8

Korelasi Rank-Spearman
Data Ordinal

8.1. Materi

 Ukuran Korelasi  Korelasi Rank Spearman

8.2. Tujuan Instruksional

Materi dalam bab ini adalah mengenal dan menghitung ada tidaknya hubungan dan
besaran derajat hubungan antara suatu faktor dengan factor lainnya, atau dalam
statistik dinyatakan asosiasi antar variabel secara fungsional dinyatakan dengan
korelasi, yang diukur melalui nilai koefisien korelasi, dan koefisien determinasi.

Pada Materi ini dibatasi hanya untuk data yang skala pengukurannya Ordinal,
sehingga digunakan korelasi Rank-Spearman.

8.3. Uraian Materi

1). PENGERTIAN KORELASI

Pada umumnya hampir semua peristiwa atau kejadian alam saling berhubungan dan saling
mempengaruhi. satu dengan yang lain. Suatu saat ia dapat berfungsi sebagai faktor yang
mempengaruhi, tetapi pada saat lain, dapat menjadi variabel antara, bahkan dapat menjadi faktor
yang dipengaruhi oleh yang lain. Informasi demografi, menyebutkan bahwa perpindahan
seseorang dari suatu tempat ke tempat lain tidak terjadi begitu saja, tetapi dipengaruhi oleh
beberapa faktor determinan, seperti kekuatan ekonomi (economic power), factor keluarga atau
kerabat, factor kemanan, dan lain-lain. Demikian pula kepuasan konsumen pada suatu produk
tertentu, dipengaruhi oleh banyak faktor atau hal, seperti faktor kemasan produk, faktor harga,
faktor kemudahan memperoleh produk tersebut, faktor rasa, dan sebagainya.

Jika kejadian-kejadian yang diungkapkan diatas tersebut dapat dinyatakan atau dapat diukur
sebagai suatu nilai-nilai variabel, maka secara statistis terdapat dua katagori variabel. Variabel
yang satu, dimana nilai-nilainya mempengaruhi variabel lainnya disebut sebagai variabel bebas
(Independent variable) atau dikenal juga dengan istilah variabel prediktor. Sedangkan variabel
lainnya yang dipengaruhi disebut variabel tak bebas (Dependent variable) atau dikenal dengan
istilah variabel respon.

 2018 Statistika Ekonomi & Bisnis Hal. 1.

 Untuk penyederhanaannya biasanya kedua variabel tersebut diberikan notasi atau lambang khusus,
yaitu variabel bebas dengan notasi X dan variabel tak bebas dengan Y. Dalam persoalan ini kita
hanya membatasi pembicaraan pada hubungan antar variabel yang bersifat linier sederhana.

Dalam variabel-variabel social-ekonomi, secara teoritis saling bertalian, seperti penelitian tentang
pengaruh tingkat disiplin kerja dengan etos kerja, peranan salesman dalam meningkatkan
penjualan, kepuasan pelanggan bertalian dengan pelayanan, dan lain-lain. Hal ini pada dasarnya
dapat dianalisis secara statistik dengan cara teknik korelasi.

Teknik atau metode dalam korelasi yang paling popular digunakan adalah korelasi Rank-
Spearman dan korelasi Product Moment dari Pearson. Teknik korelasi Rank-Spearman dipakai
dalam kapasitas data pengamatan untuk variabel berskala ordinal, sedangkan teknik korelasi
Pearson untuk skala variabel minimal Interval.

Analisis Korelasi bertujuan untuk mengetahui kuatnya hubungan antara variabel X dan Y. Oleh
karena itu dalam penggunaan teknik korelasi diatas, kita membutuhkan pasangan data (X ; Y)
untuk sejumlah sampel yang diobservasi, misalnya (Xi ; Yi : i = 1, 2, 3, . . . , n.)

