ANALISIS KORELASI KENDALL TAU

Disusun untuk memenuhi tugas mata kuliah Pengolahan Data Penelitian

Dosen Pengampu:

Dr. Nur Karomah Dwidayati, M.Si

Disusun:

Adi Satrio Ardiansyah (0401516055)

Febriana Wahyuningtyas (0401516056)
Vita Nur Millaty (0401516057)

PROGRAM STUDI PENDIDIKAN MATEMATIKA

PROGRAM PASCASARJANA

UNIVERSITAS NEGERI SEMARANG

TAHUN 2016
 KOEFISIEN KORELASI KENDALL TAU (𝝉)

1. PENGERTIAN

Koefisien korelasi kendall tau pertama sekali dikemukakan oleh Maurice

George Kendall pada tahun 1938. Maurice George Kendall adalah seorang

statistikawan yang lahir di Northamptonshire pada tanggal 6 September 1907 dan

meninggal pada tanggal 29 Maret 1983.

Koefisien korelasi kendall tau atau yang biasa dinotasikan dengan (𝜏)

merupakan suatu nilai yang menunjukkan derajat asosiasi atau korelasi antara 2

himpunan variabel dalam sebuah penelitian yang telah disusun berdasarkan

peringkatnya dengan tujuan mengetahui kekuatan atau tingkatan korelasi antara X

dan Y, dimana data yang tersedia merupakan sebuah sampel random yang terdiri

atas n pasangan hasil pengamatan (Xi, Yi). Data sekurang-kurangnya diukur pada

skala ordinal, sehingga data X dan Y yang telah diamati dapat disusun peringkat

atau rank-nya. Batas nilai dari koefisien korelasi Kendall tau sama dengan koefisien

korelasi pada umunya yakni akan bernilai (+1) apabila variabel X dan Y

berkoerelasi positif (sebanding lurus) dan bernilai (-1) apabila X dan Y berkorelasi

negatif (berbanding terbalik).

2. SYARAT PENGGUNAAN

a) Data yang tersedia merupakan sebuah sampel acak yang terdiri atas n pasangan

hasil pengamatan (Xi, Yi).

b) Data sekurang-kurangnya diukur pada skala ordinal, sehingga dapat merangking

masing-masing nilai X dalam hubungannya dengan nilai-nilai X lain yang

teramati, dan masing-masing nilai Y dalam hubungannya dengan nilai-nilai Y

yang teramati.
3. METODE PERHITUNGAN

a) Koefisien Korelasi Rank Kendall adalah :

𝐬𝐤𝐨𝐫 𝐬𝐞𝐛𝐞𝐧𝐚𝐫𝐧𝐲𝐚
𝝉=
𝐤𝐞𝐦𝐮𝐧𝐠𝐤𝐢𝐧𝐚𝐧 𝐬𝐤𝐨𝐫 𝐦𝐚𝐤𝐬𝐢𝐦𝐮𝐦

dimana kemungkinan jumlah maksimum adalah C2N yang dapat dinyatakan sebagai

𝟏
𝐍(𝐍 − 𝟏).
𝟐

Sehingga rumus dapat dinotasikan :

𝐒
𝝉=𝟏
𝐍(𝐍 − 𝟏)
𝟐

Keterangan :

𝜏 = Koefisien Korelasi Kendall Tau

S = Skor sebenarnya yang merupakan jumlah skor urutan kewajaran pasangan data

pada salah satu variabel. Jika urutan ranking wajar diberi skor +1, jika urutan

ranking tidak wajar diberi skor –1.

N = Jumlah anggota sampel.

b) Koefisien Korelasi Kendall untuk Observasi yang bernilai sama (Ties) :

𝐒
𝛕=
𝟏 𝟏
√ 𝐍(𝐍 − 𝟏)−𝐓𝐗 √ 𝐍(𝐍 − 𝟏)−𝐓𝐘
𝟐 𝟐

Dimana :
1
TX = ∑ t(t − 1), t = banyaknya observasi dengan nilai sama (ties) dalam tiap
2

kelompok nilai sama pada variabel X.

