pengertian Korelasi Cramer's V dan cara menghitung secara manual.

pengertian korelasi cramers dan cara menghitungnya secara manual

1. KORELASI
CRAMER V
Kelompok 5

2. Feby Ayu Lestari
Nandhita Hidayatur Rohmah
Wilda Ayu WardhaniAnggota kelompok

3. DEFINISI Korelasi Cramer’s V adalah ukuran asosiasi antara dua variabel nominal, yang
memberikan nilai antara 0 dan +1 (inklusif).
Koefisien korelasi Cramer merupakan koefisien korelasi antara dua variabel
dimana variabel tersebut merupakan variabel kategorikal/nominal dan di hitung
menggunakan tabel kontingensi. Pada tabel kontingensi akan di cari nilai
harapan (expected value) untuk setiap cell-nya, semakin besar perbedaan
antara nilai harapan dengan nilai observasi (observed value), maka akan
semakin besar pula derajat hubungan dua variabel yang sekaligus berarti
semakin besar pula nilai koefisien Cramernya. Nilai koefisien cramer tidak
pernah negatif, hanya berkisar 0 dan 1, hal ini dikarenakan antara variabel tidak
memperhatikan urutan (order) diantara kedua variabel tersebut.

4. Kegunaan Korelasi Cramer’s V
Apa kegunaan korelasi Cramer’s V dan Kapan
menggunakannya?
1. Digunakan untuk mengetahui hubungan dua variabel
2. Kedua variabel tersebut berskala nominal
3. Masing-masing variabel terdiri dari dua kategori atau lebih
4. Data disajikan pada tabel kontingensi (r x c)

5. Langkah Pengujian
Berikut langkah-langkah pengujian dalam pengukuran asosiasi data nominal menggunakan
korelasi Cramer’s V
Lakukan uji independensi untuk melihat hubungan antara dua variabel
1. Hipotesis
* h0 hubungan kedua variabel adalah bebas atau tidak ada hubungan
* H1 hubungan kedua variabel adalah tidak bebas atau ada hubungan
2. Tentukan taraf signifikansi Alfa yaitu mencari tabel Chi square dengan derajat bebas B -1, k-1
3. Statistika uji yaitu dengan mencari nilai Chi square
4. Kriteria uji
* Jika Chi square hitung lebih dari Chi square tabel maka h0 ditolak
* Jika Chi square hitung kurang dari Chi square tabel maka h0 diterima
Jika h0 ditolak maka terdapat hubungan antara kedua variabel tersebut dan besarnya
ukuran asosiasi tesebut dihitung melalui metode cramer

6. TABEL DAN RUMUS

7. Rumus Korelasi Cramer’s V

8. contoh Seorang peneliti ingin
mengetahui apakah lokasi
tempat tinggal
berhubungan dengan
pilihan bentuk
pembelajaran. Sebagai
sampel, diambil 90 orang
secara random dan
diperoleh hasil
sebagaimana tabel di
samping.
Bagaimana kesimpulan penelitian
tersebut? Gunakan taraf signifikansi
sebesar 5%

9. penyelesaian H0 = Tidak ada hubungan antara tempat tinggal dengan pilihan pembelajaran.
H1 = Ada hubungan antara tempat tinggal dengan pilihan pembelajaran. Rumusan Hipotesis Taraf Signifikansi = 0,05/5% Statistika Uji

10. Komputasi penyelesaian

11. penyelesaian Derajat kebebasan = df = v = (r – 1)(c − 1) = (2 – 1)(3 – 1) = 2
Daerah Kritis
Keputusan Uji
Kesimpulan
Ada hubungan yang signifikan antara tempat tinggal dengan
pilihan bentuk pembelajaran. Siswa yang berasal dari desa
cenderung memilih pembelajaran secara luring/offline
sedangkan siswa yang berasal dari kota cenderung memilih
pembelajaran secara daring/online

12. penyelesaian Koefisien Cramer's V Kesimpulan Berdasarkan acuan tabel tersebut, maka dapat disimpulkan
bahwa terdapat hubungan yang cukup kuat antara tempat
tinggal dengan pilihan pembelajaranInterpretasi Korelasi

13. KELEBIHAN 1. Mudah dipahami karena hasilnya berupa nilai antara 0-1 yang menunjukkan
kekuatan hubungan.
2. Tidak dipengaruhi ukuran sampel (hasil Cramer’s V tetap konsisten meskipun
jumlah data besar).
3. Cocok untuk data nominal/kategori yang biasanya sulit diukur dengan
koefisien korelasi lain.
4. Lebih umum dibanding phi karena bisa digunakan untuk tabel lebih besar
2x2
5.Dapat digunakan sebagai ukuran effect size setelah uji chi-square, sehingga
tidak hanya tahu ada hubungan tapi juga seberapa kuat hubungan tersebut.

14. KEKURANGAN 1. Tidak menunjukkan arah hubungan (hanya kekuatan, bukan
positif/negatif.
2. Perlu uji chi-square terlebih dahulu, jadi tidak bisa langsung
dihitung tanpa tabel kontingensi
3. Sensitif terhadap distribusi kategori, jika kategori tidak
seimbang hasil bisa bias.
4. Tidak bisa digunakan untuk data ordinal atau interval, hanya
terbatas pada nominal.
5. Interpretasi sering bersifat relatif (misalnya “kuat” atau
“lemah”), tidak ada batasan baku yang universal.

15. Waktunya
diskusi !

16. TERIMA
KASIHKelompok Lima