Anda di halaman 1dari 5

Statistik Non Parametrik Bab 7 : Analisis Koefisien Korelasi

Bab 7
Analisis Koefisien Korelasi

Pada Statistika Parametrik, koefisien korelasi sampel merupakan ukuran yang menyatakan
keeratan hubungan di antara hasil-hasil pengamatan dari populasi-populasi yang mempunyai dua
varian (bivarian). Statistik ini, yang terkenal sebagai koefisien korelasi momen-hasil kali
Pearson, biasanya diberi notasi r , dan didefinisikan sebagai
n

∑ (X i − X)( Yi − Y)
r= i=1
14
n n

∑ (X i − X) 2
∑ (Y − Y)
i
2

i=1 i=1

dengan X dan Y adalah variabel-variabel yang diminati. Ini digunakan untuk menduga p,
koefisien korelasi populasi. Namun koefisien korelasi momen-hasil kali Pearson ini
mempersyaratkan pengandaian bahwa populasi asal sampel bivariate dan berdistribusi normal.
Koefisien korelasi momen-hasil kali Pearson memiliki karakteristik-karakteristik yang dianggap
memenuhi syarat sebagau suatu ukuran korelasi antara dua variabel X dan Y. Karakteristik-
karakteristik itu adalah
1. Jika nilai-nilai X yang besar cenderung berpasangan dengan nilai-nilai Y yang besar,
demikian pula sebaliknya, ukuran korelasi di sini harus positif dan harus mendekati 1 dengan
semakin nyatanya kecenderungan tersebut. Dalam situasi begini, hubungan antara X dan Y
disebut pertalian langsung.
2. Jika nilai-nilai X yang kecil cenderung berpasangan dengan nilai-nilai Y yang besar, demikian
pula sebaliknya, ukuran korelasi di sini harus negatif dan harus mendekati -1 dengan
semakin nyatanya kecenderungan tersebut. Dalam situasi begini, hubungan antara X dan Y
disebut pertalian invers.
3. Jika nilai-nilai X yang besar memiliki kecenderungan yang sama untuk berpasangan baik
dengan nilai-nilai Y yang kecil maupun dengan nilai-nilai Y yang besar, maka ukuran korelasi
harus mendekati 0. Bila X dan Y bebas, maka ukuran korelasi harus sama dengan nol. Dalam
hal ini, X dan Y tidak berkaitan. Jika X dan Y bebas, maka korelasi antara keduanya pasti
nol, tetapi korelasi yang bernilai nol tidak selalu menyatakan ketidakterkaitan.

Apabila pengandaian untuk koefisien korelasi momen-hasil kali Pearson yang memper-syaratkan
bahwa populasi asal sampel bivariate dan berdistribusi normal ini tidak terpenuhi, maka
diperlukan analisis koefisien korelasi dari statistik nonparametrik. Berikut ini analisis koefisien
korelasi dari statistik nonparametrik :

halaman 64
Statistik Non Parametrik Bab 7 : Analisis Koefisien Korelasi

1. Analisis Koefisien Korelasi Peringkat Spearman

Asumsi-asumsi
A. Data untuk analisis merupakan sebuah sampel acak yang terdiri atas n pasangan hasil
pengamatan numerik atau nonnumerik. Setiap pasangan hasil pengamatan, yang berasal dari
dua pengukuran terhadap objek atau individu yang sama, disebut unit asosiasi.
B. Jika data terdiri atas hasil-hasil pengamatan dari suatu populasi yang bivariate maka
ditetapkan ke-n hasil pengamatan dengan (X1 , Y1), (X2 , Y2), ... , (Xn , Yn).
C. Setiap X ditetapkan peringkatnya relatif terhadap semua nilai X lain yang teramati, dari
yang terkecil hingga yang terbesar. Peringkat nilai X ke-i diberi notasi R(Xi), dan R(Xi) = 1
bila Xi adalah nilai X teramati yang paling kecil.
D. Setiap Y ditetapkan peringkatnya relatif terhadap semua nilai Y lain yang teramati, dari
yang terkecil hingga yang terbesar. Peringkat nilai Y ke-i diberi notasi R(Yi), dan R(Yi) = 1
bila Yi adalah nilai Y teramati yang paling kecil.
E. Jika di antara nilai-nilai X atau di antara nilai-nilai Y terdapat angka sama masing-masing
nilai yang sama diberi peringkat rata-rata dari posisi-posisi yang seharusnya.
F. Jika data terdiri atas hasil-hasil pengamatan nonnumerik bukan angka, data tersebut harus
dapat diperingkat seperti yang telah dijelaskan.