2). KOEFISIEN KORELASI RANK-SPEARMAN

Koefisien korelasi Rank-Spearman, adalah suatu ukuran yang mendeskripsi-kan asosiasi atau
hubungan antar variabel (faktor) yang secara substansi atau teoritis mendukung hubungan tersebut,
dan secara statistik akan diukur besarannya melalui koefisien tersebut.

Rumusan korelasi Rank-Spearman, dapat diterapkan secara metodologi manakala :

(i). Terdapat sejumlah observasi data pasangan dari variabel yang diukur, yaitu pa-sangan data
(Xi , Yi : i = 1, 2, . . . , n)

(ii). Skala pengukuran variabel bebas (X) dan tak bebas (Y) dalam bentuk skala ordinal. Jika
skala dibawahnya (nominal) digunakan koefisien Kapha, dan bentuk skala diatasnya
(Interval atau Rasio) digunakan Koefisien Pearson.

Seperti diketahui, yang dimaksud dengan skala pengukuran Ordinal, adalah skala data variabel
yang berbentuk variabel kategori (kualitatif) lebih informatif dari sekedar nama kategori saja. Jika
kategori tersebut dapat di orde secara pasti, kita mempunyai variabel dengan jenis ordinal.

I. Gusti Ngurah Agung (1999), menyatakan : “Variabel dengan skala ordinal, menun-jukkan
urutan atau tingkatan (ranking) disamping hanya sebagai pengelom-pokkan (seperti variabel
nominal). Misalnya variabel pendidikan dengan katagori : 1=dibawah SD, 2=tamat SD,
3=tamat SLTP, dan 4=SLTA+.

Contoh lain Variabel respon yang berkaitan dengan menyetujui suatu perkara. Misalnya
(1).SS (sangat setuju), (2).S (setuju), (3).KS (kurang setuju), (4).TS (tidak setuju), dan (5).STS
(sangat tidak setuju), yang dikenal dengan ukuran data likert, adalah merupakan variabel
ordinal.

(iii). Dengan membuat rangking setiap skor data variabel X dan Y, baik dengan system perankingan
dari yang besar (max) ke yang terkecil (min), atau sebaliknya dari yang terkecil (min) ke yang
 2018 Statistika Ekonomi & Bisnis Hal. 2.
 terbesar (max), dengan syarat jika terdapat skor data yang sama harus dilakukan pemberian
ranking sama pula, dengan cara mengambil nilai tengah urutan skor data perankingannya.
Maka rumusan koefisien korelasi secara Rank-Spearman dinyatakan dengan formula berikut :

n n
6  [ R(x i )  R(yi )] 6  di
2 2

i 1 i=1
rs = 1 - =1- ... (1)
n (n  1)
2
n (n  1)
2

dengan :

rs adalah Koefisien Korelasi rank-Spearman

R(xi) dan R(yi) adalah ranking skor data variabel X dan Y
n adalah jumlah data (Sample size)

(iv). Ukuran koefisien : rs berada antara minus 1 dan positif 1, atau

( -1  rs  +1 ).
Jika : rs   1 : terdapat asosiasi yang sangat erat antara X dan Y
Jika tandanya minus (-), artinya hubungannya bertolak
belakang atau berlawanan arah, dan dengan tanda positif (+)
menyatakan hubungan antar bariabel tersebut sifatnya searah.
rs  0 : dapat dinyatakan secara statistik tidak terdapat asosiasi atau
hubungan antar kedua variabel.
0,10 < rs < 0,30 : hubungan variabel yang diteliti lemah sampai mendekati sangat
lemah.
0.30 < rs < 0,50 : hubungan variabel yang diteliti sedang
0.50 < rs < 0,70 : hubungan variabel yang diteliti dikategorikan moderat
0.70 < rs < 0,90 : hubungan variabel yang diteliti dikategorikan erat.

