TEKNIK ANALISIS HUBUNGAN

ANTARA 2 VARIABEL

Agung Priyo Utomo -

agung@stis.ac.id
BAHAN KULIAH MK ANALISIS DATA KATEGORIK
PADA SEKOLAH TINGG ILMU STATISTIK
2013
KASUS
Dalam suatu penelitian diteliti dua variabel penting yaitu
nilai matematika dan Intelligence Quotient (IQ) siswa.
Apakah nilai matematika seorang siswa berhubungan
dengan IQ siswa tersebut?
Dalam suatu perlombaan kebersihan sekolah, dua juri

Agung Priyo Utomo -

agung@stis.ac.id
menilai skor kebersihan 10 sekolah dengan skor tinggi (6) ke
rendah (1). Apakah terdapat kesepakatan (dalam hal
pemberian nilai) dari dua juri tersebut?
Dalam sebuah penelitian tentang ketenagakerjaan diteliti
hubungan antara tingkat pendidikan dan lapangan
pekerjaan seseorang. Apakah lapangan kerja yang dimasuki
berhubungan dengan tingkat pendidikan yang ditamatkan
seseorang?
KOEFISIEN KORELASI
Linear Correlation Coefficient

suatu ukuran yang menyatakan erat tidaknya

hubungan linier yang ada antara variable X dan Y,
nilai korelasi dirumuskan sebagai

r R 2 ( xi x )( yi y )
( xi x )2 ( yi y )2
Nilai koefisien korelasi berkisar -1 sampai 1 (-1 r
1)
tanda positif atau negatif dari R sesuai dengan tanda
positif atau negatif pada parameter 1

Agung Priyo Utomo - agung@stis.ac.id

Various degrees of linear correlation

Agung Priyo Utomo -

agung@stis.ac.id
Various degrees of linear correlation

Agung Priyo Utomo -

agung@stis.ac.id
Korelasi Rank
Koefisien korelasi Pearson, r, merupakan suatu ukuran
keeratan hubungan linier antara dua variabel dengan skala
pengukuran data interval atau rasio.
Koefisien korelasi ranking Spearman (Spearman rank-

Agung Priyo Utomo -

agung@stis.ac.id
correlation coefficient), rs , merupakan suatu ukuran
keeratan hubungan antara dua variabel dengan skala
pengukuran ordinal.
Nilai rs berkisar antara 1,0 sampai +1,0, dimana
Nilai yang semakin dekat ke 1.0 mengindikasikan adanya
hubungan positif yang kuat antar rangking,
Nilai yang semakin dekat ke -1.0 mengindikasikan
adanya hubungan negatif yang kuat antar rangking.
Korelasi Rank
Koefisien Korelasi Rank Spearman, rs

6 2
= 1
(2 1)

Agung Priyo Utomo -

agung@stis.ac.id
dimana:
n = banyaknya item yang dirangking
xi = rangking item ke-i dari variabel pertama
yi = rangking item ke-i dari variabek yang lain
di = xi - yi
Uji Signifikansi Korelasi Rank
Hipotesis:
H0: s = 0
H a : s 0
Distribusi Sampling untuk rs jika s = 0

Agung Priyo Utomo -

agung@stis.ac.id
Rata-rata
r 0
s

Simpangan Baku 1
rs
n1

Bentuk Distribusi: mendekati normal, untuk n > 10

Contoh: Juri Lomba Sekolah
Korelasi Rank
Dalam suatu perlombaan kebersihan sekolah, dua juri
menilai skor kebersihan 10 sekolah dari yang tinggi (6) ke
rendah (1) seperti berikut. Gunakan korelasi rank, dengan

Agung Priyo Utomo -

agung@stis.ac.id
a = 0,10, untuk mengomentari kesepakatan dari dua juri
tersebut.

