Page 257 - Penelitian Pendidikan

kategori. Dengan kata lain, prediksi yang dibuat adalah tentang keanggotaan kelompok kategoris seperti introvert/ekstrovert, kecemasan tinggi/kecemasan rendah atau berprestasi/tidak berprestasi. Misalnya berdasarkan variabel prediktor seperti harga diri atau motivasi berprestasi, analisis fungsi diskriminan memungkinkan kita untuk mengklasifikasikan apakah seseorang memanifestasikan karakteristik introvert atau ekstrovert. Setelah mengidentifikasi kelompok yang introvert dan ekstrovert, peneliti mungkin ingin membandingkan kedua kelompok pada variabel lain.
Analisis kanonik merupakan perluasan dari analisis regresi berganda. Sedangkan regresi berganda menggunakan beberapa prediktor untuk memprediksi variabel kriteria tunggal, analisis kanonik menghasilkan korelasi berdasarkan sekelompok variabel prediktor dan sekelompok variabel kriteria. Misalnya kami akan menggunakan analisis kanonik jika kami memiliki sekelompok prediktor yang terkait dengan pencapaian (misalnya, IPK, skor SAT, peringkat kemampuan guru, dan jumlah kursus AP yang lulus) dan ingin melihat bagaimana prediktor ini terkait dengan grup variabel kriteria juga berhubungan dengan prestasi (misalnya, keberhasilan kerja, pendapatan kerja, dan IPK perguruan tinggi). Analisis tersebut menghasilkan korelasi tunggal yang menunjukkan korelasi antara kedua kelompok variabel.
Analisis jalur juga memungkinkan kita untuk melihat hubungan dan pola di antara sejumlah variabel. Hasil dari analisis jalur adalah diagram yang menunjukkan bagaimana variabel terkait satu sama lain. Misalnya kita ingin menguji hubungan (yaitu, jalur) antara variabel X dan variabel A, B, dan C. Analisis jalur berdasarkan korelasi antar variabel akan menghasilkan diagram jalur seperti yang ditunjukkan pada Gambar 23. Dalam diagram ini, panah tunggal menunjukkan hubungan antar variabel, dan panah ganda (A ke B) menunjukkan tidak ada hubungan langsung. Jadi, variabel A dan B secara individual terkait dengan D, dan A dan B terkait dengan variabel C. Variabel C tidak terkait dengan D. Analisis jalur berguna baik untuk menunjukkan variabel yang mempengaruhi variabel tertentu (seperti X) dan untuk menguji teori tentang cara-cara di mana kelompok variabel terkait dengan variabel tertentu.
255