(v). Perhitungan ukuran koefisien korelasi ini dapat dilakukan secara manual, ataupun dengan
menggunakan paket program komputasi siap pakai : SPSS. Jika dilakukan secara manual,
untuk mempermudahnya dibuatkan tabel bantu hitungan atau spreadsheet yang bentuknya sbb
:

 2018 Statistika Ekonomi & Bisnis Hal. 3.

 Tabel 1. Tabel Bantu Hitung Korelasi rs

No. Skor Data Variabel Ranking Data Selidih Kuadrat

Unit Variabel Rank X – Y
Xi Yi R(Xi) R(Yi) di2
1 x1 y1 R(x1) R(y1) [R(x1)-R(y1)]2
2 x2 y2 R(x2) R(y2) [R(x2)-R(y2)]2
. . . . . .
. . . . . .

n xn yn R(xn) R(yn) [R(xn)-R(yn)]2

(vi). Jika skor data variabel yang dimiliki terdapat beberapa data yang sama, maka ranking yang
dibuatpun harus sama, sebagai ilustrasi akan dibuatkan contoh berikut ini :

No. Skor Data Ranking Data Selidih Kuadrat

Unit Variabel Variabel Rank X – Y
Xi Yi R(Xi) R(Yi) di2
1 8 5 4 3 1
2 7 5 2 3 1
3 9 7 6,5 6 0,25
4 11 9 9 8,5 0,25
5 8 6 4 5 1
6 6 3 1 1 0
7 8 5 4 3 1
8 10 8 8 7 1
9 12 11 10 10 0
10=n 9 9 6,5 8,5 4
Jumlah di2  9,5

Catatan :
Pemberian ranking data (X ; Y) diatas, dari minimum ke maksimum. Sehingga X=6 
R(X)=1, dan X=12  R(X)=10.
Terlihat ada skor X=8, sejumlah 3 buah, dimana urutan nilai 8 beturut pada data ke-3, 4, dan 5,
sehingga rank untuk 8 adalah R(X=8)=4.

Untuk data diatas, dapat kita hitung besarn koefisien korelasinya :

6 (9,5)
rs = 1 -  0,94
10(10  1)
2

Artinya : hubungan antara variabel X atas variabel Y sangat erat, yaitu sebesar 0,94 dengan
sifatnya searah. Sehingga jika X meningkat akan diikuti dengan peningkatan
skor variabel Y.

 2018 Statistika Ekonomi & Bisnis Hal. 4.

3). Koefisien Determinasi

Koefisien Determinasi yang menyatakan besarnya kontribusi atau pengaruh variabel atau
factor X sebagai variabel bebas terhadap variabel Y sebagai variabel tak bebas, yaitu :

KD = ( rp )2 100 % ... (3)

4). Uji Keberartian Koefisien Korelasi

Uji keberartian secara statistik, dengan tingkat keyakinan uji sebesar (1-)100%, bahwa hasil
mengukuran koefisien korelasi tersebut dapat dibenarkan (yakin benar) dilakukan sebagai
berikut :

 Bentuk Hipotesis Uji : Ho :  = rp = 0, tidak berarti

H1 :  = rp  0, berarti

 Statistik Uji : (digunakan statistik t-student) :

r n-2
t = ... (4)
1-r 2
 Kriteria Uji : Dengan mengambil besar kekeliruan tertentu sebesar :  (biasanya
sekecil mungkin, missal 1% , 5 %, atau 10%), tentukan nilai kritis t-tabel di tabel
distribusi student, besarnan : t/2 , n-2 hasilnya dibandingkan dengan t hitung pada
statistik uji.

 Jika thitung > ttabel, maka Ho ditolak, sehingga ukuran koefisien korelasi yang
diperoleh secara statistik dapat memili-ki arti atau di istilahkan signifikans.

