STATISTIKA

UJI KORELASI SPEARMAN

OLEH :
MOCH. RICKY ISKANDAR Z. NIM. P27834117080
I GUSTI AGUNG AYU SATWIKHA DEWI NIM. P27834117081
PRIYO UTOMO NIM. P27834117082
ANAK AGUNG LIDYA NIRMALA DEWI NIM. P27834117083
AGUS SETIYAWATI NIM. P27834117084

KEMENTERIAN KESEHATAN R.I.

POLITEKNIK KESEHATAN KEMENKES SURABAYA
JURUSAN ANALIS KESEHATAN
SURABAYA
2017
 KATA PENGANTAR

Puji syukur penulis panjatkan kehadirat Tuhan Yang Maha Esa, karena
berkat dan rahmat-Nyalah penulis dapat menyelesaikan makalah statistik “Uji
Spearman” dengan baik dan tepat waktu.
Berbagai kendala yang dialami penulis dapat teratasi berkat bimbingan dan
tuntunan dari berbagai pihak. Oleh karena itu, dalam kesempatan ini penulis
mengucapkan terima kasih kepada :
1. Bapak Drs. Edy Haryanto, M.Kes., selaku Ketua Jurusan Analis Kesehatan
Politeknik Kesehatan Surabaya yang telah memberikan kesempatan kepada
penulis untuk mengenyam pendidikan pada program alih jenjang di Jurusan
Analis Kesehatan Politeknik Kesehatan Surabaya.
2. Ibu Retno Sasongkowati, S.Pd., S.Si., M.Kes., selaku Ketua Prodi D4 Jurusan
Analis Kesehatan Politeknik Kesehatan Surabaya yang telah memberikan
dukungan sarana prasarana selama penulis mengenyam pendidikan pada
program alih jenjang di Jurusan Analis Kesehatan Politeknik Kesehatan
Surabaya.
3. Ibu Dra. Sri Sulami Endah Astuti, M.Kes., selaku dosen pengajar statistika
yang dalam penyusunan makalah ini telah banyak memberikan bimbingan.
4. Semua pihak yang baik terlibat secara langsung maupun tidak langsung yang
telah membantu penulis dalam menyelesaikan makalah ini.
Penulis menyadari bahwa makalah ini masih jauh dari sempurna, maka dari itu
penulis mengharapkan saran dan kritik yang bersifat membangun untuk
memperbaiki makalah ini. Akhir kata penulis mengucapkan semoga makalah ini
dapat bermanfaat.

Surabaya, Desember 2017

Penulis

ii
 DAFTAR ISI

Kata Pengantar .................................................................................................... ii

Daftar Isi.............................................................................................................. iii
BAB I PENDAHULUAN ................................................................................... 1
1.1 Latar Belakang .................................................................................. 1
1.2 Rumusan Masalah ............................................................................. 2
1.3 Tujuan ............................................................................................... 2
BAB II TINJAUAN PUSTAKA......................................................................... 3
2.1 Definisi Statistika .............................................................................. 3
2.2 Statistik Parametrik dan Non Parametrik .......................................... 4
2.3 Jenis-jenis Data ................................................................................. 6
2.4 Macam-macam Data Statistik ........................................................... 7
2.5 Definisi Uji Spearman ....................................................................... 8
BAB III PEMBAHASAN ................................................................................... 9
3.1 Pengertian dan Fungsi Uji Spearman ................................................ 9
3.2 Perhitungan Uji Spearman ................................................................ 9
3.3 Cara analisis Uji Spearman menggunakan SPSS .............................. 14
3.4 Pembacaan Output pada SPSS .......................................................... 19
BAB IV PENUTUP ............................................................................................ 21
4.1 Simpulan ........................................................................................... 21
DAFTAR PUSTAKA

