MAKALAH BIOSTATISTIK

“ANALITIK NON PARAMETRIK”

OLEH
KELOMPOK 3 B11-A :

1. MADE SURYA MAHARDIKA (18.322.2920)

2. NI NENGAH JUNIARTI (18.322.2921)
3. NI KADEK RAI WIDIASTUTI (18.322.2922)
4. NI KADEK SINTHA YULIANA SARI (18.322.2923)
5. NI KADEK YOPI ANITA (18.322.2924)
6. NI KETUT ARI PRATIWI (18.322.2925)
7. NI KETUT NANIK ASTARI (18.322.2926)
8. NI KETUT VERA PARASYANTI (18.322.2927)

PROGRAM STUDI S1 ILMU KEPERAWATAN

STIKES WIRA MEDIKA PPNI BALI
2019
 KATA PENGANTAR

Om Swastyastu

Puji syukur kami panjatkan kepada Tuhan Yang Maha Esa karena telah
memberikan rahmat dan karunia-Nya kepada kami sehingga kami mampu
menyelesaikan makalah ini yang berjudul “Analitik Non Parametrik” ini tepat pada
waktunya. Adapun makalah ini merupakan salah satu tugas dari Biostatistik.

Dalam menyelesaikan penulisan makalah ini, kami mendapat banyak bantuan

dari berbagai pihak dan sumber. Karena itu kami sangat menghargai bantuan dari
semua pihak yang telah memberi kami bantuan dukungan juga semangat, buku-buku
dan beberapa sumber lainnya sehingga tugas ini bias terwujud. Oleh karena itu,
melalui media ini kami sampaikan ucapan terima kasih kepada semua pihak yang
telah membantu pembuatan makalah ini.
Kami menyadari bahwa makalah ini masih banyak kekurangannya dan jauh
dari kesempurnaan karena keterbatasan kemampuan dan ilmu pengetahuan yang kami
miliki. Maka itu kami dari pihak penyusun sangat mengharapkan saran dan kritik
yang dapat memotivasi saya agar dapat lebih baik lagi dimasa yang akan datang.

Om Santih, Santih, Santih Om

Denpasar, 17 Februari2019

Penulis

ii
 DAFTAR ISI

KATA PENGANTAR .......................................................................................... ii

DAFTAR ISI ......................................................................................................... iii

BAB I PENDAHULUAN
1.1 Latar Belakang .................................................................................................1
1.2 Rumusan Masalah ............................................................................................2
1.3 Tujuan ..............................................................................................................2
1.4 Manfaat .............................................................................................................2

BAB II TINJAUAN PUSTAKA

2.1 Pengertian Statistik Non Parametrik ..................................................................3
2.2 Hipotesis Uji Korelasi Spearman .......................................................................3
2.3 Pengertian Uji Hubungan Rank Spearman ........................................................4
2.3.1 PengertianUji Hubungan Rank Spearman ...............................................4
2.3.2 Langkah-langkahUji Hubungan Rank Spearman ..................................4
2.3.3 Uji Statistik ..............................................................................................5
2.3.4 Prosedur Pengujian Uji Hubungan Rank Spearman ..............................7

BAB III PENUTUP

3.1 Kesimpulan .....................................................................................................16
3.2 Saran ................................................................................................................16
DAFTAR PUSTAKA

iii
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Pada kenyataannnya sangatlah sulit untuk mendapatkan sampel yang
memenuhi asumsi mempunyai distribusi tertentu. Kebanyakan sampel yang diperoleh
hanyalah sebatas menedekati tertentu. Oleh karena itu, kemudaian dikembangkan
suatu teknik inferensi yang tidak memerlukan uji asumsi-asumsi tertentu memgenai
distribusi sampelnya,dan juga tidak memerlukan uji hipotesis yang berhubungan
dengan parameter populasinya. Teknik ini dikenal dengan parametri bebas distribusi
atau statistika non parametrik.

