Chi Kuadrat Dan Rank Spearman PDF

MODUL 6
STATISTIK NON
PAREMETRIK
Materi Pembelajaran: statistik non

parametrik, uji chi kuadrat, koefisien
Spearman RankAlokasi WaktU2 x
tatap muka perkuliahan (@ 3 x 50
menit)
FAKULTAS EKONOMI UNIVERSITAS NAROTAMA
MODUL 6: Statistik Non Parametik
STANDAR KOMPETENSI
Mampu menerapkan konsep statistik dalam aplikasi bisnis.
KOMPETENSI DASAR
Memahami statistik non parametrik, uji chi kuadrat dan koefisien spearman rank.
INDIKATOR
Kognitif
a. Mahasiswa dapat menjelaskan statistik non parametrik.
b. Mahasiswa dapat menghitung uji chi kuadrat.
c. Mahasiswa dapat menghitung koefisien Spearman Rank.
d. Mahasiswa dapat menganalisa statistik non parametrik.
e. Mahasiswa dapat menganalisa uji chi kuadrat.
f. Mahasiswa dapat menganalisa koefisien Spearman Rank.
Psikomotor
a. Mahasiswa dapat menjelaskan statistik non parametrik secara lisan di depan
kelas.
b. Mahasiswa dapat menghitung uji chi kuadrat secara tertulis di depan kelas.
c. Mahasiswa dapat menghitung koefisien Spearman Rank secara tertulis di
depan kelas.
d. Mahasiswa dapat menganalisa statistik non parametrik secara tertulis di
depan kelas.
e. Mahasiswa dapat menganalisa uji chi kuadrat secara tertulis di depan kelas.
f. Mahasiswa dapat menganalisa koefisien Spearman Rank secara tertulis di
depan kelas.
Afektif
a. Mengembangkan perilaku karakter, meliputi: jujur, peduli, dan tanggung-
jawab.
b. Mengembangkan keterampilan sosial, meliputi: menjadi pendengar yang
baik, berpendapat, dan bertanya.
Materi Pembelajaran
statistik non parametrik, uji chi kuadrat, koefisien Spearman Rank
Alokasi Waktu
2 x tatap muka perkuliahan (@ 3 x 50 menit)
Model Pembelajaran
Model: Pembelajaran langsung
Metode
Presentasi/ceramah, diskusi, dan kuis.
Modul Ajar Statistik Bisnis :

Analisa terhadap Kasus-Kasus Bisnis 79
URAIAN MATERI
1.1. Pengujian Statistik NonParametrik
S tatistik terbagi menjadi dua bagian yaitu statistik deskriptif dan statistik
Inferensia/ Induktif. Inferensia/ Induktif terbagi menjadi du bagian yaitu
Statistik Parametri dan statistik nonparametrik. Pada bahasan ini kita akan
membahas tentang statistik nonparametrik.
Statistik NONPARAMETRIK adalah analisis yang tidak menggunakan

parameter-parameter dan tidak mensyaratkan data harus berdistribusi normal.
Pada analisis statistik parametrik menggunakan parameter-parameter seperti
mean, deviasi standar, variansi.
Statistik NONPARAMETRIK digunakan untuk menganalisis data yang

bersekala nominal dan ordinal dari populasi yang bebas distribusi (tidak harus
berdistribusi normal). Dalam banyak hal terkadang ditemui permasalahan,
yaitu tidak semua data yang dianalisa berskala nominal dan ordinal, tetapi
merupakan campuran antara ordial dan rasio, atau nominal dan ordinal atau
rasio. Dalam hal ini maka yang diapai sebagai acuan adalah derajad data yang
lebih rendah. Misalnya akan danalisa korelasi antara data ordinal dan data
rasio, maka metode yang dipergunakan adalah data yang derajad lebih rendah
yaitu data ordinal, dan metode yang dipilih adalah non parametrik.
Sebagai gambaran dalam mengambil keputusan, metode apakah yang

akan dipergunakan, berikut ini dibuatkan gambar diagram sebagai pedoman
dalam penggunaan statistik non parametrik.
Agus Sukoco
80 Santirianingrum Soebandhi
Start
DATA NOMINAL/ORDINAL
Tipe Data
INTERVAL / RASIO
TIDAK NORMAL Statistik

DISTRIBUSI
DATA Non
Parametrik
NORMAL
KECIL DATA <30

JUMLAH
DATA
BESAR , DATA>30
Bisa pakai uji t jika distribusi
populasi pasti normal
STATISTIK
PARAMETRIK
Gambar 5.1. Penggunaan Metode Non Parametrik

Sumber: singgih santoso 2004, hal 7
Deskriptif
NonParametrik
Statistik
Inferensia
Parametrik
Gambar 6.1 Jenis-jenis Statistik