iii
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Upaya memperoleh dan mengolah informasi statistik mempunyai sejarah
yang sangat panjang, sepanjang peradaban manusia. Pada jaman sebelum
masehi, bangsa-bangsa di Mesopotamia, Mesir, dan Cina telah mengumpulkan
data statistik untuk memperoleh informasi tentang pajak yang harus dibayar
oleh setiap penduduk, berapa hasil pertanian yang mampu diproduksi, untuk
mencatat jumlah kelahiran, kematian, dan perkawinan, dan sebagainya.
Pada saat ini, statistika telah berkembang jauh, seiring dengan
ditemukannya dan berkembangnya teori peluang. Statistika telah
memungkinkan untuk melihat jauh kedepan di luar data itu sendiri. Statistika
pada tahun 1950-an telah memasuki wilayah pengambilan keputusan melalui
proses generalisasi dan peramalan dengan memperhatikan faktor resiko dan
ketidakpastian.
Statistika dari definisinya meliputi pengumpulan data, pengorganisasian
data, penyajian data, analisis data, dan interprestasi dari hasil analisis tersebut.
Berdasarkan pada definisi tersebut, statistika dibagi dalam dua jenis yaitu
statistika deskriptif dan statistika induktif (inferensial).
Statistik inferensial terdapat statistik parametrik dan nonparametrik.
Statistik parametrik digunakan untuk menguji parameter populasi melalui
statistik, atau menguji ukuran populasi melalui data sampel. Statistika
parametrik adalah bagian statistika yang parameter populasinya harus
memenuhi syarat-syarat tertentu seperti syarat data berkala interval/rasio,
syarat pengambilan sampel harus random, berdistribusi normal atau normalitas
dan syarat memiliki varian yang homogen atau homogenitas, model regresi
linear, dan sebagainya. Dalam statistika parametrik indikator-indikator yang
dianalisis adalah parameter-parameter dari ukuran objek yang bersangkutan.
Statistika non-parametrik adalah bagian statistika yang parameter populasinya
bebas dari keharusan terpenuhinya syarat-syarat data berskala interval/rasio,
syarat pengambilan data secara random, berdistribusi normal atau normalitas

1
 dan syarat memiliki varian yang homogen atau homogenitas, model regresi
linier, dan lain-lain. Dalam statistika non parametrik indikator-indicator sisi
lain dari parameter ukuran objek yang diteliti. Pada makalah ini akan dibahas
mengenai uji statistik inferensial non parametrik korelasi spearman.

1.2 Rumusan Masalah

a. Apa pengertian dan fungsi Uji Spearman ?
b. Bagaimanakah perhitungan Uji Spearman ?
c. Bagaimanakah cara analisis Uji Spearman menggunakan SPSS ?
d. Bagaimanakah pembacaan output pada SPSS ?

1.3 Tujuan
a. Untuk mengetahui pengertian dan fungsi Uji Spearman ?
b. Untuk mengetahui perhitungan Uji Spearman ?
c. Untuk mengetahui cara analisis Uji Spearman menggunakan SPSS ?
d. Untuk mengetahui pembacaan output pada SPSS ?

2
 BAB II
TINJAUAN PUSTAKA

2.1 Definisi Statistika

Statistika dari definisinya meliputi pengumpulan data,
pengorganisasian data, penyajian data, analisis data, dan interprestasi dari
hasil analisis tersebut. Berdasarkan pada definisi tersebut, statistika dibagi
dalam dua jenis yaitu statistika deskriptif dan statistika induktif (inferensial).
Statistik deskriptif adalah statistik yang digunakan untuk menganalisis
data dengan cara mendeskripsikan atau menggambarkan data yang telah
terkumpul sebagaimana adanya tanpa bermaksud membuat kesimpulan yang
berlaku untuk umum atau generalisasi. Penelitian yang dilakukan pada
populasi (tanpa diambil sampelnya) jelas akan menggunakan statistik
deskriptif dalam analisisnya. Tetapi bila penelitian dilakukan pada sampel,
maka analisisnya dapat menggunakan statistik deskriptif maupun inferensial.
Statistik deskriptif dapat digunakan bila peneliti hanya ingin mendeskripsikan
sampel, dan tidak ingin membuat kesimpulan yang berlaku untuk populasi di
mana sampel diambil. Tetapi bila peneliti ingin membuat kesimpulan yang
berlaku untuk populasi, maka teknik analisis yang digunakan adalah statistik
inferensial.
Termasuk dalam statistik deskriptif antara lain adalah penyajian data
melalui tabel, grafik, diagram lingkaran, piktogram, perhitungan modus,
median, mean (pengukuran tendensi sentral), perhitungan desil, presentil,
perhitungan penyebaran data melalui perhitungan rata-rata dan standar deviasi,
perhitungan prosentase. Dalam statistik deskriptif juga dapat dilakukan
mencari kuatnya hubungan antara variabel melalui analisis korelasi, regresi,
dan membuat perbandingan dengan membandingkan rata-rata data sampel
atau populasi. Hanya perlu diketahui bahwa dalam analisis korelasi, regresi,
atau membandingkan dua rata-rata atau lebih tidak perlu diuji signifikansinya.
Jadi secara teknis dapat diketahui bahwa, dalam statistik deskriptif tidak ada
uji signifikansi, tidak ada taraf kesalahan, karena peneliti tidak bermaksud
membuat generalisasi, sehingga tidak ada kesalahan generalisasi.

