Nama : Muhammad Ardi

Nim : 1904010069

Kelas : Ekonomi Syariah 5B

Matkul : Statistik Ekonomi

Resume

A. Korelasi Pearson

Secara umum, korelasi adalah cara untuk mencari suatu hubungan antara
dua variabel. Korelasi merupakan salah satu bentuk dan ukuran yang memiliki
beberapa variabel dalam hubungan yang menggunakan kata dari korelasi
positif, sehingga terjadi perubahan meningkat pada sebuah benda. Menurut
Kamus Besar Bahasa Indonesia (KBBI) adalah hubungan timbal balik atau
sebab akibat. Dalam Matematika, korelasi juga merupakan ukuran dari
seberapa dekat dua variabel berubah dalam hubungan satu sama lain. Pada
konteks teknik analisis, korelasi biasa digunakan untuk mencari hubungan di
antara dua variabel yang memiliki sifat kuantitatif 1.

Korelasi Pearson merupakan salah satu ukuran korelasi yang digunakan

untuk mengukur kekuatan dan hubungan linier dari dua variabel. Dua variabel
dikatakan berkolerasi apabila perubahan salah satu variabel disertai dengan
perubahan lainnya, baik dalam arah yanng sama ataupun arah yang
sebaliknya. 2

Harus diingat bahwa nilai koefisien korelasi yang kecil (tidak signifikan)

bukan berarti kedua variabel tersebut tidak saling berhubungan. 

1
Salma,2021,”Pengertian Korelasi Menurut para Ahli Dan Bentuk Analisinya”(https://penerbitdee
publish.com/pengertian-korelasi/)(Di akses pada 26 Desember 2021.)
2
Ade Setiawan,”Korelasi Pearson”(https://www.smartstat.info/materi/statistika/korelasi/korelasi-
person.html)(Di akses pada 26 Desember 2021).
 a. Eksplorasi Data
Sebelum melakukan analisis korelasi antar variabel, sebaiknya kita
mengeksplorasi data tersebut terlebih dahulu secara grafis.
Seringkali kita melihat pola hubungan di antara variabel dengan
cara memplotkan pasangan sampel data tersebut pada diagram
kartesian yang disebut dengan scatterplot atau diagram pencar.
Setiap pasangan data (x, y) diplotkan sebagai titik tunggal.

b. Kovarian dan Korelasi

Salah satu ukuran kekuatan hubungan linear antara dua variabel
acak kontinu adalah dengan menentukan seberapa banyak kedua
variabel tersebut co-vary, yaitu bervariasi bersama-sama. Jika salah
satu variabel meningkat (atau menurun) sebagai akibat peningkatan
(atau penurunan) variabel pasangannya, maka dua variabel tersebut
dinamakan covary. Namun jika satu variabel tidak berubah dengan
meningkatnya (atau penurunan) variabel lain, maka variabel
tersebut tidak covary. Statistik untuk mengukur berapa banyak
kedua variabel covary dalam sampel pengamatan adalah
kovarian.Selain mengukur besarnya kekuatan hubungan di antara
dua variabel, kovarian juga menentukan arah hubungan dari
kedua variabel tersebut.3

B. Korelasi Rank Spearman

Korelasi Spearman merupakan alat uji statistik yang digunakan untuk

menguji hipotesis asosiatif dua variabel bila datanya berskala ordinal (ranking).
Nilai korelasi ini disimbolkan dengan  (dibaca: rho). Karena digunakan pada data
berskala ordinal, untuk itu sebelum dilakukan pengelolahan data, data kuantitatif
yang akan dianalisis perlu disusun dalam bentuk ranking.

Nilai korelasi Spearman berada diantara -1 <  < 1. Bila nilai = 0, berarti
tidak ada korelasi atau tidak ada hubungannya antara variabel independen dan
dependen. Nilai  = +1 berarti terdapat hubungan yang positif antara variabel
independen  dan dependen. Nilai  = -1 berarti terdapat hubungan yang negatif

3
https://smartstat.wordpress.com/2010/11/21/korelasi-pearson/(Di akses pada 26 Desember 2021)
antara variabel independen  dan dependen. Dengan kata lain, tanda “+” dan “-“
menunjukkan arah hubungan di antara variabel yang sedang dioperasikan.

Uji signifikansi Spearman menggunakan uji Z karena distribusinya mendekati

distribusi normal. Kekuatan hubungan antara variabel ditunjukkan melalui nilai
korelasi. Berikut adalah tabel nilai korelasi makna nilai tersebut:

No. Nilai Makna

1. 0,00 – 0,19 Sangat rendah/lemah
2. 0,20 – 0,39 Rendah/lemah
3. 0,40 – 0,59 Sedang
4. 0,60 – 0,79 Tinggi/kuat
5. 0,80 – 1,00 Sangat Tinggi/ kuat

Rumus mencari Korelasi Spearman : (ρ = rho)

−6 ∑ 2
ρ=1 d
2
n(n −1)

 = Nilai korelasiSpearman Rank

d 2 = selisih setiap pasangan rank

n = jumlah pasangan rank untuk spearman (5 < n < 30)

rumus ini digunakan jika tidak ada nilai yang sama untuk setiap variabel.
Jika pun ada nilai yang sama, maka tidak lebih dari 20% jumlahnya.