1
Ty = ∑ t(t − 1), t = banyaknya observasi dengan nilai sama (ties) dalam tiap
2

kelompok nilai sama pada variabel Y.

c) Koefisien Korelasi Kendall untuk 𝐍 > 𝟏𝟎 :

Jika N lebih dari 10, maka 𝜏 dapat dianggap berdistribusi normal dengan
Mean = 𝜇𝜏 = 0
2(2𝑁+5)
Standar Deviasi = 𝜎𝜏 = √9𝑁(𝑁−1)
𝜏−𝜇𝜏 𝜏
Jadi, 𝑧 = =
𝜎𝜏 2(2𝑁+5)
√9𝑁(𝑁−1)

4. PROSEDUR PERHITUNGAN

1) Berilah ranking observasi-observasi pada variabel X dari 1 hingga N. Berilah

pula ranking observasi-observasi pada variabel Y dari 1 hingga N.

2) Susunlah N subyek sehingga ranking-ranking X untuk subyek-subyek itu ada

dalam urutan wajar, yakni 1, 2, 3, ...., N.

3) Amatilah ranking-ranking Y dalam urutan yang bersesuaian dengan ranking X

yang ada dalam urutan wajar. Tentukan harga S untuk urutan ranking Y ini.

4) Jika tidak terdapat data yang bernilai sama (ties) di antara observasi-observasi X

maupun Y, gunakan rumus (a) dalam menghitung harga 𝜏. Jika terdapat data

yang bernilai sama (ties), pakailah rumus (b).

5) Jika N subyek merupakan suatu sampel random dari populasi tertentu, kita dapat

menguji apakah harga observasi 𝜏 memberi petunjuk adanya asosiasi antara

variabel X dan Y dalam populasinya. Metode perhitungan tergantung N:

a. Untuk N ≤ 10 lihat nilai 𝑝𝑣𝑎𝑙𝑢𝑒 dari tabel 1.

Jika 𝑝𝑣𝑎𝑙𝑢𝑒 ≤ 𝛼, maka H0 ditolak.

b. Untuk N > 10, kita dapat menghitung harga z yang berkaitan dengan 𝜏

menggunakan rumus z. Jika zhitung ≥ ztabel , maka H0 ditolak. ztabel

1
diperoleh dari 0,5 − 2 𝛼 dilihat dari tabel 2.
5. CONTOH SOAL

Contoh 1 :

Untuk N ≤ 10 dan Angka sama

Dengan taraf nyata 5% akan dilakukan penelitian untuk mengetahui adakah

hubungan antara peringkat masuk PT dengan indeksprestasi selama 1 semester

mahasiswa. Penelitian dilakukan dengan menggunakan sampel mahasiswa PT

sebanyak 10 orang. Berdasarkan 10 orang mahasiswa itu, mereka ditanya

bagaimana peringkat masuk PT dan IP Semester 1. Data hasil penelitian ditunjuk

pada tabel berikut.

Peringkat Masuk PT dan IP Semester I 10 Orang Mahasiswa

Mahasiswa Peringkat Masuk PT IP Semester 1

1 1 3,2
2 2 3,2
3 3 3,5
4 4 3,3
5 5 3,1
6 6 3,4
7 7 3,0
8 8 3,0
9 9 2,8
10 10 2,9

Berdasarkan hal tersebut di atas, maka:

1. Judul penelitiannya dapat dirumuskan sebagai berikut:

Adakah hubungan antara peringkat masuk PT dengan indeks prestasi selama 1

semester mahasiswa (indeks prestasi diukur berdasarkan rangking)

2. Variabel penelitiannya adalah: indeks prestasi selama 1 semester mahasiswa.

3. Rumusan masalah:

Adakah hubungan antara peringkat masuk PT dengan indeks prestasi selama 1

semester mahasiswa (ada hubungan berarti jika peringkat masuk PT tinggi maka

indeks prestasi semester 1 juga tinggi demikian sebaliknya).

4. Sampel: mahasiswa semester I berjumlah 10 orang

5. Hipotesis:

H0 : τ = 0 (tidak ada hubungan antara peringkat masuk PT dengan indeks prestasi

selama 1 semester mahasiswa)

H1 : τ ≠ 0 (ada hubungan antara peringkat masuk PT dengan indeks prestasi

selama 1 semester mahasiswa)

6. Wilayah kritis: H0 ditolak jika 𝑝𝑣𝑎𝑙𝑢𝑒 ≤ ∝

7. Penghitungan:

Peringkat IP Peringkat IP Skor sebenarnya

1 3,2 4,5
2 3,2 4,5 2
3 3,5 1 2
4 3,3 3 7
5 3,1 6 4
6 3,4 2 3
7 3,0 7,5 4
8 3,0 7,5 2
9 2,8 10 2
10 2,9 9 -1
S =25
Tx= 1⁄2 ∑𝑡(𝑡 − 1) = 0