3
 Statistik inferensial (sering juga disebut statistik induktif atau statistik
probabilitas), adalah teknik yang digunakan untuk menganalisis data sampel
dan hasilnya diberlakukan untuk populasi. Statistik ini akan cocok digunakan
bila sampel diambil dari populasi yang jelas, dan teknik pengambilan sampel
dari populasi yang jelas, dan teknik pengambilan sampel dari populasi itu
dilakukan secara random. Statistik ini disebut statistik probabilitas, karena
kesimpulan yang diberlakukan untuk populasi berdasarkan data sampel itu
kebenarannya bersifat peluang (probability). Suatu kesimpulan dari data
sampel yang akan diberlakukan untuk populasi itu mempunyai peluang
kesalahan dan kebenaran (kepercayaan) yang dinyatakan dalam bentuk
prosentase. Bila peluang kesalahan 5% maka taraf kepercayaan 95%, bila
peluang kesalahan 1%, maka taraf kepercayaan 99%. Peluang kesalahan dan
kepercayaan ini disebut dengan taraf signifikasi. Penguji taraf signifikasi dari
hasil suatu analisis akan lebih praktis bila didasarkan pada tabel t, uji F
digunakan tabel F. Pada setiap tabel sudah disediakan untuk taraf signifikasi
berapa persen suatu hasil analisis dapat digeneralisasikan. Dapat diberikan
contoh misalnya dari hasil analisis korelasi ditemukan koefisien korelasi 0,54
dan untuk signifikansi untuk 5%. Hal itu berarti hubungan variabel sebesar
0,54 itu dapat berlaku pada 95 dari 100 sampel yang diambil dari suatu
populasi. Contoh lain misalnya dalam analisis uji beda ditemukan signifikasi
untuk 1%. Hal ini berarti perbedaan itu berlaku pada 99 dari 100 sampel yang
diambil dari populasi.

2.2 Statistik Parametrik dan Non parametrik

Statistik inferensial dibagi menjadi statistik parametrik dan
nonparametrik. Statistik parametrik digunakan untuk menguji parameter
populasi melalui statistik, atau menguji ukuran populasi melalui data sampel.
Statistika parametrik adalah bagian statistika yang parameter populasinya
harus memenuhi syarat-syarat tertentu seperti syarat data berkala
interval/rasio, syarat pengambilan sampel harus random, berdistribusi normal
atau normalitas dan syarat memiliki varian yang homogen atau homogenitas,
model regresi linear, dan sebagainya. Dalam statistika parametrik indikator-

