MATERI 7
SPEARMAN CORRELATION
Oleh:
Yenny Afiv Rosyanah Canerry
161610101097
1.4. Manfaat
1.4.1 Memberikan informasi dan wawasan tentang uji korelasi spearman
BAB II
PEMBAHASAN
Hipotesis nol
Hipotesis nol berarti bahwa koefisien korelasi spearman, ("rho"), adalah 0.
A dari 0 berarti bahwa peringkat satu variabel tidak sesuai dengan tingkat
variabel lainnya. Dengan kata lain, rangking satu variabel meningkat, rangking
variabel lainnya tidak meningkat (atau menurun) (John H. Mcdonald, 2014).
Asumsi (Anggapan)
Jika digunakan korelasi rank spearman pada satu atau dua variabel
pengukuran yang diubah menjadi peringkat, tidak diasumsikan bahwa
pengukurannya normal atau homoscedastic. Hal ini juga tidak menganggap
hubungan itu linier, dan dapat digunakan korelasi peringkat spearman bahkan jika
hubungan antara variabel melengkung, selama hubungan yang mendasarinya
monoton (karena X semakin besar, Y terus bertambah besar, atau terus bertambah
kecil). Jika dimiliki hubungan non-monotonik (karena X menjadi lebih besar, Y
bertambah besar dan kemudian bertambah kecil, atau Y bertambah kecil dan
kemudian bertambah besar, atau lebih rumit), sebaiknya tidak digunakan korelasi
rank spearman. Seperti regresi linier dan korelasi, korelasi rank spearman
mengasumsikan bahwa pengamatan bersifat independen (John H. Mcdonald,
2014).
Jika koefisien korelasi product moment pearson tidak dapat digunakan
(misalnya jika tidak ada hubungan linier yang jelas), lihat kriteria yang disebutkan
sebelumnya), mungkin sesuai untuk menggunakan koefisien korelasi rank
spearman. Hal ini adalah versi non-parametrik dari koefisien korelasi product
moment pearson, dan juga disebut spearman's atau Spearman's rho (Antony
Stewart, 2016).
Hal ini dapat digunakan bila salah satu dari berikut ini berlaku:
a. Ukuran sampel yang kecil
b. Tidak ada hubungan linier yang jelas antara variabel
c. Satu atau kedua variabel bersifat ordinal (Antony Stewart, 2016).
(persamaan A)
Dimana, , yaitu kuadrat dari selisih-selisih antara rank-rank
Xi dan Yi untuk masing-masing pengamatan (Sigit Nugroho, dkk., 2008).
Asumsi
1) Data terdiri dari contoh acak sebanyak n pasang pengamatan, dapat berupa
numerik maupun non-numerik.
2) Setiap pengamatan berpasangan menggambarkan dua pengukuran yang
diambil dari objek yang sama, disebut unit asosiasi (Sumita, 2011).
Hipotesis
1) Ho : X dan Y saling bebas ( ps = 0)
H1 : X danY memiliki hubungan searah atau berkebalikan (ps tidak sama
dengan 0)
2) Ho : X dan Y saling bebas (ps = 0 )
H1 : X dan Y memiliki hubungan searah (ps > 0)
3) Ho : X dan Y saling bebas (ps = 0 )
H1 : X dan Y memiliki hubungan berkebalikan (ps < 0) (Sumita, 2011).
Statistik Uji
Prosedur untuk menghitung statistik uji korelasi peringkat spearman antara
variabel X dan variabel Y, rs adalah sebagai berikut:
1) Urutkan nilai-nilai pengamatan peubah X dari nilai yang paling kecil
hingga nilai yang paling besar. Peringkat untuk nilai ke-i ditulis sebagai
R(Xi). Jika Xi adalah nilai terkecil untuk peubah X, maka R(Xi)= 1.
2) Urutkan nilai-nilai pengamatan peubah Y dari nilai yang paling kecil
hingga nilai yang paling besar. Peringkat untuk nilai ke-i ditulis sebagai
R(Yi). Jika Yi adalah nilai terkecil untuk peubahY, maka R(Yi)= 1.
3) Jika ada beberapa nilai yanga sama (ties) berikan peringkat tengah
(midrank) (Sumita, 2011).
Ties
Jika terdapat nilai yang sama (ties) baik pada peubah X maupun peubah Y maka
diberikan peringkat tengah (mid-rank). Ties sangat kecil pengaruhnya terhadap
nilai rs, kecuali jika dalam jumlah yang besar (Sumita, 2011).
Kaidah Keputusan
Kaidah untuk masing-masing hipotesis yang dituliskan diatas ialah:
a. Tolak Ho jika nilai mutlak statistik uji |rs| lebih besar dari nilai tabel untuk
ukuran contoh n dan taraf nyata (2).
b. Tolak Ho jika nilai statistik uji rs lebih besar dari nilai tabel untuk ukuran
contoh n dan taraf nyata (1).
c. Tolak Ho jika nilai statistik uji rs lebih kecil dari tabel untuk ukuran
contohn dan taraf nyata (1) (Sumita, 2011).
