Nama: Anisa Sekar Asri

Kelas : B – S1 Statistika
NIM : M0722014

TUGAS STATISTIKA NONPARAMETRIK

KORELASI RANK (SPEARMAN, KENDALL) DAN KORELASI PARSIAL

1. Korelasi Rank
A. Korelasi Rank Spearman
Uji rank spearman adalah metode statistik non-parametrik yang digunakan
untuk mengukur seberapa erat hubungan antara dua variabel ordinal atau interval
yang telah diurutkan. Uji rank Spearman adalah metode statistik yang dapat
digunakan pada data yang tidak memiliki informasi parameter, data yang tidak
berdistribusi normal, atau data yang diukur dalam bentuk ranking. Korelasi ini
dapat digunakan untuk data kategorik seperti kategori pekerjaan, tingkat
pendidikan, kelompok usia, dan contoh data kategorik lainnya.
Langkah – langkah pengujian rank spearman dapat dilakukan sebagai berikut.
1. Berikan peringkat pada nilai-nilai variabel x dari 1 sampai n. Jika terdapat
angka-angka sama, peringkat yang diberikan adalah peringkat rata-rata dari
angka-angka yang sama tersebut
2. Berikan peringkat pada nilai-nilai variabel y dari 1 sampai n. Jika terdapat
angka-angka sama, peringkat yang diberikan adalah peringkat rata-rata dari
angka-angka yang sama tersebut.
3. Hitung selisih pasangan rank ke I (di) untuk setiap sampel. Perhitungan di dapat
menggunakan persamaan berikut.
𝑑𝑖 = (𝑅(𝑥𝑖 ) − 𝑅(𝑦𝑖 ))
Keterangan:
R(xi) = peringkat xi
R(yi) = peringkat yi
4. Kuadratkan masing-masing di
5. Jumlahkan semua di2
6. Hitung koefisien korelasi rank spearman dengan persamaan berikut.
 6∑𝑑𝑖 2
rs = 1 - 𝑛(𝑛2−1)

Keterangan:
rs: nilai korelasi rank spearman
n: banyaknya rank
Setelah didapatkan hasil perhitungan korelasi rank spearman, maka dapat
diambil kesimpulan dengan ketentuan berikut.
No Parameter Nilai Interpretasi
1. rs dan rα;n. rα;n dapat dilihat pada rs ≥ rα;n H0 ditolak Ha diterima
Tabel Uji Rank Spearman
dimana α merupakan nilai
rα;n < rs H0 diterima Ha ditolak
tingkat singnifikansi dan n
merupakan ukuran sampel
2. Arah (Jenis) Korelasi + (positif) Searah, semakin besar
nilai xi semakin besar
pula nilai yi
- (negatif) Berlawanan arah,
semakin besar nilai xi
maka semakin kecil nilai
yi, dan sebaliknya

Contoh Kasus:

Sebuah toko ingin menguji apakah ada hubungan antara usia karyawan dan
penjualan produk per bulan. Berikut adalah data usia (X) dan penjualan (Y) dari 7
karyawan:

Karyawan Usia (X) Penjualan (Y)

1 25 420
2 30 350
3 22 270
4 28 300
5 35 480
6 20 400
 7 32 440
Berdasarkan data tersebut lakukan analisis dedngan taraf kesalahan sebesar 5%!

Penyelesaian:

Perhitungan manual:

i) Hipotesis
H0: rs = 0 (Tidak ada hubungan antara usia karyawan terhadap penjualan
produk)
H1: rs ≠ 0 (Terdapat hubungan antara usia karyawan terhadap penjualan
produk)
ii) Tingkat signifikansi
α = 5% = 0,05
iii) Daerah Kritis
H0 ditolak jika rs > r(0,05;7) = 0,786
iv) Uji Statistik
Karyawan Usia (X) R(x) Penjualan (Y) R(y) d d2
1 25 3 420 5 -2 4
2 30 5 350 3 2 4
3 22 2 270 1 1 1
4 28 4 300 2 2 4
5 35 7 480 7 0 0
6 20 1 400 4 -3 9
7 32 6 440 6 0 0
∑𝑑𝑖 2 22
Perhitungan nilai korelasi rank spearman:
6∑𝑑𝑖 2
rs = 1 -
𝑛(𝑛2−1)
6(22)
= 1 - 7(72−1)
132
= 1 - 336

= 1 – 0.393
= 0.607

Perhitungan dengan software SPSS:

 v) Kesimpulan
Karena pada perhitungan manual menunjukkan rs = 0,607 ≤ r(0,05;7) = 0,786
dan pada hasil SPSS Sig. (2 tailed)=0,148 > 0,05 maka H0 tidak ditolak
yang berarti bahwa tidak ada hubungan antara usia karyawan terhadap
penjualan produk.

