UJI KORELASI SPEARMAN

Disusun untuk memenuhi Tugas mata kuliah Pengolahan Data Penelitian

Rombel A2
Program Studi Pendidikan Matematika S2

Kelompok 4

1. Argiyanto Dwi Sapto (0401516045)

2. Ikha Brillyani Widyaswara (0401516064)
3. Rizki Dian Pertiwi (0401516065)

PROGRAM PASCASARJANA
UNIVERSITAS NEGERI SEMARANG
TAHUN 2016
A. PENGERTIAN
Uji korelasi yang dikembangkan oleh Charles Spearman (1863-1945), yakni
sebuah uji statistik yang digunakan untuk menguji hipotesis asosiatif dua variabel dengan
data yang berskala ordinal. Uji ini dilakukan untuk data nonparametrik atau tidak
berdistribusi normal dan tanpa memerhatikan linieritasnya. Data yang diuji berskala
ordinal, maka harus dibuat perankingan datanya terlebih dahulu sebelum diuji.
Uji korelasi Spearman digunakan untuk menguji ada tidaknya hubungan di antara
dua variabel. Pengujian dilakukan dengan menentukan koefisien korelasi dari dua
variabel yang diuji. Koefisien korelasi Spearman dilambangkan dengan ρ (rho) untuk
parameter dan rs untuk statistiknya. Nilai koefisien korelasi rs menyatakan
seberapa kuat hubungan kedua variabel yang diuji.

B. HIPOTESIS
Uji korelasi Spearman dibedakan menjadi 3, yakni uji dua pihak, uji satu pihak
untuk korelasi positif dan uji satu pihak untuk korelasi negatif. Berikut hipotesis statistik
untuk masing-masing jenis uji korelasi Spearman.
1. Uji Dua Pihak (Two Tailed Test)
H 0 : ρs=0 (Tidak ada korelasi di antara dua variabel)
H 1 : ρ s ≠ 0 (Ada korelasi di antara dua variabel)
2. Uji Satu Pihak untuk Korelasi Positif (One Tailed Test for Positive Correlation)
H 0 : (Tidak ada korelasi di antara dua variabel)
H 1 : (Ada hubungan dari nilai lebih besar di variabel satu dan variabel 2 yang
dipasangkan)
3. Uji Satu Pihak untuk Korelasi Negatif (One Tailed Test for Negative Correlation)
H0: (Tidak ada korelasi di antara dua variabel)
H1: (Ada hubungan dari nilai lebih besar di variabel satu dan nilai lebih kecil di
variabel 2 yang dipasangkan, atau sebaliknya)

C. UJI STATISTIK
Uji korelasi Spearman digunakan untuk menguji korelasi antara dua buah variabel
yang independen, yang bergantung satu sama lain. Setelah mengkonversi data untuk
setiap sampel ke dalam bentuk ranking, jika tidak ada hubungan di antara ranking-
ranking pada variabel pertama dan kedua, nilai dari uji statistiknya dapat dihitung
 menggunakan rumus yang dikembangkan dari rumus koefisien korelasi Kendall Tau
berikut.

r=
∑ xy
√∑ x 2 ∑ y 2
Di mana jumlah-jumlah mencakup harga-harga n dalam sampelnya. Sekarang bila X
dan Y adalah harga-harga ranking r=r s , dan jumlah n bilangan bulat 1,2,.... n
adalah
n(n+1)
∑ X= 2
2 2
dari jumlah kuadrat bilangan-bilangan 1 ,2 , .... n2 dapat ditunjukkan sebagai
berikut.
n ( n+ 1 ) (2 n+1)
∑ X 2= 6
X− X́
X
∑¿
¿
Oleh sebab itu, ¿2
¿
¿
∑ (¿) =∑ X 2 −¿
2

∑ x 2=¿
n ( n+1 ) (2 n+1) n (n+1)2 n3−n
dan ∑ x 2= 6
−
4
¿
12
n3 −n
Maka, ∑ y 2= 12
.

Sekarang T =x− y
y
x−¿
¿
T 2 =¿
∑ T 2=∑ x 2 +∑ y 2−∑ 2 xy
Karena rumus r menyatakan bahwa

r=
∑ xy =r
s
√∑ x 2 ∑ y 2
jika observasi-observasinya di ranking, maka diperoleh

∑ T 2=∑ x 2 +∑ y 2−2 r s √∑ x 2 ∑ y 2
 dengan demikian rs =
∑ x 2 + ∑ y 2− ∑ T 2
2 √∑ x 2 ∑ y 2
dengan X dan Y dalam rank, kita dapat mensubstitusikan

n3−n
∑ x 2= 12
=∑ y 2 ke dalam rumus r s , maka akan diperoleh :

n3−n n3 −n
+ −∑ T 2
12 12
rs =

3
2
√( n3−n
12 )( n3−n
12 )
n −n
2 −∑ T 2
12
¿ 3
n −n
2
12

¿ 1−
∑ T2
n 3−n
6
n
n( ¿¿ 2−1)
6∑ T 2
¿ 1−
¿
Maka, didapatkan rumus korelasi Spearman sebagai berikut :
n
n( ¿¿ 2−1)
n
2
6∑ T
s =1
r s =1−
¿