Sekolah A B C D E F G H I J
Juri #1 1 4 9 8 6 3 5 7 2 10
Juri #2 1 5 6 2 9 7 3 10 4 8
Contoh: Juri Lomba Sekolah
Juri #1 Juri #2
Investasi Rating Rating Beda (Beda)2
A 1 1 0 0
B 4 5 -1 1

Agung Priyo Utomo -

agung@stis.ac.id
C 9 6 3 9
D 8 2 6 36
E 6 9 -3 9
F 3 7 -4 16
G 5 3 2 4
H 7 10 -3 9
I 2 4 -2 4
J 10 8 2 4
Jumlah = 92
Contoh: Juri Lomba Sekolah
Hipotesis
H0: s = 0 (Tidak ada korelasi rank)
Ha: s 0 (Ada korelasi rank)

Agung Priyo Utomo -

agung@stis.ac.id
Distribusi Sampling rs
Distribusi Sampling dibawah asumsi
tidak ada korelasi

1
rs .333
10 1

rs
r = 0
Contoh: Juri Lomba Sekolah
Aturan Penolakan
Dengan tingkat signifikansi 0,10,
Tolak H0 jika z < -1,645 atau z > 1,645

Agung Priyo Utomo -

agung@stis.ac.id
Uji Statistik
6 di2 6(92)
rs 1 1 0.4424
n(n 1)
2
10(100 1)
z = (rs - r )/r = (0,4424 - 0)/0,3333 = 1,33
Kesimpulan
Tidak tolak H0. Korelasi rank tidak signifikan. Kedua juri
tidak menunjukkan adanya kesepakatan dalam menilai
kebersihan pada masing-masing sekolah.
TABEL KONTINGENSI
KONSEP
Misal suatu sampel berukuran n diklasifikasikan secara
silang berdasarkan dua atribut dalam suatu tabel
kontingensi berukuran r x c.
Misal
Oij menyatakan banyaknya observasi dalam sel baris ke-i
dan kolom ke-j.
menyatakan perkiraan frekuensi harapan
R iC j
Eij observasi pada sel tertentu, dimana Ri dan
n Cj merupakan total baris dan total kolom.

Agung Priyo Utomo - agung@stis.ac.id

TABEL KONTINGENSI
KONSEP
Maka untuk menguji
H0: tidak ada hubungan antara kedua atribut
dalam populasi
Ha: ada hubungan antara kedua atribut dalam
populasi
Akan tolak H0 jika
r c (O E )2

i1 j1
ij

Eij
ij
2
( r 1)( c 1),a

Agung Priyo Utomo - agung@stis.ac.id

TABEL KONTINGENSI
CONTOH:
KLASIFIKASI SILANG ANTARA KATEGORI PENDAPATAN
DENGAN TINGKAT PENDIDIKAN
H0: tidak ada hubungan antara pendapatan dengan
tingkat pendidikan
Ha: ada hubungan antara pendapatan dengan tingkat
pendidikan

Agung Priyo Utomo - agung@stis.ac.id

TABEL KONTINGENSI
Data:
(nilai dalam tanda kurung menyatakan frekuensi harapan)

Pendapatan Pendidikan < Pendidikan

Total
(000 rp) SMA SMA+
0 2.500 19 (16,5) 29 (31,5) 48
2.501 5.000 13 (7,9) 10 (15,1) 23
5.001 7.500 7 (6,2) 11 (11,8) 18
7.501 10.000 4 (12,4) 32 (23,6) 36
Total 43 82 125
Agung Priyo Utomo - agung@stis.ac.id
TABEL KONTINGENSI
Statistik Uji:
4 2 (O E )2 (19 16,5)2 ( 32 23,6 ) 2

i1 j1
ij

E
ij

16,5
...
23,6
14,43
ij

Aturan Penolakan:
a = 0,5% dan db = (4-1)(2-1) = 3, maka 32;0,005 12,84

Kesimpulan:
Karena 2 = 14,43 > 12,84, maka H0 ditolak. Artinya ada
hubungan antara pendapatan seseorang dengan tingkat
pendidikan.
Agung Priyo Utomo - agung@stis.ac.id