4
indikator yang dianalisis adalah parameter-parameter dari ukuran objek yang
bersangkutan.
Statistika non parametrik adalah bagian statistika yang parameter
populasinya bebas dari keharusan terpenuhinya syarat-syarat data berskala
interval/rasio syarat pengambilan data secara random, berdistribusi normal
atau normalitas dan syarat memiliki varian yang homogen atau homogenitas,
model regresi linier, dan lain-lain. Dalam statistika non parametrik indikator –
indicator sisi lain dari parameter ukuran objek yang diteliti.
Dalam statistik, pengujian parameter melalui statistik (data sampel)
tersebut dinamakan uji hipotesis statistik. Oleh karena itu penelitian yang
berhipotesis statistik adalah penelitian yang menggunakan sampel. Dalam
statistik hipotesis yang diuji adalah hipotesis nol, karena tidak dikehendaki
adanya perbedaan antara parameter populasi dan statistik (data yang diperoleh
dari sampel). Sebagai contoh nilai suatu pelajaran 1000 mahasiswa rata –
ratanya 7,5. Selanjutnya misalnya, dari 1000 orang itu diambil sampel 50
orang, dan nilai rata – rata dari sampel 50 mahasiswa itu 7,5. Hal ini berarti
tidak ada perbedaan antara parameter (data populasi) dan statistik (data
sampel). Hanya dalam kenyataannya nilai parameter jarang diketahui. Statistik
non parametrik tidak menguji parameter populasi, tetapi menguji distribusi.
Penggunaan statistik parametrik dan non parametrik tergantung pada
asumsi dan jenis data yang dianalisis. Statistik parametrik harus memenuhi
beberapa asumsi. Asumsi yang utama adalah data yang akan dianalisis harus
berdistribusi normal. Selanjutnya dalam pengunaan salah satu test
mengharuskan data dua kelompok atau lebih yang akan diuji harus homogen,
dalam regresi harus terpenuhi asumsi linieritas. Statistik non parametrik sering
disebut “distribution free” (bebas distribusi). Statistik parametrik mempunyai
kekuatan yang lebih daripada statistik non parametrik, bila asumsi yang
melandasi dapat terpenuhi.
Penggunaan kedua statistik tersebut juga tergantung pada jenis data
yang dianalisis. Statistik parametrik kebanyakan digunakan untuk
menganalisis data interval dan rasio, sedangkan statistik non parametrik
kebanyakan digunakan untuk menganalisis data nominal, ordinal. Jadi untuk

5
 menguji hipotesis dalam penelitian kuantitatif yang menggunakan statistik,
ada dua hal utama yang harus diperhatikan, yaitu macam data dan bentuk
hipotesis yang diajukan.

2.3 Jenis-jenis Data

Jenis data dapat dibedakan menjadi dua macam yaitu : (a) data yang
diperoleh dari sampel atau populasi bukan berupa angka dan disebut dengan
data kualitatif atau atribut; (b) data yang diperoleh dari sampel atau populasi
berupa angka yang disebut dengan data kuantitatif.
Data kualitatif merupakan data non-angka (numberik) seperti jenis
kelamin, warna kesayangan, dan asal suku. Data kualitatif digunakan apabila
kita tertarik melihat proporsi atau bagian yang termasuk dalam kategori.
Contoh berapa persen jenis kelamin pria dibandingkan wanita, warna apa yang
disukai oleh sebagian besar penduduk, dan berapa persen suku tertentu
dibandingkan dengan suku lainnya.
Data kuantitatif merupakan data angka atau numerik seperti jumlah
mobil (bisa 0,1,2, dan lain – lain), jumlah TV yang dijual suatu toko (10, 30,
dan lain – lain), berat badan (60,1 kg; 80,5 kg; dan lain – lain), jarak Solo –
Jakarta (230,5 km), dan sebagainya. Semua ukuran tersebut berupa angka.
Data kuantitatif dibedakan menjadi dua bagian yaitu data diskret dan data
kontinu.
Data diskret merupakan data kuantitatif yang nilainya khusus dan
merupakan hasil perhitungan serta biasanya berupa bilangan bulat. Data
diskret seperti jumlah mobil 0, 1, 2, dan lain – lain. Tidak mungkin mobil bisa
berjumlah 1,5 atau 2,25 dan sebagainya. Jadi data diskret biasanya berupa
bilangan bulat.
Data kontinu merupakan data kuantitatif yang nilainya menempati
semua interval pengukuran dan merupakan hasil pengukuran serta bisa berupa
bilangan pecahan dan bulat. Contoh berat badan bisa 60,1 kg dan 80,5 kg atau
bisa 60 kg dan 80 kg. Tinggi badan, luas rumah, panjang jalan, dan lain – lain
yang adalah hasil pengukuran digolongkan sebagai data kontinu.