Keterangan:
r s : koefisien korelasi untuk sampel data berpasangan (statistik sampel)
ρ s : koefisien korelasi untuk semua data populasi (parameter populasi)
n : banyaknya pasangan data sampel
T : selisih ranking data variabel X dan Y

D. KRITERIA PENGUJIAN
 Kriteria pengujian untuk uji korelasi Spearman yaitu tolak H0 jika r s ≥ r tabel .
r tabel diperoleh dari Tabel Spearman Rho ( ρ ¿ untuk n ≤30 . Jika n>30 ,
maka perhitungan dilanjutkan dengan menentukan nilai zs menggunakan rumus
berikut.
z s=r s √n−1

Untuk uji korelasi dua pihak, H0 ditolak jika zs > z 1 , sedangkan untuk
(0,5− α )
2

uji korelasi satu pihak, H0 ditolak jika z s > z(0,5−α ) . Nilai z 1 dan z(0,5−α )
(0,5− α)
2

diperoleh dari Tabel Distribusi Normal Standar.

Syarat r s yang diterima dalam pengujian ini adalah sebagai berikut.
1. Besarnya koefisien korelasi harus diasumsikan antara -1 dan 1.
2. Jika nilai yang lebih besar dari variabel I dipasangkan dengan nilai yang lebih besar
dari variabel II, maka nilai yang lebih kecil dari variabel I dan variabel II
dipasangkan, maka dinamakan korelasi positif, dan nilai koefisien korelasinya
mendekati 1 untuk hubungan yang kuat.
3. Jika nilai yang lebih besar dari variabel I dipasangkan dengan nilai yang lebih kecil
dari variabel II, dan sebaliknya, maka dinamakan korelasi negatif, dan nilai koefisien
korelasinya mendekati -1 untuk hubungan yang kuat.
4. Jika nilai dari variabel I dipasangkan secara acak dengan nilai dari variabel II maka
koefisien korelasinya akan mendekati 0. Hal tersebut menunjukkan bahwa variabel I
dan variabel II saling bebas.
Kriteria korelasi dari hasil pengujian adalah sebagai berikut.
0 – 0,55 (Hubungan tidak kuat)
0,56-0,65 (Hubungan cukup kuat)
0,66 – 0,75 (Hubungan kuat)
0,76 – 0,99 (Hubungan sangat kuat)
1 (Hubungan sempurna)

E. PROSEDUR PENGUJIAN
1. Uji Manual
Langkah-langkah untuk uji manual korelasi Spearman adalah sebagai berikut.
a. Tentukan hipotesis pengujian.
b. Konversikan data tersebut dalam bentuk ranking.
 c. Hitung selisih dari ranking pasangan data dari dua variabel yang diuji (T )
kemudian hitung nilai T 2 .
d. Subsitusikan nilai T 2 dan n ke rumus korelasi Spearman r s
e. Tentukan nilai r tabel . Untuk n ≤30 , lihat nilai r tabel dari tabel Spearman
rho ( ρ) . Jika n>30 , hitung nilai zs .
f. Jika n ≤30 , tolak H0 jika r s ≥ r tabel . Untuk n>30 , jika uji yang

dilakukan dua pihak, maka H0 ditolak jika z s >z 1 . Jika uji yang
(0,5− α )
2

dilakukan satu pihak, maka H 0 ditolak jika z s > z(0,5−α ) .

2. Uji Menggunakan SPSS
Langkah-langkah untuk uji menggunakan SPSS korelasi Spearman adalah sebagai
berikut.
a. Tentukan hipotesis pengujian.
b. Buat dua variabel pada variable view dalam SPSS
c. Masukkan data di data view dalam SPSS
d. Klik menu analyze, kemudian klik corelate kemudian klik bivariate akan muncul
dialog box.

Gambar 1. Dialog box Bivariate Correlations dalam SPSS

e. Pada dialog box yang muncul, masukkan dua variabel yang diuji ke dalam kotak
variables.
 f. Berikan tanda cek () pada corelation coefficient Spearman, kemudian klik
“OK”, maka akan muncul output yang berisi koefisien korelasi dari kedua
variabel yang diuji atau r s dan taraf kritik dari dua variabel yang diuji.
g. Perhatikan nilai taraf kritik dari dua variabel yang diuji. Tolak H0 jika nilai
taraf kritik ¿ α .

