SOAL

Jelaskan apa yang anda ketahui dengan

1. Koefisien Kontingensi
2. Uji Korelasi Spearman dan buat contoh dengan manual dan SPSS
3. Uji Korelasi Kendall dan buat contoh dengan manual dan SPSS

JAWABAN
1. Koefisien Kontingensi
Koefisien Kontingensi
Koefisien Kontingensi adalah uji korelasi antara dua variabel yang berskala data nominal.
Fungsinya adalah untuk mengetahui asosiasi atau relasi antara dua perangkat atribut.
Koefisien ini fungsinya sama dengan beberapa jenis koefisien korelasi lainnya,
seperti koefisien korelasi phi, cramer, lambda, uncertainty, spearman, kendall
tau, gamma, Sommer’s. Namun dalam hal ini, Kontingensi C adalah uji korelasi yang
spesifik untuk data berskala nominal. Selain itu uji ini juga paling sering atau lazim
digunakan dibandingkan uji koefisien korelasi data nominal lainnya.
Uji ini sangatlah erat kaitannya dengan uji chi-square. Sebab berdasarkan rumus uji
koefisien ini, bahwa tidaklah mungkin koefisien ini dapat dihitung tanpa terlebih dahulu
mengetahu nilai dari chi-square. Jadi, logikanya adalah hitung terlebih dahulu chi-square,
baru kemudian hitung koefisien kontingensi. Berikut adalah rumusnya:
Rumus Koefisien Kontingensi
Metode:

Rumus Kontingensi C

dimana:

Contoh Rumus Pearson Chi-Square

Suatu penelitian ingin mengetahui: “apakah ada perbedaan diantara mahasiswa Fakultas
A dalam hal kesukaannya terhadap beberapa jenis musik?”
Hasil hitung: X2 = 8,5
Yang akan dibuktikan:
Ha  -> C  ≠ 0
H0  -> C  = 0
Besarnya koefisien kontingensi:
 Contoh Hitung Koefisien C
Signifikansi Koefisien Kontingensi
Uji signifikansi :

1. X2  = 8,5 -> signifikan pada ∂ = 0,02

2. C = 0,285
3. Jadi C ≠ 0
4. Dengan demikian mahasiswa menurut jurusan dan jenis musik yang digemari
berhubungan didalam populasinya.

Daerah Penerimaan Koefisien Kontingensi

Dengan mempelajari tutorial di atas, diharapkan para pembaca memahami sebanarnya

cara perhitungan atau rumus uji dalam tutorial ini. Selanjutnya dalam prakteknya, para
peneliti atau pembaca dapat langsung menggunakan aplikasi SPSS. Dengan
menggunakan SPSS, kita bisa langsung menilai tingkat signifikansi atau kemaknaan nilai
koefisien. Yaitu, apabila nilai signifikansi < 0,05 atau batas kritis, maka dapat diartikan
bahwa: terima H1 atau bermakna secara statistik. Nilai Signifikansi dalam uji ini adalah
berdasarkan perhitungan uji chi square. Jenis uji yang lain dan mirip dengan uji ini antara
lain: Uji koefisien cramer, lambda, phi dan uncertainty coefficient.

2. Uji Korelasi Spearman dan buat contoh dengan manual dan SPSS
Uji korelasi Spearman dengan SPSS pada hakikatnya serupa dengan secara manual. Uji
korelasi Spearman adalah uji statistik yang ditujukan untuk mengetahui hubungan antara
dua atau lebih variabel berskala Ordinal. Selain Spearman, D.A. de Vaus menyebutkan
bahwa uji korelasi yang sejenis dengannya adalah Kendall-Tau.[1] Asumsi uji korelasi
Spearman adalah: (1) Data tidak berdistribusi normal dan (2) Data diukur dalam skala
Ordinal.

Rumus uji korelasi spearman untuk jumlah sampel < = 30 adalah:

Di mana:
Uji Korelasi Spearman Secara Manual 

Jika dilakukan secara manual, maka tata tertib melakukan uji korelasi Spearman adalah: 

1. Jumlahkan skor item-item di tiap variabel untuk mendapatkan skor total variabel
(misalnya cari skor total variabel X dengan menotalkan item-item variabel X). 