6
 Selain pembagian kualitatif, kuantitatif, diskret, dan kontinu, ada juga
yang membagi data ke dalam data primer dan data sekunder. Data primer
merupakan data yang diperoleh langsung dari sumbernya atau objek
penelitian. Data primer biasanya diperoleh dengan cara wawancara langsung
kepada objek atau dengan pengisian kuesioner (daftar pertanyaan) yang
dijawab oleh objek penelitian. Data sekunder merupakan data yang sudah
diterbitkan atau digunakan pihak lain. Contoh data sekunder adalah sata yang
diambil dari koran, majalah, jurnal, dan publikasi lainnya.

2.4 Macam-macam Data Statistik

Ada empat macam data dalam statistik, antara lain yaitu :
a. Data Nominal
Data nominal adalah ukuran yang paling sederhana, dimana angka
yang diberikan kepada objek mempunyai arti sebagai label saja dan tidak
menunjukkan tingkatan apa – apa. Istilah nominal umumnya digunakan
untuk data atau objek yang hanya dapat diklasifikasikan pada beberapa
kategori. Setiap kategori dalam klasifikasi data tidak boleh saling tumpang
tindih atau setiap peristiwa bersifat saling lepas (mutually exclusive), suatu
peristiwa tidak mempengaruhi peristiwa lainnya.
b. Data Ordinal
Data ordinal adalah angka yang diberikan dimana angka – angka
tersebut mengandung pengertian tingkatan. Ordinal digunakan untuk
mengurutkan objek atau data yang terendah sampai yang tertinggi atau
sebaliknya. Ordinal hanyalah memberikan nilai urutan atau rangking dan
tidak menggambarkan nilai absolut.
c. Data Interval
Data interval adalah suatu skala pemberian angka pada klasifikasi
atau kategori dari objek yang mempunyai sifat ukuran ordinal, dan
ditambah satu sifat lain yaitu jarak atau interval yang sama dan merupakan
ciri dari objek yang diukur.

7
 d. Data Rasio
Data rasio adalah skala yang mencakup semua skala yaitu nominal,
ordinal, dan interval disamping memberikan keterangan tentang nilai
absolut dari objek yang diukur. Angka pada skala rasio menunjukkan nilai
sebenarnya dari objek yang diukur. Perbedaan utama pada skala interval
dan rasio adalah : (a) data skala ratio memiliki titik nol yang mempunyai
arti, dan (b) rasio antara keduanya juga mempunyai arti.

2.5 Definisi Uji Korelasi Spearman

Uji Rank Spearman diperkenalkan oleh Spearman pada tahun 1904.
Uji Rank Spearman digunakan untuk menguji hipotesis korelasi dengan skala
pengukuran variabel minimal ordinal. Dalam Uji Rank Spearman, skala data
untuk kedua variabel yang akan dikorelasikan dapat berasal dari skala yang
berbeda (skala data ordinal dikorelasikan dengan skala data numerik) atau
sama (skala data ordinal dikorelasikan dengan skala data ordinal). Data yang
akan dikorelasikan tidak harus membentuk distribusi normal. Data yang akan
dikorelasikan tidak harus membentuk distribusi normal. Populasi sampel yang
diambil sebagai sampel maksimal 5<n, 30 pasang. Jadi, Uji Korelasi Rank
Spearman adalah uji yang bekerja untuk skala data ordinal atau berjenjang
atau ranking, dan bebas distribusi.

8
 BAB III
PEMBAHASAN

3.1 Pengertian dan Fungsi Uji Spearman

Uji Rank Spearman diperkenalkan oleh Spearman pada tahun 1904.
Uji Rank Spearman digunakan untuk menguji hipotesis korelasi dengan skala
pengukuran variabel minimal ordinal. Dalam Uji Rank Spearman, skala data
untuk kedua variabel yang akan dikorelasikan dapat berasal dari skala yang
berbeda (skala data ordinal dikorelasikan dengan skala data numerik) atau
sama (skala data ordinal dikorelasikan dengan skala data ordinal). Data yang
dikorelasikan tidak harus membentuk distribusi normal. Populasi sampel yang
diambil sebagai sampel maksimal 5<n<30 pasang. Jadi, Uji Korelasi Rank
Spearman adalah uji yang bekerja untuk skala data ordinal atau berjenjang
atau ranking, dan bebas distribusi.

