KOLERASI PEARSON

STATISTIK INFERENSI

•Digunakan untuk membuat generalisasi keputusan kajian yang diperoleh daripada sampel kajian kepada populasi kajian.

•Dengan data yang dikumpulkan daripada sampel, penyelidik menggunakan statistik inferensi untuk membuat kesimpulan tentang ciri-ciri populasi berdasarkan ciri-ciri sampel.

•Statistik inferensi menggunakan ujian-ujian berikut bagi menyatakan perhubungan antara dua pembolehubah

•Digunakan untuk membuat generalisasi keputusan kajian yang diperoleh daripada sampel kajian kepada populasi kajian.

•Dengan data yang dikumpulkan daripada sampel, penyelidik menggunakan statistik inferensi untuk membuat kesimpulan tentang ciri-ciri populasi berdasarkan ciri-ciri sampel.

•Statistik inferensi menggunakan ujian-ujian berikut bagi menyatakan perhubungan antara dua pembolehubah

UJIAN STATISTIK BERKAITAN

UJIAN KOLERASIPerhubungan antara pemboleh ubah

bersandar dengan pemboleh ubah bebas

• Pemboleh ubah bebas mengakibatkan kesan kepada pemboleh ubah bersandar.

• Pemboleh ubah bersandar menerima kesan akibat pemboleh ubah bebas.

• Perhubungan antara pemboleh ubah ini dinamakan sebagai korelasi.

• Antaranya ialah Pekali Pearson product-moment (atau Pearson)

• Pemboleh ubah bebas mengakibatkan kesan kepada pemboleh ubah bersandar.

• Pemboleh ubah bersandar menerima kesan akibat pemboleh ubah bebas.

• Perhubungan antara pemboleh ubah ini dinamakan sebagai korelasi.

• Antaranya ialah Pekali Pearson product-moment (atau Pearson)

PEKALI KOLERASISaiz pekali korelasi (r) Kekuatan korelasi

.91 hingga 1.00 atau -.91 hingga -1.00 Sangat kuat

.71 hingga .90 atau -.71 hingga -.90 Kuat

.51 hingga .70 atau -.51 hingga -.70 Sederhana

.31 hingga .50 atau -.31 hingga -.50 Lemah

.01 hingga .30 atau -.01 hingga -.30 Sangat lemah

00 Tiada korelasi

Pekali Pearson product-moment (atau Pearson)

• Diperkenalkan oleh Karl Pearson pada 1895.• Pearson’s  r (Product Moment) digunakan untuk

melihat arah hubungan dan kekuatan hubungan antara dua pembolehubah.

• Kedua-dua pembolehubah yang diuji mestilah selanjar (continuous) iaitu sama ada data jenis sela atau nisbah.

• Sekiranya data jenis ordinal, maka ujian korelasi Spearman’s Rho digunakan

• Korelasi Pearson tidak hanya menunjukkan arah serta kekuatan hubungan, namun tidak menyatakan sebab-akibat berlakunya perkara tersebut.

• Diperkenalkan oleh Karl Pearson pada 1895.• Pearson’s  r (Product Moment) digunakan untuk

melihat arah hubungan dan kekuatan hubungan antara dua pembolehubah.

• Kedua-dua pembolehubah yang diuji mestilah selanjar (continuous) iaitu sama ada data jenis sela atau nisbah.

• Sekiranya data jenis ordinal, maka ujian korelasi Spearman’s Rho digunakan

• Korelasi Pearson tidak hanya menunjukkan arah serta kekuatan hubungan, namun tidak menyatakan sebab-akibat berlakunya perkara tersebut.

Terdapat 3 kemungkinan sebab-akibat. Mungkin A penyebab kepada B, atau mungkin B penyebab kepada A, dan atau terdapat pemboleh ubah lain C yang menjadi faktor penyebab.

Kemungkinan pencapaian adalah disebabkan oleh motivasi, atau mungkin juga pencapaian menyebabkan wujudnya motivasi , atau wujudnya faktor lain (cth.gayapengajaran) menyebabkan pencapaian meningkat.

Langkah 1 – pilih menu Analyze, klik correlate bivariate

Langkah 2- Kemudian masukkan pemboleh ubah IV dan DV yang kita nak tengok perkaitan di antara keduanya. Tick Pearson pada correlation coefficients. Klik two-tailed pada test of significance. Dan klik OK

Outputnya;

Mengenal pasti perkaitan di antara pendedahan filem (IV) dengan personaliti

prososial (DV).