Istilah nonparametrik pertama kali digunakan oleh Wolfdwitz, pada tahun

1942. Metode statistik nonparametrik merupakan metode statistik yang dapat
digunakan dengan mengabaikan asumsi-asumsi yang melandasi penggunaan metode
statistic parametrik, terutama yang berkaitan dengan distribusi normal. Istilah lain
yang sering digunakan untuk statistik nonparametrik adalah statistik bebas distribusi
(distribution free statistics) dan uji bebas asumsi (assumption-free test). Statistik
nonparametric banyak digunakan pada penelitian-penelitian sosial. Data yang
diperoleh dalam penelitian sosial pada umunya berbentuk kategori atau berbentuk
rangking.

Dalam dunia statistika banyak cara mengumpulkan data sebagai dasar dalam
melakukan penelitian. Pengumpulan data ini dilakukan agar peneliti dapat
memperoleh data-data yang dibutuhkan, mencari hubungan dari variabel-variabel
yang diteliti, memprediksi masa depan dan sebagainya untuk kebutuhan penelitian.
Untuk memprediksi hal tersebut, kita menggunakan metode Statistika Non parametrik
dan Penelitian Survei.

Metode Statistika Non Parametrik pengambilan kesimpulan dapat ditarik tanpa

memperhatikan bentuk distribusi populasi. Sedangkan Penelitian Survei, disgunakan
untuk pengambilan data dari suatu populasi dengan menggunakan media kuesioner
sebagai alat pengumpul data yang pokok. Statistika menggunakan metode penelitian
survei dalam mengumpulkan data sebagai dasar penelitian dan menggunakan

1
 Statistika Non Parametrik untuk mengatasi pemecahan data yang memiliki ukuran
sampel kecil dan asumsi-asumsi yang kurang.

1.2 Rumusan Masalah

a. Apa yang dimaksuddenganStatistik Non Parametrik?
b. BagaiamanaHipotesisUjiKorelasi Spearman?
c. Apa yang dimaksuddenganUjiHubunganRank Spearman?
d. Bagaimanalangkah-langkahUjiHubunganRank Spearman?

1.3 Tujuan
a. Untukmengetahuiapa yang dimaksuddenganStatistik Non Parametrik?
b. UntukmengetahuiHipotesisUjiKorelasi Spearman?
c. Untukmengetahuiapa yang dimaksuddenganujihubungan Rank Spearman?
d. Untukmengetahuibagaimanalangkah-langkahujihubungan Rank Spearman?

1.4 Manfaat
1.4.1 Manfaat Teoritis
Hasil dari penyusunan makalah ini diharapkan dapat memberikan manfaat
kepada semua pihak, khususnya kepada mahasiswa untuk menambah pengetahuan
dan wawasan mengenaianalitik non parametrik.
1.4.2 Manfaat Praktis
Hasil dari penyusunan makalah ini diharapkan dapat dijadikan sebagai suatu
pembelajaran bagi mahasiswa yang nantinya ilmu tersebut dapat dipahami dan
diaplikasikan dalam praktik biostatistik.

2
 BAB II
TINJAUAN PUSTAKA

2.1 Pengertian Dan Penggunaan Statistik Non Parametrik

Statistik nonparametrik termasuk salah satu bagian dari statistik onferensi atau
statistik induktif dan disebut juga statistik bebas distribusi. Statistik nonparametrik
adalah bagian statistik yang tidak memerlukan asumsi-asumsi tertentu, misalnya
mengenai bentuk distribusi dan hipiotesis-hipotesis yang berkaitan dengan nilai-nilai
parameter tertentu.

Statistik nonparametrik digunakan apabila :

1. Sampel yang digunakan memiliki ukuran yang kecil.

2. Data yang digunakan bersifat ordinal, yaitu data-data yang bisa disusun dalam urutan
atau klasifikasi rangkingnya.
3. Data yang digunakan bersifat nominal yaitu data-data yang dapat diklasifikasikan
dalam katagori dalam hitung dan frekuensinya.
4. Bentuk distribusi populasi dan tempat pengambilan sampel tidak diketahui menyebar
secara normal.
5. Ingin menyelesaikan masalah statistic secara cepat tanpa menggunakan alat hitung.

