KOMPARASI KOEFISIEN KORELASI NILAI TUKAR

PETANI MENGGUNAKAN KOEFISIEN KORELASI

PEARSON, SPEARMAN-rho, DAN Kendall-tau

Ayu Rika Sulistyowati, Harison

Program Studi S1 Statistika

Jurusan Matematika
Fakultas Matematika Dan Ilmu Pengetahuan Alam Universitas Riau
Kampus Bina Widya, Pekanbaru 28293

ayu.rika6963@student.unri.ac.id

ABSTRACT

Farmer terms of trade rate is one of the indicators in determining the price of
farmers production. This reseach is a case study on the farmer terms of trade in
Riau Province using the correlation coefficient between the relavant variables.
The data used is from the Central Statistics Agency for the period January 2016 –
December 2019 with the dependent variable being the farmer exchange rate and
the independent variables, namely: the price index received by farmers, the price
index paid by farmers, household consumption, and production costs and
additional capital goods. The correlation cofficient used is the Pearson,
Spearman-rho, and Kendall-tau correlation coefficient to see the correlation, the
degree of relationship, and the direction of the relationship and determine the
variables that most influence the farmer terms of trade. Based on the results of the
research, it was concluded that the cost of production and additional of capital
goods were the variables that most effected the farmer terms of trade.

Keywords: Farmer terms of trade, linear regression, correlation coefficient

ABSTRAK

Nilai tukar petani merupakan salah satu indikator dalam menentukan harga
produksi petani. Penelitian ini merupakan studi kasus tentang nilai tukar petani di
Provinsi Riau menggunakan koefisien korelasi antara variabel yang relavan. Data
yang digunakan dari Badan Pusat Statistik periode Januari 2016 – Desember 2019
dengan variabel terikat nilai tukar petani dan variabel bebas yaitu: indeks harga
yang diterima petani, indeks harga yang dibayar petani, konsumsi rumah tangga,
dan biaya produksi serta penambahan barang modal. Koefisien korelasi yang
digunakan adalah koefisien korelasi Pearson, Spearman-rho, dan Kendall-tau
untuk melihat korelasi, derajat hubungan, dan arah hubungan serta menentukan
variabel yang paling mempengaruhi nilai tukar petani. Berdasarkan hasil
penelitian disimpulkan bahwa biaya produksi serta penambahan barang modal
adalah variabel yang paling mempengaruhi nilai tukar petani.