Hipotesis-hipotesis
A (Dua Sisi)
H0 : X dan Y saling bebas.
H1 : X dan Y entah bertalian langsung atau invers.
B (Satu Sisi)
H0 : X dan Y saling bebas.
H1 : Ada suatu bertalian langsung antara X dan Y.
C (Satu Sisi)
H0 : X dan Y saling bebas.
H1 : Ada suatu bertalian invers antara X dan Y.

α)
Taraf Nyata (α

Statistik Uji
1. Beri Peringkat untuk sampel X, yaitu R(Xi)
2. Beri Peringkat untuk sampel Y, yaitu R(Yi)
3. Hitung di = R(Xi) - R(Yi), sebagai selisih antara R(Xi) dan R(Yi)
4. Hitung Kuadrat dari di
5. Hitung statistik uji untuk Koefisien Korelasi Peringkat Spearman dengan rumus :
6∑ di2
rs hitung = 1 − 15
n(n 2 − 1)
dengan
n

∑ [R(X ) − R( Y )]
2
∑ di2 = i=1
i i 16

halaman 65
Statistik Non Parametrik Bab 7 : Analisis Koefisien Korelasi

Kaidah Pengambilan Keputusan

Jika sampel-sampel berukuran 4 hingga 30, digunakan Tabel 10. Harga-harga kritis statistik
uji Spearman yang menyediakan nilai-nilai kritis rs tabel.
Untuk A (Dua Sisi) : Tolaklah H0 pada taraf nyata α, jika nilai rs hitung lebih besar daripada
positif nilai rs tabel, atau nilai rs hitung lebih kecil daripada negatif nilai
rs tabel pada taraf nyata 1 - α/2.
Untuk B (Satu Sisi) : Tolaklah H0 pada taraf nyata α, jika nilai rs hitung lebih besar daripada
nilai rs tabel pada taraf nyata 1 - α.
Untuk C (Satu Sisi) : Tolaklah H0 pada taraf nyata α, jika nilai rs hitung lebih kecil daripada
negatif nilai rs tabel pada taraf nyata 1 - α

Contoh 7.1. :
Pincherle dan Robinson menaruh perhatian pada variasi antar pengamat yang mncolok dalam
pembacaan tekanan darah. Merka menjumpai bahwa dokter-dokter yang mendapatkan angka
tinggi pada pembacaan tekanan sistolik cenderung mendapatkan angka yang tinggi pula pada
pembacaan tekanan diastolik. Tabel 7.1. menampilkan rata-rata pembacaan tekanan darah
sistolik dan diastolik oleh 14 orang dokter. Kita ingin menghitung ukuran yang menyatakan
kekuatan pertalian antara kedua variabel itu. Dengan pengandaian bahwa ke-14 dokter ini
merupakan sebuah sampel acak dari suatu populasi dokter, kita ingin tahu apakah kita boleh
menyimpulkan adanya pertalian yang langsung/lurus antara pembacaan sistolik dan diastolik.