2. Lakukan rangkin skor total x (rx) dan rangking skor total y (ry). 

3. Cari nilai d yaitu selisih rx – ry . 

4. Cari nilai d2 yaitu kuadrat d (selisih rx – ry). 

Agar lebih mudah, kerjakan dengan Excel dan buat saja tabel seperti contoh di bawah ini:

Setelah data dihitung dalam tabel, lalu masukkan ke dalam rumus uji korelasi Spearman:

Dengan demikian korelasi Spearman (rs) variabel x dengan variabel y dalam contoh
adalah 0,47. Nilai korelasi Spearman hitung ini (rs) lalu diperbandingkan dengan
Spearman Tabel (rs tabel). Keputusan diambil dari perbandingan tersebut. Jika rs > rs
tabel, H0 ditolak dan H1 diterima. Jika rs hitung <= rs tabel, H0 diterima, H1 ditolak.
Pengambilan keputusan dari contoh di atas adalah karena rs hitung > rs tabel maka H0
ditolak dan H1 diterima. Artinya terdapat hubungan antara variabel x dengan variabel y.
Lalu, bagaimana menginterpretasikannya? 

Tabel Interpretasi Koefisien Korelasi Versi de Vaus 

D.A. de Vaus menginterpretasikan koefisien korelasi sebagai berikut:

 Dalam contoh di atas maka kekuatan hubungan antara x dan y adalah hubungan moderat
(karena 0,47). 

Data Saya Lebih Besar dari 30 ! 

Rumus di atas berlaku jika jumlah sampel lebih kecil atau sama dengan 30 (<=30). Lalu,
bagaimana menghitung uji korelasi Spearman dengan lebih dari 30 sampel? Caranya
mudah saja yaitu Cari Nilai z hitung terlebih dahulu. 

Cara mencari nilai z hitung sebagai berikut:

Di mana:

Nilai rs dicari dengan cara yang sama seperti perhitungan terdahulu (di bagian atas).
Dalam contoh sampel yang lebih besar dari 30 ini misalnya sampel menggunakan 50
responden. Maka perhitungannya sebagai berikut:

Nilai z hitung dalam sampel > 30 ini adalah 6,93. Pengambilan keputusan dalam sampel
> 30 ini adalah membandingkan antara z hitung dengan z tabel. Z hitung sudah diperoleh
sekarang tinggal z tabel. 

Cara Mencari z Tabel 

Nilai z tabel dicari dari tabel Z (lihat buku-buku statistik). Caranya adalah: 

1. Tentukan Taraf Keyakinan Penelitian (misalnya 95%). Taraf Keyakinan 95% berarti
Interval Keyakinan-nya (alpha) 0,05. Nilai 0,05 ini merupakan bentuk desimal dari 5%
yang diperoleh dari pengurangan 100% selaku kebenaran absolut dengan 95% (100% -
95% = 5% atau 0,05). 

2. Tentukan Uji yang digunakan. Apakah 1 sisi (One-Tailed) atau 2 sisi (Two-Tailed).
Penentuan 1 sisi atau 2 sisi ini didasarkan hipotesis penelitian. Jika hipotesis hanya
 menyebutkan “terdapat hubungan” maka artinya bentuk hubungan belum ditentukan
apakah positif atau negatif dan dengan demikian menggunakan uji 2 sisi. Jika hipotesis
menyatakan “terdapat hubungan positif” atau “terdapat hubungan negatif” maka artinya
bentuk hubungan sudah ditentukan dan dengan demikian menggunakan uji 1 sisi. 

3. Jika Uji 2 Sisi (Two-Tailed) maka lihat Tabel Z. Dalam uji 2 sisi Interval Keyakinan
dibagi dua yaitu 0,05 / 2 = 0,025. Cari pada kolom tabel nilai yang paling mendekati
0,025. Dari nilai yang paling dekat tersebut tarik garis ke kiri sehingga bertemu dengan
nilai 1,9 + 0,060 = 1,96. Batas kiri pengambilan keputusan dengan kurva adalah –1,96
batas kanannya +1,96. Keputusannya: Tolak H0 dan Terima H1 jika –z hitung < dari –
1,96 dan > dari +1,96. Sebaliknya, Terima H0 dan Tolak H1 jika – z hitung > -1,96 dan <
dari +1,96. 

Uji Korelasi Spearman dengan SPSS 

Jika uji korelasi Spearman diadakan dengan SPSS maka langkah-langkahnya sebagai
berikut: 

1. Totalkan item-item variabel x menggunakan menu Transform > Compute Variable >
jumlahkan item-item variabel x. 

2. Totalkan item-item variabel y menggunakan menu Transform > Compute Variable >
jumlahkan item-item variabel y. 

3. Buatlah Ranking bagi rx dan ry menggunakan menu Transform > Compute > Masukkan
Skor Total Variabel X dan Variabel Y ke Variables > Pilih saja Smallest pada Assign
Rank > Klik OK. Setelah itu muncul dua variabel baru yaitu rangking untuk x dan y (lihat
di tab Variable View). 

