BAB I

A. PENDAHULUAN
Hubungan fungsional antara variabel variabel seperti regresi linear, regresi nonlinear
dan regresi linear ganda, ditentukan oleh parameter dalam persamaanregresitersebut.
Persoalan yang perlu ditinjau adalah jika hasil pengamatan terdiri dari banyak variable, maka
seberapa kuat hubungan antara variabel tersebut. Dengan kata lainperluditentukan derajat
hubungan antara variabel variabel.

Studi yang membahas derajat hubungan antara variabel variabel dikenal dengan
analisis korelasi. Ukuran yang dipakai untuk mengetahui derajat hubungan data kuantitatif
adalah koefisien korelasi. Uji korelasi yang dikembangkan oleh Charles Spearman ( 1863-
1945 ), yakni sebuah uji statistik yang digunakan untuk menguji hipotesis asosiatif dua
variabel dengan data yang berskala ordinal. Uji ini dilakukan untuk data nonparametrik atau
tidak berdistribusi normal dan tanpa memperhatikan linearnya. Data yang diuji berkala
ordinal, maka harus dibuat perangkingan datanya terlebih dahulu sebelum diuji.

Dalam analisis korelasi tidak ada istilah variabel bebas (X) maupun variabel terikat
(Y). Dengan demikian dapat diartikan bahwa kedua variabel yang dikorelasikan atau
dihubungkan bersifat independen antara satu dengan yang lainnya.Dengan kata lain masing
masing variabel berdiri sendiri dan tidak tergantung satu sama lainnya.

Pengujian dilakukan dengan menentukan koefisien korelasi dari dua variabel yang
diuji. Koefisien korelasi Spearman dilambangkan dengan ρ (rho) untuk parameter dan rₛ
untuk statistiknya. Nilai koefisien korelasi rₛ menyatakan seberapa kuat hubungan kedua
variabel yang diuji.

B. RUMUSAN MASALAH

1. Apa yang dimaksud dengan Uji Korelasi Spearman-Rank?

2. Bagaimana cara pengolahan data dengan metode Uji Korelasi Spearman-Rank?

C. TUJUAN

1. Untuk memahami definisi Uji Korelasi Spearman-Rank.

2. Untuk memahami cara pengolahan data dengan metode Uji Korelasi Spearman-Rank
 BAB II
A. PENGERTIAN
Korelasi Rank Spearman merupakan salah satu penerapan koefisien korelasi dalam
metode analisis data statistik non parametrik. Korelasi Rank Spearman disebut juga
Spearman Rank Correlation Coefficient. 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 n 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. Sebagaimana yang dimaksud analisis
korelasi ini tidak diperlukan asumsi adanya hubungan yang linear ( uji linearitas ) antara
variable penelitian. Jika data penelitian menggunakan skala likert, maka jarak yang
digunakan harus sama dan data penelitian tidak harus berdistribusi normal ( uji normalitas ).

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.
B. TUJUAN ANALISIS KORELASI RANK SPEARMAN

Tujuan analisis korelasi secara umum ( korelasi pearson product moment atau maupun
korelasi rank spearmen ) adalah untuk :

1. Melihat tingkat kekuatan ( keeratan ) hubungan dua variabel

2. Melihat arah ( jenis ) hubungan dua variabel
3. Melihat apakah hubungan tersebut signifikan atau tidak

C. KRITERIA TINGKAT KEKUATAN KORELASI

Dalam menentukan tingkat kekuatan hubungan antar variabel, kita dapat berpedoman
pada nilai koefisien korelasi yang merupakan hasil dari output SPSS, dengan ketentuan:

1. Nilai koefisien korelasi sebesar 0,00 - 0,25 = hubungan sangat lemah

2. Nilai koefisien korelasi sebesar 0,26 - 0,50 = hubungan cukup
3. Nilai koefisien korelasi sebesar 0,51 - 0,75 = hubungan kuat
4. Nilai koefisien korelasi sebesar 0,76 - 0,99 = hubungan sangat kuat
5. Nilai koefisien korelasi sebesar 1,00 = hubungan sempurna

D. KRITERIA ARAH KORELASI

Arah korelasi dilihat pada angka koefisien korelasi sebagaimana tingkat kekuatan
korelasi. Besarnya nilai koefisien korelasi tersebut terletak antara + 1 sampai dengan – 1. Jika
koefisian korelasi bernilai positif, maka hubungan kedua variabel dikatakan searah. Maksud
dari hubungan searah ini adalah jika variable X meningkat maka variable Y juga akan
meningkat. Sebaliknya jika koefisien korelasi bernilai negatif maka hubungan kedua variabel
tersebut tidak searah. Tidak searah artinya jika variabel X meningkat maka variabel Y akan
menurun.