3.2 Perhitungan Spearman

Untuk mencari ranking ada dua cara pendekatan yang dapat
digunakan:
1. Menggunakan rumus koreksi
Rumus Korelasi Spearman Rank (ρ = rho) :

Keterangan :
ρ = Nilai Korelasi Spearman Rank
d2 = selisih setiap pasangan rank
n = jumlah pasangan rank untuk spearman (5<n<30)
Rumus ini digunakan jika tidak ada nilai yang sama untuk setiap variabel. Jika
pun ada nilai yang sama, maka tidak lebih dari 20% jumlahnya.

Rumus Koreksi :
Apabila ada skor-skor yang sama (kembar) lebih dari 20%, maka digunakan
rumus koreksi berikut :

9
dimana :

t = banyaknya anggota kembar pada suatu skor

2. Menggunakan rumus berikut :

Keterangan :
Re = Rank (urutan kedudukan yang dicari)
MR = Mean dari Rank dari data yang kembar
n = banyaknya skor yang kembar
1 dan 12 = konstanta

Apabila dilanjutkan untuk mencari signifikan, maka digunakan rumus

Zhitung:

Langkah-langkah Uji Spearman :

1. Berikan peringkat pada nilai-nilai variabel x dari 1 sampai n. Jika
terdapat angka-angka sama, peringkat yang diberikan adalah peringkat
rata-rata dari angka-angka yang sama.
2. Berikan peringkat pada nilai-nilai variabel y dari 1 sampai n. Jika
terdapat angka-angka sama, peringkat yang diberikan adalah peringkat
rata-rata dari angka-angka yang sama.
3. Hitung di untuk tiap-tiap sampel ( di =peringkat xi - peringkat yi )
4. Kuadratkan masing-masing di dan jumlahkan semua di2

10
5. Hitung Koefisien Korelasi Rank Spearman (ρ = rho)

Keterangan :
ρ = Nilai Korelasi Spearman Rank
d2 = selisih setiap pasangan rank
n = jumlah pasangan rank untuk spearman (5<n<30)
Kriteria terima dan tolak hipotesis :
No. Parameter Nilai Interpretasi

ρhitung dan ρtabel. ρhitung ≥ ρtabel Ho ditolak Ha

1.
diterima
ρtabel dapat dilihat pada
Tabel J (Tabel Uji Rank
ρhitung<ρtabel Ho diterima Ha
Spearman) yang memuat
ditolak
ρtabel, pada berbagai n dan
tingkat kemaknaan α

Kekuatan korelasi ρhitung 0.000-0.199 Sangat Lemah

2.
0.200-0.399 Lemah
0.400-0.599 Sedang
0.600-0.799 Kuat
0.800-1.000 Sangat kuat

Arah Korelasi ρhitung + (positif) Searah, semakin

3.
besar nilai xi
semakin besar
pula nilai yi
- (negatif) Berlawanan
arah, semakin
besar nilai xi
semakin kecil
nilai yi, dan
sebaliknya

11
Contoh Soal :

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?
α=0.01 (Catatan : Hasil uji normalitas, data tidak terdistribusi normal)

Kadar SGOT Kadar SGPT

Sampel

5.7 40.0
1

11.3 41.2
2

13.5 42.3
3

15.1 42.8
4

17.9 43.8
5

19.3 43.6
6

21.0 46.5
7

Prosedur Uji :
1. Rumuskanlah hipotesis Riset:
H0 : Tidak ada korelasi antara kadar SGOT dengan HDL
Ha : Ada korelasi antara kadar SGOT dengan HDL
2. Rumuskanlah Hipotesis Statistik:
Ha : ρ ≠ 0
Ho : ρ = 0
3. Buat tabel penolong untuk menghitung ranking

