Namun, ketika kita ingin menghitung korelasi antara variabel kontinu dan variabel kategori<\/a> , kita dapat menggunakan apa yang disebut korelasi titik biserial<\/strong> .<\/span><\/p>\n Korelasi biserial titik digunakan untuk menghitung korelasi antara variabel kategorikal biner (variabel yang hanya dapat mengambil dua nilai) dan variabel kontinu dan memiliki sifat sebagai berikut:<\/span><\/p>\n Contoh berikut menunjukkan cara menghitung korelasi titik-biserial dalam praktiknya.<\/span><\/span><\/p>\n Misalkan seorang profesor universitas ingin menentukan apakah ada korelasi antara gender dan nilai pada ujian kualifikasi tertentu.<\/span><\/p>\n Dia mengumpulkan data berikut tentang 12 anak laki-laki dan 12 perempuan di kelasnya:<\/span> <\/p>\n Karena gender<\/strong> merupakan variabel kategorikal dan skor<\/strong> merupakan variabel kontinu, masuk akal untuk menghitung korelasi point-biserial antara kedua variabel.<\/span><\/p>\n Profesor dapat menggunakan perangkat lunak statistik apa pun (termasuk Excel, R, Python, SPSS, Stata) untuk menghitung korelasi titik-biserial antara kedua variabel.<\/span><\/p>\n Kode berikut menunjukkan cara menghitung korelasi titik-biserial di R, menggunakan nilai 0 untuk mewakili perempuan dan 1 untuk mewakili laki-laki untuk variabel gender:<\/span><\/p>\n Dari hasilnya, kita dapat melihat bahwa koefisien korelasi point-biserial adalah 0,281<\/strong> dan nilai p yang sesuai adalah 0,1833<\/strong> .<\/span><\/p>\n Karena koefisien korelasinya positif, hal ini menunjukkan bahwa ada korelasi positif antara gender dan skor.<\/span><\/p>\n Karena kami mengkodekan laki-laki sebagai 1 dan perempuan sebagai 0, hal ini menunjukkan bahwa skor cenderung lebih tinggi untuk laki-laki (yaitu, skor cenderung meningkat seiring dengan \u201cpeningkatan\u201d gender). \u00bb dari 0 hingga 1).<\/span><\/p>\n Namun, karena nilai p tidak kurang dari 0,05, koefisien korelasi ini tidak signifikan secara statistik.<\/span><\/p>\n Tutorial berikut menjelaskan cara menghitung korelasi titik biserial menggunakan perangkat lunak statistik yang berbeda:<\/span><\/p>\n Cara menghitung korelasi titik-biserial di Excel<\/a> Saat kita ingin menghitung korelasi antara dua variabel kontinu, biasanya kita menggunakan koefisien korelasi Pearson . Namun, ketika kita ingin menghitung korelasi antara variabel kontinu dan variabel kategori , kita dapat menggunakan apa yang disebut korelasi titik biserial . Korelasi biserial titik digunakan untuk menghitung korelasi antara variabel kategorikal biner (variabel yang hanya dapat mengambil […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n\n
Contoh: Perhitungan korelasi titik-biserial<\/strong><\/span><\/h2>\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/correlation1.jpg\")
<\/p>\n #define values for gender\n<\/span>gender <- c(0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,\n 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1)\n\n#define values for score\n<\/span>score <- c(77, 78, 79, 79, 82, 84, 85, 88, 89, 91, 91, 94,\n 84, 84, 84, 85, 85, 86, 86, 86, 89, 91, 94, 98)\n\n#calculate point-biserial correlation\n<\/span>horn. test<\/span> (gender, score)\n\n\tPearson's product-moment correlation\n\ndata: gender and score\nt = 1.3739, df = 22, p-value = 0.1833\nalternative hypothesis: true correlation is not equal to 0\n95 percent confidence interval:\n -0.1379386 0.6147832\nsample estimates:\n horn \n0.2810996<\/strong><\/pre>\n Sumber daya tambahan<\/strong><\/span><\/h2>\n
Cara menghitung korelasi titik-biserial di R<\/a>
Cara menghitung korelasi titik-biserial dengan Python<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"