Sumber Sugiyono, 2007:23
Sehingga Metode analisis NONPARAMETRIK menjadi metode analisis alternatif

apabila salah satu atau keseluruhan persyaratan pada analisis parametrik tidak

terpenuhi, misalnya normalitas data, atau tidak terpenuhinya asumsi-asumsi

tertentu. pada bab ini akan dibahas dua metode analisis non parametrik yaitu :
1. Analisis Chi Square
2. Korelasi Rank Spearman
Soal Latihan :
1. Dalam Statistik inferensial dikenal dengan statistik Non Parametrik, jelaskan
dengan singkat apakah yang dimaksud dengan statistik non parametrik dan
berikan penjelasan mengapa seseorang menggunakan metode statistik non
parametrik?
2. Dalam sebuah penelitian di dalam sebuah perusahaan, seorang peneliti
mengambil berbagai data untuk bahan penelitiannya. diantara data yang diambil
adalah sebagai berikut:
a. Data hasil Test Masuk f. Data Prestasi Kerja
b. Data Pendidikan terakhir g. Data Kehadiran
c. Data Umur h. Data Pendapatan Perusahaan
d. Data status Pernikahan i. Data Beban Pengeluaran
e. Data Motivasi Kerja Perusahaan
Berdasarkan data-data diatas, jika akan menggunakan metode statistik non

parametri data manakah yang dapat dipergunakan? dan jelaskan mengapa dipilh
data tersebut?
Tugas:
Membuat kelompok dengan jumlah antara 5 s/d 10 mahasiswa, dan indentifikasikan
bersama sekelompokmu 10 data yang dapat dipergunakan untuk uji nonparametrik?
dan berikan penjelasan megapa data tersebut dipergunakan?
Agus Sukoco
1.2. CHI SQUARE ANALISIS (GOODNESS OF FIT TEST)
Chi kuadrat (X2; baca "kai kuadrat") atau sering disebut dengan goodness of fit
test. Merupakan alat uji statistik yang digunakan untuk menguji hipotesis bila dalam
populasi terdiri atas dua atau lebih kelas bila data berbentuk nominal dan sampelnya
besar.
Chi Square adalah analisis untuk mengetahui apakah distribusi data seragam
atau tidak, Uji ini juga disebut uji keselarasan atau goodness of fit test. Chi kuadrat
merupakan salah satu teknik statistik yang memudahkan peneliti menilai
kemungkinan memperoleh perbedaan frekuensi yang nyata (yang diobservasi)
dengan frekuensi yang diharapkan dalam kategori-kategori tertentu akibat dari
kesalahan sampling.
Persamaan untuk menghitung nilai chi kuadrat adalah sebagai berikut:
dimana,
X2 = Chi Kuadrat
fo = Frekuensi sampel (frekuensi yang diperoleh dari hasil observasi sampel
fh = Frekuensi harapan (frekuensi yang diharapkan dalam sampel sebagai
pencerminan frekuensi yang diharapkan dalam populasi).
Chi Kuadrat dapat digunakan untuk menguji hipotesis deskriptif satu sampel atau
satu variabel, yang terdiri atas dua kategori atau lebih. selain itu dapat digunakan
untuk menguji hipotesis komparatif 2 sampel atau 2 variabel yang berskala nominal.
Pada modul ini pembahasan dan perhitungan menggunakan tiga metode yaitu,
1. Metode menghitung nilai chi square dengan persamaan chi square
2. Metode perhitungan SPSS dengan tabel Frekuensi
3. Metode peritungan SPSS dengan tabel data

Contoh 1 : Data dalam Tabel frekuensi

Chi kuadrat untuk mengetahui apakah terdapat perbedaan suara yang signifikan
diantara calon pada pemilihan Gubernur BEM fakultas Ekonomi Universitas
Narotama periode tahun 2012 s/d 2014. terdapat tiga calon Gubernur Fakultas
Ekonomi dengan perolehan suara sebagai berikut:
No Nama Calon Jumlah Suara

1 David 85
2 Eko 40
3 Setyo 35
4 Venda 65
Sumber Data:
Penyelesaian :
1. Persamaan :
2. Mencari fh = Frekuensi harapan
maka fh = 56.25
3. Mencari chi kuadrat

untuk memudahkan pembayaran digunakan tabel penolong :
CALON fo fh fo-fh (fo-fh)2
David 85 56.25 28.75 826.5625 14.69444

Setyo 40 56.25 (16.25) 264.0625 4.694444
Eko 35 56.25 (21.25) 451.5625 8.027778
Venda 65 56.25 8.75 76.5625 1.361111
Total 225 28.7778
Agus Sukoco
dengan tabel penolong diatas maka didapatkan nilai untuk chi kuadrat (x2)
adalah sebesar 28,78
4. Mencari Chi Kuadrat tabel

dari data diatas diketahui bahwa jumlah calon = 5 dan jumlah variabel =2
maka dk untuk data tersebut adalah :
dengan menggunakan alfa = 5% (0,05) , didapatkan Chi kuadrat tabel (X2

tabel ) adalah 7.8147
Tabel Chi Kuadrat , untuk alfa 5% dan alfa 10%
dk 5% 10%
1 3.8415 2.71
2 5.9915 4.61
3 7.8147 6.25
4 9.4877 7.78
5 11.0705 9.24
6 12.5916 10.64
7 14.0671 12.02
8 15.5073 13.36
9 16.919 14.68
10 18.307 15.99
11 19.6751 17.28
12 21.0261 18.55
13 22.362 19.81
14 23.6848 21.06
15 24.9958 22.31
16 26.2962 23.54
17 27.5871 24.77
18 28.8693 25.99
19 30.1435 27.2
20 31.4104 28.41
5. Pengambilan Keputusan
Cara pengambilan keputusan adalah
1. Jika X2 hitung > X2 tabel, maka terjadi perbedaan perolehan suara
2. Jika X2 hitung < X2 tabel, maka tidak ada perbedaan perolehan suara

