Nama

: Anggun masayu mitra

Nim : 21078079

"Pengolahan Data dengan Uji Korelasi (Spearman, Pearson, Parsial)"

KORELASI

Korelasi adalah teknik statistik yang digunakan untuk meguji ada/tidaknya hubungan serta arah
hubungan dari dua variabel atau lebih.

• Spearman

Korelasi Rank Spearman atau yang biasanya disebut dengan Spearman Rank Correlation Coefficient
merupakan salah satu penerapan koefisien korelasi dalam metode analisis data statistik non parametrik.
Statistik non parametrik ini merupakan suatu ukuran asosiasi atau hubungan yang dapat digunakan pada
kondisi satu atau kedua variabel yang diukur adalah skala ordinal (berbentuk ranking) atau kedua
variabel adalah kuantitatif namun kondisi normal tidak terpenuhi. Statistik nonparametrik
mengasumsikan statistik yang digunakan ketika data tidak memiliki informasi parameter, data tidak
berdistribusi normal atau data diukur dalam bentuk ranking. Pembuatan ranking dapat dimulai dari nilai
terkecil atau nilai terbesar tergantung permasalahannya. Bila ada data yang nilainya sama, maka
pembuatan ranking didasarkan pada nilai rata-rata dari ranking-ranking data tersebut. Apabila proporsi
angka yang sama tidak besar, maka formula diatas masih bisa digunakan. Namun apabila proporsi angka
yang sama cukup besar, maka dapat digunakan suatu faktor koreksi. Simbol ukuran populasinya adalah
ρ dan ukuran sampelnya rs. Berbeda dengan Korelasi Pearson, korelasi ini tidak memerlukan asumsi
normalitas, maka korelasi rank spearman cocok juga digunakan untuk data dengan sampel kecil.

Korelasi Rank Spearman menghitung korelasi dengan menghitung ranking data terlebih dahulu. Artinya
korelasi dihitung berdasarkan orde data. Ketika peneliti berhadapan dengan data kategorik seperti
kategori pekerjaan, tingkat pendidikan, kelompok usia, dan contoh data kategorik lainnya, maka Korelasi
Rank Spearman cocok digunakan. Korelasi Rank Spearman pun cocok digunakan pada kondisi dimana
peneliti dihadapkan pada data numerik (kurs rupiah, rasio keuangan, pertumbuhan ekonomi), namun
peneliti tidak memiliki cukup banyak data (data kurang dari 30). Korelasi Spearman ini memiliki nilai
antara nilai -1 sampai dengan 1. Semakin mendekati 1 maka korelasi semakin kuat sedangkan semakin
mendekati nol maka korelasi antara dua variabel semakin rendah. Sedangkan tanda koefisien korelasi
menunjukkan arah hubungan. tanda negatif (-) menunjukkan hubungan yang berkebalikan. Tanda (+)
menunjukkan hubungan yang searah. Berkebalikan artinya semakin meningkat nilai suatu variabel maka
variabel lainnya semakin menurun. Searah artinya semakin meningkat nilai suatu variabel maka variabel
lainnya ikut meningkat. Kira-kira apa saja penjelasan lebih lengkapnya terkait analisis korelasi rank
spearman? Yuk, mari kita cari tahu lebih dalam sahabat data. Pada artikel DQLab kali ini, kita akan

membahas mengenai analisis korelasi rank spearman yang merupakan salah satu penerapan statistik
non parametrik. Bisa jadi sahabat data juga menggunakan analisis ini dalam penelitian kalian. Dengan
harapan bisa menjadi tambahan insight dan rekomendasi bagi kalian calon praktisi data, peneliti
maupun data enthusiast. Pasti kalian penasaran kan, pastikan jangan lewatkan artikel berikut ini, dan
simak baik-baik, stay tune and keep scrolling on this article guys!

• Pearson

Korelasi Pearson merupakan salah satu ukuran korelasi yang digunakan untuk mengukur kekuatan dan
arah hubungan linier dari dua veriabel. Dua variabel dikatakan berkorelasi apabila perubahan salah satu
variabel disertai dengan perubahan variabel lainnya, baik dalam arah yang sama ataupun arah yang
sebaliknya. Harus diingat bahwa nilai koefisien korelasi yang kecil (tidak signifikan) bukan berarti kedua
variabel tersebut tidak saling berhubungan. Mungkin saja dua variabel mempunyai keeratan hubungan
yang kuat namun nilai koefisien korelasinya mendekati nol, misalnya pada kasus hubungan non linier.
Dengan demikian, koefisien korelasi hanya mengukur kekuatan hubungan linier dan tidak pada
hubungan non linier. Harus diingat pula bahwa adanya hubungan linier yang kuat di antara variabel
tidak selalu berarti ada hubungan kausalitas, sebab-akibat.

Korelasi pearson digunakan untuk mengetahui ada tidaknya hubungan antara 2 variabel, yaitu variabel
bebas dan variabel tergantung yang berskala interval atau rasio (parametrik) yang dalam SPSS disebut
scale. Asumsi dalam korelasi Pearson, data harus berdistribusi normal. Korelasi dapat menghasilkan
angka positif (+) dan negatif (-). Jika angka korelasi positif berarti hubungan bersifat searah. Searah
artinya jika variabel bebas besar, variabel tergantung semakin besar. Jika menghasilkan angka negatif
berarti hubungan bersifat tidak searah. Tidak searah artinya jika nilai variabel bebas besar, variabel
tergantung semakin kecil. angka korelasi berkisar antara 0-1.

• Parsial

Korelasi parsial mengukur kekuatan hubungan antara dua variabel, sambil mengendalikan pengaruh
satu atau lebih variabel lainnya. Misalnya, Anda mungkin ingin melihat apakah ada korelasi antara
jumlah makanan yang dimakan dan tekanan darah, sambil mengontrol berat badan atau jumlah
olahraga. Dimungkinkan untuk mengontrol beberapa variabel (disebut variabel kontrol atau kovariat).
Namun, lebih dari satu atau dua biasanya tidak disarankan karena semakin banyak variabel kontrol,
semakin tidak andal pengujian Anda.

korelasi parsial memiliki satu variabel independen kontinu (nilai-x) dan satu variabel dependen kontinu
(nilai-y); Ini sama seperti dalam analisis korelasi biasa. Pada contoh tekanan darah di atas, variabel
bebasnya adalah “jumlah makanan yang dimakan” dan variabel terikatnya adalah “tekanan darah”.
Variabel kontrol – berat dan jumlah latihan – juga harus berkelanjutan.

Analisis korelasi parsial (Partial Correlation) digunakan untuk mengetahui hubungan antara dua variabel
dimana variabel lainnya yang dianggap berpengaruh dikendalikan atau dibuat tetap (sebagai variabel
kontrol). Nilai korelasi (r) berkisar antara 1 sampai -1, nilai semakin mendekati 1 atau -1 berarti
hubungan antara dua variabel semakin kuat, sebaliknya nilai mendekati 0 berarti hubungan antara dua
variabel semakin lemah. Nilai positif menunjukkan hubungan searah (X naik maka Y naik) dan nilai
negatif menunjukkan hubungan terbalik (X naik maka Y turun). Data yang digunakan biasanya berskala
interval atau rasio.