Langkah-langkah Uji Rank Spearman

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

angka-angka sama, peringkat yang diberikan adalah peringkat rata-rata dari
angkaangka yang sama.
2. Berikan peringkat pada nilai-nilai variabel y dari 1 sampai n. Jika terdapat
angka-angka sama, peringkat yang diberikan adalah peringkat rata-rata dari
angkaangka yang sama.

3. Hitung di untuk tiap-tiap sampel ( di =peringkat xi - peringkat yi )4

C. Korelasi Kontingensi

Korelasi Kontigensi adalah uji untuk mengetahui keeratan suatu hubungan

antar dua variabel.5

Teknik korelasi koefisien kontingensi (contingency coefficient

correlation)adalah salah satu teknik analisis korelasional bivariat,yang dua buah
variable yangakan di korelasikan adalah berbentuk kategori atau merupakan gejala
ordinal.

Misalnya tingkat pendidikan: tinggi, menengah, rendah: permasalahan

terhadap ajaran agama islam: baik, cukup, kurang dan sebagainya. Apabila
variable itu hanya menjadi dua kategori, dan kedua kategori itusifatnya
diskrit(terpisah menjadi dua buah kutub yang ekstrem), maka selain menggunakan
teknik analisis korelasioanl koefisien kontigensi, dapat pula dipergunakan teknik
analisis korelasional Phi koefisien. Akan tetapi apa bila kategori itu lebih dari dua
buah, maka teknik analisis korelasional Phi koefisien tidak dapat di terapkan
disini.

1. Kegunaan Korelasi Kontingensi

  Koefisien Kontingensi adalah  uji korelasi antara dua variabel yang

berskala data nominal kegunaanya adalah untuk mengetahui asosiasi atau relasi
antara dua perangkat atribut. Koefisien  ini  fungsinya
sama dengan beberapa jenis koefisien korelasi lainnya, seperti koefisien korelasi
4
http://nuryaqin5.blogspot.com/2015/05/makalah-statistika-uji-rank-spearman.html(Di akses pada
26 Desember 2021).
5
Belajar Statistik,2020,”Pengertian Korelasi Kontingensi”(https://www.belajarstatistics.com/blog /
2020/09/28/korelasi-kontingesi/)(Di akses pada 26 Desember 2021).
phi,cramer, lambda,uncertainty, spearman, kendalltau, 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
ujikoefisien 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
tanpaterlebih dahulu mengetahui nilai dari chi-square. Jadi, logikanya adalah
hitung terlebih dahulu chi-square, baru kemudian hitung koefisien kontingensi.

2. Rumus Korelasi Kontingensi

  Rumus yang akan digunakan untuk mencari koefisien kontingensi adalah

 Dimana:

untuk memberikan interpretasi terhadap koefisien kontingensi maka

terlebihdahulu harga koefisien kontingensi( c atau koreksi) harus diubah menjadi
phi.6

D. Korelasi Kendall Tau

korelasi Kendall Tau merupakan statistik nonparametrik dengan skala

pengukuran data sekurang-kurangnya data ordinal. Korelasi kendall tau digunakan
untuk mengukur tingkat kesesuaian yakni apakah ada perbedaan tingkat kesesuain
ranking antara 2 variabel yang diamati.

Rumus yang digunakan untuk mengukur koefisien korelasi kendall tau adalah:

6
https://www.academia.edu/39111053/MAKALAH_KORELASI_KOEFISIEN_KONTINGENSI(
Di akses pada 26 Desember 2021).
Prosedur Uji Signifikansi Korelasi Kendall Tau

Adapun langkah-langkah perhitungan koefisien korelasi kendall tau yaitu:

1. Tentukan hipotesis nol dan hipotesis alternatif. H0: tidak ada kesesuaian

ranking yang diberikan oleh X dan Y dalam populasi. H1: ada kesesuaian

ranking yang diberikan oleh X dan Y dalam populasi.

2. Tentukan tingkat signifikansi α.

3. Hitung statistik uji dengan cara: (i) Susunlah pasangan-pasangan (Xi dan

Yi) dalam kolom menurut besarnya nilai-nilai X, dari nilai X yang paling

kecil, dalam hal ini nilai-nilai X berada dalam urutan yang wajar (natural

order). (ii) Bandingkan setiap nilai Y, satu demi satu dengan nilai yang ada

di sebelah kanannya, bila urutannya wajar (concordan) beri nilai 1,

sedangkan bila urutannya tidak wajar (disconcordan) beri nilai -1 (kurang

1). (iii) Tentukan jumlah Concordan (C) dan Disconcordan (D). (iv)

Hitung nilai S yang diperoleh dari C – D. (v) Hitung nilai statistik τ.

4. Wilayah kritis

5. Buatlah keputusan terima atau tolak Ho berdasarkan wilayah kritisnya.

6. Kesimpulan.7

7
Tju ji Long,”Korelasi Kendall Tau”(https://jagostat.com/statistik-nonparametrik/korelasi-kendall-
tau),(Di akses pada 26 Desember 2021).