Koefisien Korelasi
Koefisien korelasi merupakan indeks atau bilangan yang digunakan untuk
mengukur keeratan (kuat, lemah, atau tidak ada) hubungan antarvariabel.
Keterangan:
= koefisien korelasi spearman rank
= selisih peringkat setiap data
n = jumlah data
Setelah itu memberi interpretasi terhadap , interpretasi sederhana dengan
cara membandingkan dengan tabel rho. Dari tabel dapat dilihat bahwa n pada taraf
kesalahan 5% .Jika rHo hitung lebih besar dari rHo tabel baik pada taraf 5%,
maka hal ini berarti terdapat kesesuaian yang nyata atau signifikan. Selanjutnya
dari hasil perhitungan tersebut kemudian dilihat keertannya. menggunakan
pedoman interpretasi koefisien korelasi sebagai berikut.
koefisien korelasi Spearman akan signifikan jika 1,96 atau 1,96 pada
tingkat signifikansi =5% (Rangga, dkk., 2012)
Fungsi Monotonik
Untuk memahami korelasi Spearman, perlu diketahui fungsi monotonik.
Fungsi monotonik adalah salah satu yang tidak pernah meningkat atau tidak
pernah berkurang karena variabel independennya meningkat (John Edward
Villacorta, 2012). Grafik berikut menggambarkan fungsi monotonik:
Perhitungan korelasi pearson untuk data ini memberikan nilai sebesar, 699
yang tidak mencerminkan bahwa memang ada hubungan yang sempurna antara
data. Korelasi spearman untuk data ini bagaimanapun adalah 1, mencerminkan
hubungan monoton yang sempurna (John Edward Villacorta, 2012).
Korelasi spearman bekerja dengan menghitung korelasi pearson pada nilai
peringkat data ini. Peringkat (dari rendah ke tinggi) diperoleh dengan menugaskan
pangkat 1 ke nilai terendah, 2 ke terendah berikutnya dan seterusnya (John
Edward Villacorta, 2012).
Jika kita melihat plot data peringkat, maka kita melihat bahwa keduanya
berhubungan secara linier.
Pada gambar di bawah ini berbagai sampel dan nilai koefisien korelasi
sampel yang sesuai disajikan. Tiga yang pertama mewakili nilai korelasi
monotonik "ekstrem" dari -1, 0 dan 1:
Selalu apa yang kita amati dalam sampel adalah nilai sebagai berikut:
Catatan: Koefisien korelasi Spearman adalah ukuran hubungan monoton dan
dengan demikian nilai rs = 0 tidak berarti tidak ada hubungan antara variabel.
Misalnya pada scatterplot rs = 0 berikut yang menyiratkan tidak ada (monotonik)
korelasi namun ada hubungan kuadrat yang sempurna (John Edward Villacorta,
2012).
2.4 Contoh Korelasi Spearman (Spearman Correlation)
Contoh 1
Misalnya, Melfi dan Poyser (2007) mengamati perilaku 6 monyet colobus
jantan (Colobus guereza) di kebun binatang. Dengan melihat monyet-monyet itu
mendorong monyet-monyet lain keluar dari jalan mereka, mereka dapat memberi
peringkat pada monyet dalam hirarki dominasi, dari yang paling dominan hingga
yang paling sedikit dominan. Ini adalah variabel peringkat, sementara para periset
tahu bahwa Erroll dominan di atas Milo karena Erroll mendorong Milo keluar dari
jalannya, dan Milo dominan atas Fraiser, mereka tidak tahu apakah perbedaan
dominasi antara Erroll dan Milo lebih besar atau lebih kecil daripada perbedaan
dominasi antara Milo dan Fraiser. Setelah menentukan peringkat dominasi, Melfi
dan Poyser (2007) menghitung telur nematoda Trichuris per gram kotoran
monyet, sebuah variabel pengukuran. Mereka ingin tahu apakah dominasi sosial
dikaitkan dengan jumlah telur nematoda, sehingga mereka mengubah telur per
gram kotoran ke peringkat dan menggunakan korelasi rank spearman (John H.
Mcdonald, 2014).
Nama Rangking Telur per gram
Telur per gram
Monyet Dominan (Rangking)
Errol 1 5777 1
Milo 2 42225 2
Fraiser 3 2674 3
Fergus 4 1249 4
Kabul 5 749 6
Hope 6 870 5
Untuk contoh monyet Colobus, spearman's adalah 0,943; dan nilai P dari tabel
kurang dari 0,025; sehingga hubungan antara dominasi sosial dan telur nematoda
signifikan (John H. Mcdonald, 2014).
Contoh 2
Interpretasi
Nilai p < 0,0001 sehingga ada korelasi bermakna antara tingkat kolestrol dan
BMI
Nilai korelasi spearman sebesar 0,405 menunjukan bahwa arah korelasi positif
dengan kekuatan korelasi sedang dimana semakin tinggi tingkat kolestrol maka
Boddy Mass Index semakin besar (Najma, 2013).
