LAPORAN PRAKTIKUM

STATISTIKA NON PARAMETRIK

“Pembandingan Pekerjaan Orang Tua dan Hubungan Antara Jumlah Anggota
Keluarga & Indeks Prestasi Mahasiswa dengan Karakter Ekonomi Orang Tua
Mahasiswa Program Studi Agribisnis Angkatan 2018”

Nama : Dhea Safya Maharani

NIM : 2018-81-005
Prodi : Agribisnis

JURUSAN SOSIAL EKONOMI

FAKULTAS PERTANIAN
UIVERSITAS PATTIMURA
2020
 Kata pengantar
Puji dan syukur saya panjatkan kehadirat Tuhan Yang Maha Esa yang telah melimpahkan
rahmat, karunia, dan bimbingan-Nya dalam kegiatan praktikum dan penyusunan Laporan
praktikum Statistika Non Para dengan Judul “Pembandingan Pekerjaan Orang Tua dan
Hubungan Antara Jumlah Anggota Keluarga & Indeks Prestasi Mahasiswa dengan Karakter
Ekonomi Orang Tua Mahasiswa Program Studi Agribisnis Angkatan 2018”
Laporan Akhir Praktikum ini dapat terselesaikan tidak lepas karena bantuan dan dukungan
dari Dr. Ir. Edizon Jambormias, M,Si dan berbagai pihak yang dengan tulus dan sabar
memberikan sumbangan baik berupa ide, materi pembahasan dan juga bantuan lainnya yang
tidak dapat dijelaskan satu persatu.
Laporan Akhir Praktikum ini membahas tentang Uji Korelasi Rank Spearman dan Uji
Kruskal Wallis. Diharapkan dengan hadirnya laporan ini dapat memberikan gambaran
tentang sebuah ilmu yang berasal dari buah pikiran manusia dan memberikan pengetahuan
bagaimana cara melakukan Uji Korelasi Rank Spearman dan Uji Kruskal Wallis.
Akhirnya kami menyadari sepenuhnya bahwa laporan ini masih jauh dari sempurna, oleh
karena itu dengan segala kerendahan hati, kami mohon para pembaca dan pembimbing
berkenan memberikan saran atau kritik demi perbaikan laporan berikutnya. Semoga laporan
ini dapat memberikan suatu manfaat bagi pembaca dan semua pihak yang terlibat dalam
penyusunan Laporan Praktikum ini.

ii
 DAFTAR ISI
Kata Pengantar.....……………………………………………………………………….ii
Daftar Isi………………………………………………………………………………....iii
Bab I Pendahuluan ………………………………………………………………………1
A. Latar belakang …………………………………………………………………...1
B. Rumusan Masalah ..................................................................................................2
C. Tujuan ....................................................................................................................2
D. Hipotesis ................................................................................................................2

Bab II Tinjauan pustaka…………………………………………………………………..3

Bab III Metodologi ..................…………………………………………………………..4

A. Waktu & tempat praktikum ……………………………………………………..4
B. Metode Pengambilan Sample…………………………………………………….4
C. Metode Pengumpulan Data ………………………………………………………4
D. Analisis Data ..........................................................................................................4

Bab IV Hasil dan Pembahasan …………………………………………………………...7

A. Hasil ........................................................................................................................7
B. Pembahasan .............................................................................................................9
Bab V Penutup ……........…………………...........……………………………………...11
Daftar Pustaka..…………………………………………………………………..............12
Lampiran 1………………………………………………….......………………………..13
Lampiran 2 …………………………………………………............................................. 14

iii
 BAB I
PENDAHULUAN

A. Latar Belakang
Statistika adalah cabang ilmu yang mempelajari tentang bagaimana mengumpulkan,
menganalisis dan menginterpretasikan data. Atau dengan kata lain, statistika menjadi
semacam alat dalam melakukan suatu riset empiris. Dalam menganalisis data, para
ilmuwan menggambarkan persepsinya tentang suatu fenomena. Deskripsi yang sudah
stabil tentang suatu fenomena seringkali mampu menjelaskan suatu teori. Walaupun
demikian, orang dapat saja berargumentasi bahwa ilmu biasanya menggambarkan
bagaimana sesuatu itu terjadi, bukannya mengapa. Penemuan teori baru merupakan suatu
proses kreatif yang didapat dengan cara mereka ulang informasi pada teori yang telah
ada atau mengesktrak informasi yang diperoleh dari dunia nyata. Pendekatan awal yang
umumnya digunakan untuk menjelaskan suatu fenomena adalah statistika deskriptif.
Di Indonesia Pengantar Statistika telah dicantumkan dalam kurikulum Matematika
Sekolah Dasar sejak tahun 1975. Hal itu disebabkan karena sekitar lingkungan kita
berada selalu berkaitan dengan Statistik. Misalnya di kantor kelurahan kita mengenal
statistik desa, di dalamnya memuat keadaan penduduk mulai dari banyak penduduk,
pekerjaanya, banyak anak, dan sebagainya.
Dan banyaknya cara yang ditemukan untuk menghitung uji statistik, sehingga penting
bagi kita mempelajarinya khususnya cara menghitung uji statistik dengan cara Spearman
Rho dan Kruskal Wallis.
Uji Korelasi Charles Spearman atau Spearman's Rank Correlation Coefficient atau
Spearman's rho merupakan salah satu koefisien korelasi dalam metode statitika non
parametrik selain Kendall, Uji Spearman’s Rho digunakan untuk menguji erat tidaknya
hubungan antara 2 variabel yang berdata ordinal atau salah satu variabel berdata ordinal
dan lainnya nominal maupun rasio. Terkait dengan karakteristik skala data ordinal
tersebut maka uji korelasi Spearman termasuk statistik nonparametrik yaitu tidak
mensyaratkan data harus berdistribusi normal. Untuk mengetahui terdapat hubungan atau
tidak dapat dilihat dari nilai signifikansi dan seberapa kuat hubungan tersebut dapat
dilihat dari nilai koefisien korelasi atau r.
Uji Kruskal-Wallis atau yang biasa disebut kruskal wallis satu arah anova merupakan
gagasan dari dua orang yaitu William kruskal dan W.allen wallis. Analisis varians satu-
arah berdasarkan peringkat Kruskal-Wallis yaitu teknik nonparametrik yang digunakan
untuk menguji hipotesis nol yang menyatakan bahwa beberapa sampel telah ditarik dari
populasi-populasi yag sama atau identik. Dan apabila kasus yang diselidiki hanya dua
sampel, maka uji Kruskal-Wallis setara dengan uji Mann-Whitney. Uji Kruskal-Wallis
memanfaatkan informasi yang lebih banyak ketimbang yang digunakan pada uji median.
Kruskal-Wallis test—disebut juga H test—adalah suatu prosedur alternatif dari one-
way ANOVA. Kruskal-Wallis test juga mengasumsikan bahwa varian antara k populasi
(treatment) adalah sama, tetapi k populasi tersebut berdistribusi kontinu dan mempunyai
bentuk (shape) yang sama (sedangkan shape tersebut dapat skewed, bimodal, atau apa
saja). Dan tidak seperti dalam ANOVA test, Kruskal-Wallis, yang merupakan metode