Kata kunci: Nilai tukar petani, regresi linear, koefisien korelasi

1
 1. PENDAHULUAN

Pembangunan merupakan arah dan tujuan kebijakan Pemerintah Indonesia dalam

meningkatkan kesejahteraan penduduk. Mengingat penduduk Indonesia yang tinggal di
pedesaan masih menggantungkan hidup di sektor pertanian, maka diharapkan sektor
pertanian menjadi penggerak pertumbuhan ekonomi yang mampu meningkatkan
pendapatan. Sehubungan dengan hal tersebut diperlukan suatu indikator akurat yang
dapat mengukur kemampuan daya beli petani dalam bentuk perhatian dasar
pengambilan kebijakan pemerintah yaitu nilai tukar petani. Nilai tukar petani dalam
sektor pertanian meliputi empat subjek kelompok yaitu: indeks harga yang diterima
petani, indeks harga yang dibayar petani, konsumsi rumah tangga, dan biaya produksi
serta penambahan barang modal (Badan Pusat Statistik, 2019).
Kekuatan hubungan dan sifat ketergantungan antar variabel merupakan masalah
sentral yang ingin diketahui pada suatu penelitian. Peneliti ingin mengetahui apakah
terdapat hubungan antara dua variabel dan seberapa kuat hubungan kedua variabel
tersebut. Uji statistika yang mengukur keeratan hubungan antara dua variabel ini disebut
analisis korelasi. Ukuran untuk menentukan kuatnya atau derajat keeratan hubungan
serta arah hubungan antar dua variabel dinamakan koefisien korelasi. Koefisien korelasi
yang digunakan adalah koefisien korelasi Pearson, Spearman-rho, dan Kendall-tau
untuk melihat korelasi, derajat hubungan, dan arah hubungan serta menentukan variabel
yang paling mempengaruhi nilai tukar petani (Draper & Smith, 1998).
Pada koefisien korelasi terdapat bebeapa langkah yang harus dilakukan terlebih
dahulu yaitu regresi linear yang bertujuan untuk melihat hubungan linear antara variabel
bebas dan variabel terikat. Kemudian, asumsi klasik yang bertujuan untuk memberikan
kepastian terhadap persamaan regresi yang didapatkan. Beberapa pengujian asumsi
klasik yang digunakan yaitu uji normalitas, uji heteroskedastisistas, uji autokorelasi, dan
uji multikolinearitas (Gujarati, 2004).
Penelitian sebelumnya mengenai analisis komparatif dari Spearman-rho dan
Kendall-tau pada kasus penjualan suku cadang motor di Jepang yang dilakukan oleh
Weichao et al (2013) menunjukkan perbedaan penjualan sebelum menggunakan metode
Spearman-rho dan Kendall-tau. Pada penjualan sebelum menggunakan metode terjadi
penjualan yang sangat tidak stabil dan setelah menggunakan metode penjualan
mengalami peningkatan penjualan dibeberapa periode. Penelitian Sihombing & Lintje,
(2019) mengenai uji komparasi model korelasi dalam menganalisis efektivitas
pendampingan petani menunjukkan bahwa terdapat perbedaan kualitas produksi pada
data sebelum pendampingan padi dan setelah pendambingan yang dilakukan pada
Kabupaten Bolang Mongondow Utara, Sulawesi Utara. Pendampingan pada petani
dipandang sebagai komponen penting yang dijadikan solusi untuk masalah
produktivitas hasil pertanian, namun sebagian besar hasil dari produktivitas pertanian
sebelum pendampingan tidak mengalami peningkatan yang signifikan, dimana tingkat
kenaikan kualitas produktivitas tidak stabil.
Penelitian dilakukan dengan membandingkan faktor-faktor yang diduga memiliki
pengaruh besar terhadap nilai tukar petani di Provinsi Riau menggunakan koefisien
korelasi Pearson, Spearman-rho, dan Kendall-tau.

2
 2. KOEFISIEN KORELASI PEARSON, SPEARMAN-rho, DAN KENDALL-tau

Regresi merupakan analisis yang digunakan untuk melihat hubungan antara variabel
terikat dan variabel bebas. Regresi linear berganda dapat dinyatakan sebagai berikut:
(1)
dengan , sedangkan , , , dan merupakan koefisien regresi,
merupakan variabel terikat, dan merupakan variabel bebas dan
merupakan error. Untuk memperoleh nilai , , , dan pada persamaan (1) dapat
dinyatakan dalam bentuk matriks sebagai berikut (Draper & Smith, 1998):

(2)

[ ] [ ][ ] [ ]
Selanjutnya, pengujian asumsi klasik dilakukan dengan beberapa uji yaitu: Uji
normalitas digunakan untuk menentukan data yang telah dikumpulkan berdistribusi
normal atau tidak dan menguji perbedaan antara dua kelompok atau lebih yang berbeda
subjek (Gujarati, 2004). Metode yang digunakan untuk uji normalitas adalah uji
Kolmogorov-Smirnov. Hipotesis pengujian normalitas yaitu:
( ) ( ) yaitu residual berdistribusi normal.
( ) ( ) yaitu residual tidak berdistribusi normal.
dengan statistik uji:
( ( ) ( )) (3)
dengan,
( ) menyatakan fungsi jenjang kumulatif observasi salah satu sampel.
( ) menyatakan fungsi jenjang kumulatif observasi sampel lain.
Uji heteroskedastisitas digunakan untuk mengetahui ada atau tidaknya
penyimpangan varian dari residual untuk pengamatan pada model regresi. Untuk
menguji heterokedastisitas dapat dilakukan dengan uji Breusch-Pagan (Johnson &
Bhatta, 2011). Hipotesis pengujian heteroskedastisitas yaitu:
menunjukkan terjadi heteroskedastisistas.
terdapat satu menunjukkan tidak terjadi heteroskedastisitas.
Statistik uji yang digunakan:
[ ( ) ] (4)

