 menunjukkan hubungan negatif yang kuat. Nilai ini mendukung temuan bahwa semakin tinggi minat belajar, semakin baik hasil belajar.

Kesimpulannya : Secara keseluruhan, hasil analisis menunjukkan bahwa ada hubungan positif yang signifikan antara Minat Belajar dan Hasil Belajar. Ini mengindikasikan bahwa peningkatan minat belajar berhubungan dengan peningkatan hasil belajar pada sampel yang dianalisis. Hasil ini dapat menjadi dasar untuk strategi pengembangan pendidikan, di mana meningkatkan minat belajar siswa dapat berkontribusi pada peningkatan hasil belajar mereka.