3. berdasarkan hasil diatas maka Jika X2 hitung > X2 tabel, yaitu 28,78 >
7.8147, maka dapat diambil kesimpulan bahwa terdapat perbedaan
yang signifikan dalam perolehan suara kelima calo tersebut diatas
Perhitungan dengan SPSS

Langkah langkah
1. Buka data view pada SPSS
2. Masukan data perolehan suara diatas pada sheet data view
3. Berikan identitas variabel pada variabel view
4. Proses Weight Cases pada variabel calon, dimaksudkan bahwa agar nilai dari
nama calon mengacu pada jumlah suara.
a. Buka menu Data pilih Weight Cases , pada weight cases by, pilih
variabel Jumlah , pilih Ok
5. Proses Uji Chi Kuadrat
a. Pada menu Data view, pilih menu Analize
b. Pilih variabel Nama Calon
c. Abaikan yang lainnya dan
d. pilih Ok
Tampilan Hasil SPSS
NamaCalon
Observed N Expected N Residual
david 85 56.3 28.8

setyo 40 56.3 -16.3
eko 35 56.3 -21.3
venda 65 56.3 8.8
Total 225
Agus Sukoco
Test Statistics
NamaCalon
a
Chi-square 28.778
df 3
Asymp. Sig. .000
a. 0 cells (.0%) have expected

frequencies less than 5. The
minimum expected cell frequency
is 56.3.
berdasarkan hasil di atas, dapat diketahui bahwa hasil kedua perhitungan adalah
mendekati sama, yaitu 28,78 dan 28,778.
Contoh 2 : Data dalam Tabel Data

Sebagaimana dalam contoh 1, jika data belum diolah dalam bentuk tabel frekuensi,
maka Untuk Data yang belum diolah dalam bentuk tabel Frekuensi, masih dalam
bentuk tabel data. Langkah yang dilakukan adalah sebagai berikut:
Langkah langkah
1. Buka data view pada SPSS
2. Masukan data perolehan suara diatas pada sheet data view
Pada variabel view, pada value diisi dengan nilai nama calon.yaitu 1 untuk
david,2 untuk eko, dst
Berikan identitas value variabel pada variabel view,
1= david
2 = Setyo
3 = Eko
4 = Venda

3. Proses Uji Chi Kuadrat

a. Pada menu Data view, pilih menu Analize
b. pilih Non Parametric Test
c. Pilih Legacy Dialog
d. Pilih Chi square ... Tampil dialog Box uji chi square
e. pada Test Variable Test Pilih Data Calon
a. Abaikan yang lainnya dan
f. pilih Ok
g. OutPut adalah sebagai berikut:
Calon
David 85 56.3 28.8

Setyo 40 56.3 -16.3
Eko 35 56.3 -21.3
Venda 65 56.3 8.8
Total 225
Test Statistics
Calon
a
Chi-square 28.778
zZ 3
mmmzmM<>
0020zzxsdcyd
dsyfgf fddff df
Asymp. Sig. .000
Dari hasil diatas data diketahui bahwa hasil metode pertama dan metode yang kedua
adalah sama.
Agus Sukoco
Kesimpulan:
1. Perhitungan nilai Chi square dengan tiga metode yaitu Metode menghitung
nilai chi square dengan persamaan chi square, Metode perhitungan SPSS
dengan tabel Frekuensi dan Metode peritungan SPSS dengan tabel data
mendapatakan hasil yang sama yaitu 28, 778, atau 28,78.
2. Nila chi tabel pada alfa 5% atau 0,05 adalah sebesar 7.8147, yang berarti
bahwa perolehan suara calon Gubernur BEM Universitas Narotama adalah
berbeda secara signifikan untuk 4 calon

Soal dan Tugas

1. Uji Chi Square sering disebut juga dengan goodness of fit test, jelaskanlah
hubungan istilah tersebut dengan frekuensi harapan (fh) dari sebuah sampel
penelitian?
2. Seseorang yang akan melukakan uji Chi Square, melakukan beberapa tahapan
yaitu :
a. Mengumpulkan data
b. Membuat Tabel Data
c. Membuat Tabel Frekuensi
d. Menghitung Frekuensi Harapan
e. Menghitung Chi Kuadrat
f. Menghitung Chi Tabel
g. Membuat Analisa Keputusan
Dari uraian diatas, jika seseorang akan menghitung dengan menggunakan
persamaan, langkah apakah yang belum disebutkan? dan uraiakanlah langkah
untuk mencari Chi tabel?
3. Tugas, Carilah data tentang kesukaan teman-temanmu mahasiswa sebanyak 35

data dan buatlah perhitungan dan analisa uji chi kuadratnya?
Referensi :
1. Nanang Martono, 2010, Statistik Sosial Teori dan aplikasi Program SPSS,
Yogyakarta, Gava Media
2. Singgih Santoso, 2004, Buku Latihan SPSS Statistik non Parametrik. Jakata: PT
Gramedia
Agus Sukoco
Lampiran
Tabel Data untuk SPSS
Responden Calon
1 1
2 1
3 1
4 1
5 2
6 2
7 1
8 3
9 3
10 2
11 4
12 4
dst .....
225 4
dimana pada kolom data calon, nilai 1,2,3,4 adalah nilai kode untuk masing-masing
calon yaitu,
1= david
2 = Setyo
3 = Eko
4 = Venda
Data tersebut dimasukan dalam data view spss

Langkah ke 1, Input data ke data sheets SPSS
Langkah ke 2, Memberikan nilai/ value data
Agus Sukoco
Langkah ke 3, Uji Chi Square
Langkah ke 4, Output Uji Chi Square