1
alternatif nonparametrik, dapat digunakan untuk data respon yang ordinal atau ranked
data.
B. Rumusan Masalah
1. Bagaimana analisis korelasi Rank-Spearman antara peubah-peubah jumlah
anggota keluarga, penghasilan, pendapatan, pengeluaran orang tua serta indeks
prestasi mahasiswa program studi Agribisnis angkatan 2018.
2. Bagaimana analisis Kruskal Wallis antara pekerjaan orang tua dan peubah-peubah
jumlah anggota keluarga, penghasilan, pendapatan, pengeluaran orang tua serta
indeks prestasi mahasiswa program studi Agribisnis angkatan 2018.

C. Tujuan
1. Untuk mengetahui ada atau tidaknya korelasi/hubungan antara peubah-peubah
jumlah anggota keluarga, penghasilan, pendapatan, pengeluaran orang tua serta
indeks prestasi mahasiswa program studi Agribisnis angkatan 2018.
2. Untuk mengetahui ada atau tidaknya perbedaan antara pekerjaan orang tua dan
peubah-peubah jumlah anggota keluarga, penghasilan, pendapatan, pengeluaran
orang tua serta indeks prestasi mahasiswa program studi Agribisnis angkatan
2018.

D. Hipotesis
1. Terdapat korelasi antara peubah-peubah jumlah anggota keluarga, penghasilan,
pendapatan, pengeluaran orang tua serta indeks prestasi mahasiswa program studi
Agribisnis angkatan 2018.
2. Korelasi antara peubah-peubah jumlah anggota keluarga, penghasilan,
pendapatan, pengeluaran orang tua serta indeks prestasi mahasiswa program studi
Agribisnis angkatan 2018 cenderung searah dan nyata.
3. Terdapat perbedaan antara pekerjaan orang tua dan peubah-peubah jumlah
anggota keluarga, penghasilan, pendapatan, pengeluaran orang tua serta indeks
prestasi mahasiswa program studi Agribisnis angkatan 2018