dengan merupakan vektor pengamat pada (̂ ) dimana ̂,

adalah matriks variabel terikat berukuran ( ( )).
Uji autokorelasi merupakan analisis korelasi antara kesalahan residual (error)
dengan kesalahan residual lainnya dengan menggunakan uji Durbin-Watson yang
merupakan salah satu metode untuk mengetahui adanya autokorelasi (Gujarati, 2004).
Hipotesis pada uji Durbin-Watson yaitu:
menunjukkan tidak terjadi autokorelasi.
menunjukkan terjadi autokorelasi.

3
Statistik uji yang digunakan:
∑ ( )
(5)
∑
dengan,
menyatakan nilai error ke-1.
menyatakan nilai error pada .
Uji multikolinearitas merupakan suatu hubungan antar variabel bebas dalam
bentuk regresi berganda (Gujarati, 2004). Metode untuk mengukur multikolinearitas
adalah melihat nilai variance inflation faktor (VIF) pada regresi. Apabila nilai VIF lebih
besar dari 10, maka variabel tersebut terjadi multikolinearitas terhadap variabel lainnya.
Kemudian dilakukan pengujian koefisien korelasi yang merupakan uji statistika
dalam mengukur keeratan hubungan antara dua variabel. Keeratan hubungan antara dua
variabel dapat diukur kekuatannya menggunakan koefisien korelasi. Beberapa koefisien
korelasi yang digunakan pada data nilai tukar petani yaitu: koefisien korelasi Pearson,
Spearman-rho, dan Kendall-tau.
Koefisien korelasi Pearson merupakan salah satu uji pada statistic parametric
yang menunjukkan hubungan dan derajat hubungan dari dua variabel. Perhitungan
dalam teknik korelasi ini mensyaratkan bahwa populasi asal sampel mempunyai dua
varian dan berdistribusi normal (Draper & Smith, 1998). Adapun rumus koefisien
korelasi Pearson (r) sebagai berikut :
∑ ∑ ∑
(6)
√∑ (∑ ) √∑ (∑ )

Koefisien korelasi Spearman-rho merupakan analisis hubungan data koefisien

korelasi secara mendasar dengan perbedaan peringkat dari kedua variabel atau lebih
yang menunjukan keeratan atau pengukuran korelasi hubungan linier antara dua
variabel. Nilai koefisien korelasi dan kriteria penilaian kekuatan hubungan dua variabel
sama dengan yang digunakan dalam koefisien korelasi Pearson. Perhitungan yang
dilakukan hampir sama dengan korelasi Pearson, perbedaannya terletak pada
pengubahan data kedalam bentuk ranking sebelum dihitung koefisien korelasinya
(Siegel & Castella, 1988). Persamaan koefisien korelasi Spearman-rho dinyatakan
sebagai berikut:
∑
(7)

Koefisien korelasi Kendall-tau memiliki tingkat yang sama dengan koefisien

korelasi Spearman-rho, tetapi berbeda dasar logikanya. Jika untuk koefisien korelasi
peringkat Spearman-rho didasarkan atas peringkat (rank), dimana baik variabel dan
diberi peringkat masing-masing. Sedangkan untuk koefisien korelasi Kendall-tau salah
satu variabelnya yang diberi peringkat kemudian diurutkan, yaitu variabel saja atau
variabel saja. Dalam hal ini biasanya adalah variabel . Pada variabel akan dilihat
apakah nilai variabel itu searah atau berlawanan arah dengan variabel yang sudah
diurutkan (Nugroho et al, 2008).

4
 (8)
√ ( ) √ ( )

dimana ∑ ( ), adalah banyak observasi berangka sama dalam tiap

kelompok angka sama pada variabel sedangkan ∑ ( ), adalah banyak
observasi berangka sama dalam tiap kelompok angka sama pada variabel .

