Salah satu pertanyaan yang umum diajukan dalam sebuah studi atau penelitian adalah
apakah dua atau lebih peubah saling berhubungan atau saling bebas. Pada Bab 5, telah
dibahas asosiasi antarpeubah kategori (nominal dan ordinal) yang diuji dengan
menggunakan uji khi-kuadrat. Pada kesempatan tersebut, pertanyaan apakah dua peubah
saling berhubungan atau saling bebas dapat terjawab, namun ukuran keeratan hubungannya
belum dapat dijelaskan. Bab ini membahas dua aspek analisis asosiasi, yaitu apakah peubah
saling berhubungan (berasosiasi) dan berapa erat hubungan itu.
Ukuran keeratan hubungan antar dua peubah yang sering digunakan adalah koefisien
korelasi Pearson, r. Koefisien korelasi Pearson antara X dan Y, rxy adalah :
n
rxy
i 1
( X i X )(Yi Y )
n n
i 1
( X i X ) 2 i 1 (Yi Y ) 2
rxy merupakan koefisien korelasi contoh yang dipat digunakan untuk menduga koefisien
korelasi populasi, xy.
Beberapa karakteristik koefisien korelasi Pearson antara lain adalah sebagai berikut : (1)
Jika nilai X besar berpasangan dengan nilai Y besar (dan sebaliknya nilai X kecil berpasangan
dengan nilai Y kecil), koefisien korelasi pearson akan positif dan mendekati 1. Hubungan
seperti ini disebut sebagai hubungan searah (direct relationship); (2) Jika nilai X kecil
berpasangan dengan nilai Y besar (dan sebaliknya nilai X besar berpasangan dengan nilai Y
kecil), koefisien korelasi pearson akan negatif dan mendekati 1. Hubungan seperti ini
disebut sebagai hubungan berkebalikan (inverse relationship); (3) Jika nilai X besar
berpasangan dengan nilai Y besar dan juga nilai Y kecil, koefisien korelasi pearson akan
mendekati nol. Pada kondisi ini dapat dikatakan bahwa X dan Y tidak berhubungan atau
saling bebas; (4) Nilai korelasi berkisar antara 1 dan +1.
Pengujian ataupun inferensia statistik tentang r dapat digunakan apabila contoh
berasal dari populasi yang menyebar bivariat normal. Jika tidak, diperlukan prosedur korelasi
atau asosiasi nonparameterik seperti yang akan kita pelajari pada kesempatan ini. Beberapa
yang akan dipelajari adalah koefisien korelasi peringkat Spearman, Tau-Kendall, koefisien
konkordansi Kendall, korelasi peringkat parsial dan lain-lain.
Koefisien Korelasi Peringkat Spearman, rs
Ukuran asosiasi yang sering digunakan adalah koefisien korelasi peringkat Spearman
(Spearman rank correlation coefficient) yang diperkenalkan oleh Spearman (1904).
Asumsi
a. Data terdiri dari contoh acak sebanyak n pasang pengamatan, dapat berupa numeric
maupun non-numerik.
b. Setiap pengamatan berpasangan menggambarkan dua pengukuran yang diambil
dari objek yang sama, disebut unit asosiasi.
Hipotesis
a. H0 : X dan Y saling bebas (s = 0)
H1 : X dan Y memiliki hubungan searah atau berkebalikan (s 0)
b. H0 : X dan Y saling bebas (s = 0)
H1 : X dan Y memiliki hubungan searah (s > 0)
c. H0 : X dan Y saling bebas (s = 0)
H1 : X dan Y memiliki hubungan berkebalikan (s < 0)
Statistik Uji
Prosedur untuk menghitung statistik uji korelasi peringkat Spearman antara peubah X
dan Y, rs, adalah sebagai berikut :
1. Urutkan nilai-nilai pengamatan peubah X dari yang paling kecil hingga paling besar.
Peringkat untuk nilai ke-i ditulis sebagai R(Xi). Jika Xi adalah nilai terkecil pada
peubah X, maka R(Xi)=1.
2. Lakukan langkah 1) untuk peubah Y.
3. Jika ada beberapa nilai yang sama (ties) berikan peringkat tengah (mid-rank).
4. Statistik uji korelasi peringkat Spearman adalah :
6di2
rs 1
n(n 2 1)
n 2
2
dalam hal ini di R( X ) R(Y )
i 1 i i
t x3 t x n3 n
Tx x 2 Tx
12 12
3
ty ty n3 n
Ty y 2 Ty
12 12
2/9
Jika koreksi terhadap ties diterapkan, maka statistik uji menjadi :
x 2 y 2 di2
rs *
2 x 2 y 2
Kaidah Keputusan
Nilai kritis koefisien korelasi peringkat Spearman rs ditunjukkan pada Tabel A.21. Kaidah
keputusan untuk masing-masing hipotesis yang dituliskan di atas adalah :
a. Tolak H0 jika nilai mutlak statistik uji |rs| lebih besar dari nilai tabel untuk ukuran
contoh n dan taraf nyata (2)
b. Tolak H0 jika nilai statistik uji rs lebih besar dari nilai tabel untuk ukuran contoh n
dan taraf nyata (1)
c. Tolak H0 jika nilai statistik uji rs lebih kecil dari nilai tabel untuk ukuran contoh n dan
taraf nyata (1).