2
 BAB II
TINJAUAN PUSTAKA
A. Statistika Non Parametrik
Dalam statsitik inferensi, dua hal yang menjadi pokok pembicaraan adalah perkiraan
parameter populasi dan pengujian hipotesis. Teknik inferensi yang pertama
dikembangkan adalah mengenai pembuatan sejumlah besar asumsi sifat populasi di
mana sampel telah diambil. Teknik statistik ini kemudian dikenal dengan Statistik
Parametrik, karena harga – harga populasi merupakan “parameter”. Misalnya, suatu
teknik inferensi mungkin didasarkan pada asumsi bahwa skor – skor telak ditarik dari
populasi yang berdistribusi normal dengan parameter mean dan proporsi yang tidak
diketahui. Jadi, pada statitik parametrik, distribusi populasi atau ditribusi variable
randomnya mempunyai model matematik yang diketahui, akan tetapi memuat
beberapa parameter yang belum diketahui (Andi,1998).
Pembicaraan lebih lanjut dalam statistik inferensi adalah bilamana kita hendak
menguji atau menaksir nilai karateristik suatu populasi (seperti median kwartil
jangkauan dan lain-lain) yang sama sekali tidak kita ketahui distribusi populasinya,
atau bahakan kita ingin mengetahui distribusi F(x) sendiri dari populasi, maka kita
sedang dihadapkan dengan permasalahan statistik non parametrik atau biasa disebut
juga dengan statistik bebas distribusi. Jadi, dalam statistik non parametrik tidak
memerlukan asumsi-asumsi tertentu menegenai populasinya, dan juga tidak
memerlukan hipotesis-hipotesis yang berhubungan dengan parameter-parameter
tertentu. Pengujian nonparametrik banyak sekali digunakan untuk analisis data dari
ilmu-ilmu sosial yang pada umumnya sulit untuk memenuhi asumsi-asumsi
sebagaimana statistik parametrik, seperti kenormalan distribusi dan kesamaan variansi
sampel dari populasi (Andi,1998).
Statistik–statistik non-parametrik merupakan kumpulan alat-alat untuk analisis data
yang menawarkan sebuah pendekatan yang berbeda dengan cara-cara pengambilan
keputusan yang selama ini kita pelajari. Pendekatan ini tidak menekankan kepada
asumsi–asumsi sebagaimana terdapat pada statistik parametrik, seperti distribusi
sampel dari parameter populasi dianggap normal (Sarwoko,2007).
B. Uji Korelasi Rank Spearman
Korelasi Rank Spearman digunakan untuk mencari hubungan atau untuk menguji
signifikan hipotesis asosiatif bila masing-masing variable yang dihubungkan
berbentuk
ordinal, dan sumber data antar variable tidak harus sama. Ukuran asosiasi yang sering
digunakan adalah koefisien korelasi peringkat Spearman (Spearman rank correlation
coefficient) yang diperkenalkan oleh Spearman (1904).
C. Uji Kruskal Walllis
Teknik ini digunakan untuk menguji hipotesis k sampel independen bila datanya
berbentuk ordinal. Bila dalam pengukuran ditemukan data berbentuk interval/rasio,
maka perlu dirubah dulu ke dalam data ordinal ( data berbentuk rangking/peringkat).
Uji Kruskal-Wallis (Kruskal-Wallis one-way analysis of variance by ranks) adalah
teknik statistika nonparametrik yang digunakan untuk menguji hipotesis awal bahwa
beberapa contoh berasal dari populasi yang sama/identik. Jika hanya melibatkan dua
contoh, uji Kruskal-Wallis ekuivalen dengan uji Mann-Whitney. Uji Kruskal-Wallis
digunakan untuk rancangan acak lengkap.

3
4
 BAB III
METODOLOGI
A. Waktu dan Tempat Pelaksanaan Praktikum
Praktikum ini mulai dilakukan pada hari Selasa tanggal 7 Januari 2020 dan selesai
pada hari Jumat tanggal 10 Januari 2020. Praktikum berlokasi di Universitas
Pattimura, Fakultas Pertanian, Jurusan Sosial Ekonomi, Program Studi Agribisni.
B. Metode Pengambilan Sampel
Metode pengambilan sampel yang digunakan ialah metode Purposive Sampling.
Metode ini menggunakan kriteria yang telah dipilih oleh peneliti dalam memilih
sampel. Kriteria pemilihan sampel terbagi menjadi kriteria inklusi dan eksklusi.
Sample yang dipilih yaitu Mahasiswa Program Studi Agribisnis Angkatan 2018
sebanyak 38 Orang.
C. Metode Pengumpulan Data
Metode yang digunakan dalam mengumpulkan data ialah Wawancara. Metode
Wawancara merupakan teknik pengumpulan data yang dilakukan melalui tatap muka
dan tanya jawab langsung antara pengumpul data maupun peneliti terhadap
narasumber atau sumber data. Wawancara pada penelitian sampel besar biasanya
hanya dilakukan sebagai studi pendahuluan karena tidak mungkin menggunakan
wawancara pada 1000 responden, sedangkan pada sampel kecil teknik wawancara
dapat diterapkan sebagai teknik pengumpul data.
Sumber data terbagi menjadi dua yaitu data primer dan data sekunder. Data primer
adalah data yang diperoleh peneliti secara langsung (dari tangan pertama), sementara
data sekunder adalah data yang diperoleh peneliti dari sumber yang sudah ada.
Sumber data yang digunakan ialah data primer. Dimana data primer merupakan data
yang saya kumpulkan dengan cara mewawancarai narasumber.
D. Analisis Data
1. Uji Rank Spearman
 Asumsi
1. Data terdiri dari contoh acak sebanyak n pasang pengamatan, dapat
berupa numeric maupun non-numerik.
2. Setiap pengamatan berpasangan menggambarkan dua pengukuran yang
diambil dari objek yang sama, disebut unit asosiasi.
 Hipotesis
1. H0 : X dan Y saling bebas
H1 : X dan Y memiliki hubungan searah atau berkebalikan
2. H0 : X dan Y saling bebas
H1 : X dan Y memiliki hubungan searah
3. H0 : X dan Y saling bebas
H1: X dan Y memiliki hubungan berkebalikan
 Statistik Uji
Prosedur untuk menghitung statistik uji korelasi peringkat Spearman
antara peubah X dan Y, adalah sebagai berikut :
1. Urutkan nilai-nilai pengamatan peubah X dari yang paling kecil hingga
paling besar. Peringkat untuk nilai ke-i ditulis sebagai R(Xi). Jika Xi
adalah nilai terkecil pada peubah X, maka R(Xi)=1.
2. Lakukan langkah 1 untuk peubah Y.
3. Jika ada beberapa nilai yang sama (ties) berikan peringkat tengah (mid-
rank).