Tabel 7.1. Bacaan tekanan darah rata-rata oleh dokter, milimeter Hg.
Dokter 1 2 3 4 5 6 7
Sistolik 141.8 140.2 131.8 132.5 135.7 141.2 143.9
Diastolik 89.7 74.4 83.5 77.8 85.8 86.5 89.4

Dokter 8 9 10 11 12 13 14
Sistolik 140.2 140.8 131.7 130.8 135.6 143.6 133.2
Diastolik 89.3 88.0 82.2 84.6 84.4 86.3 85.9

Sumber : G. Pincherle and D. Robinson,”Mean Blood Pressure and Its Realtion to Other Factors Determined at a
Routine Executive Health Examination”, J. Chronic Dis., 27 (1974), 245-260

Penyelesaian :

Hipotesis :
H0 : Pembacaan-pembacaan tekanan darah sistolik dan diastolik oleh para dokter bebas.
H1 : Ada pertalian lurus antara pembacaan-pembacaan tekanan darah sistolik dan diastolik oleh
para dokter.

Taraf Nyata α = 0.05

Statistik Uji :
Perhitungan-perhitungan yang diperlukan guna menghitung rs disajikan dalam Tabel 7.2.

halaman 66
Statistik Non Parametrik Bab 7 : Analisis Koefisien Korelasi

Tabel 7.2 Perhitungan-perhitungan antara untuk menghitung rs dalam Contoh 7.1.


Sistolik Diatolik
(Xi) (Yi) R(Xi) R(Yi) di = R(Xi) - R(Yi) (di)2
141.8 89.7 12 14 -2 4
140.2 74.4 8.5 1 7.5 56.25
131.8 83.5 3 4 -1 1
132.5 77.8 4 2 2 4
135.7 85.8 7 7 0 0
141.2 86.5 11 10 1 1
143.9 89.4 14 13 1 1
140.2 89.3 8.5 12 -3.5 12.25
131.7 82.2 2 3 -1 1
130.8 84.6 1 6 -5 25
135.6 84.4 6 5 1 1
143.6 86.3 13 9 4 16
133.2 85.9 5 8 -3 9
140.8 88.0 10 11 -1 1
_______
jumlah 132.50

Sehingga diperoleh statistik uji untuk Koefisien Korelasi Peringkat Spearman :


6(132.50)
rs hitung = 1 − = 1 − 0.271 = 0.719
14(14 2 − 1)

Keputusan
Berdasarkan Tabel 10. Harga-harga kritis statistik uji Spearman, diperoleh untuk n = 14
dengan α = 0.05, bahwa rs tabel = 0.4593.
Karena rs hitung (= 0.719) > rs tabel (= 0.4593), maka H0 ditolak.

Kesimpulan
Ada pertalian lurus antara pembacaan-pembacaan tekanan darah sistolik dan diastolik oleh para
dokter., pada taraf nyata α = 0.05. Atau dokter-dokter yang mendapatkan angka tinggi pada
pembacaan tekanan darah sistolik cenderung mendapatkan angka yang tinggi pula pada
pembacaan tekanan diastolik.

Aproksimasi sampel besar. Jika sampel berukuran lebih besar dari 30, maka diterapkan
aproksimasi sampel besar dengan menganggap bahwa distribusi sampel mendekati distribusi
normal (z) Tabel 2 Distribusi Normal Standar, dengan menghitung terlebih dahulu z hitung
dengan rumus :
zhitung = rs n − 1 17
Maka Kaidah Pengambilan Keputusan untuk Analisis Koefisien Korelasi Peringkat Spearman
sebagai berikut :
Untuk A (Dua Sisi) : Tolaklah H0 pada taraf nyata α, jika nilai z hitung lebih besar daripada
positif nilai ztabel, atau nilai zhitung lebih kecil daripada negatif nilai ztabel
pada taraf nyata 0.5 - α/2.
Untuk B (Satu Sisi) : Tolaklah H0 pada taraf nyata α, jika nilai zhitung lebih besar daripada
nilai ztabel pada taraf nyata 0.5 - α

halaman 67
Statistik Non Parametrik Bab 7 : Analisis Koefisien Korelasi

Untuk C (Satu Sisi) : Tolaklah H0 pada taraf nyata α, jika nilai zhitung lebih kecil daripada
negatif nilai ztabel pada taraf nyata 0.5 - α

halaman 68