Dalam penelitian, sering kali kita ingin menegtahui ada tidaknya hubungan diantara table
variable yang kita amati atau yang ingin mengtahui seberapa besar derajat keeratan hubungan
diantara table variable tersebut. Analisis korelasi merupakan studi yang membahas tentang
derajat keeratan hubungan antara dua atau lebih table pengamatan.
Dalam statistic parametric ukuran derajat keeratan hubungan diantara dua table yang
paling dikenal adalah koefisien Moment Product atau Koefisien Hasil Kali Perason. Penerapakan
konsep kerelasi pearson menuntut bahwa table pengamatan minimal diukur dalam skala interval.
Disamping itu, didalam pengujiannya diperlukan anggapan bahwa populasi darimana
samplediambil merupakan populasi yang normal. Apabila skala pengukuran interval dan rasio
tidak tercapai dapat diterapkan ukuran derajat hubungan (korelasi) dalam metode non
parametric.
Pada statistik parametrik, pengujian hipotesis (uji parametric) atau aturan pengambilan
keputusan dipengaruhi oleh asumsi-asumsi tertentu. Misalnya, distribusi probabilitas untuk
pengambilan sampel dan bentuk varians. Asumsi untuk distribusi misalnya distribusi normal,
binomial, distribusi F , dan distribusi student t. asumsi untuk bentuk varians misalnya memiliki
varians yang homogeny, seperti pada regresi dan korelasi. Asumsi-asumsi tersebut tidak diuji
lagi dan dianggap sudah terpenuhi.
Namun dalam prakteknya, situasi yang sering muncul tidak memenuhi asumsi yang
dimaksud. Oleh karena itu, digunakan statistic nonparametric. Jadi, statistic nonparametric
merupakan alternative dalam memecahkan masalah, seperti pengujian hipotesisn atau
pengambilan keputusan apabila statistic parametric tidak dapat dipergunakan.
Pembuatan ranking dapat dimulai dari nilai terkecil atau nilai terbesar tergantung
permasalahannya. Bila ada data yang nilainya sama, maka pembuatan ranking didasarkan
pada nilai rata-rata dari ranking-ranking data tersebut. Apabila proporsi angka yang sama
tidak besar, maka formula diatas masih bisa digunakan. Namun apabila proporsi angka yang
sama cukup besar, maka dapat digunakan suatu faktor koreksi dan formula menjadi seperti
berikut ini:
contoh:
Seorang manager produksi ingin mengetahui apakah ada hubungan antara nilai tes bakat
(aptitude test) pada waktu penerimaan kerja dengan rating tampilannya setelah satu semester
bekerja. Nilai aptitude test berkisar antara 0 sampai 100. Sedangkan rating tampilan
mempunyai skala sebagai berikut:
Sukawana, I Wayan. 2008. Pengantar Statistik untuk Perawat. Denpasar. Jurusan Keperawatan
Poltekkes Denpasar
https://suhartoumm.wordpress.com/2013/01/02/korelasi-spearman-rank/