5
 4. Statistik uji korelasi peringkat Spearman adalah :
Rs = 1⁻
dalam hal ini i² = Σ [R(Xi) – (Yi)]²
Statistik uji r s merupakan koefisien korelasi peringkat Spearman yang
mengukur keeratan hubungan antara peringkat-peringkat pengamatan
contoh. Ties. Jika ada nilai yang sama (ties) baik pada peubah X
maupun Y maka diberikan peringkat tengah (mid-rank). Ties sangat
kecil pengaruhnya terhadap nilai hitung rs, kecuali dalam jumlah yang
banyak. Ketika data mengandung ties, rs dapat dikoreksi jika
diinginkan. Jika tx dan ty adalah banyaknya pengamatan X dan Y yang
ties dan misalkan :
Tx = ΣX² = – ΣTx
Yx = ΣY² = – ΣYx
Jika koreksi terhadap ties diterapkan, maka statistik uji menjadi :
rs*=
 Kaidah Keputusan
a. Tolak H0 jika nilai mutlak statistik uji |r s| lebih besar dari nilai tabel
untuk ukuran contoh n dan taraf nyata α(2)
b. Tolak H0 jika nilai statistik uji r s lebih besar dari nilai tabel untuk
ukuran. contoh n dan taraf nyata α(1)
c. Tolak H0 jika nilai statistik uji r s lebih kecil dari nilai tabel untuk
ukuran. contoh n dan taraf nyata α(1).
d. Tolak H0 jika p-value lebih kecil dari α
e. Terima H0 jika p-value lebih besar dari α
f. P-Value > 0,05 = hubungan tidak nyata
g. P-Value < 0,01 = hubungan sangat nyata
h. P-Value > 0,01 dan P value ≤ 0,05 = hubungan cukup nyata

2. Uji Kruskal Wallis

 Asumsi
a. Data terdiri dari contoh acak X1 , X2 , …, Xn yang berasal dari populasi
1 dengan median Mx , dan contoh acak Y1, Y2 , …, Yn dari populasi 2
dengan median My . Nilai Mx dan My tidak diketahui.
b. Kedua contoh saling bebas
c. Peubah acak bersifat kontinu
d. Skala pengukuran minimal ordinal
e. Fungsi sebarandari keduapopulasi hanya dipisahkan oleh lokasi
parameter
 Hipotesis
Ho : M1 = M2 = …. = Mk atau k populasi mempunyai fungsi sebaran yang
identik
H1 : Ada minimal satu Mi ≠ Mj dimana i ≠ j dan i, j = 1, 2, …, k
 Statistik Uji
1. Seperti halnya uji Mann-Whitney, gabungkan seluruh data contoh,
sehingga akan ada sebanyak n1 + n2 + …. + nk = N pengamatan
2. Peringkatkan setiap pengamatan dari yang terkecil hingga terbesar.
Jika terdapat ties (nilai yang sama), beri peringkat tengah (mid-rank).

6
 3. Hitung jumlah peringkat untuk setiap contoh, nyatakan masing-masing
sebagai Rᵢ.
4. Statistik uji Kruskal-Wallisdapat diperoleh melalui rumus :
H = - 3(N – 1)
Dalam hal ini R i adalah jumlah peringkat untuk contoh ke-i, n i adalah
jumlah pengamatan pada contoh ke-i, dan N adalah total pengamatan.
Jika ada ties, statistik uji perlu dikoreksi dengan faktor :
1 - dalam hal ini T = t³ - t dan t adalah banyaknya ties.
 Kaidah Keputusan
a. Jika hanya melibatkan tiga contoh/perlakuan (k=3) dan setiap contoh
terdiri dari lima atau kurang pengamatan, gunakan tabel Kruskal-
Wallis. Tolak H0 jika H atau Hc ˃ ꭓ α
b. Jika tabel Kruskall Wallis tidak dapat digunakan, gunakan table khi-
kuadrat. Tolak H0 jika H atau Hc ˃ ꭓ² α,k-1
c. Tolak H0 jika p-value lebih kecil dari α
d. Terima H0 jika p-value lebih besar dari α

7
 BAB IV
HASIL DAN PEMBAHASAN

A. Hasil
1. Analisis Korelasi Rank Spearman
Hasil analisis Rank Spearman menunjukan ada tidaknya korelasi pada setiap
peubah-peubah (Tabel 1).
Tabel 1 : Hasil Uji Rank Spearman
X1 1
X2 0,765** 1
X3 0,732** 0,902** 1
X4 0,292tn 0,168tn 0,336* 1
X5 0,468** 0,506** 0,606** 0,183tn 1
Ket : X1 : Pendapatan, X2 : Penghasilan, X3 : Pengeluaran, X4 : Jumlah
Anggota Keluarga, X5 : Indeks Prestasi Mahasiswa.
* = Nyata
** = Sangat Nyata
tn = Tidak Nyata