12
Sampel Kadar Ranking Kadar Ranking di di2
SGOT x HDL (yi) y
(xi)

1 5.7 1 40.0 1 0 0

2 11.3 2 41.2 2 0 0

3 13.5 3 42.3 3 0 0

4 15.1 4 42.8 4 0 0

5 17.9 5 43.8 5 -1 1

6 19.3 6 43.6 6 1 1

7 21.0 7 46.5 7 0 0

Σdi2=2

4. Hitung nilai ρ hitung

6𝛴𝑑𝑖 2
𝜌=1−
𝑛(𝑛2 − 1)
6𝑥2
𝜌=1−
7(72 − 1)
12
𝜌=1−
7(49 − 1)
12
𝜌=1−
336
336 − 12
𝜌=
336
𝜌 = 𝟎, 𝟗𝟔𝟒

5. Tentukan nilai ρtabel pada n=7, α=0,01 => 0,8571

13
 6. Kesimpulan

Karena nilai ρhitung (0,964) ≥ ρtabel (0,8571), maka:

- Ho ditolak;
- Ha diterima;
berarti Ada korelasi yang sangat kuat dan positif antara Kadar SGOT
dengan Kadar HDL.

3.3 Cara analisis Spearman menggunakan SPSS

Contoh 1 :
Dilakukan sebuah penelitian mengenai korelasi kadar kolesterol dengan berat
badan di rumah sakit D pada pasien obesitas. Setelah dilakukan pemeriksaan
diperoleh hasil sebagai berikut :
No Kadar Kolesterol Berat badan
1 250 85
2 300 100
3 350 90
4 240 80
5 360 75
6 330 95
7 350 95
8 270 80
9 300 85
10 400 100

Cara analisa
a. Tentukan rumusan masalah
Apakah ada korelasi kadar kolesterol dengan berat badan pada pasien
obesitas di rumah sakit D ?
b. Tentukan Hipotesis
Ho : Tidak ada korelasi kadar kolesterol dengan berat badan pada pasien
obesitas di rumah sakit D

14
 H1 : Ada korelasi kadar kolesterol dengan berat badan pada pasien
obesitas di rumah sakit D
c. Langkah-langkah dengan aplikasi SPSS
1. Buka aplikasi SPSS

2. Klik “Variable View”, lalu entri data dengan cara :

- Pada kolom “Name” baris “1” ketik “Kolesterol” , pada label di
ketik “Kadar Kolesterol Pasien”
- Pada kolom “Name” baris “2” ketik “BB”, pada label di ketik
“Berat Badan Pasien”

3. Klik “Data View”, lalu masukkan data pada tabel

15
 *Lakukan Uji Normalitas dengan uji Kormogorov Smirnov
4. Klik “Analyze”
5. Sorot “Nonparametric Test”, lalu klik “1-Sample-KS”

6. Pindahkan “Kolesterol” dan “BB” ke kolom “Test Variable List”, lalu

tekan OK

16
7. Lihat hasil uji normalitas.

*Hasil normal lanjutkan dengan uji Spearman

8. Klil “Analyze”
9. Sorot “Correlate”, lalu klik “Bivariate”

10. Pindahkan “Kolesterol dan BB” ke “Variabel”

17
11. Pada “Correlation Coefficients” klik “Spearman”, lalu klik OK

12. Lihat hasil uji

18
3.4 Pembacaan output pada SPSS
a. Cara pembacaan output uji normal

- Perlu diperhatikan nilai signifikansi atau p value, dari hasil output

diperoleh nilai yaitu 0,937
- Bandingkan nilai tersebut dengan nilai α yang digunakan yaitu 0,05
 Apabila nilai Sig. (2-tailed) lebih besar dari nilai α (0,05) maka Ho
diterima, data berdistribusi normal
 Apabila nilai Sig. (2-tailed) lebih kecil dari nilai α (0,05) maka Ho
ditolak, data berdistribusi tidak normal
- P value = 0,937 > lebih besar dari 0,05, Ho diterima
Maka data berdistribusi normal

b. Cara pembacaan output Uji Spearman

19
1. Menentukan kekuatan korelasi (magnitude) variabel kadar kolesterol
dengan berat badan pasien obesitas dengan cara :
- Dari output diperoleh angka koefisien korelasi (r) sebesar 0,367.
- Tentukan angka tersebut termasuk dalam tigkat kekuatan korelasi yang
mana

