Korelasi Lamda
- Menunjukkan reduksi proporsional data error yang diperoleh dalam memprediksi kategori dari dependent variabel ketika nilai independent variabel diperhitungkan.
- Mengevaluasi sampai seberapa jauh prediksi terhadap dependent membaik bila dimasukkan kategori dari variabel dependent
Contoh:
Berikut tabel Distribusi responden menurut daerah asal dan partisipasi terhadap program KB
Partisipasi
|
Daerah Asal
A B
|
Jumlah
|
|
Tidak Ikut
|
100
|
125
|
225
|
Ikut
|
200
|
75
|
275
|
Total
|
300
|
200
|
500
|
- Pertama kita tentukan bahwa prediksi terbaik adalah “ikut” KB. Yang seharusnya 500 orang tapi dalam kenyataan hanya 275. Jd error yang terjadi = 500 – 275 = 225. Proporsi error = 225:500 = 0,45. Angka yang diperoleh disini belum dipengaruhi oleh kehadiran variabel independent yaitu asal daerah. Ketika daerah asal diperhitungkan, kita mengharapkan atau menduga bahwa mereka yang dari kota lebih banyak yang ikut “KB daripada dari desa.
- Kita lihat bahwa hanya ada 175 orang saja (100+75) yang sesuai dengan harapan atau dugaan kita.
- Atau 175 : 500 = 0,35.
- Jd tanpa variabel independent proporsi errornya = 0,45. Tetapi kalau dengan variabel independent errornya menurun jadi 0,35.
- Hal ini berarti masuknya variabel independent telah mengurangi proporsi error sebesar (0,45 – 0,35) : 0,45 = 0,22.
- Kesimpulan : Ada hubungan prediktif yang cukup lemah antara asal responden dengan keikutsertaan dalam program KB
- baca juga korelasi pearson
- baca juga korelasi spearman
- baca juga korelasi konkordansi Kendal
- baca juga korelasi partial Kendal
- baca juga korelasi kontingensi Kendal
- baca juga korelasi kontingensi cramer
- baca juga korelasi phi
- baca juga korelasi eta
- baca juga korelasi Wilcoxon theta
- baca juga korelasi poin biserial
- baca juga korelai jaspen
- baca juga korelasi lamda
- baca juga korelasi gamma
- baca juga korelasi somer
0 komentar:
Posting Komentar