Contoh 4
Sebuah penelitian dilakukan untuk mengetahui korelasi antara Kadar SGOT (Unit
Karmen/100ml) dengan Kolesterol HDL (mg/100ml) pada 7 sampel yang diambil
secara random. Hasil pengumpulan data dapat dilihat pada Tabel. Bagaimana
kesimpulan yang dapat diambil dari data tersebut?=0.01 (Sumita, 2011).
Prosedur Uji
1. Tetapkan hipotesis
H0 : Tidak ada korelasi antara kadar SGOT dengan HDL
Ha : Ada korelasi antara kadar SGOT dengan HDL
2. Tentukan nilai tabel pada n=7 =0,01 0,893.Hitung nilai hitung.
Tabel Nilai Kritis untuk Koefisien Korelasi Peringkat Spearman
Hasil analisis
Keterangan:
= korelasi Rank Spearman.
di2 = perbedaan setiap pasangan rank
N = jumlah data
Ditanyakan:
1. Bagaimana hubungan X dengan Y?
2. Jika X sebagai penilaian juri A dan Y sebagai penilaian juri B.Apakah
kedua penilaian itu ada kesesuaian (kecocokan)?
3. Jika X sebagai jumlah nilai genap dan Y jumlah nilai ganjil. Apakah alat
pengumpul data tersebut reliabel? (Nailul, 2015).
Jawab:
1. Tulis Ha dan Ho dalam bentuk kalimat
a. Ha Terdapat hubungan yang positif den signifikan, antara variabel X
dengan Y.
b. Ho Tidak terdapat hubungan yang positif dan signifikan antara variabel X
dengan Y
2. Tulis Ha dan Ho dalam bentuk statistik
a. Ha : r 0
b. Ho : r = 0
3. Tabel penolong analisis korelasi rank spearman.
Cara menghitung rank genap:
a. Urutkan data genap mulai yang terbesar sampai terkecil, sehingga data
genap (X) menjadi sebagai berikut:
b. Periksa dulu apakah nilai data yang diurutkan sudah cocok dengan
banyaknya anggota ota sampel? Dalam halini sudahada enam urutan
mentah. Setelah cocok lanjutkan menghitung urutan matang (ranking ke-)
dengan cara, sebagai berikut:
4. Masukkan nilai yang di dapat dalam tabel penolong itu ke dalam rumus
spearman, sehingga di dapat.
Ternyata 0,828 < 0,814 < 0,829 atau rs tabel<rs hitung< rs tabel sehingga H.
diterima atau alat pengumpul datanya tidak reliabel (Nailul, 2015).
Singkatnya, jika setidaknya satu dari dua variabel yang dikorelasikan didasarkan
pada pengukuran ordinal yang mendasarinya, Rho Spearman adalah perkiraan
yang tepat (Ken Plummer, 2014).
Sebagai contoh
Jika kedua variabel berada pada skala interval, namun satu atau keduanya secara
signifikan condong, maka Spearman's Rho adalah perkiraan yang tepat untuk
mengkompensasi distorsi mean (Ken Plummer, 2014).
Sebagai contoh:
Hal ini berbeda dengan Tau Kendall (Kendalls Tau) dengan satu cara sederhana.
Rho Spearman tidak mampu menangani ties. Sedangkan Kendalls Tau mampu
menangani ties (Ken Plummer, 2014).
Sebagai contoh:
BAB III
KESIMPULAN
Kesimpulan
Korelasi spearman adalah alat uji statistik yang digunakan untuk menguji
hipotesis asosiatif dua variabel bila datanya berskala ordinal (ranking). Nilai
korelasi ini disimbolkan dengan (dibaca: rho). Karena digunakan pada data
berskala ordinal, untuk itu sebelum dilakukan pengelolahan data, data kuantitatif
yang akan dianalisis perlu disusun dalam bentuk ranking. Langkah-langkahnya
yaitu:
1. Menentukan formulasi hipotesis (H1 dan H0)
2. Menentukan taraf nyata ( = 0,05) untuk menentukan tabel
3. Menyusun tabel penolong untuk menentukan hitung
4. Menghitung nilai hitung dengan rumus :
Madsen, V., T.J.S. Balsby, T. Dabelsteen, and J.L. Osorno. 2004. Bimodal
Signaling of A Sexually Selected Trait: Gular Pouch Drumming in The
Magnificent Frigatebird. Condor 106: 156-160.
Nugroho, Sigit; Akbar, Syahrul; dan Vusvitasari, Resi. 2008. Kajian Hubungan
Koefisien Korelasi Pearson (r), Spearman-rho, Kendall-Tau, Gamma, dan
Somers. Universitas Bengkulu, Indonesia. Jurnal Gradien Vol.4 No.2: 372-
381
Pradeka, Rangga; Setiawan, Adi; Linawati, Lilik. 2012. Studi Simulasi Uji
Koefisien Korelasi Spearman dan Kendall Dari Sampel yang Dibangkitkan
Berdasarkan Estimasi Densitas Kernel Multivariat. Salatiga. Isbn : 978-
979-16353-8-7