Sebagai ilustrasi, kasus perhitungan dengan rumusan pearson diatas, maka perhatikan contoh berikut :

Suatu penelitian mengenai pengaruh daya beli masyarakt akan produk Mobil Toyota terhadap
kenaikan hasil penjulan merk Mobil tersebut di Kota Bandung. Pengukuran data variabel
menggunakan angka prosentase, yaitu :

%Kenaikan daya beli (X) 1% 3% 4% 6% 8% 9%

%Kenaikan hasil penjualan (Y) 2% 4% 6% 7% 9% 10%

 2018 Statistika Ekonomi & Bisnis Hal. 5.

Maka perhitungannya secara manual (buatkan tabel Bantu hitung) sbb :

No Xi Yi Xi2 Yi2 XiYi

1 1 2 1 4 2
2 3 4 9 16 12
3 4 6 16 36 24
4 6 7 36 49 42
5 8 9 64 81 72
6 9 10 81 100 90
Jml : 31 38 207 252 286

Maka :
6(252) - 31(38)
 Koefisien Korelasi : rp   0,98
{6(207)  (31) }{6(286)  (38)
2 2

 Koefisien determinasi : KD = (0,98)2 100% = 96,04 %

Artinya : Terdapat sebesar 96,04 persen pengaruh daya beli masyarakat terhadap hasil
penjualan mobil merk Toyota.
 Uji Keberartian Koefisien Korelasi :
Hipotesis : Ho :  = 0 (Tidak ada hub. Antara daya beli dan hasil penjualan)
H1 :   0 (Terdapat hub. Antara daya beli dan hasil penjualan)

0,98( 6-2)
Statistik Uji : t = = 9,80
1  0,98

Kreteria Uji : dengan mengambil  = 5% = 0,05, atau /2 =0,025 n-2 = 4, dari
tabel-t diperoleh : t0,025 (n-2=4) = 2,776

Kesimpulan Uji : Karena thitung = 9,80 lebih besar dari ttabel = 2,776

Maka Ho ditolak, artinya terdapat korelasi antara daya beli dan hasil penjualan, serta
ukuran korelasi yang dihitung signifikans.

 2018 Statistika Ekonomi & Bisnis Hal. 6.

 SOAL-SOAL LATIHAN

1. Buatkan contoh beberapa judul hubungan 2-variabel, untuk skala pengukuran datanya
Ordinal.
2. 3. Perhatikan data rekap hasil penelitian menggunakan angket terhadap 10 konsumen sepeda
motor merk “Honda-Legenda” di Showroom CV.Nabila, dengan menanyakan penampilan
produk merk tersebut dan kepuasan mereka terhadap produk tsb, tercatat sebagaimana
tercantum dalam tabel berikut ini

Jawaban Konsumen Ttg Jawaban Konsumen Ttg

onsumen Kepuasan Penampilan
Item-1 Item-2 Item-3 Item-4 Item-1 Item-2 Item-3 Item-4
1 4 3 4 4 4 4 3 3
2 3 3 3 3 3 3 4 3
3 3 2 3 2 3 3 2 3
4 4 4 4 4 4 4 3 4
5 3 3 3 3 3 3 4 3
6 3 3 4 3 3 3 2 3
7 3 3 3 3 3 1 2 2
8 4 4 3 3 3 3 3 3
9 4 3 3 3 3 3 3 3
10 1 2 3 3 2 3 2 2
1. Kurang Puas 1. Kurang menarik
2. Biasa-biasa 2. Sedang
Cat :
3. Cukup Puas 3. Cukup
4. Sangat Puas 4. Menarik

Jika kedua variabel yang diteliti diasumsikan berhubungan, peneliti ingin mencari
pengaruh/peranan penampilan produk terhadap kepuasan konsumen menggunakan produk
tersebut :
-a. Manakah variabel X (Independent) dan variabel Y (dependent)
-b. Skor jawaban konsumen diatas, termasuk skala pengukuran data apa ?
-c. Hitunglah Besar pengaruh variabel X terhadap Y, apa artinya ?

 2018 Statistika Ekonomi & Bisnis Hal. 7.