Ty= 1⁄2 ∑𝑡(𝑡 − 1) = 1⁄2 [2(2 − 1) + 2(2 − 1)] = 2

𝑆
τ=
√(1⁄2)𝑁(𝑁−1)−𝑇𝑥√(1⁄2)𝑁(𝑁−1)−𝑇𝑦
 25
=
√(1⁄2)(25)(25−1)−0√(1⁄2)(25)(25−1)−2

= 0,08361250776

8. Keputusan:

Karena 𝑝𝑣𝑎𝑙𝑢𝑒 = 0,014 < 𝛼 = 0,05 maka H0 ditolak.

9. Kesimpulan:

Ada hubungan yang positif dan signifikan antara peringkat masuk PT dengan

indeks prestasi selama 1 semester mahasiswa atau jika peringkat masuk PT

tinggi maka indeks prestasi semester 1 juga tinggi demikian sebaliknya.

Contoh 2:

Untuk Sampel Kecil (N<10) dan Angka Beda

Dalam mengamati hubungan alami antara Intelegensi & dominasi sosial pada tikus

Albino. Hasil percobaan sbb :

Tikus 1 2 3 4 5 6
Intelegensi 45 26 20 40 36 23
Dominasi 63,7 0,1 15,6 101,2 25,4 1,8
Apakah data ini merupakan evidensi yang cukup untuk menunjukkan ada hubungan

antara intelegensi & dominasi sosial pada tikus albino dengan 𝛼 = 0,05.

Jawaban :

Berdasarkan hal tersebut di atas, maka:

1. Hipotesis:

H0: τ = 0 (Tidak ada hubungan antara Variabel X dan Y)

H1: τ ≠ 0 (Ada hubungan antara Variabel X dan Y)

2. Wilayah kritis: H0 ditolak jika 𝑝𝑣𝑎𝑙𝑢𝑒 ≤ 𝛼

3. Perhitungan :
 Hasil dengan di rangking

Tikus 1 2 3 4 5 6
Intelegensi 45 (6) 26 (3) 20 (1) 40 (5) 36 (4) 23 (2)
Dominasi 63,7 (5) 0,1 (1) 15,6 (3) 101,2 (6) 25,4 (4) 1,8 (2)
Hasil dengan di rangking dan pengurutan

Tikus 1 2 3 4 5 6
Intelegensi 20 (1) 23 (2) 26 (3) 36 (4) 40 (5) 45 (6)
Dominasi 15,6 (3) 1,8 (2) 0,1 (1) 25,4 (4) 101,2 (6) 63,7 (5)

𝑆 = (1) + (2) + (3) + (2) + (−1) = 7

𝐶2𝑛 = 𝑁𝑖𝑙𝑎𝑖 𝑆𝑚𝑎𝑘𝑠𝑖𝑚𝑎𝑙

𝐶26 = 15

𝑆 7
𝜏= = = 0,4667
𝑛𝑖𝑙𝑎𝑖 𝑆 𝑚𝑎𝑘𝑠𝑖𝑚𝑎𝑙 15

atau
𝑆 7 7
𝜏 = 1/2𝑁(𝑁−1) = 1/2(6)(5) = 15 = 0,4667.

4. Keputusan

Dilihat dari Tabel 1 dengan S = 7, N = 6, diperoleh 𝑝𝑣𝑎𝑙𝑢𝑒 = 0,136.

Karena 𝑝𝑣𝑎𝑙𝑢𝑒 = 0,136 > 𝛼 = 0,05 maka H0 diterima.

5. Kesimpulan

Jadi, tidak ada hubungan antara intelegensi dan dominasi sosial pada tikus

albino.

Contoh 3:
Untuk Sampel Besar (N > 10)
Dilakukan penelitian untuk mengetahui adakah hubungan antara rangking SD

dengan rangking di SMU. Penelitian dilakukan dengan menggunakan sampel siswa

kelas III SMU sebanyak 25 orang. Berdasarkan 25 orang siswa itu, mereka ditanya

bagaimana rangkingnya di SD kelas V dulu dan rangkingnya di kelas III SMU.

Data hasil penelitian ditunjuk pada tabel berikut.

