Partial Correlation

Dalam penelitian psikologi, sering terjadi yang namanya korelasi parsial. Korelasi parsial ialah korelasi yang dilakukan dengan mengontrol (mengkonstankan variabel lainnya).

Sebagai contoh apabila kita ingin mengetahui pengaruh tinggi badan dengan kecerdasan verbal. Jika kita tidak mengontrol variabel usia, maka hubungan mereka akan sangat tinggi. Karena anak yang masih kecil memang memiliki tinggi badan yang pendek dan pasti memiliki kemampuan verbal yang kecil. Sedangkan orang yang dewasa juga pasti memiliki tinggi badan yang tinggi dan kemampuan verbal yang tinggi.

Untuk mengetahui indeks korelasi antara tinggi badan dengan kecerdasan yang sebenarnya, kita harus mengontrol variabel usia agar korelasi antar kedua variabel tersebut tidak terkontaminasi dengan variabel usia. Mungkin yang tadinya hubungan antara tinggi badan dengan kemampuan verbal ialah .90 menjadi .20 setelah variabel usia dikontrol. Pengontrolan dilakukan dengan cara mengkonstankan variabel usia. Jadi kita mengelompokkan partisipan ke dalam kelompok usia tertentu.  Misalnya usia 5, 6, 7, 8, 9, 10, 11, dan 12 tahun. Misalnya ada 100 anak yang berusia 5 tahun. Yang kita lakukan ialah mengkorelasikan antara tinggi badan dan kemampuan verbal pada usia yang sama. Dengan begitu kita bisa melihat pengaruh tinggi badan dengan kemampuan verbal yang telah dikontrol dengan usia.

 

Ada dua cara untuk menghitung korelasi parsial, yaitu dengan korelasi dan regresi. Cara yang menggunakan regresi meruapakan cara yang lebih mudah untuk dimengerti. Berikut penjelasannya.

Korelasi parsial dengan menggunakan regresi didapatkan dengan mengkorelasikan residu dari hubungan antara IV 1 dengan DV dan IV 2 dengan DV. Idenya adalah ingin mengkorelasikan bagian Y yang bukan merupakan pengaruh X, yaitu residunya.

Untuk  menjalankannya di SPSS caranya mudah. Klik analyze, regression, pilih linear. Setelah itu masukkan IV 1 dan DV terlebih dahulu. Lalu pilih save dan check list pada residuals yang unstandardized. Lalu pilih continue dan ok. 

 

Maka akan muncul variabel baru yang merupakan residu antara IV 1 dengan DV. Lakukan cara yang sama pada IV 2 dan DV.  Nanti akan ada dua variable residu. 

Lalu kedua variabel residu tersebut dikorelasikan dengan cara klik analyze, pilih correlation, lalu pilih bivariate.

Masukkan kedua variabel residu itu kedalam kotak variabel dengan mengkilk gambar panah. Lalu perhatikan output pada tabel correlation.

                             

Correlations
		Unstandardized Residual	Unstandardized Residual
Unstandardized Residual	Pearson Correlation	1	.812**
	Sig. (2-tailed)		.000
	N	37	37
Unstandardized Residual	Pearson Correlation	.812**	1
	Sig. (2-tailed)	.000
	N	37	37
**. Correlation is significant at the 0.01 level (2-tailed).

Jadi, korelasinya adalah 0.812 dan hasilnya signifikan. Jadi, hubungan antara IV 1 dengan DV ialah sebesar 81% setelah IV 2 dikontrol.

Apabila kita telah memahami tentang korelasi parsial, kita bisa memahami faktor analisis lebih mudah. Selanjutnya akan membahas tentang analisis faktor.