STATISTIK NON PARAMETRIK

UJI KORELASI PERINGKAT

Diajukan untuk Memenuhi Tugas Statistika Inferensial

Dosen Pengampu : Haerudin, M.Pd

Disusun Oleh :
KELOMPOK 5
Anis Sulistyowati (1610631050010)
Desi Nilasari (1610631050035)
Desi Nurpertiwi (1610631050036)
Yugi Prayuga (1610631050164)

Kelas 6B

PROGRAM STUDI PENDIDIKAN MATEMATIKA

FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN
UNIVERSITAS NEGERI SINGAPERBANGSA KARAWANG
 2019

STATISTIK NON PARAMETRIK: UJI KORELASI PERINGKAT

 Pengertian Statistik Non Parametrik

Statistik Non-Parametrik adalah test statistik yang modelnya tidak
menetapkan syarat-syaratnya mengenai parameter-parameter populasi yang
merupakan induk sampel penelitian. Oleh karena itu observasi-observasi
independent dan variabel yang diteliti pada dasarnya memiliki kontinuitas. Uji
metode non parametrik atau bebas sebaran adalah prosedur pengujian hipotesa
yang tidak mengasumsikan pengetahuan apapun mengenai sebaran populasi
yang mendasarinya. Tidak menuntut terpenuhi banyak asumsi, misalnya data
yang dianalisis tidak harus berdistribusi normal. Oleh karena itu statistik non
parametrik sering disebut sebagai distribusi bebas (free distribution). Statistik
Non Parametrik banyak digunakan untuk untuk menganalisis data nominal
dan ordinal.

 Keunggulan Non Parametrik

 Tidak membutuhkan asumsi normalitas.
 Secara umum metode statistik non-parametrik lebih mudah dikerjakan dan
lebih mudah dimengerti, ststistika non-parametrik tidak membutuhkan
perhitungan matematik yang rumit seperti halnya statistik parametrik.
 Statistik non-parametrik dapat menggunakan data numerik (nominal)
dengan jenjang (ordinal).
 Pengujian hipotesis pada statistik non-parametrik dilakukan secara
langsung pada pengamatan yang nyata.
 Walaupun pada statistik non-parametrik tidak terikat pada distribusi
normal populasi, tetapi dapat digunakan pada populasi berdistribusi
normal.

 Kelemahan Non Parametrik

 Statistik non-parametrik terkadang mengabaikan beberapa informasi
tertentu.
 Hasil pengujian hipotesis dengan statistik non-parametrik tidak setajam
statistik parametrik.
 Hasil statistik non-parametrik tidak dapat diekstrapolasikan ke populasi
studi seperti pada statistik parametrik. Hal ini dikarenakan statistik
nonparametrik mendekati eksperimen dengan sampel kecil dan umumnya
membandingkan dua kelompok tertentu.
 Jadi, dapat disimpulkan Uji Statistik Non-Parametrik ialah suatu uji
statistik yang tidak memerlukan adanya asumsi-asumsi mengenai sebaran data
populasinya (belum diketahui sebaran datanya dan tidak perlu berdistribusi
normal). Oleh karenanya statistik ini juga dikemukakan sebagai statistik bebas
sebaran (tidak mensyaratkan bentuk sebaran parameter populasinya, baik normal
atau tidak). Statistik nonparametrik dapat digunakan untuk menganalisis data yang
berskala nominal atau ordinal. Data berjenis nominal dan ordinal tidak menyebar
normal. Dari segi data, pada dasarnya data berjumlah kecil, yakni kurang dari 30
data atau observasi.