3. METODOLOGI PENELITIAN

Penelitian ini menggunakan data Badan Pusat Statistik Provinsi Riau, yaitu Statistik
Nilai Tukar Petani periode Januari 2016 sampai Desember 2019. Variabel yang
digunakan yaitu, nilai tukar petani ( ), indeks harga yang diterima petani ( ), indeks
harga yang dibayar petani ( ), konsumsi rumah tangga ( ), dan biaya produksi serta
penambahan barang modal( ). Komparasi koefisien korelasi Pearson, Spearman-rho,
dan Kendall-tau dilakukan dengan menggunakan software RStudio dengan langkah-
langkah sebagai berikut:
a. Melakukan regresi linear berganda pada data nilai tukar petani.
b. Pengujian asumsi klasik dengan beberapa uji yaitu: uji normalitas menggunakan
menggunakan uji Kolmogorov-Smirnov, uji heteroskedastisitas menggunakan uji
Bruesch-Pagan, uji autokorelasi menggunakan uji Durbin-Watson, dan uji
multikolinearitas menggunakan VIF.
c. Mengolah data dengan koefisien korelasi Pearson untuk melihat ada atau tidaknya
korelasi dan derajat hubungan. Selanjutnya, menggunakan koefisien korelasi
Spearman-rho dan Kendall-tau dengan membuat ranking pada variabelnya. Pada
koefisien korelasi Kendall-tau dengan pemberian ranking pada variabel variabel .
Hal ini dilakukan untuk mendapatkan ada atau tidaknya korelasi, derajat
hubungan , dan arah hubungan pada data nilai tukar petani.
d. Melakukan komparasi dan interpretasi pada hasil koefisien korelasi Pearson,
Spearman-rho dan Kendall-tau.

4. UJI KOMPARASI UKURAN KOEFISIEN KORELASI KOEFISIEN NILAI

TUKAR PETANI MENGGUNAKAN KOEFISIEN KORELASI PEARSON,
SPEARMAN-rho, DAN KENDALL-tau

Regresi linear berganda digunakan untuk mengukur hubungan nilai tukar petani ( )
dengan 4 faktor variabel yang mempengaruhi dan . Berikut ini disajikan hasil
regresi linear berganda pada nilai tukar petani:

Berikut Tabel 4.1 menunjukkan hasil regresi linear berganda:

5
 Tabel 4.1. Hasil regresi linear berganda
Estimasi Standard error (SE) – ( | |)
151,9369 22,0992 6,875 1.95e-08
-0,2828 0,2619 -1,080 0,2863
-0,1255 0,1471 -0,853 0,3982
0,4913 0,1556 3,158 0,0029
-0,4837 0,2708 -1,786 0,0811
Berdasarkan Tabel 4.1 menunjukkan bahwa diantara empat faktor, mempunyai
tingkat signifikansi yang paling mempengaruhi nilai tukar petani sedangkan
, dan tidak terlalu mempengaruhi.
Uji normalitas digunakan untuk menilai sebaran data telah berdistribusi normal
atau tidak. Hasil uji normalitas menggunakan uji Kolmogorov-Smirnov menunjukkan
bahwa nilai diperoleh sebesar 0,1521 dengan nilai p-value sebesar 0,1956 yang
berarti bahwa terima dengan nilai ( ) ( ) yang menyatakan
data nilai tukar petani berdistribusi normal.
Uji heteroskedastisitas dilakukan untuk mengetahui ada atau tidaknya
penyimpangan yang terjadi pada data. Metode yang digunakan pada uji
heteroskedastisitas adalah uji Breusch-Pagan. Hasil pengujian metode Breusch-Pagan
menunjukkan bahwa nilai sebesar 4,5617 dengan p-value sebesar 0,3353. Hal ini
menunjukkan bahwa terima dengan nilai ( ) ( ) menyatakan
tidak terjadi heteroskedastisitas.
Uji autokorelasi digunakan untuk mengetahui kelinearan data yang digunakan dari
kesalahan residual dengan menggunakan uji Durbin-Watson. Berikut hasil pengujian;
Tabel 4.2. Hasil uji autokorelasi dengan Durbin-Watson
p-value
1,541 1,3619 1,7206 2,6381 2,2794 0,01706
Berdasarkan Tabel 4.2 menunjukkan bahwa tolak dengan
( ) ( ) ( ) menyatakan tidak terjadi autokorelasi.
Uji multikolinearitas merupakan suatu hubungan antar variabel bebas dalam
bentuk regresi berganda. Uji multikolinearitas menggunakan VIF. Berikut hasil
pengujian:
Tabel 4.3. Hasil uji multikolinearitas dengan VIF
4,2975
6,2474
3,9978
2,7983
Berdasarkan Tabel 4.3 hasil uji multikolinearitas menunjukkan bahwa nilai VIF
pada , , , dan < 10 yang menyatakan variabel-variabel tersebut tidak
mengalami multikolinearitas.
Koefisien korelasi Pearson adalah salah satu koefisien korelasi pada statistik
parametrik yang digunakan untuk mengukur kekuatan dan arah hubungan antara
variabel terikat dan variabel bebas. Berikut ditampilkan hasil koefisien korelasi Pearson
pada Tabel 4.4:

6
 Tabel 4.4. Hasil uji koefisien korelasi Pearson
Hasil Uji It Ib KRT BPPBM
-1,3519 -0,1043 1,4355 -3,2067
degree of freedom (df) 46 46 46 46
0,183 0,9174 0,1579 0,0024
Interval kepercayaan 95% -0,4543 -0,2982 -0,0818 -0,6345
Sampel estimasi 0,0938 0,2699 0,4639 -0,1631
Koefisien korelasi Pearson ( ) -0,1954 -0.0153 0,2070 -0,4274
Berdasarkan Tabel 4.4, faktor yaitu indeks harga yang diterima petani (It)
menunjukkan bahwa nilai signifikansi ( ) derajat estimasi ( )
yang berarti tidak terlalu berkorelasi terhadap nilai tukar petani dimana nilai
tidak derajat hubungan. Nilai yaitu indeks harga yang dibayar petani (Ib)
menunjukkan bahwa nilai signifikansi ( ) derajat estimasi ( )
yang berarti tidak terlalu berkorelasi terhadap nilai tukar petani dimana nilai
tidak derajat hubungan. Nilai yaitu konsumsi rumah tangga (KRT)
menunjukkan bahwa nilai signifikansi ( ) derajat estimasi ( )
yang berarti tidak terlalu berkorelasi terhadap nilai tukar petani dimana nilai
berderajat hubungan lemah. Nilai yaitu biaya produksi serta penambahan
barang modal (BPPBM) menunjukkan nilai signifikansi ( ) derajat
estimasi ( ) berarti berkorelasi terhadap nilai tukar petani dimana
berderajat hubungan sedang.
Selanjutnya, koefisien korelasi spearman-rho merupakan nilai koefisien korelasi
dan kriteria perhitungan yang dilakukan berbeda dengan koefisien korelasi Pearson,
perbedaan terletak pada pengubahan data kedalam bentuk ranking sebelum dihitung
koefisien korelasinya. Berikut hasil uji koefisien korelasi Spearman-rho dalam Tabel
4.5:
Tabel 4.5. Hasil uji koefisien korelasi Spearman-rho
Hasil Uji It Ib KRT BPPBM
S 20612 16351 14785 28151
0,4215 0,4464 0,1784 0,0001

Koefisien korelasi
-0,1187 0,1125 0,1975 -0,5279
spearman-rho( )
Berdasarkan hasil uji koefisien korelasi Spearman-rho pada Tabel 4.5, faktor
yaitu indeks harga yang diterima petani (It) menunjukkan bahwa nilai signifikansi
( ) derajat estimasi ( ) yang berarti tidak terlalu berkorelasi
terhadap nilai tukar petani dimana nilai berderajat hubungan sangat
lemah dan tidak searah. Nilai yaitu indeks harga yang dibayar petani (Ib) nilai tukar
petani menunjukkan bahwa nilai signifikansi ( ) derajat estimasi
( ) yang berarti tidak terlalu berkorelasi terhadap nilai tukar petani dimana nilai
berderajat hubungan sangat lemah dan searah.
Pada nilai faktor yaitu konsumsi rumah tangga (KRT) menunjukkan bahwa
nilai signifikansi ( ) derajat estimasi ( ) yang berarti tidak