Output/ Hasil Uji Chi square SPSS

Calon
David 85 56.3 28.8

Setyo 40 56.3 -16.3
Eko 35 56.3 -21.3
Venda 65 56.3 8.8
Total 225
Test Statistics
Calon
a
Chi-square 28.778
df 3
Asymp. Sig. .000
a. 0 cells (.0%) have expected

frequencies less than 5. The
minimum expected cell
frequency is 56.3.
Agus Sukoco
1.4. KORELASI RANK SPEARMAN
eori Korelasi ini dikemukakan oleh Carl Spearman. Nilai korelasi ini disimbolkan
dengan " " (dibaca: rho) atau dengan simbul rs. Korelasi Spearman digunakan pada
data yang berskala ordinal semuanya atau sebagian data adalah ordinal. untuk itu
sebelum dilakukan pengolahan data, data yang akan dianalisis perlu disusun dalam
Tbentuk ranking. Sehingga Korelasi Spearman merupakan alat uji statistik yang
digunakan untuk menguji hipotesis asosiatif dua variabel bila datanya berskala
ordinal (ranking).
Pada pengukuran korelasi untuk dua data yang nominal, bisa dengan
metode Cramer, Lambda dan sebagainya. Namun jika data yang yang diteliti tidak
semuanya nominal, maka penggunaan metode-metode tersebut tidaklah tepat.
Untuk data dengan tipe Ordinal yaitu data mempunyai urutan atau rangking,
seperti sikap suka, Cukup Suka. Tidak Suka, peringkat 1,2,3 dst), ukuran korelasi yang
digunakan bisa berupa Korelasi Spearman, Kendall, Somers, Gamma dan sebagainya.
Pada suatu kasus, jika salah satu satu variabel mempunyai tipe ordinal dan
yan lainnya data Rasio, maka diambil penggunaan metode dengan data yang lebih
rendah derajatnya, pada kasus ini maka yang digunakan adalah korelasi Spearman.
Hal ini sama jika akan dilakukan uji korelasi antara variabel bertipe nominal dengan
ordinal, maka akan dipakai ukuran korelasi nominal, yaitu menggunakan uji korelasi
Cramer, Lambda dan lainnya.
Nilai Korelasi Spearman berada di antara -1 < < 1. Bila nilai = 0, berarti tidak
ada korelasi atau tidak ada hubungan antara variabel independen dan dependen.
Nilai = +1 berarti terdapat hubungan yang positif antara variabel independen dan
dependen. Nilai = -1 berarti terdapat hubungan yang negatif antara variabel
independen dan dependen. Dengan kata lain, tanda "+" dan "-" menunjukkan arah
hubungan di antara variabel yang sedang dioperasionalkan.

Uji signifikansi Spearman menggunakan Uji Z karena distribusinya mendekati

distribusi normal. Kekuatan hubungan antar variabel ditunjukkan melalui nilai
korelasi. Berikut adalah tabel nilai korelasi beserta makna nilai tersebut:
Tabel , Makna Nilai Korelasi Spearman
Nilai Makna
0,00-0,19 Sangat rendah / sangat lemah
0,20-0,39 Rendah / lemah
0,40-0,59 Sedang
0,60-0,79 Tinggi / kuat
0,80-1,00 Sangat tinggi/sangat kuat
Sumber: nanang martono 2010, 225
Menghitung Korelasi Rank Spearman

Persamaan 01: untuk nilai skor data tidak ada yang sama
∑
Persamaan 2, untuk data yang skornya ada yang sama (ties)

∑ ∑ ∑
√∑ ∑
dan
∑ ∑
∑ ∑
∑ ∑
dimana:
Agus Sukoco
: nilai korelasi rank spearman.

di : selisih ranking data ke i
n : jumlah sampel.
t : jumlah data yang sama
Menentukan kriteria pengujian:
Bila hitung > tabel, maka H1 diterima.

Bila hitung < tabel, maka H0 diterima.
Melakukan uji signifikansi menggunakan uji Z:
(√ ⁄ )
Mengambil kesimpulan:
Bila Z hitung > Z tabel, maka hubungan x dan y adalah signifikan.
Bila Z hitung < Z tabel, maka hubungan x dan y adalah tidak signifikan.
Contoh:
Pada contoh kasus berikut ini mengg unakan kombinasi antara data ordinal dan
data rasio. Diadakan penelitian hubungan antara skor Test, Prestasi Kerja, dan
absensi pegawai sebuah perusahaan. digunakan metode rank spearman untuk
mengukur hubungan antara variabel tersebut: Data hasil penelitian sebagaimana
berikut ini:

Tabel Data
No Test Prestasi No Test Prestasi

Pegawai Pegawai Pegawai Pegawai Pegawai Pegawai
1 90.00 95.00 9 75.00 82.00
2 86.00 90.00 10 82.00 82.00
3 84.00 88.00 11 83.00 86.00
4 91.00 97.00 12 95.00 96.00
5 85.00 91.00 13 93.00 94.00
6 72.00 77.00 14 87.00 89.00
7 50.00 70.00 15 96.00 98.00
8 80.00 76.00
Penyelesaian:
1. Uraian Data
Pada kasus ini jenis data yang dipergunakan adalah kombinasi antara data ordinal
dan data rasio yaitu :
Variabel Jenis Data
Test Ordinal
Prestasi Kerja Ordinal
Absensi Rasio
Variabel Test, Prestasi dan Motivasi adalah data ordinal, dengan penilaian skor
100, skor 0 , sangat jelek dan skor 100 sangat bagus. Dalam data ordinal
perbedaan skor adalah perbedaan peringkat, bukan suatu penambahan atau
kelipatan jumlah. Sebagai contoh, jika prestasi kerja pekerja ke 1 mempunyai skor
30 dan prestasi pekerja ke 2 mempunyai skor 60, maka tidak bisa dikatakan
pekerja 2 berprestasi dua kali lebih bagus dari pekerja ke 1, tetapi dapat dikatakan
bahwa pekerja 2 lebih bagus prestasinya dibandingkan pekerja 1. Data variabel
Absen adalah data rasio, yang berarti bahwa angka 4 berarti seorang pekerja
benar-benar 4 kali tidak masuk bekerja dalam sebulan.
Agus Sukoco
2. Persamaan , digunakan persamaan adalah

∑
dimana :
rs : Korelasi rank spearman
di : selisih ranking data ke i
n : jumlah data
3. Hubungan antara Test dan Prestasi Kerja Pegawai
Tabel Pembantu
berdasrkan persamaan diatas, maka untuk memudahkan perhitungan maka
dibuatkan tabel pembantu sebagai berikut:
Tabel Pembantu:
No Test Prestasi Rank Rank 2

di di
Pegawai Pegawai Pegawai Test Prestasi
1 90.00 95.00 11 12 -1 1
2 86.00 90.00 9 9 0 0
3 84.00 88.00 7 7 0 0
4 91.00 97.00 12 14 -2 4
5 85.00 91.00 8 10 -2 4
6 72.00 77.00 2 3 -1 1
7 50.00 70.00 1 1 0 0
8 80.00 76.00 4 2 2 4
9 75.00 82.00 3 4.5 -1.5 2.25
10 82.00 82.00 5 4.5 0.5 0.25
11 83.00 86.00 6 6 0 0
12 95.00 96.00 14 13 1 1
13 93.00 94.00 13 11 2 4
14 87.00 89.00 10 8 2 4
15 96.00 98.00 15 15 0 0
25.5

Rangking Data untuk Test mempunyai mulai dari 1 s/d 11, dan tidak ada skor yang
nilainya sama.
Rangking Data untuk Prestasi mempunyai mulai dari 1 s/d 11, tetapi ada skor yang
nilainya sama yaitu skor 75 ada 2 buah, maka rangking yang diberikan adalah (4+5)/2
= 4,5.
Penyelesaian persamaan :
dari persamaan diatas,
∑
diketahui bahwa, n = 15, ∑ maka

∑
=
jadi korelasi antara test pegawai dan prestasi kerja pegawai adalah sebesar
Perbandingan Hasil SPSS

Correlations
Prestasi
Test Kerja
**
Spearman's rho Test Correlation 1.000 .954
Coefficient
Sig. (2-tailed) . .000
N 15 15
**
Prestasi Correlation .954 1.000
Kerja Coefficient
Sig. (2-tailed) .000 .
N 15 15
**. Correlation is significant at the 0.01 level (2-tailed).
Agus Sukoco
coba perhatikan bahwa hasil perhitungan point 3 hasilnya sama dengan hasil Uji
SPSS, rs = 0,954
Uji Penafsiran Keeratan Hubungan

Uji sigifikansi, digunakan untuk manafsir keeratan korelasi antara Test dan
Prestasi Kerja. pengujian dilakukan dengan dilakukan dengan uji Z.
Dasar pengambilan keputusan:
Dengan membandingkan z hitung dengan z tabel:
Jika z hitung < z tabel, maka Ho diterima
Jika z hitung > z tabel. maka Ho ditolak ■
Dengan melihat angka probabilitas. dengan ketentuan:

Probabilitas > 0.05 maka Ho diterima
Probabilitas < 0.05 maka Ho ditolak
Keputusan:
• Dengan membandingkan / hitung dengan z label:
NB: Untuk n (jumlah sampel) di atas 10. bisa menggunakan uji z.
Mencari z hitung:
√
dengan r = 0,954 dan n = 15. didapat z hitung:
√ √
maka Z hitung adalah

Mencari z tabel:
Dengan tingkat kepercayaan 95% dan tingkat signifikansi 5% (ini adalah
standar dari SPSS),
Uji dua sisi, Oleh karena dua sisi. maka tingkat signifikansi 5% juga dibagi 2.
menghasilkan 2,5%.

Luas kurva tabel Z adalah luasan Komulatif, maka luas kurva 50% -2,5%=
47.5%. Didalam tabel luasan adalah 47,5% + 50% = 97,5% atau 0,975 , maka
Dari tabel z untuk luasan 0,975 didapat z tabel 1.96. (sisi sebelah kiri 1,9 dan
kolom atas 0,06 maka menjadi 1,96
Kesimpulan:
Dari uraian dan perhitungan diatas didapatkan hasil sebagai berikut:
1. Koefisien korelasi rs = 0.954 , bahwa korelasi dua variabel adalah sangat
kuat
2. Nilai Zhitung = > dari Zi tabel 1,96, maka H0 ditolak, bahwa
terdapat hubungan yang nyata antara test pegawai dan prestasi kerja
pegawai, artinya bahwa jika test pegawai baik maka prestasi kerja
pegawai tersebut cenderung baik, dan juga sebaliknya.
4. Hubungan antara Prestasi Pegawai dan Absen Pegawai