 Korelasi Peringkat
Terdapat tiga jenis koefisien korelasi peringkat pada nonparametrik
yang umumnya digunakan yaitu Spearman R, Kendal tau dan Gamma
Coefficient. Statistik chi-square juga merupakan bagian dari korelasi non-
parametrik, tetapi berbeda dengan ketiga jenis korelasi tersebut,
perhitungannya didasarkan pada tabel frekuensi dua arah (tabel silang). Selain
itu, dalam Spearman R, Kendal tau dan Gamma mempersyaratkan data dalam
skala ordinal (atau dapat diordinal/di peringkat), sedangkan pada statistik chi-
square dapat berupa data nominal maupun ordinal.
a. Spearman R
Spearman R adalah ukuran korelasi pada statistik non-parametrik yang
analog dengan koefisien korelasi Pearson Product Moment pada statistik
parametrik. Spearman R adalah korelasi Pearson yang dihitung atas dasar
rank dari data. Dengan koefisien korelasi peringkat spearman R kita bisa
mengidentifikasi apakah dua variabel memiliki relasi fungsi monotonik
(artinya, ketika suatu angka naik, angka yang lain juga akan naik, atau
sebaliknya). Untuk menghitung koefisien korelasi peringkat spearman
perlu mencari peringkat dan membandingkan kelompok data untuk
mencari ∑ d 2 ,lalu memasukan data tersebut kedalam rumus korelasi
peringkat spearman standar atau yang telah disederhanakan. Bisa juga
menghitung koefisien ini dengan menggunakan rumus excel atau perintah
R.
b. Fungsi Korelasi Peringkat Spearman
Fungsi:
1. Mengetahui ada tidaknya hubungan/ korelasi antara 2 variabel
2. Mengetahui koefisien korelasi
3. Mengetahui arah korelasi
4. Besarnya pengaruh variable independent terhadap variable dependent

c. Keuntungan Dari Korelasi Peringkat Spearman

 Kita tidak lagi harus mengasumsikan bahwa hubungan yang
mendasari antara X dan Y harus linear. Ini berarti jika datanya
 menunjukkan adanya hubungan yang
kurvilinear, maka korelasi peringkat lebih dapatdipercaya daripada
korelasi biasa.
 Kita tidak perlu mengasumsikan bahwa sebaran bagi X dan Y adalah
normal.

d. Kendal tau, adalah ukuran korelasi yang setara dengan Spearman R, terkait
dengan asumsi yang mendasarinya serta kekuatan statistiknya. Namun,
besaran Spearman R dan Kendal tau akan berbeda karena perbedaan dalam
logika mendasari serta formula perhitungannya. Jika Spearman R setara
dengan koefisien korelasi Pearson Product Moment, yaitu koefisien
korelasinya pada dasarnya menunjukkan proporsi variabilitas (dimana
untuk Spearman R dihitung dari ranks sedangkan korelasi Pearson dari
data aslinya), sebaliknya ukuran Kendal tau merupakan probabilita
perbedaan antara probabilita data dua variabel dalam urutan yang sama
dengan probabilita dua variabel dalam urutan yang berbeda
Berdasarkan logika perhitungan ini, Noether (1981) dalam
(Daniel,1991) mengemukakan bahwa koefisien Kendal tau lebih mudah
ditafsirkan dibandingkan Spearman R. Gamma statistic, lebih baik
dibandingkan Spearman R atau Kendal tau ketika data mengandung banyak
observasi yang memiliki nilai yang sama. Gamma ekuivalen dengan
Spearman R dan Kendal tau dari sisi asumsi yang mendasarinya. Tetapi dari
sisi intepretasi dan perhitungannya, Gamma lebih mirip dengan Kendal tau.
Untuk membedakan ketiga perhitungan korelasi tersebut, dapat dilihat
sebagai berikut:
2
6∑ d
Rumus Spearman R: rs=1−
n ( n2−1 )
2(Nc−Nd)
Rumus Kendal tau: r =
n(n−1)
Nc−Nd
Rumus Gamma: γ =
Nc+ Nd

Hipotesa nihil yang akan diuji menyatakan bahwa dua variabel yang diteliti
dengan nilai jenjangnya itu independent, tidak ada hubungan antara jenjang
variabel yang satu dengan jengjang yang lainnya.
Ho : r s=0
H1 : r s ≠ 0

2 2
Dimana : ∑ d i =∑ [ R ( X i ) −( RX i ) ] = jumlah kuadrat selisih variabel X dan Y
Nc = banyaknya concordant, Nd = banyaknya discordant, n = banyaknya data
(Catatan: pemahaman mengenai concordant dan discordant dari perhitungan
contoh berikut) Sebagai contoh, misalnya suatu perusahaan ingin mengetahui
efektivitas pengeluaran biaya iklan pada surat kabar lokal terhadap penjualan
mereka. Untuk kepentingan tersebut, diambil sampel pada 11 daerah pemasaran,
dengan biaya iklan dan penjualan selama setahun terakhir (dalam Rp Juta)
masing-masingnya sebagai berikut:

Contoh Kasus Korelasi Peringkat Spearman R

Langkah-langkah manual uji korelasi peringkat spearman R:

1) Urutkan setiap pasangan tiap variabel x dan y
2) Tetapkan rank untuk x dan y (data sama memiliki rank yang sama)
3) Kurangkan rank x dan y atau sebaliknya
4) Kurangkan selisih rank tersebut
5) Jumlahkan kuadrat selisih rank x dan y sehingga diperoleh
6) Masukan dalam rumus
7) Tetapkan nilai r tabel
8) Bandingkan nilai r hitung dan r tabel
Ho : diterima jika r hitung ≤ r tabel
Ho : ditolak jika r hitung ≥ r tabel
Untuk n < 30 dapat dipergunakan tabel nilai t, dimana nilai t sampe dapat
dihitung dengan rumus :
2
6∑ d
rs=1−
n ( n2−1 )
Ho diterima apabila

Tabel
Ilustrasi Untuk Metode Korelasi Peringkat Sperman

Pekerja Nilai Tes Satuan yang d d2

diprosedusir
X Jenjang Y Jenjang
A 65 1 30 2 -1 1
B 70 2 25 1 1 1
C 76 4 35 3 1 1
D 75 3 40 5 -2 4
E 80 6 38 4 2 4
F 78 5 42 6 -1 1
G 83 7 48 8 -1 1
H 84 8 50 9 -1 1
I 85 9 55 10 -1 1
J 90 10 45 7 3 9
JUMLAH 0
 n−2
t = rs √
1−r s 2
t=
2
6∑ d
rs=1−
n ( n2−1 )
6(24)
rs=1− 2
10 ( 10 −1 )
144
rs=1−
10 ( 99 )
144
rs=1−
990
rs=1−0,145
rs=0,855

Pada a = 0,05 dengan pengujian dua arah untuk n = 10 menurut tabel nilai ρs
(0,025) = 0,648
Jadi, karena rs = 0,855 > ρs (0,025) = 0,468 diputuskan H0 ditolak
Ada korelasi yang nyata antara nilai . . . . .
Langkah-langkah uji korelasi peringkat spearman R dengan SPSS :

1. Buka aplikasi SPSS, kemudian klik Variable View, pada kolom Name
baris pertama tuliskan X dan baris kedua tuliskan Y.
Pada bagian Label untuk X tuliskan Nilai Tes dan untuk Y tuliskan Satuan
yang diprosedusir. Abaikan pilihan yang lainnya dan biarkan tetap default.

2. Klik Data View, pada tampilan Data View terlihat ada dua buah variabel
yakni X dan Y, selanjutnya tuliskan atau masukkan data penelitian untuk
masing-masing variabel

3. Jika data sudah di input dengan benar, selanjutnya klik menu Analyze >
Correlate > Bivariate…
4. Muncul kotak dialog “Bivariate Correlations”, langkah berikutnya adalah
masukkan variabel Nilai Tes [X] dan Satuan yang diprosedusir [Y] ke
kolom Variabel (s), kemudian pada bagian “Correlation Coefficient” beri
tanda ceklis (√) pada pilihan Spearman, pada bagian “Test of
Significance” pilih Two-tailed. Selanjutnya, beri tanda ceklis (√) pada Flag
significant correlations, lalu klik Options…

5. Maka muncul kotak dialog “Bivariate Correlations: Options”, pada bagian

“Missing Values” pilih Exclude cases pairwise, lalu klik Continue
 6. Klik Ok, maka akan muncul output korelasi rank spearman, sebagai
berikut:

Correlations

Satuan yang
Nilai Tes diprosedusir

Spearman's rho Nilai Tes Correlation Coefficient 1.000 .855**

Sig. (2-tailed) . .002

N 10 10

Satuan yang diprosedusir Correlation Coefficient .855** 1.000

Sig. (2-tailed) .002 .

N 10 10

**. Correlation is significant at the 0.01 level (2-tailed).

 DAFTAR PUSTAKA

Daniel,W .(1991). Statistik Nonparametrik Terapan.: Gramedia. Jakarta.

Junaidi. (2010). Statistika Non-Parametrik. Fakultas Ekonomi Universitas Jambi.
Jambi
Siegel, S., and N. J. Castellan. (1988). Nonparametric statistics for the behavioral
sciences. New York: McGraw-Hill, Inc..
Sprent P. (1991 ). Metode Statistik Nonparametrik Terapan. Jakarta. UI-Press.
Singgih Santoso, (2005). Mengatasi Berbagai Masalah Statistik dengan SPSS.
PT. Elex Media Komputindo, Kelompok Gramedia, Jakarta.
W. J. Conover, (1980). Practical Nonparametric Statistics, John Wiley & Sons,
New York