F. CONTOH-CONTOH SOAL
1. Sebuah penelitian mengenai pertumbuhan populasi bakteri dilakukan dengan waktu
yang dipilih secara acak (dalam jam) dan dihasilkan data sebagai berikut.
Banyaknya Bakteri dalam Pertumbuhan Populasi
Waktu 10 10 12 12 12 13 14 17
6 606
(dalam jam) 7 9 5 6 8 3 3 7
Ukuran
2 3 4 10 16 29 35 38 41 45
Populasi
Gunakan taraf signifikansi 0.05 untuk mengetahui korelasi antara waktu dan populasi
bakteri.
Selesaian :
Jelas bahwa data tersebut merupakan sampel yang acak.
H 0 : ρ0=0 (Tidak ada korelasi antara waktu dan populasi bakteri)
H1: ρ0≠ 0 (Ada korelasi antara waktu dan populasi bakteri)
Beri ranking pada urutan skor yang ada dalam data, kemudian hitung selisihnya.
Waktu 10 10 12 12 12 13 14 17
6 606
(dalam jam) 7 9 5 6 8 3 3 7
Ranking dari
waktu 1 2 3 4 5 6 7 8 9 10
(X i )
Ukuran
Populasi 2 3 4 10 16 29 35 38 41 45
Bakteri
Ranking dari
populasi 1 2 3 4 5 6 7 8 9 10
(Y i)
T 0 0 0 0 0 0 0 0 0 0
2
T 0 0 0 0 0 0 0 0 0 0
 Jelas bahwa ranking antara waktu yang dipilih dengan ukuran populasi saling bebas.

n
n(¿¿ 2−1)
n
Berarti kita gunakan rumus 2 . Maka :
6∑ T
s −1
r s =1−
¿
n
n( ¿¿ 2−1)
10
2
6∑ T
1
r s =1−
¿
10
10(¿¿ 2−1)
6( 0)
¿ 1−
¿
0
¿ 1−
990
¿1
Jelas r tabel untuk n=10 adalah 0,648 . Karena r s >r tabel , maka kita tolak
H 0 . Berartti terdapat korelasi positif yang sempurna antara waktu yang dipilih dan
ukuran populasi bakteri. Semakin lama waktunya, maka semakin besar ukuran
populasi bakteri.

Gambar 2. Hasil Uji Korelasi Spearman dengan SPSS Soal No.1

Berdasarkan Gambar 2, diperoleh taraf kritik ¿ 0,000 , maka
taraf kritik < α=0,05 , sehingga kita tolak H 0 . Berarti terdapat korelasi positif
yang sempurna antara waktu yang dipilih dan ukuran populasi bakteri. Semakin lama
waktunya, maka semakin besar ukuran populasi bakteri.
2. Sebagai bagian studi tentang akibat tekanan kelompok terhadap individu untuk
melakukan penyesuaian diri dalam suatu situasi yang melibatkan resiko keuangan,
suatu keotoriteran dan suatu skala yang dibuat untuk mengukur perjuangan status
sosial terhadap 12 mahasiswa. Apakah ada korelasi keotoriteran dan perjuangan status
sosial?
Tabel Skor Otoritas dan Perjuangan Status Sosial
Skor
Mahasiswa
Keotoriteran (K) Perjuangan Status Sosial (PS)
1 82 42
2 98 46
3 87 39
4 40 37
5 116 65
6 113 88
7 111 86
8 83 56
9 85 62
10 126 92
11 106 54
12 117 81
Selesaian :
Jelas bahwa data tersebut merupakan sampel yang acak.
H 0 : ρ0=0 (Tidak ada korelasi antara keotoriteran dan perjuangan status sosial)
H1: ρ0≠ 0 (Ada korelasi antara keotoriteran dan perjuangan status sosial)

Tabel Ranking Keotoriteran (K) dan Perjuangan Status Sosial (PS)

Mahasisw Skor Ranking 2
K PS K PS T T
a
1 82 42 2 3 -1 1
2 98 46 6 4 2 2
3 87 39 5 2 3 9
4 40 37 1 1 0 0
5 116 65 10 8 2 4
6 113 88 9 11 -2 4
7 111 86 8 10 -2 4
8 83 56 3 6 -3 9
9 85 62 4 7 -3 9
10 126 92 12 12 0 0
11 106 54 7 5 2 4
12 117 81 11 9 2 4
Jumlah 52
Jelas bahwa ranking antara waktu yang dipilih dengan ukuran populasi saling bebas.

n
n( ¿¿ 2−1)
n
Berarti kita gunakan rumus 2 . Maka :
6∑ T
s −1
r s =1−
¿
n
n(¿¿ 2−1)
12
2
6∑ T
1
r s =1−
¿
12
12(¿¿ 2−1)
6(52)
¿ 1−
¿
312
¿ 1−
1716
¿ 1−0,182
¿ 0,818
Jelas r tabel untuk n=12 adalah 0,591 . Karena r s >r tabel , maka kita tolak
H 0 . Berartti terdapat korelasi positif yang sangat kuat antara keotoriteran dan
perjuangan status sosial mahasiswa.