Dalam hal ini permasalahan yang dihadapi adalah ntuk mengetahui apakah
ada hubungan yang signifikan antara prestasi kerja pegawi dan tingkat
kehadirannya. Dugaannya adalah bahwa pegawi yang prestasinya tinggi
maka kehadirannya bagus, atau dengan kata lain bahwa hubungan prestasi
dan absen pegawai adalah hubungan negatif.
Persamaan :
∑ ∑ ∑
√∑ ∑
dan
∑ ∑
∑ ∑
∑ ∑
Agus Sukoco
Tabel Pembantu :
No Prestasi Absen Rank Rank di di2

Pekerja Prestasi Absen
1 95 6 12 11 1 1
2 90 5 9 8 1 1
3 88 5 7 8 -1 1
4 97 6 14 11 3 9
5 91 4 10 4 6 36
6 77 4 3 4 -1 1
7 70 4 1 4 -3 9
8 76 7 2 14 -12 144
9 82 5 4 8 -4 16
10 83 7 5 14 -9 81
11 86 7 6 14 -8 64
12 96 4 13 4 9 81
13 94 4 11 4 7 49
14 89 6 8 11 -3 9
15 98 3 15 1 14 196
JUMLAH 698
Penyelesaian:
Menghitung Tx/Ty
dalam menghitung TX/Ty yang perlu dilakukan adalah mencari rangking yang sama
pada masing-masing variabel:
Variabel Prestasi : tidak ada rangking yang sama Tx=0
Variabel Absen : terdapat beberapa data yang rangking nya sama
ranking 4 ada 5 , maka t =5
Menghitung Ty

Menghitung ∑ dan ∑
∑ ∑
∑ = 280
Menghitung ∑
∑ ∑
dengan menggunakan hasil sebelumnya maka
Menghitung Korelasi Rang Spearman

∑ ∑ ∑
√∑ ∑
√∑
Agus Sukoco
Hasil perhitungan SPSS

Correlations
Prestasi Kerja Absen
Spearman's rho Prestasi Kerja Correlation Coefficient 1.000 -.283
Sig. (2-tailed) . .306
N 15 15
Absen Correlation Coefficient -.283 1.000
Sig. (2-tailed) .306 .
N 15 15
dari kedua cara perhitungan tersebut didapatkan bahwa korelasi yang diperoleh
adalah sama.
Uji Penafsiran Keeratan Hubungan

Uji sigifikansi, digunakan untuk manafsir keeratan korelasi antara Prestasi
Kerja dan Absen Pegawai . pengujian dilakukan dengan dilakukan dengan uji
Z.
Dasar pengambilan keputusan:
Dengan membandingkan z hitung dengan z tabel:
Jika z hitung < z tabel, maka Ho diterima
Jika z hitung > z tabel. maka Ho ditolak ■
Dengan melihat angka probabilitas. dengan ketentuan:

Probabilitas > 0.05 maka Ho diterima
Probabilitas < 0.05 maka Ho ditolak
Keputusan:
• Dengan membandingkan / hitung dengan z label:
NB: Untuk n (jumlah sampel) di atas 10. bisa menggunakan uji z.

Mencari z hitung:
√
dengan r = 0,954 dan n = 15. didapat z hitung:
√ √
maka Z hitung adalah
Mencari z tabel:
Dengan tingkat kepercayaan 95% dan tingkat signifikansi 5% (ini adalah
standar dari SPSS),
Uji dua sisi, Oleh karena dua sisi. maka tingkat signifikansi 5% juga dibagi 2.
menghasilkan 2,5%.
Luas kurva tabel Z adalah luasan Komulatif, maka luas kurva 50% -2,5%=
47.5%. Didalam tabel luasan adalah 47,5% + 50% = 97,5% atau 0,975 , maka
Dari tabel z untuk luasan 0,975 didapat z tabel 1.96. (sisi sebelah kiri 1,9 dan
kolom atas 0,06 maka menjadi 1,96, Z tabel adalah = 1,96
Kesimpulan:
Dari uraian dan perhitungan diatas didapatkan hasil sebagai berikut:
1. Koefisien korelasi rs = -.283, bahwa korelasi dua variabel adalah sangat
lemah
2. Nilai Zhitung = dari Z tabel 1,96, maka H0 diterima bahwa tidak
terdapat hubungan yang nyata antara Prestasi pegawai dan absen pegawai,
artinya bahwa jika prestasi kerja pegawai tersebut tidak cenderung absennya
buruk, dan juga sebaliknya.
Agus Sukoco
DAFTAR PUSTAKA
Arikunto, Suharsimi. 1996. Statistik Untuk Penelitian. Jakarta: Rineka Cipta.
Dajan, Anto. 2000. Pengantar Metode Statistik. Cetakan Ke-16, Jakarta: LP3ES.
Heryanto, N. 2003. Statistik. Bandung: Pustaka Setia.
Levin, dkk. 1991. Statistics for Managemen. New Jersey: Prentice Hall, 1991
Murdan. 2003. Statistik Pendidikan. Jakarta: Global Pustaka.
Rasyid, Harun A. 2000. Statistik. UNIVERSITAS PADJAJARAN, BANDUNG.
Sugiarto. 2002. Metode Statistik. Jakarta: Gramedia.
Walpole, Ronald E. 1992. PengantarStatistik. edisi terjemahan. Jakata: PT Gramedia.
Singgih Santoso, 2004, Buku Latihan SPSS Statistik non Parametrik. Jakata: PT
Gramedia

LKM: Statistik Non-Parametrik
Nama Mahasiswa :
NIM :
Jawablah pertanyaan di bawah ini dengan sebaik-baiknya!