Contoh besar. Jika contoh berukuran lebih dari 100, kita tidak dapat menggunakan
Tabel A.21 untuk menguji rs. Karenanya kita dapat menghitung :
z rs n 1
Contoh :
Berikut ini adalah data jumlah kehadiran dalam kuliah, nilai tugas dan nilai ujian akhir. Hitung
korelasi peringkat Spearman antara jumlah kehadiran dalam kuliah dan nilai ujian akhir. Uji
apakah kedua peubah tersebut saling bebas!
Hipotesis : H0 : Kehadiran dalam kuliah dan nilai ujian akhir saling bebas
H1 : Kehadiran dalam kuliah dan nilai ujian akhir memiliki hubungan searah
atau berkebalikan
Statistik Uji : Untuk mendapatkan statistik uji atau koefisien korelasi peringkat Spearman, rs
dilakukan prosedur yang diringkas pada tabel sebagai berikut :
3/9
Kehadiran Nilai Ujian
(Xi) (Yi) R(Xi) R(Yi) di = R(Xi) - R(Yi) di2
A 13 53 4 5 1 1
B 12 42 2 2 0 0
C 15 70 7 8 1 1
D 15 69 7 7 0 0
E 10 32 1 1 0 0
F 13 76 4 10 6 36
G 15 73 7 9 2 4
H 13 45 4 3.5 0.5 0.25
I 16 58 9 6 3 9
J 16 45 10 3.5 6.5 42.25
d i2 93.5
6di2
Dengan menggunakan rumus rs 1 diperoleh :
n(n 2 1)
6(93.5)
rs 1 1 0.567 0.433
10(102 1)
Menurut tabel di atas, data kita mempunyai ties. Sehingga akan lebih baik jika
rs dihitung ulang dengan mengakomodasi ties tersebut.
103 10 33 3
x 2 2 78.5
12 12
103 10 23 2
y 2 82
12 12
x 2 y 2 di2
Sehingga dengan rumus rs * diperoleh :
2 x 2 y 2
78.5 82 93.5
rs * 0.418
2 (78.5)(82)
Keputusan : Berdasarkan Tabel A.21 untuk hipotesis dua arah n=10 dan =0.05 diperoleh
nilai kritis 0.648. Karena nilai rs (maupun rs*) lebih kecil dari nilai kritisnya, maka
hipotesis bahwa kehadiran dalam kuliah dan nilai ujian akhir saling bebas
diterima.
Tau Kendall,
Salah satu ukuran keeratan hubungan antar dua peubah yang popular adalah Tau
Kendall (dilambangkan dengan untuk populasi atau untuk contoh). Seperti koefisien
korelasi peringkat Spearman, Tau Kendall juga berdasarkan peringkat pengamatan dan
nilainya berkisar pada selang 1 sampai dengan +1. Meskipun ada kesamaan antara
dengan rs, keduanya memiliki perbedaan dalam hal nilai sebagai akibat adanya perbedaan
dalam prosedur perhitungan. Perbedaan yang paling penting adalah bahwa merupakan
penduga tidak bias bagi parameter populasi sedangkan rs bukan.
4/9
Statistik didefinisikan sebagai peluang konkordan minus peluang diskordan.
Pasangan pengamatan (Xi, Yi) dan (Xj, Yj) disebut konkordan apabila perbedaan antara Xi dan
Xj mempunyai arah yang sama dengan Yi dan Yj. Dengan kata lain, dikatakan konkordan
apabila X i > Xj dan Yi > Yj atau Xi < Xj dan Yi < Yj. Sebaliknya, apabila arah perbedaannya
tidak sama disebut diskordan. Sedangkan apabila Xi=Xj dan/atau Yi=Y j dikatakan
pengamatan tersebut tidak konkordan maupun diskordan.
Asumsi
a. Data terdiri dari contoh acak sebanyak n pasang pengamatan, dapat berupa
numerik maupun non-numerik. Setiap pengamatan berpasangan menggambarkan
dua pengukuran yang diambil dari objek yang sama, disebut unit asosiasi.
b. Skala pengukuran minimal ordinal sehingga data dapat diurutkan.
Hipotesis
a. H0 : X dan Y saling bebas ( = 0)
H1 : 0
b. H0 : X dan Y saling bebas
H1 : >0
c. H0 : X dan Y saling bebas
H1 : <0
Statistik Uji
Statistik uji Tau Kendall, yang juga merupakan ukuran keeratan hubungan antar dua
peubah adalah :
S
n( n 1) / 2
dalam hal ini n adalah banyaknya pasangan pengamatan (X, Y). Untuk mendapatkan nilai
S, lakukan prosedur berikut :
1. Urutkan pasangan pengamatan (Xi, Yi) dari yang terkecil hingga terbesar
berdasarkan peubah X, sehingga X dikatakan dalam natural order.