Hipotesis

 H0 : tidak adanya hubungan antara variabel

 H1 : adanya hubungan antara variabel
 Hubungan antara penghasilan dengan pendapatan
Hasil output minitab antara penghasilan dengan pendapatan
menunjukan bahwa nilai spearman rho = 0,765 dan p-value = 0,000.
Dapat disimpulkan bahwa H0 ditolak karena p-value = 0,000 < α =
0,05 sehingga antara penghasilan dengan pendapatan memiliki
hubungan. Nilai P-Value menunjukan bahwa arah korelasi positif
dengan kekuatan korelasi sangat nyata.
 Hubungan antara pengeluaran dengan pendapatan
Hasil output minitab antara pengeluaran dengan pendapatan
menunjukan bahwa nilai spearman rho = 0,732 dan p-value = 0,000.
Dapat disimpulkan bahwa H0 ditolak karena p-value = 0,000 < α =
0,05 sehingga antara pengeluaran dengan pendapatan memiliki
hubungan. Nilai P-Value menunjukan bahwa arah korelasi positif
dengan kekuatan korelasi sangat nyata.
 Hubungan antara jumlah anggota keluarga dengan pendapatan
Hasil output minitab antara jumlah anggota keluarga dengan
pendapatan menunjukan bahwa nilai spearman rho = 0,292 dan p-value
= 0,075. Dapat disimpulkan bahwa H0 diterima karena p-value = 0,075
> α = 0,05 sehingga antara jumlah anggota keluarga dengan
pendapatan tidak memiliki hubungan atau tidak nyata.
 Hubungan antara IPK dengan pendapatan
Hasil output minitab antara IPK dengan pendapatan menunjukan
bahwa nilai spearman rho = 0,468 dan p-value = 0,003. Dapat
disimpulkan bahwa H0 ditolak karena p-value = 0,003 < α = 0,05
sehingga antara IPK dengan pendapatan memiliki hubungan. Nilai P-

8
 Value menunjukan bahwa arah korelasi positif dengan kekuatan
korelasi sangat nyata.
 Hubungan antara pengeluaran dengan penghasilan
Hasil output minitab antara pengeluaran dengan penghasilan
menunjukan bahwa nilai spearman rho = 0,902 dan p-value = 0,000.
Dapat disimpulkan bahwa H0 ditolak karena p-value = 0,000 < α =
0,05 sehingga antara pengeluaran dengan penghasilan memiliki
hubungan. Nilai p-value menunjukan bahwa arah korelasi positif
dengan kekuatan korelasi sangat nyata.
 Hubungan antara jumlah anggota keluarga dengan penghasilan
Hasil output minitab antara jumlah anggota keluarga dengan
penghasilan menunjukan bahwa nilai spearman rho = 0,168 dan p-
value = 0,312. Dapat disimpulkan bahwa H0 diterima karena p-value =
0,312 > α = 0,05 sehingga antara jumlah anggota keluarga dengan
pennghasilan tidak memiliki hubungan atau tidak nyata.
 Hubungan antara IPK dengan penghasilan
Hasil output minitab antara IPK dengan penghasilan menunjukan
bahwa nilai spearman rho = 0,506 dan p-value = 0,001. Dapat
disimpulkan bahwa H0 ditolak karena p-value = 0,001 < α = 0,05
sehingga antara IPK dengan penghasilan memiliki hubungan. Nilai p-
value menunjukan bahwa arah korelasi positif dengan kekuatan
korelasi sangat nyata.
 Hubungan antara jumlah anggota keluarga dengan pengeluaran
Hasil output minitab antara jumlah anggota keluarga dengan
pengeluaran menunjukan bahwa nilai spearman rho = 0,336 dan p-
value = 0,039. Dapat disimpulkan bahwa H0 ditolak karena p-value =
0,039 < α = 0,05 sehingga antara jumlah anggota keluarga dengan
pengeluaran memiliki hubungan. nilai p-value menunjukan bahwa arah
korelasi positif dengan kekuatan korelasi cukup nyata.
 Hubungan antara IPK dengan pengeluaran
Hasil output minitab antara IPK dengan pengeluaran menunjukan
bahwa nilai spearman rho = 0,606 dan p-value = 0,000. Dapat
disimpulkan bahwa H0 ditolak karena p-value = 0,000 < α = 0,05
sehingga antara IPK dengan pengeluaran memiliki hubungan. Nilai p-
value menunjukan bahwa arah korelasi positif dengan kekuatan
korelasi sangat nyata.
 Hubungan antara jumlah anggota keluarga dengan IPK
Hasil output minitab antara jumlah anggota keluarga dengan IPK
menunjukan bahwa nilai spearman rho = 0,183 dan p-value = 0,272.
Dapat disimpulkan bahwa H0 diterima karena p-value = 0,272 > α =
0,05 sehingga antara jumlah anggota keluarga dengan IPK tidak
memiliki hubungan atau tidak nyata.

2. Analisis Kruskal Wallis

Hipotesis
 H0 : tidak adanya perbedaan
 H1 : adanya perbedaan
 Pendapatan Vs Pekerjaan
Hasil output minitab pendapatan vs pekerjaan menunjukan bahwa p-
value = 0,000 dan p-value (adjusted for ties) = 0,000. Dapat

9
 disimpulkan bahwa H0 ditolak karena p-value = 0,000 < α = 0,05
sehingga antara jumlah pendapatan dengan pekerjaan memiliki
perbedaan.
 Penghasilan Vs Pekerjaan
Hasil output minitab penghasilan vs pekerjaan menunjukan bahwa p-
value = 0,001 dan p-value (adjusted for ties) = 0,001. Dapat
disimpulkan bahwa H0 ditolak karena p-value = 0,001 < α = 0,05
sehingga antara jumlah penghasilan dengan pekerjaan memilliki
perbedaan.
 Pengeluaran Vs Pekerjaan
Hasil output minitab pengeluaran vs pekerjaan menunjukan bahwa p-
value = 0,002 dan p-value (adjusted for ties) = 0,002. Dapat
disimpulkan bahwa H0 ditolak karena p-value = 0,002 < α = 0,05
sehingga antara jumlah pengeluaran dengan pekerjaan memiliki
perbedaan.
 Jumlah anggota keluarga Vs Pekerjaan
Hasil output minitab jumlah anggota keluarga vs pekerjaan
menunjukan bahwa p-value = 0,602 dan p-value (adjusted for ties) =
0,574. Dapat disimpulkan bahwa H0 diterima karena p-value = 0,602 >
α = 0,05 sehingga antara jumlah pendapatan dengan pekerjaan tidak
memiliki perbedaan.
 IPK Vs Pekerjaan
Hasil output minitab pendapatan vs pekerjaan menunjukan bahwa p-
value = 0,396 dan p-value (adjusted for ties) = 0,395. Dapat
disimpulkan bahwa H0 diterima karena p-value = 0,396 > α = 0,05
sehingga antara IPK dengan pekerjaan tidak memiliki perbedaan.

