KORELASI PARSIAL
A. Pengertian dan Konsep
Korelasi parsial menunjukkan hubungan dua variabel yaitu variabel dependen (terikat) dan independen (bebas). Satu variabel yang dianggap berpengaruh akan dikendalikan atau dianggap atau dibuat tetap (sebagai variabel kontrol). Korelasi ini juga menunjukkan keeratan (kuat lemahnya) hubungan variabel bebas dan terikat. Ukuran keeratan dilihat dari nilai koefisien yang berada pada rentang 1 sampai -1. Angka yang semakin mendekati 1 atau -1 menunjukkan hubungan dua variabel yang semakin kuat. Akan tetapi jika nilai mendekati 0 maka hubungan antara dua variabel semakin lemah. Angka positif menunjukkan hubungan yang searah (variabel bebas atau X meningkat maka variabel terikat atau Y juga akan meningkat), sedangkan angka negatif menunjukkan hubungan yang terbalik (jika variabel bebas atau X naik maka variabel terikat atau Y akan menurun).
B. Ukuran Korelasi dan Asosiasi
Adanya hubungan variabel bebas dan terikat pada umumnya disebut dengan asosiasi. Ukuran korelasi dan asosiasi dapat ditunjukkan dengan beberapa uji yaitu:
- Koefisien korelasi Pearson Product Moment digunakan untuk skala interval dan rasio
- Spearman’s Rank Correlation, Goodman-Kruskal’s Gamma, Kendall’s tau-b, Kendall’s tau-c, dan Somer’s d dapat digunakan untuk skala ordinal.
- Skala nominal dapat diukur menggunakan koefisien Phi, Cramer’s V, Contingency Coefficient, dan Lambda
- Skala nominal dan interval diukur menggunakan koefisien eta yang menunjukkan hubungan variabel berskala nominal dan interval.
C. Rumus Korelasi Parsial
Rumus Korelasi Parsial ditunjukkan seperti di bawah ini:
Keterangan:
Ry,x1.x2 = korelasi variabel x1 dengan x2 (variabel bebas) secara bersama-sama dengan y (variabel terikat)
ry.x1 = korelasi product moment antara x1 dengan y
ry.x2 = korelasi product moment antara x2 dengan y
rx1.x2 = korelasi product moment antara x1 dengan x2
Hipotesis Korelasi Parsial berbentuk:
H0 = ρy1.2 = 0
H1 = ρy1.2 > 0 atau < 0
Pengujian ini memiliki beberapa kriteria yaitu:
Jika r hitung > r tabek maka H1 diterima dan H0 ditolak
Jika r hitung < r tabel maka H0 diterima dan H1 ditolak.
Paiman (2019) mengemukakan bahwa asumsi yang digunakan dalam analisis korelasi parsial (partial coefficient correlation) adalah :
1. Sampel yang digunakan mengikuti distribusi multivariasi normal.
2. Semua pengamatan bersifat acak (random)
3. Tidak dibedakan antara variabel bebas dan tidak bebas