2. Bandingkan setiap nilai Y dengan nilai Y yang ada di bawahnya. Satu pasang nilai Y
dikatakan konkordan (natural order) apabila nilai Y yang di bawah lebih besar
daripada nilai Y yang di atas. Jika sebaliknya, katakan bahwa pasangan nilai Y adalah
diskordan (reverse natural order).
3. Nyatakan banyaknya Y yang konkordan sebagai P, dan diskordan sebagai Q.
4. S=PQ
Ties. Jika ada nilai yang sama (ties) baik pada peubah X maupun Y direkomedasikan
untuk menghitung ulang nilai dengan prosedur sebagai berikut :
5/9
4. Jika terdapat banyak sekali ties, nilai dapat dihitung kembali dengan rumus :
S
*
1 1
2 n( n 1) Tx 2 n (n 1) Ty
dalam hal ini :
Tx 12 t x (t x 1) Ty 12 t y (t y 1)
t x = banyaknya nilai pengamatan X yang ties
t y = banyaknya nilai pengamatan Y yang ties
Kaidah Keputusan
Nilai kritis statistik Tau Kendall ditunjukkan pada Tabel A.22. Untuk setiap hipotesis yang
relevan, untuk ukuran contoh n, H0 ditolak pada taraf nyata apabila :
a. | | *( n , /2)
b. *( n , )
c. *( n , )
Contoh besar. Untuk contoh berukuran besar, statistik uji yang digunakan adalah :
3 n( n 1)
z
2(2n 5)
yang menyebar normal baku.
Contoh :
Berikut ini adalah data tinggi (dalam cm) dan berat (dalam kg) badan beberapa mahasiswa
dari suatu kelas. Hitung nilai Tau Kendall antara tinggi dan berat badan tersebut. Apakah
dapat disimpulkan bahwa tinggi dan berat badan saling bebas!
6/9
Tinggi Pasangan Berat yang Pasangan Berat yang
(Terurut) Berat konkordan diskordan
140 37 15 0
145 38 14 0
152 46 11 2
153 47 10 2
155 43 10 1
158 41 10 0
160 50 8 1
161 59 4 4
163 56 5 2
165 65 2 4
168 58 3 2
170 54 3 1
171 49 3 0
173 60 2 0
180 73 1 0
181 85 0 0
P = 101 Q = 19
Dari tabel di atas diperoleh S = P Q = 101 19 = 82. Untuk n = 16, dapat dihitung :
82
0.683
16(16 1) / 2
Untuk n=16, =0.05, dari Tabel A.22 diperoleh *(n,/2)=0.383, sehingga cukup bukti
untuk menyatakan ada korelasi antara tinggi dan berat badan.
Hipotesis
H0 : Tidak ada asosiasi antar karakteristik
H1 : Ada korelasi antar karakteristik
7/9
Statistik Uji
Koefisien konkordansi Kendall dapat dihitung dengan rumus :
12 kj 1R 2j 3b 2 k (k 1)2
W
b 2 k (k 2 1)
Dalam hal ini, b adalah banyaknya karakteristik (gugus peringkat), k adalah banyaknya
pengamatan dan Rj adalah jumlah peringkat untuk objek atau individu ke-j.
Jika terjadi ties, W dapat dikoreksi dengan cara mengganti penyebut pada rumus di atas
dengan b 2 k (k 2 1) b(t 3 1) , dalam hal ini t adalah banyaknya ties.
Kaidah Keputusan
Untuk b dan k kecil dapat menggunakan tabel koefisien konkordansi Kendall (A.14).
Hipotesis nol ditolak jika p-value yang ditampilkan untuk W, b, dan k kurang dari taraf
nyata yang ditetapkan. Untuk b dan k yang tidak tercantum dalam tabel A.14, kita
dapat menghitung
X 2 b(k 1)W
untuk kemudian dibandingkan dengan nilai pada tabel khi-kuadrat (A.11) dengan
derajat bebas k 1.
Contoh :
Berikut ini adalah nilai UAS 10 mahasiswa pada lima mata kuliah. Selidiki apakah ada
asosisasi antar mata kuliah tersebut.
Mahasiswa
Mata Kuliah
1 2 3 4 5 6 7 8 9 10
Aljabar matriks 55 59 81 72 61 75 60 74 83 62
Pengantar peluang 80 62 88 73 82 85 70 75 91 65
Teori statistika I 60 73 74 62 72 70 63 80 87 68
Metode Penarikan Contoh 88 80 90 82 78 87 84 86 85 75
Perancangan Percobaan 78 80 79 72 81 73 77 74 76 75
8/9
Sehingga koefisien konkordansi Kendall adalah :
Karena untuk b=5 dan k=10 tidak tercantum dalam tabel A.14, maka
digunakan hampiran khi-kuadrat :
E.O.F
9/9