7
terlalu berkorelasi terhadap nilai tukar petani dimana nilai berderajat
hubungan sangat lemah dan searah. Nilai yaitu biaya produksi serta penambahan
barang modal (BPPBM) menunjukkan nilai signifikansi ( ) derajat
estimasi ( ) yang berarti berkorelasi terhadap nilai tukar petani dimana
berderajat hubungan kuat dan tidak searah.
Koefisien korelasi Kendall-tau yang salah satu variabelnya diberi peringkat kemudian
diurutkan, yaitu variabel saja atau variabel saja. Dalam hal ini biasanya variabel yang
diurutkan adalah variabel . Berikut hasil koefisien korelasi Kendall-tau pada Tabel
4.6:
Tabel 4.6. Hasil uji koefisien korelasi Kendall-tau
Hasil Uji It Ib KRT BPPBM
Z -1,0498 0,6848 1,3431 -3,8318
0,2938 0,4934 0,1793 0,0001
Koefisien korelasi
-0,1054 0,0687 0,1347 -0,3832
Kendall-tau ( )
Berdasarkan hasil uji koefisien korelasi Kendall-tau pada Tabel 4.6, faktor
yaitu indeks harga yang diterima petani (It) menunjukkan nilai signifikansi
( ) derajat estimasi ( ) berarti tidak terlalu berkorelasi terhadap
nilai tukar petani dimana nilai yang berderajat hubungan sangat lemah
dan tidak searah. Nilai yaitu indeks harga yang dibayar petani (Ib) menunjukkan
bahwa nilai signifikansi ( ) derajat estimasi ( ) berarti tidak
terlalu berkorelasi terhadap nilai tukar petani dimana nilai yang berderajat
hubungan sangat lemah dan searah.
Pada nilai faktor yaitu konsumsi rumah tangga (KRT) menunjukkan nilai
signifikansi ( ) derajat estimasi ( ) yang tidak terlalu
berkorelasi terhadap nilai tukar petani dimana nilai yang berderajat
hubungan sangat lemah dan searah. Nilai yaitu biaya produksi serta penambahan
barang modal menunjukkan nilai signifikansi ( ) derajat estimasi
( ) berkorelasi terhadap nilai tukar petani dimana yang berderajat
hubungan cukup dan tidak searah.
Selanjutnya hasil koefisien korelasi dibentuk dengan membandingkan nilai tukar
petani. Berikut disajikan Tabel 4.7:
Tabel 4.7. Komparasi koefisien korelasi Pearson, Spearman-rho, dan Kendall-tau
NTP It Ib KRT BPPBM
R -0,1945 -0,0153 -0,2070 -0,4274
Koefisien Korelasi
thitung -1,3519 -0,1043 1,4355 -3,2076
Pearson
pvalue 0,183 0,9174 0,1579 0,0024
rs -0,1187 0,1125 0,1975 -0,5279
Koefisien Korelasi
S 20612 16151 14784 28151
Spearman-rho
pvalue 0,4215 0,4464 0,1784 0,0001
Z -1,0408 0,6848 1,3431 -3,8318
Koefisien Korelasi
-0,1054 0,0687 0,1347 -0,3832
Kendall-tau
pvalue 0,2938 0,4934 0,1793 0,0001

8
 Berdasarkan Tabel 4.7 menunjukkan bahwa tiga faktor dari nilai tukar petani
menggunakan koefisien korelasi Pearson, Spearman-rho, dan Kendall-tau adalah tidak
berkorelasi pada variabel nilai tukar petani dengan indeks harga diterima petani, indeks
harga dibayar petani, dan konsumsi rumah tangga sedangkan nilai tukar petani
berkorelasi dengan biaya produksi dan penambahan barang modal. Interpretasi derajat
hubungan koefisien korelasi spearman-rho dan kendall-tau yaitu berderajat hubungan
sangat lemah pada variabel , , serta arah hubungan pada variabel , ,
adalah tidak searah sedangkan pada variabel adalah searah.