Buatlah data nilai mata kuliah statistik kelas masing-masing mempunyai 20
mahasiswa dengan rentang 6 sampai dengan 9.
a. Analisa data yang telah Anda buat dengan uji chi kuadrat! Jelaskan
kesimpulan yang Anda peroleh!
b. Hitunglah koefisien Spearman Rank data yang telah Anda buat! Jelaskan
kesimpulan yang Anda peroleh!
LP: Kognitif
Nama Mahasiswa :
NIM :
Jawablah pertanyaan-pertanyaan berikut ini dengan singkat dan benar!
1. Jelaskan konsep statistik non parametrik!
2. Berdasarkan data di handout/buku modul 5
a. Hitunglah dan analisa data tersebut dengan uji chi kuadrat!
b. Hitunglah dan analisa koefisien spearman rank dari data tersebut!
Agus Sukoco
LP: Psikomotorik
Jawablah secara lisan di depan kelas:

1. Jelaskan konsep statistik non parametrik!
Demonstrasikan di depan kelas:
1. Berdasarkan data di modul 5
a. Hitunglah dan analisa data tersebut dengan uji chi kuadrat!
b. Hitunglah dan analisa koefisien spearman rank dari data tersebut!
Lembar Penilaian
Nama Mahasiswa :
NIM :
Skor
No. Aspek yang dinilai
4 3 2 1
1. Kebenaran uraian
2. Kejelasan bahasa
3. Keseriusan
4. Improvisasi
Total skor
Catatan:
Skor 4: sangat baik; Skor 3: baik; Skor 2: cukup; Skor 1: kurang.

LP: Pengamatan Perilaku Berkarakter
Petunjuk:
Amati untuk setiap perilaku berkarakter berikut ini selama perkuliahan
berlangsung.
Nama Mahasiswa :
NIM :
Penilaian
No. Rincian Tugas Kinerja (RTK)
4 3 2 1
1. Jujur
2. Peduli
3. Tanggungjawab
Catatan:
Skor 4: sangat baik;
Skor 3: baik;
Skor 2: cukup;
Skor 1: kurang.
Agus Sukoco
LP: Pengamatan Keterampilan Sosial
Petunjuk:
Amati untuk setiap keterampilan sosial yang dilakukan mahasiswa selama
perkuliahan berlangsung.
Nama Mahasiswa :
NIM :
Penilaian
No. Rincian Tugas Kinerja (RTK)
4 3 2 1
1. Menjadi pendengar yang baik
2. Berpendapat
3. Bertanya
Catatan:
Skor 4: sangat baik;
Skor 3: baik;
Skor 2: cukup;
Skor 1: kurang.

LAMPIRAN: Tabel Z
Z Z_0.0 Z_0.01 Z_0.02 Z_0.03 Z_0.04 Z_0.05 Z_0.06 Z_0.07 Z_0.08 Z_0.09
0,0 0.5 0.504 0.508 0.512 0.516 0.5199 0.5239 0.5279 0.5319 0.5359
0.1 0.5398 0.5438 0.5478 0.5517 0.5557 0.5596 0.5636 0.5675 0.5714 0.5753
0.2 0.5793 0.5832 0.5871 0.591 0.5948 0.5987 0.6026 0.6064 0.6103 0.6141
0.3 0.6179 0.6217 0.6255 0.6293 0.6331 0.6368 0.6406 0.6443 0.648 0.6517
0.4 0.6554 0.6591 0.6628 0.6664 0.67 0.6736 0.6772 0.6808 0.6844 0.6879
0.5 0.6915 0.695 0.6985 0.7019 0.7054 0.7088 0.7123 0.7157 0.719 0.7224
0.6 0.7257 0.7291 0.7324 0.7357 0.7389 0.7422 0.7454 0.7486 0.7517 0.7549
0.7 0.758 0.7611 0.7642 0.7673 0.7704 0.7734 0.7764 0.7794 0.7823 0.7852
0.8 0.7881 0.791 0.7939 0.7967 0.7995 0.8023 0.8051 0.8078 0.8106 0.8133
0.9 0.8159 0.8186 0.8212 0.8238 0.8264 0.8289 0.8315 0.834 0.8365 0.8389
1 0.8413 0.8438 0.8461 0.8485 0.8508 0.8531 0.8554 0.8577 0.8599 0.8621
1.1 0.8643 0.8665 0.8686 0.8708 0.8729 0.8749 0.877 0.879 0.881 0.883
1.2 0.8849 0.8869 0.8888 0.8907 0.8925 0.8944 0.8962 0.898 0.8997 0.9015
1.3 0.9032 0.9049 0.9066 0.9082 0.9099 0.9115 0.9131 0.9147 0.9162 0.9177
1.4 0.9192 0.9207 0.9222 0.9236 0.9251 0.9265 0.9279 0.9292 0.9306 0.9319
1.5 0.9332 0.9345 0.9357 0.937 0.9382 0.9394 0.9406 0.9418 0.9429 0.9441
1.6 0.9452 0.9463 0.9474 0.9484 0.9495 0.9505 0.9515 0.9525 0.9535 0.9545
1.7 0.9554 0.9564 0.9573 0.9582 0.9591 0.9599 0.9608 0.9616 0.9625 0.9633
1.8 0.9641 0.9649 0.9656 0.9664 0.9671 0.9678 0.9686 0.9693 0.9699 0.9706
Agus Sukoco
Z Z_0.0 Z_0.01 Z_0.02 Z_0.03 Z_0.04 Z_0.05 Z_0.06 Z_0.07 Z_0.08 Z_0.09
1.9 0.9713 0.9719 0.9726 0.9732 0.9738 0.9744 0.975 0.9756 0.9761 0.9767
2 0.9772 0.9778 0.9783 0.9788 0.9793 0.9798 0.9803 0.9808 0.9812 0.9817
2.1 0.9821 0.9826 0.983 0.9834 0.9838 0.9842 0.9846 0.985 0.9854 0.9857
2.2 0.9861 0.9864 0.9868 0.9871 0.9875 0.9878 0.9881 0.9884 0.9887 0.989
2.3 0.9893 0.9896 0.9898 0.9901 0.9904 0.9906 0.9909 0.9911 0.9913 0.9916
2.4 0.9918 0.992 0.9922 0.9925 0.9927 0.9929 0.9931 0.9932 0.9934 0.9936
2.5 0.9938 0.994 0.9941 0.9943 0.9945 0.9946 0.9948 0.9949 0.9951 0.9952
2.6 0.9953 0.9955 0.9956 0.9957 0.9959 0.996 0.9961 0.9962 0.9963 0.9964
2.7 0.9965 0.9966 0.9967 0.9968 0.9969 0.997 0.9971 0.9972 0.9973 0.9974