B. Pembahasan
1. Analisis Rank Spearman
 Hubungan Antara Penghasilan dan Pendapatan
Pengeluaran dan pendapatan memiliki hubungan yang sangat nyata.
Hubungan ini bersifat positif atau jika penghasilan sesorang tinggi
maka pendapatan pun akan tinggi atau sebaliknya.
 Hubungan antara pengeluaran dengan pendapatan
Pengeluaran dengan pendapatan memiliki hubungan yang sangat nyata.
Hubungan ini bersifat positif atau apabila pendapatan seseorang tinggi
maka pengeluarannya pun tinggi atau sebaliknya.
 Hubungan antara jumlah anggota keluarga dengan pendapatan
Jumlah anggota keluarga dengan pendapatan tidak memiliki hubungan
apapun dalam hal ini keduanya tidak saling mempengaruhi.
 Hubungan antara IPK dengan pendapatan
IPK dengan pendapatan memiliki hubungan yang sangat nyata.
Hubungan ini bersifat positif atau apabila pendapatan orang tua tinggi
maka IPK mahasiswa agribisnis angkatan 2018 pun tinggi atau
sebaliknya.
 Hubungan antara pengeluaran dengan penghasilan
Pengeluaran dengan penghasilan memiliki hubungan yang sangat
nyata. Hubungan ini bersifat positif atau apabila pengeluaran seseorang
tinggi maka penghasilan pun tinggi atau sebaliknya.
 Hubungan antara jumlah anggota keluarga dengan penghasilan

10
 Jumlah anggota keluarga dengan penghasilan tidak memiliki hubungan
apapun dalam hal ini keduanya tidak saling mempengaruhi.
 Hubungan antara IPK dengan penghasilan
IPK dengan penghasilan memiliki hubungan yang sangat nyata.
Hubungan ini bersifat positif atau apabila penghasilan orang tua tinggi
maka IPK mahasiswa agribisnis angkatan 2018 pun tinggi atau
sebaliknya.
 Hubungan antara jumlah anggota keluarga dengan pengeluaran
Jumlah keluarga dengan pengeluaran memiliki hubungan yang cukup
nyata. Hubungan ini bersifat positif atau apabila jumlah anggota
keluarga banyak maka pengeluarannya pun akan banyak atau
sebaliknya.
 Hubungan antara IPK dengan pengeluaran
Hubungan antara IPK dengan pengeluaran sangat nyata. Hubungan ini
bersifat positif atau apabila IPK tinggi maka pengeluaran pun tinggi
begitu juga sebaliknya.
 Hubungan antara jumlah keluarga dengan IPK
Jumlah anggota keluarga dengan IPK tidak memiliki hubungan apapun
dalam hal ini keduanya tidak saling mempengaruhi.

2. Analisis Kruskal Wallis

 Pendapatan Vs Pekerjaan
Antara jumlah pendapatan dengan pekerjaan memiliki perbedaan.
 Penghasilan Vs Pekerjaan
Antara jumlah penghasilan dengan pekerjaan memilliki perbedaan.
 Pengeluaran Vs Pekerjaan
Antara jumlah pengeluaran dengan pekerjaan memiliki perbedaan.
 Jumlah anggota keluarga Vs Pekerjaan
Antara jumlah pendapatan dengan pekerjaan tidak memiliki perbedaan.
 IPK Vs Pekerjaan
Antara IPK dengan pekerjaan tidak memiliki perbedaan.

11
 BAB V
PENUTUP
Kesimpulan
Berdasarkan hasil prraktikum dapat disimpulkan bahwa :
1. Korelasi Rank Spearman digunakan untuk mencari hubungan atau untuk menguji
signifikan hipotesis asosiatif bila masing-masing variable yang dihubungkan
berbentuk ordinal, dan sumber data antar variable tidak harus sama.
2. Uji Kruskal-Wallis (Kruskal-Wallis one-way analysis of variance by ranks) adalah
teknik statistika nonparametrik yang digunakan untuk menguji hipotesis awal bahwa
beberapa contoh berasal dari populasi yang sama/identik. Jika hanya melibatkan dua
contoh, uji Kruskal-Wallis ekuivalen dengan uji Mann-Whitney. Uji Kruskal-Wallis
digunakan untuk rancangan acak lengkap.
3. Berdasarkan Uji Korelasi Rank Spearman kita dapat mengetahui bahwa :
 Penghasilan dengan pendapatan memiliki hubungan yang sangat nyata dan
positif.
 Pengeluaran dengan pendapatan memiliki hubungan yang sangat nyata dan
positif.
 Jumlah anggota keluarga dengan pendapatan tidak memiliki hubungan.
 IPK dengan pendapatan memiliki hubungan yang sangat nyata dan positif.
 Pengeluaran dengan penghasilan memiliki hubungan yang sangat nyata dan
positif.
 Jumlah anggota keluarga dengan penghasilan tidak memiliki hubungan.
 IPK dengan penghasilan memiliki hubungan yang sangat nyata dan positif.
 jumlah anggota keluarga dengan pengeluaran memiliki hubungan yang cukup
nyata dan positif.
 IPK dengan pengeluaran memiliki hubungan yang sangat nyata dan positif.
 Hubungan antara jumlah anggota keluarga dengan IPK tidak memiliki hubungan.
4. Berdasarkan Uji Kruskal Wallis
 Jumlah pendapatan dengan pekerjaan memiliki perbedaan.
 Jumlah penghasilan dengan pekerjaan memilliki perbedaan.
 Jumlah pengeluaran dengan pekerjaan memiliki perbedaan.
 Jumlah pendapatan dengan pekerjaan tidak memiliki perbedaan.
 IPK dengan pekerjaan tidak memiliki perbedaan.