5. KESIMPULAN

Berdasarkan hasil analisis dapat disimpulkan bahwa nilai tukar petani yang terdiri dari
empat faktor yang diolah menggunakan koefisien korelasi Pearson, Spearman-rho, dan
Kendall-tau membuktikan variabel terikat ( ) berkorelasi terhadap ( ) yaitu biaya
produksi dan penambahan barang modal tetapi tidak berkorelasi terhadap ketiga
variabel bebas( ). Derajat hubungan koefisien korelasi Pearson dan spearman-
rho sama, yaitu berderajat sangat lemah pada variabel ( ) dan memiliki tidak
searah pada variabel ( ). Faktor yang paling mempengaruhi nilai tukar petani
yaitu subjek kelompok biaya produksi serta penambahan biaya produksi dikarenakan
semakin tinggi variabel maka akan mempengaruhi penurunan pada variabel .

DAFTAR PUSTAKA

Badan Pusat Statistik. (2016-2019). Katalog statistik nilai tukar petani. Jakarta: BPS.

Bonett, D. G., & Wright, T. A. (2000). Sample size requirements for estimating
Pearson, Kendall and Spearman correlation. Psychometrika, 65(1), 23-28.

Cindy, V. B., Dundu, A. K., & Mandagi, R. J. (2016). Pengaruh pendayagunaan sumber
daya manusia (tenaga kerja) terhadap hasil pekerjaan (studi kasus perumahan
taman mapanget (Tamara)). Ekonomi dan Bisnis, 4(1), 13-20.

Draper, N. R. & Smith, H. (1998). Applied regression analysis. (3th ed.). New York:
John Wiley and Sons.

Gibbons, J. D., & Chakraborti, S. (1992). Nonparametric statistical inference, (3rd).

New York: Marcel Dekker.

Gujarati, N. D. (2004). Basic econometrics, (4th ed). New York: McGraw-Hill

Companies.

Johnson, R. A., & Bhatta, C. G. (2011). Statistics: Principles and methods. New York:
John Wiley.

Kurniawan, R & Yuniarto, B. (2017). Analisis regresi: Dasar dan penerapannya

dengan R. Jakarta: Kencana.

9
Montgomery, D. C. & Peck, E. A. (2012). Introduction to linear regression analysis.
(5th ed.). New York: John Wiley and Sons, Inc.

Nugroho. S., Syahrul A., Resi V. (2008). Kajian hubungan korelasi Pearson (r),
Spearman-rho (ρ), Kendall- tau (τ), Gamma (G), dan Somers ( ). Jurnal
Gradien, 4(2), 372-381.

Noether, G. E. (1981). Why Kendall-tau?, Teaching statistics, 3(1), 41-43.

Rachmat, M. (2013). Nilai tukar petani: Konsep, pengukuran dan relevensinya sebagai
indikator kesejahteraan petani. Bogor: Pusat Sosial Ekonomi dan Kebijakan
Pertanian, 2(1), 1-12.

Siegel, S. & Castella, Jr. J. (1988). Nonparametric statistics for the behavioral
sciences. Singapore: McGraw-Hill Internasional Edition.

Sihombing, Y., & Lintje, H. (2019). Uji komparasi model korelasi dalam menganalisis
efektivitas pendampingan petani. Jurnal Pertanian, 28(1), 1-10.

Weiss, N. A. (2012). Elementary statistics. (8th ed.). Boston: Pearson.

Weisberg, S. (1947). Applied linear regression. (4th ed.). Kanada: John Wiley.

Winter, J. C. F. D., Potter. J., & Gosling, S. D. (2016). Comparing the Pearson and
Spearman correlation coefficients across distributions and sample sizes: A tutorial
using simulations and empirical data. Psychological Methods, 21(3), 273-290.

Weichao. X., Hou, Y., Hung, Y. S., & Zou, Y. (2012). A comparative analysis of
Spearman’s rho and Kendall’s tau in normal and contaminated normal models.
Signal Processing, 93(2013), 261-276.

10