Step 1, Input Data
Agus Sukoco
Step 2, membuat Weight Cases

Agus Sukoco
Step 3, membuat analisa Chi Kuadrat

Step 4, Input variabel Chi Kuadrat
Agus Sukoco
Step 5, Output Hasil Analisa Chi kuadrat

Agus Sukoco

Chi Kuadrat Dan Rank Spearman PDF

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Chi Kuadrat Dan Rank Spearman PDF

Diunggah oleh

Hak Cipta:

Format Tersedia

MODUL 6

Materi Pembelajaran: statistik non

Modul Ajar Statistik Bisnis :

Statistik NONPARAMETRIK adalah analisis yang tidak menggunakan

Statistik NONPARAMETRIK digunakan untuk menganalisis data yang

Sebagai gambaran dalam mengambil keputusan, metode apakah yang

TIDAK NORMAL Statistik

KECIL DATA <30

Gambar 5.1. Penggunaan Metode Non Parametrik

Gambar 6.1 Jenis-jenis Statistik

Sehingga Metode analisis NONPARAMETRIK menjadi metode analisis alternatif

Modul Ajar Statistik Bisnis :

terpenuhi, misalnya normalitas data, atau tidak terpenuhinya asumsi-asumsi

Berdasarkan data-data diatas, jika akan menggunakan metode statistik non

1.2. CHI SQUARE ANALISIS (GOODNESS OF FIT TEST)

Persamaan untuk menghitung nilai chi kuadrat adalah sebagai berikut:

Modul Ajar Statistik Bisnis :

Contoh 1 : Data dalam Tabel frekuensi

No Nama Calon Jumlah Suara

2. Mencari fh = Frekuensi harapan

3. Mencari chi kuadrat

CALON fo fh fo-fh (fo-fh)2

David 85 56.25 28.75 826.5625 14.69444

4. Mencari Chi Kuadrat tabel

dengan menggunakan alfa = 5% (0,05) , didapatkan Chi kuadrat tabel (X2

Tabel Chi Kuadrat , untuk alfa 5% dan alfa 10%

Modul Ajar Statistik Bisnis :

Perhitungan dengan SPSS

Observed N Expected N Residual

david 85 56.3 28.8

a. 0 cells (.0%) have expected

Contoh 2 : Data dalam Tabel Data

Modul Ajar Statistik Bisnis :

3. Proses Uji Chi Kuadrat

Observed N Expected N Residual

David 85 56.3 28.8

Modul Ajar Statistik Bisnis :

Soal dan Tugas

3. Tugas, Carilah data tentang kesukaan teman-temanmu mahasiswa sebanyak 35

Modul Ajar Statistik Bisnis :

Langkah ke 1, Input data ke data sheets SPSS

Langkah ke 2, Memberikan nilai/ value data

Langkah ke 3, Uji Chi Square

Langkah ke 4, Output Uji Chi Square

Modul Ajar Statistik Bisnis :

Output/ Hasil Uji Chi square SPSS

Observed N Expected N Residual

David 85 56.3 28.8

a. 0 cells (.0%) have expected

1.4. KORELASI RANK SPEARMAN

Modul Ajar Statistik Bisnis :

Uji signifikansi Spearman menggunakan Uji Z karena distribusinya mendekati

Sumber: nanang martono 2010, 225

Menghitung Korelasi Rank Spearman

Persamaan 2, untuk data yang skornya ada yang sama (ties)

: nilai korelasi rank spearman.

Menentukan kriteria pengujian:

Bila hitung > tabel, maka H1 diterima.

Melakukan uji signifikansi menggunakan uji Z:

Modul Ajar Statistik Bisnis :

No Test Prestasi No Test Prestasi

2. Persamaan , digunakan persamaan adalah

No Test Prestasi Rank Rank 2