2.2 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)

𝐻0 : 𝜌𝑠 = 0 (Tidak ada korelasi di antara dua variabel)
𝐻1 : 𝜌𝑠 ≠ 0 (Ada korelasi di antara dua variabel)
2. Uji Satu Pihak untuk Korelasi Positif (One Tailed Test for Positive Correlation)
𝐻0 : (Tidak ada korelasi di antara dua variabel)
𝐻1 : (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 NegativeCorrelation)
𝐻0 : (Tidak ada korelasi di antara dua variabel)

3
 𝐻1 : (Ada hubungan dari nilai lebih besar di variabel satu dan nilai lebih kecil di
variabel 2 yang dipasangkan, atau sebaliknya)

2.3 Uji Hubungan (Rank Spearman)

2.3.1 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.
Jadiujikorelasi Rank Spearman adalahuji yang bekerjauntukskala data
ordinal atauberjenjangataurangking, danbebasdistribusi

2.3.2 Langkah-langkah

1. Berikan peringkat pada nilai-nilai variable x dari 1 sampai n. Jika terdapat

angka-angka sama, peringkat yang diberikan adalah peringkat rata-rata dari
angka-angka yang sama
2. Berikanperingkatpadanilai-nilaivariable ydari1sampain. Jikaterdapatangka-
angkasama, peringkat yang diberikanadalahperingkat rata-rata dariangka-
angka yang sama
3. Hitungdiuntuktiap-tiapsampel (di = peringkat xi – peringkatyi)
4. Kuadratkanmasing-masing didanjumlahkansemua di2
5. HitungKoefisienKorelasi Rank Spearman () bacarho :
𝟔 ∑ 𝒅𝟐𝒊
𝝆 =𝟏 − 𝟑
𝒏 −𝒏
6. Bilaterdapatangka-angkasama. Nilai-
nilaipengamatandenganangkasamadiberirangking rata-rata.

4
 Aturan pengamilan keputusan

2.3.3 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.
∑ 𝑥𝑦
𝑟=
√∑ 𝑥 2 ∑ 𝑦 2
Di mana jumlah-jumlah mencakup harga-harga 𝑛 dalam sampelnya.
Sekarang bila X dan Y adalah harga-harga ranking 𝑟 = 𝑟𝑠 , dan jumlah 𝑛 bilangan
bulat 1,2, . . . . 𝑛 adalah
𝑛(𝑛 + 1)
∑𝑋 =
2
dari jumlah kuadrat bilangan-bilangan 12 , 22 ,. . . . 𝑛2 dapat ditunjukkan
sebagai berikut.
𝑛(𝑛 + 1)(2𝑛 + 1)
∑ 𝑋2 =
6
2
(∑ 𝑋)
Oleh sebab itu, ∑ 𝑥 2 = ∑(𝑋 − 𝑋̅)2 = ∑ 𝑋 2 − 𝑛
𝑛(𝑛+1)(2𝑛+1) 𝑛(𝑛+1)2 𝑛3 −𝑛
dan ∑ 𝑥 2 = − =
6 4 12
𝑛3 −𝑛
Maka, ∑ 𝑦 2 = .
12

5
 Sekarang 𝑇 = 𝑥 − 𝑦
𝑇 2 = (𝑥 − 𝑦)2 = 𝑥 2 − 2𝑥𝑦 + 𝑦 2

∑ 𝑇 2 = ∑ 𝑥 2 + ∑ 𝑦 2 − ∑ 2𝑥𝑦

Karena rumus r menyatakan bahwa

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

∑ 𝑇 2 = ∑ 𝑥 2 + ∑ 𝑦 2 − 2𝑟𝑠 √∑ 𝑥 2 ∑ 𝑦 2

∑ 𝑥 2 +∑ 𝑦 2 −∑ 𝑇 2
dengan demikian 𝑟𝑠 =
2√∑ 𝑥 2 ∑ 𝑦 2

𝑛3 −𝑛
dengan 𝑋 dan 𝑌 dalam rank, kita dapat mensubstitusikan ∑ 𝑥 2 = = ∑ 𝑦 2 ke
12

dalam rumus 𝑟𝑠 , maka akan diperoleh :