- Artinya kekuatan korelasi antara variabel kadar kolesterol

dengan berat badan pasien obesitas adalah sebesar 0,367 atau
sedang.
2. Melihat arah korelasi (direction) variabel kadar kolesterol dengan berat
badan pasien obesitas dengan cara :
- Perhatikan output angka koefisien korelasi (r) yaitu sebesar 0,367.
- Jika angka koefisien bernilai positif maka arah korelasi bersifat searah
Jika angka koefisien bernilai negatif maka arah korelasi bersifat tidak
searah

- Angka koefisien variabel kadar kolesterol dengan berat badan pasien

obesitas bernilai positif sehingga bersifat searah
- Artinya semakin tinggi kadar kolesterol maka berat badan pasien
obesitas semakin besar.

20
 BAB IV
PENUTUP

4.1 Simpulan
1. Uji Korelasi Rank Spearman adalah uji yang bekerja untuk skala data
ordinal atau berjenjang atau ranking, dan bebas distribusi.
2. Untuk mencari ranking ada dua cara pendekatan yang dapat digunakan:
a. Rumus Korelasi Spearman Rank (ρ = rho) :

Keterangan :
ρ = Nilai Korelasi Spearman Rank
d2 = selisih setiap pasangan rank
n = jumlah pasangan rank untuk spearman (5<n<30)
Rumus ini digunakan jika tidak ada nilai yang sama untuk setiap variabel.
Jika pun ada nilai yang sama, maka tidak lebih dari 20% jumlahnya.

Rumus Koreksi :
Apabila ada skor-skor yang sama (kembar) lebih dari 20%, maka
digunakan rumus koreksi berikut :

dimana :

t = banyaknya anggota kembar pada suatu skor

b. Menggunakan rumus berikut :

21
 Keterangan :
Re = Rank (urutan kedudukan yang dicari)
MR = Mean dari Rank dari data yang kembar
n = banyaknya skor yang kembar
1 dan 12 = konstanta

Apabila dilanjutkan untuk mencari signifikan, maka digunakan rumus

Zhitung:

3. Cara analisis Uji Spearman menggunakan SPSS dapat dilakukan dengan

membuka aplikasi SPPS terlebih dahulu, kemudian menginput data secara
manual dan benar. Untuk dapat menentukan uji yang akan digunakan,
terlebih dahulu melakukan uji normalitas menggunakaan uji Kormogorov-
Smirnov. Apabila data berdistribusi normal, maka dilanjutkan dengan uji
Spearman dengan cara mengklik Analyze, lalu Corellate, lalu Bivariate.
Kemudian pindahkan variabel ke kolom variabel test dan pilih uji
Spearman untuk menentukan korelasi antar variabel.
4. Pembacaan output pada SPSS terdiri atas tiga hal yaitu menentukan
kekuatan korelasi (magnitude) dengan memerhatikan angka koefisien
korelasi (r) mencocokkannya dalam tingkat korelasi. Kemudian
menetukan arah korelasi (direction) dengan memerhatikan angka koefisien
korelasi (r), bila bernilai positif maka arah korelasi searah, jika bernilai
negatif maka tidak searah.

22
 DAFTAR PUSTAKA

Raharjo, S. 2017. Tutorial Analisis Korelasi Rank Spearman dengan SPSS.

http://www.spssindonesia.com/2017/04/analisis-korelasi-rank-
spearman.html. Diakses tanggal 9 Desember 2017, pukul 14.43 WIB.

Latief, Khatib A. Analisis Koefisien Korelasi Rank Spearman.

https://repository.ar-raniry.ac.id/480/1/09-%20Korelasi%20Rank%20
Spearman.pdf Diakses tanggal 9 Desember 2017, pukul 14.40 WIB

Widodo, Edi S. Statistika. https://www.academia.edu/16897257/STATISTIKA-

PDF Diakses tanggal 9 Desember 2017, pukul 14.45 WIB

23