4. Lakukan Uji Korelasi Spearman dengan SPSS dengan klik Analyze > Correlate >
Bivariate > Masukkan Rangking X dan Ranking Y ke Variables > Pada Correlation
Coefficient ceklis Spearman > Pada Test of Significance pilih 2-Tailed (jika 2 sisi) atau
1-Tailed (jika 1 sisi) > Klik OK. 

Hasilnya output SPSS misalnya sebagai berikut:

 Variabel X dan Variabel Y pada contoh output di atas berhubungan dalam koefisien
0,823. SPSS menunjukkan bahwa korelasi tersebut signifikan bahkan dalam Interval
Keyakinan (alpha) yang lebih teliti lagi yaitu 0,01 untuk Uji 2 Sisi. 

Pengambilan keputusannya sama dengan cara manual di atas yaitu membandingkan

antara z hitung dengan z tabel. Atau bisa juga dengan Kurva Normal berikut:

3. Uji Korelasi Kendall dan buat contoh dengan manual dan SPSS

Mulailah dengan mengurutkan dengan nilai x. Jika x dan y berkorelasi, maka mereka
akan memiliki urutan-urutan yang relatif yang sama. Lalu, untuk setiap yi, hitung jumlah
yj> yi (pasangan konkordan (c)) dan jumlah yj <yi.

Cara menghitung koefisien korelasi Kendal Tau:

nc−nd
tau= 1
n(n−1)
2

Dimana, nc: total jumlah pasangan yang sesuai. nd: jumlah total pasangan diskordan. n:
ukuran x dan y

Uji korelasi kendall dengan SPSS

tutorial Penelitian ~ Uji Korelasi Kendall Tau-b atau Kendall rank correlation coefficient
atau Kendall's tau coefficient adalah uji hipotesis untuk mengetahui hubungan 2 variabel.

Pada dasarnya Uji Korelasi Kendall memiliki asumsi sama dengan Uji Spearman's
 rho yaitu menguji korelasi 2 variabel berdata ordinal atau salah satu variabel berdata
ordinal dan lainnya nominal maupun rasio.

Terkait dengan karakteristik skala data ordinal tersebut maka uji korelasi Kendall
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.

Kasus:

 Adakah hubungan antara status anemia Ibu Hamil (Anemia) dengan Berat Badan Bayi
Lahir Rendah (BBBLR)?
 N = 10
 Anemia menggunakan skala ordinal
o 1 = Anemia
o 0 = Tidak Anemia
 BBBL menggunakan skala ordinal
o 1 = BBBLR
o 0 = Tidak BBBLR
 INPUT DATA

Gambar 1
 Input data ke spreadsheets Microsoft Excel kemudian copy dan paste ke spreadsheets
Data View SPSS dilanjutkan dengan input parameter deskripsi ke spreadsheets Data
Variable SPSS.

Gambar 1 (klik untuk perbesar) adalah penampakan spreadsheets Data View SPSS.
Dengan demikian kita memliki 2 kolom variabel. Pada tahap ini input data sudah selesai.
Lanjut langkah perintah uji.

LANGKAH-LANGKAH

1. Klik Analyze - Correlate - Bivariat

2. Pindahkan Anemia dan BBBLR ke Variables
3. Pilih Kendall tau-b, Two-tailed dan Flag significant correlations
4. Klik OK
 Gambar 2
Gambar 2 (klik untuk perbesar) adalah menu pop-up pada saat Anda melakukan langkah
ke-2, ke-3 dan ke-4 yaitu memilih variabel yang akan dianalisis dan kriterium.

Pada tahap ini uji Kendall Tau-b atau Kendall rank correlation coefficient atau Koefisien
Kendall Tau sudah selesai dan kita sudah memiliki output. Langkah selanjutnya
mengambil keputusan berdasarkan output.

PENGAMBILAN KEPUTUSAN

 Jika Sig di atas 0,05 maka Ho diterima

 Jika Sig di bawah 0,05 maka Ho ditolak

Gambar 3
Gambar 3 (klik untuk perbesar) adalah output hasil uji. Nilai Pearson's r sebesar 0,802
dengan Sig. (2-tailed) sebesar 0,016 atau lebih kecil dari 0,05 sehingga diputuskan
Anemia dan BBBLR berhubungan nyata dan signifikan. Sekian dulu tutorial olah data
SPSS.