𝑛3 −𝑛 𝑛3 −𝑛
+ − ∑ 𝑇2
12 12
𝑟𝑠 =
𝑛3 −𝑛 𝑛3 −𝑛
2√( )( )
12 12

𝑛3 −𝑛
2 − ∑ 𝑇2
12
= 𝑛3 −𝑛
2 12

∑ 𝑇2
= 1− 𝑛3 −𝑛
6

6 ∑ 𝑇2
=1−
𝑛(𝑛2 − 1)
Maka, didapatkan rumus korelasi Spearman sebagai berikut :
6 ∑𝑛𝑠=1 𝑇 2
𝑟𝑠 = 1 −
𝑛(𝑛2 − 1)
Keterangan:
𝑟𝑠 : koefisien korelasi untuk sampel data berpasangan (statistik sampel)
𝜌𝑠 : koefisien korelasi untuk semua data populasi (parameter populasi)
𝑛 : banyaknya pasangan data sampel
𝑇 : selisih ranking data variabel 𝑋 dan 𝑌

6
 Kriteria pengujian untuk uji korelasi Spearman yaitu tolak 𝐻0 jika 𝑟𝑠 ≥
𝑟𝑡𝑎𝑏𝑒𝑙 . 𝑟𝑡𝑎𝑏𝑒𝑙 diperoleh dari Tabel Spearman Rho (𝜌) untuk 𝑛 ≤ 30. Jika 𝑛 > 30,
maka perhitungan dilanjutkan dengan menentukan nilai 𝑧𝑠 menggunakan rumus
berikut.
𝑧𝑠 = 𝑟𝑠 √𝑛 − 1
Untuk uji korelasi dua pihak, 𝐻0 ditolak jika 𝑧𝑠 > 𝑧(0,5−1𝛼) , sedangkan
2

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

𝑧(0,5−𝛼) diperoleh dari Tabel Distribusi Normal Standar.

Syarat 𝑟𝑠 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.
Jika r = 0 makatidakterdapathubungan
Jika 0 < r < 0,55makahubunganlemah.
Jika 0,55< r < 0,65 makahubungancukupkuat.
Jika 0,65< r < 0,75 makahubungankuat.
Jika 0,75< r < 0,99 makahubungansangatkuat.
Jika r = 1 makahubungansempurna

2.3.4 Prosedur Pengujian

1) Uji Manual
Langkah-langkah untuk uji manual korelasi Spearman adalah sebagai
berikut.
a) Tentukan hipotesis pengujian.

7
 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 𝑟𝑠
e) Tentukan nilai 𝑟𝑡𝑎𝑏𝑒𝑙 . Untuk 𝑛 ≤ 30, lihat nilai 𝑟𝑡𝑎𝑏𝑒𝑙 dari tabel Spearman
rho (𝜌). Jika 𝑛 > 30, hitung nilai 𝑧𝑠 .
f) Jika 𝑛 ≤ 30, tolak 𝐻0 jika 𝑟𝑠 ≥ 𝑟𝑡𝑎𝑏𝑒𝑙 . Untuk 𝑛 > 30, jika uji yang
dilakukan dua pihak, maka 𝐻0 ditolak jika 𝑧𝑠 > 𝑧(0,5−1𝛼) . Jika uji yang
2

dilakukan satu pihak, maka 𝐻0 ditolak jika 𝑧𝑠 > 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

8
 kedua variabel yang diuji atau 𝑟𝑠 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.
ContohSoal
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
6 107 109 125 126 128 133 143 177 606
(dalam jam)
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.
𝐻0 : 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
6 107 109 125 126 128 133 143 177 606
(dalam jam)
Ranking dari
1 2 3 4 5 6 7 8 9 10
waktu (𝑋𝑖 )
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
(𝑌𝑖 )
𝑇 0 0 0 0 0 0 0 0 0 0

9
 𝑇2 0 0 0 0 0 0 0 0 0 0

Jelas bahwa ranking antara waktu yang dipilih dengan ukuran populasi saling
6 ∑𝑛
𝑠−1 𝑇
2
bebas. Berarti kita gunakan rumus 𝑟𝑠 = 1 − . Maka :
𝑛(𝑛2 −1)

6 ∑10
1 𝑇
2
𝑟𝑠 = 1 −
𝑛(𝑛2 − 1)
6(0)
=1−
10(102 − 1)
0
=1−
990
=1
Jelas 𝑟𝑡𝑎𝑏𝑒𝑙 untuk n=10 adalah 0,648. Karena 𝑟𝑠 > 𝑟𝑡𝑎𝑏𝑒𝑙 , maka kita tolak
𝐻0 . 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 𝐻0 . 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?