12
 Daftar Pustaka

https://getut.staff.uns.ac.id/files/2014/02/KD4_4Korelasi-Spearman.pdf diakses pada

tanggal 22 Januari 2020

https://digensia.wordpress.com/2013/07/09/uji-korelasi-spearman/ diakses pada tanggal 22

Januari 2020

https://tu.laporanpenelitian.com/2015/05/67.html diakses pada tanggal 22 Januari 2020

https://www.statistikian.com/2014/07/uji-kruskall-wallis-h.html diakses pada tanggal 22

Januari 2020

https://statmat.id/uji-kruskal-wallis/ diakses pada tanggal 22 Januari 2020

https://statistikceria.blogspot.com/2014/06/uji-kruskal-wallis.html diakses pada tanggal 22

Januari 2020

https://statistikceria.blogspot.com/2014/05/teori-analisis-korelasi.html diakses pada tanggal

22 Januari 2020

https://www.coursehero.com/file/p7cd3gm/uji-rata-rata-rangking-dengan-rumus-sebagai-
berikut-i-i-H-n-n-k-N-K-N-S-k-N-db/ diakses pada tanggal 22 Januari 2020

https://en.wikipedia.org/wiki/Spearman%27s_rank_correlation_coefficient diakses pada

tanggal 22 Januari 2020

13
 Lampiran 1
Data Responden
NO NAMA MAHASISWA JUMLAH PENDAPATAN PENGASILAN PENGELUAR PEKERJAAN IPK
ANGGOTA ORANG TUA (TAHUNAN) AN ORANG
KELUARGA (TAHUNAN) TUA
1 Wa Ode Surina Judin 6 Rp 1.000.000 Rp 12.000.000 Rp 11.520.000 Petani 3,00
2 Armedia Boeng 6 Rp 2.000.000 Rp 17.000.000 Rp 7.000.000 Petani 2,39
3 Ancelina Ohoiledwarin 8 Rp 1.000.000 Rp 12.000.000 Rp 12.000.000 Petani 2,72
4 Desire Sofia Luturkey 3 Rp 4.600.000 Rp 55.000.000 Rp 55.000.000 PNS 3,05
5 Daniel L. Lompira 3 Rp 1.500.000 Rp 18.000.000 Rp 7.500.000 wiraswasta 2,25
6 Andini Putri 5 Rp 1.000.000 Rp 12.600.000 Rp 13.000.000 Petani 2,87
7 Sindra P Tanate 3 Rp 1.000.000 Rp 12.000.000 Rp 6.000.000 Petani 3,05
8 Andra Sangita Pelu 4 Rp 1.500.000 Rp 18.000.000 Rp 9.000.000 Petani 3,08
9 Herminus Ajina 3 Rp 1.000.000 Rp 12.000.000 Rp 6.000.000 petani 3,00
10 Mitha Bazergan 7 Rp 2.800.000 Rp 32.400.000 Rp 26.600.000 wiraswasta 3,85
11 Meirani Putri Azizah 4 Rp 7.500.000 Rp 90.000.000 Rp 75.000.000 PNS 3,75
12 Barkah Shafira 4 Rp 8.000.000 Rp 96.000.000 Rp 90.000.000 PNS 3,50
13 Nur Ida Wati 4 Rp 958.000 Rp 25.000.000 Rp 13.500.000 Petani 3,63
14 Siti Sulasmi Rumfot 4 Rp 4.000.000 Rp 30.000.000 Rp 18.000.000 PNS 3,25
15 Rosna Wabula 3 Rp 5.000.000 Rp 60.000.000 Rp 30.000.000 Wirausaha 3,66
16 Eka Hermawanti 4 Rp 958.000 Rp. 25.000.000 Rp 13.500.000 petani 3,29
17 Waita Nuranisah 6 Rp 1.600.000 Rp 14.400.000 Rp 32.100.000 petani 3,61
18 Raudatul Jana Bugis 3 Rp 958.000 Rp 25.000.000 Rp 13.500.000 petani 3,37
19 Ayu Harnanti 4 Rp 1.500.000 Rp 18.000.000 Rp 14.000.000 Wirausaha 3,61
20 Hardin Lamani 2 Rp 1.000.000 Rp 12.000.000 Rp 6.000.000 nelayan 3,03
21 Miranti Lela Pratiwi 5 Rp 1.250.000 Rp 11.000.000 Rp 10.000.000 petani 3,39
22 Sri Husna 5 Rp 3.000.000 Rp 36.000.000 Rp 34.000.000 Karyawan 3,11
23 Rifai Malawat 4 Rp 500.000 Rp 5.200.000 Rp 3.800.000 Petani 2,75
24 Helmi Dwi Suciati 5 Rp 4.200.000 Rp 50.400.000 Rp 42.000.000 Wiraswasta 3,45
25 Villia G Paays 6 Rp 8.000.000 Rp 96.000.000 Rp 96.000.000 PNS 3,85
26 Jusyan Dona Kailuhu 8 Rp 5.000.000 Rp 60.000.000 Rp 60.000.000 PNS 3,50
27 Muh. Fajrin Anwar 5 Rp 1.500.000 Rp 50.000.000 Rp 40.000.000 Wirausaha 3,06
28 Julio D Tunyluhulima 3 Rp 3.000.000 Rp 36.000.000 Rp 34.000.000 PNS 3,50
29 Rahmawati Rumateor 3 Rp 1.500.000 Rp 18.000.000 Rp 12.000.000 Wiraswasta 3,00
30 Sinta Wahyuni 5 Rp 1.500.000 Rp 25.000.000 Rp 50.000.000 Petani 3,75
31 Marsel Sahetapy 5 Rp 2.000.000 Rp 24.000.000 Rp 12.000.000 Wiraswasta 2,35
32 Muhammad syahroni 5 Rp 3.000.000 Rp 36.000.000 Rp 30.000.000 Wirausaha 3,32
33 Elisya Sopaheluwakan 6 Rp 5.100.000 Rp 63.000.000 Rp 65.000.000 PNS 3,60
34 La Jais 5 Rp 3.500.000 Rp 45.000.000 Rp 30.000.000 Wirausaha 2,20
35 Saiful Muhammad 2 Rp 400.000 Rp 4.800.000 Rp 300.000 Wirausaha 2,60
36 Sellin Bairat Nisa 5 Rp 6.000.000 Rp 13.200.000 Rp 10.000.000 wirausaha 3,71
37 Sandra Arfa Ely 5 Rp 2.000.000 Rp 24.000.000 Rp 15.000.000 Petani 3,18
38 Diah Ayu Puspanegara 3 Rp 2.000.000 Rp 24.000.000 Rp 15.000.000 Wiraswasta 3,45