RANGKING 25 SISWA SEWAKTU DI SD DAN DI SMU

No. Rangking Rangking No. Rangking Rangking
Siswa di SD di SMU Siswa di SD di SMU
(R1) (R2) (R1) (R2)
1 1 2 13 13 14
2 2 1 14 14 12
3 3 4 15 15 15
4 4 3 16 16 23
5 5 7 17 17 18
6 6 8 18 18 17
7 7 9 19 19 19
8 8 10 20 20 20
9 9 16 21 21 13
10 10 5 22 22 25
11 11 6 23 23 22
12 12 11 24 24 21
25 25 24
Berdasarkan hal tersebut di atas, maka:

1. Judul penelitiannya dapat dirumuskan sebagai berikut:

Adakah hubungan antara prestasi belajar di SD dengan di SMU (prestasi

belajar di ukur berdasarkan rangking)

2. Variabel penelitiannya adalah: prestasi belajar di SD dan SMU

3. Rumusan masalah:

Adakah hubungan antara rangking di SD dengan di SMU (ada hubungan

berarti jika sewaktu kecil/ SD pandai, maka jika besar di SMU juga pandai atau

sebaliknya)
4. Sampel: siswa kelas III SMU berjumlah 25 siswa

5. Hipotesis:

H0: τ = 0 (tidak ada hubungan antara rangking di SD dengan di SMU)

H1: τ ≠ 0 (ada hubungan antara rangking di SD dengan SMU)

6. Wilayah kritis: H0 ditolak jika harga Zhitung ≥ Ztabel

7. Penghitungan:

Skor Skor
No. R1 R2 No. R1 R2
sebenarnya sebenarnya
1 1 2 14 14 12 8
2 2 1 22 15 15 15 11
3 3 4 23 16 16 23 8
4 4 3 20 17 17 18 -5
5 5 7 21 18 18 17 4
6 6 8 16 19 19 19 5
7 7 9 15 20 20 20 4
8 8 10 14 21 21 13 3
9 9 16 13 22 22 25 4
10 10 5 2 23 23 22 -3
11 11 6 15 24 24 21 0
12 12 11 14 25 25 24 1
13 13 14 13 S = 228
S 228
τ = 1 = 1 = 0,76
N(N − 1) (2)(25)(25 − 1)
2

𝜏 0,76
𝑍= = = 5,324932778
2(2𝑁+5) 2(2(25)+5)
√9𝑁(𝑁−1) √9(25)(25−1)

8. Keputusan:

Karena 𝑧ℎ𝑖𝑡𝑢𝑛𝑔 = 5,32 > 𝑧𝑡𝑎𝑏𝑒𝑙 = 1,96 maka H0 ditolak.

9. Kesimpulan:
 Ada hubungan yang positif dan signifikan antara rangking di SD dengan di

SMU, atau jika di SD pandai, maka di SMU juga akan pandai, demikian

sebaliknya.

6. APLIKASI KOEFISIEN KORELASI KENDALL TAU

Jika kita memiliki data produksi dan data ekspor suatu komoditi, kita ingin

melihat hubungan antara keduanya (apakah ada korelasi antara total produksi dan

ekspor).

1. Buka program SPSS kemudian input data ke dalam tabel-tabel SPSS:

 2. Klik dari menubar Analyze – Correlate – Bivariate, seperti berikut:

3. Kemudian masukkan kedua variabel ke kotak variables di sebelah kanan,

checklist koefisien korelasi sebagai “Kendall’s tau”.

4. Kemudian Klik OK
 Maka akan muncul output sebagai berikut:

Dari output di atas, N menunjukkan jumlah observasi/sampel sebanyak 25,

sedangkan hubungan korelasi ditunjukkan oleh angka 0,760(**) yang artinya besar

korelasi yang terjadi antara variabel X dan Y adalah baik yaitu

sebesar 0,760. Sementara Sig.(2-tailed) menunjukkan taraf kritik = 0,000. Karena

taraf kritik = 0,000 < 𝛼 = 0,05 maka H0 ditolak. Jadi, ada hubungan yang signifikan

antara rangking di SD dengan di SMU, atau jika di SD pandai, maka di SMU juga

akan pandai, demikian sebaliknya.

 DAFTAR PUSTAKA

Conover, W. J. 1980. Practical Nonparametric Statistics. USA: John Wiley & Sons,
Inc.

Siegel, A. 2008. Statistik Nonparametrik untuk ilmu-ilmu sosial. Jakarta: PT Gramedia

Pustaka Utama.
 LAMPIRAN

TABEL 1
TABEL 2