E. KRITERIA SIGNIFIKANSI KORELASI

Kekuatan dan arah korelasi (hubungan) akan mempunyai arti jika hubungan antar
variabel tersebutbernilai signifikan. Dikatakan ada hubungan yang signifikan, jika nilai Sig.
(2-tailed) hasil perhitungan lebih kecil dari nilai 0,05 atau 0,01. Sementara itu, jika nilai Sig.
(2-tailed) lebih besar dari nilai 0,05 atau 0,01, maka hubungan antar variabel tersebut dapat
dikatakan tidak signifikan atau tidak berarti.
F. KELEBIHAN SPEARMAN RANK

1. Hubungan antara variabel X dan Y tidak harus linear (tidak perlu diuji linearitasnya)

2. Asumsi kenormalan data (normalitas) tidak diperlukan.

3. Data tidak harus dengan ukuran numerik, melainkan hanya berupa ranking/peringkat saja

Suatu ukuran nonparametrik bagi hubungan antara dua variabel X san Y diberikan
oleh koefisien peringkat Spearman, yaitu :

Di mana :

di = selisih antara peringkat bagi Xi dan Yi

n = banyaknya pasangan data
Kriteria penarikan kesimpulan :

Jika rs < rtabel maka Ho diterima

Jika rs > rtabel maka Ho ditolak

Nilai korelasi rs berkisar dari -1 ≤ rs ≤ +1. Bila rs = 1 menunjukkan hubungan positif

sempurna, bila rs = -1 terdapat hubungan antar kedua variabel tetapi bertolak belakang
(hubungan negatif). Pengujian signifikansi Spearman Rank dilakukan jika Ho ditolak,
pengujian tersebut sebagai berikut :

1. Didasarkan atas padanan distribusi Z (distribusi normal) jika n > 30 dengan rumus :

Daerah kritik :
Uji Dua Pihak Uji Satu Pihak
Zo ≤ Z[0,5 – 1/2α)] terima Ho Zo ≤ Z[0,5 – α)] terima Ho
Zo > Z[0,5 – 1/2α)] tolak Ho Zo > Z[0,5 – α)] tolak Ho
Wibisono (2005:651)
 2. Jika n ≤ 30 menggunakan rumus :

Kriteria pengujian :
Jika – ttabel < thitung < + ttabel maka Ho diterima.
Husaini Usman (2008:262)

G. LANGKAH LANGKAH UJI KORELASI SPEARMAN DENGAN SPSS:

1. Input data di atas ke dalam SPSS.
2. Pada kolom Name ketik X dan Y.
3. Pada kolom Decimals angka ganti menjadi 0.
4. Pada kolom Label isikan Cara Belajar untuk variabel X dan Motivasi Belajar untuk
variabel Y.
5. Pada kolom Align isikan Center.
6. Pada kolom Measure isikan Nominal.
7. Untuk kolom-kolom lainnya biarkan saja (isian default).
8. Klik tab sheet [Variable View] pada SPSS data editor dan ketik/copy data
9. Selanjutanya klik [Analyze] > [Corelate] > [Bivariate].
10. Akan muncul kotak dialog Bivariate Correlations, masukan kedua variabel pada kotak
Variables. Berikan checklist pada Spearman di pilihan Correlation Coefficienst.
11. Klik [OK].
12. Muncul output SPSS viewer menampilkan hasil.

H. ANALISIS
1. Hipotesis
Hipotesis dalam dalam Penelitian diartikan sebagai jawaban sementara terhadap
rumusan masalah penelitian . Sedangkan rumusan masalah sendiri bisa berupa
pernyataan dua variabel atau lebih, perbandingan/komparasi, atau variabel
mandiri/deskripsi.
H0 : menyatakan “tidak ada” tetapi bukan tidak adanya perbedaan antara data populasi
dan data sampel, tetapi bisa berbentuk tidak adanya hubungan antara satu variabel
 dengan variabel yang lain, tidak adanya perbedaan antara satu variabel atau lebih
dalam populasi/sampel yang berbeda, dan tidak adanya perbedaan antara yang
diharapkan dengan kenyataan pada satu variabel atau lebih untuk populasi atau
sampel yang sama (Sugiyono, 2009).
Ha : Hipotesis kerja menyatakan adanya hubungan antara variabel X dan Y
2. Dasar penarikan kesimpulan
a. Membandingkan rs hitung hitung dengan rs tabel
Jika rs < rtabel maka Ho diterima
Jika rs > rtabel maka Ho ditolak

b. Membandingkan probabilitas (P-Value/ Sig.) dengan α

Jika probabilitas (P-Value/ Sig.) > α Ho diterima.
Jika probabilitas (P-Value/ Sig.) < α Ho ditolak.
3. Kesimpulan
a. Membandingkan rs hitung hitung dengan rs tabel
b. Membandingkan probabilitas (P-Value/ Sig.) dengan α