Gambar 3. Hasil Uji Korelasi Spearman dengan SPSS Soal No.2

 Berdasarkan Gambar 3, diperoleh taraf kritik ¿ 0,001 , maka taraf kritik < α=0,05 ,
sehingga kita tolak H 0 . Dengan demikian, diperoleh kesimpulan yang sama dari hasil
pengujian dengan perhitungan manual dan menggunakan SPSS, yakni terdapat korelasi
positif antara keotoriteran dan perjuangan status sosial yang dimiliki mahasiswa.
Semakin tinggi tingkat keotoriteran, maka semakin tinggi pula perjuangan status sosial
yang dimiliki mahasiswa.

3. Seorang guru ingin mengetahui apakah ada korelasi positif antara pelajaran Statistika dan
Ekonometrika. Diambil sampel secara acak sebanyak 42 siswa yang berasal dari 2 kelas.
Berikut data nilai ujian Statistika dan Ekonometrika dari siswa-siswa tersebut.
Tabel Nilai Ujian Statistika (S) dan Ekonometrika (E) Siswa

Siswa S E Siswa S E Siswa S E

1 76 77 15 88 89 29 70 89
2 59 99 16 70 99 30 82 83
3 99 76 17 56 78 31 60 79
4 71 88 18 83 82 32 91 89
5 89 92 19 78 89 33 98 89
6 92 82 20 78 86 34 87 58
7 80 89 21 82 83 35 76 89
8 89 66 22 81 89 36 78 76
9 78 93 23 88 89 37 78 68
10 66 70 24 88 56 38 92 93
11 90 82 25 78 79 39 83 82
12 56 77 26 56 79 40 83 88
13 98 99 27 67 79 41 98 76
14 88 99 28 87 76 42 76 79

Hipotesis:
• H 0 : ρ0=0 (Tidak ada korelasi positif antara pelajaran Statistika dan
Ekonometrika)
• H1: ρ0≠ 0 (Ada korelasi positif antara pelajaran Statistika dan Ekonometrika)
Perhitungan:
 n
n(¿¿ 2−1)
12
2
6∑ T
1
r s =1−
¿
42
42(¿¿ 2−1)
6(11084,5)
¿ 1−
¿
66507
¿ 1−
74046
¿ 1−0,8982
¿ 0,1018
z s=r s √n−1
¿ 0,1018 √ 42−1
¿ 0,1018 √ 41
¿ 0,1018(6,4031)
¿ 0,6518
Dengan α =5 , diperoleh z(0,5−α ) =z 0,495=2,57 .

Karena z s < z(0,5−α ) , maka H0 diterima. Jadi, tidak ada korelasi positif antara hasil
ujian pelajaran Statistika dan Ekonometrika.
Perhitungan dengan bantuan aplikasi SPSS menghasilkan output sebagai berikut.

Gambar 4. Hasil Uji Korelasi Spearman dengan SPSS pada Soal No. 3

Berdasarkan Gambar 4, diperoleh taraf kritik =0,558>α =0,05 , maka kita terima
H 0 . Dengan demikian, diperoleh kesimpulan yang sama dari hasil pengujian dengan
perhitungan manual dan menggunakan SPSS, yakni tidak ada korelasi positif antara hasil
ujian pelajaran Statistika dan Ekonometrika.
 DAFTAR PUSTAKA

Conover, W. J. 1980. Practical Nonparametric Statistics. USA: John Wiley & Sons, Inc.
Irianto, A. 2008. Statistik Konsep Dasar dan Aplikasinya. Jakarta: Kencana Prenada Media
Group.
Siegel, S. 1994. Statistik Nonparametrik untuk Ilmu-ilmu Sosial. Jakarta: PT Gramedia
Pustaka Utama.
Supangat, A. 2008. Statistika dalam Kajian Deskriptif, Inferensi, dan Non Parametrik.
Jakarta: Kencana Prenada Media Group.
Triola, M. F. 2011. Elementary Statistics Using The TI-83/84 Plus Calculator 3rd Edition
Elementary Statistics Using The TI-83/84 Plus Calculator 3rd Edition. USA: Pearson
Education, Inc.