14
Lampiran 2

Hasil Minitab Analisis Korelasi Rank Spearman

Hasil Minitab Analisis Kruskal Wallis

Kruskal-Wallis Test: pendapatan versus pekerjaan

Kruskal-Wallis Test on pendapatan

pekerjaan N Median Ave Rank Z

karyawan 1 3000000 26,0 0,59
nelayan 1 1000000 8,5 -1,00
petani 15 1000000 10,8 -3,91
PNS 8 5050000 32,9 3,85
wiraswasta 6 2000000 21,3 0,44
wirausaha 7 3000000 21,9 0,64
Overall 38 19,5

H = 22,78 DF = 5 P = 0,000
H = 23,01 DF = 5 P = 0,000 (adjusted for ties)

* NOTE * One or more small samples

Kruskal-Wallis Test: penghasilan versus pekerjaan

Kruskal-Wallis Test on penghasilan

pekerjaan N Median Ave Rank Z

karyawan 1 36000000 27,0 0,68
nelayan 1 12000000 6,0 -1,23
petani 15 14400000 12,0 -3,37
PNS 8 61500000 32,8 3,81
wiraswasta 6 24000000 20,2 0,16
wirausaha 7 36000000 20,7 0,32
Overall 38 19,5

H = 20,41 DF = 5 P = 0,001
H = 20,52 DF = 5 P = 0,001 (adjusted for ties)

* NOTE * One or more small samples

15
Kruskal-Wallis Test: pengeluaran versus pekerjaan

Kruskal-Wallis Test on pengeluaran

pekerjaan N Median Ave Rank Z

karyawan 1 34000000 28,5 0,82
nelayan 1 6000000 4,0 -1,41
petani 15 12000000 13,5 -2,67
PNS 8 62500000 32,9 3,85
wiraswasta 6 13500000 17,9 -0,38
wirausaha 7 30000000 19,2 -0,08
Overall 38 19,5

H = 18,75 DF = 5 P = 0,002
H = 18,79 DF = 5 P = 0,002 (adjusted for ties)

* NOTE * One or more small samples

Kruskal-Wallis Test: jumlah anggota keluarga versus pekerjaan

Kruskal-Wallis Test on jumlah anggota keluarga

pekerjaan N Median Ave Rank Z

karyawan 1 5,000 25,0 0,50
nelayan 1 2,000 1,5 -1,64
petani 15 5,000 21,3 0,81
PNS 8 4,000 20,5 0,29
wiraswasta 6 4,000 17,8 -0,40
wirausaha 7 5,000 17,7 -0,47
Overall 38 19,5

H = 3,64 DF = 5 P = 0,602
H = 3,83 DF = 5 P = 0,574 (adjusted for ties)

* NOTE * One or more small samples

Kruskal-Wallis Test: IPK versus pekerjaan

Kruskal-Wallis Test on IPK

pekerjaan N Median Ave Rank Z

karyawan 1 3,110 17,0 -0,23
nelayan 1 3,030 12,0 -0,68
petani 15 3,080 17,0 -1,10
PNS 8 3,500 26,9 2,13
wiraswasta 6 3,225 16,9 -0,62
wirausaha 7 3,320 19,9 0,11
Overall 38 19,5

H = 5,16 DF = 5 P = 0,396
H = 5,17 DF = 5 P = 0,395 (adjusted for ties)

* NOTE * One or more small samples

16