10
 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.
𝐻0 : 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)

Skor Ranking
Mahasiswa 𝑇 𝑇2
K PS K PS
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

11
 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
6 ∑𝑛
𝑠−1 𝑇
2
bebas. Berarti kita gunakan rumus 𝑟𝑠 = 1 − . Maka :
𝑛(𝑛2 −1)

6 ∑12
1 𝑇
2
𝑟𝑠 = 1 −
𝑛(𝑛2 − 1)
6(52)
=1−
12(122 − 1)
312
=1−
1716
= 1 − 0,182
= 0,818
Jelas 𝑟𝑡𝑎𝑏𝑒𝑙 untuk 𝑛 = 12 adalah 0,591. Karena 𝑟𝑠 > 𝑟𝑡𝑎𝑏𝑒𝑙 , maka kita tolak
𝐻0 . 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 𝐻0 . Dengan demikian, diperoleh kesimpulan
yang sama dari hasil pengujian dengan perhitungan manual dan

12
 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 inginmengetahuiapakahadakorelasi
positifantarapelajaranStatistikadanEkonometrika.
Diambilsampelsecaraacaksebanyak 42siswa yang berasaldari 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

13
 Hipotesis:
• 𝐻0 : 𝜌0 = 0 (Tidak ada korelasi positif antara pelajaran Statistika dan
Ekonometrika)
• 𝐻1 : 𝜌0 ≠ 0 (Ada korelasi positif antara pelajaran Statistika dan
Ekonometrika)
Perhitungan:
6 ∑12
1 𝑇
2
𝑟𝑠 = 1 −
𝑛(𝑛2 − 1)
6(11084,5)
=1−
42(422 − 1)
66507
=1−
74046
= 1 − 0,8982
= 0,1018
𝑧𝑠 = 𝑟𝑠 √𝑛 − 1
= 0,1018√42 − 1
= 0,1018√41
= 0,1018(6,4031)
= 0,6518
Dengan 𝛼 = 5%, diperoleh 𝑧(0,5−𝛼) = 𝑧0,495 = 2,57.
Karena 𝑧𝑠 < 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

14
Berdasarkan Gambar 4, diperoleh 𝑡𝑎𝑟𝑎𝑓 𝑘𝑟𝑖𝑡𝑖𝑘 = 0,558 > 𝛼 = 0,05, maka
kita terima 𝐻0 . 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.

15
 BAB III

PENUTUP

3.1 Kesimpulan

Statistik non parametrik termasuk salah satu bagian dari statistik onferensi atau
statistik induktif dan disebut juga statistik bebas distribusi. Statistik non parametrik
adalah bagian statistik yang tidak memerlukan asumsi-asumsi tertentu, misalnya
mengenai bentuk distribusi dan hipiotesis-hipotesis yang berkaitan dengan nilai-nilai
parameter tertentu.Uji korelasi Spearman dibedakan menjadi 3, yakni uji dua pihak, uji
satu pihak untuk korelasi positif dan uji satu pihak untuk korelasi negatif.

Ujikorelasi Rank Spearman adalahuji yang bekerjauntukskala data ordinal

atauberjenjangataurangking, danbebasdistribusi.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.

3.2 Saran

Dalam pembuatan makalah ini penulis sadar bahwa makalah ini masih banyak
kekurangan dan masih jauh dari kata kesempurnaan. Oleh karena itu, kritik dan saran
dari pembaca sangatlah kami perlukan agar dalam pembuatan makalah selanjutnya akan
lebih baik dari sekarang dan kami juga berharap pengetahuan tentang analitik non
parametrikdapat terus di kembangkan dan diterapkan dalam bidang biostatistik.

16
 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.
Sudjana. 2005. MetodaStatistika. Bandung: TARSITO
Sugiyono.2011. .Statistik Nonparametrik Untuk Penelitian.Bandung : CV ALFABETA

Sukawana, I Wayan.2008.
PengantarStatistikuntukPerawat.Denpasar.JurusanKeperawatanPoltekkes Denpasar
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.

17