B. Korelasi Rank Kendall

Uji korelasi rank kendall adalah metode statistik non-parametrik yang
digunakan untuk mengetahui hubungan antara dua variabel berskala ordinal. Data
yang diuji menggunakan uji korelasi rank kendall terdiri dari sampel acak bivariat
sebesar n. Pada Uji korelasi rank kendall dari dua variabel yang digunakan hanya
salah satu variabelnya yang diberi peringkat (diurutkan), yaitu variabel X saja atau
variabel Y saja. Apabila variabel X yang diberi peringkat (diurutkan) maka variabel
Y akan dilihat apakah nilai variabel Y itu searah (konkordan) atau berlawanan arah
(diskordan) dengan variabel X yang sudah diurutkan. Setiap pasangan nilai
observasi (Xi,Yi) dan ( Xj, Yj) untuk i ≠ j dapat didefinisikan pasangan nilai sebagai
berikut :
• Pasangan (Xi,Yi) dan ( Xj, Yj) konkordan, jika Xi > Xj maka Yi > Yj atau jika
Xi < Xj maka Yi <Yj sehingga (X − X) dan (Y − Y) memiliki tanda yang sama,
yaitu sama-sama positif atau sama-sama negatif dengan hasil kali yang selalu
positif.
• Pasangan (Xi,Yi) dan ( Xj, Yj) diskordan, jika Xi > Xj maka Yi < Yj atau jika
Xi < Xj maka Yi > Yj sehingga (X − X) dan (Y −Y) memiliki tanda yang
berlawanan dengan hasil kali yang selalu negatif.
Jika Xi = Xj dan Yi = Yj maka data tidak bisa disebut konkordan maupun tak
konkordan

Langkah-langkah untuk menghitung koefisien korelasi Kendall-tau (τ) adalah

sebagai berikut:

• Susunlah pasangan-pasangan (Xi,Yi) dalam sebuah kolom menurut besarnya

nilai-nilai pengamatan X, dari nilai pengamatan X yang paling kecil. Disini
dapat dikatakan bahwa nilai-nilai X berada dalam urutan yang wajar (natural
order).
• Perbandingkan setiap nilai pengamatan Y satu demi satu dengan setiap nilai Y
yang ada di sebelah bawahnya. Jika nilai Y yang di bawah lebih besar dari Y
yang di atasnya, maka arah nilai pengamatannya sama (konkordan). Dan jika
nilai Y yang di bawah lebih kecil dari Y yang di atasnya, maka arah nilai
pengamatannya berlawanan (diskordan).
• Tetapkan C sebagai banyaknya pasangan konkordan dan D banyaknya
pasangan diskordan.
• Hitung ukuran korelasi rank kendall (τ) dengan persamaan berikut.
i) Bila n ≤ 10

𝑁𝑐−𝑁𝑑
τ= 𝑛(𝑛−1)
2

Keterangan:
Nc = banyaknya data konkordan
Nd = banyaknya data tak konkordan
n = banyaknya pasangan data pengamatan
Jika ada rank yang sama, menggunakan rumus berikut:
2(𝑁𝑐 −𝑁𝑑)
τ=
√𝑛(𝑛−1)−𝑇𝑋 √𝑛(𝑛−1)−𝑇𝑌

dimana,
𝑠
Tx = ∑ (𝑡𝑖2(𝑥) − 𝑡𝑖 (𝑥) )
𝑖=1
𝑠
2
Ty= ∑ (𝑡𝑖(𝑦) − 𝑡𝑖(𝑦) )
𝑖=1

ii) Bilan n > 10

τ𝑋 −µτ
Z= 𝜎τ
 Dengan
2(2𝑛+5)
µτ = 0 dan 𝜎τ = √
9𝑛(𝑛−1)

Contoh Kasus:

Perhitungan manual:

i) Hipotesis
H0: X dan Y independen
H1: X dan Y tidak independen
ii) Tingkat signifikansi
α = 5% = 0,05
iii) Daerah Kritis
H0 ditolak jika T > W(1- α /2) = 16
iv) Uji Statistik
Karyawan IQ (X) Prestasi Rank (X) Rank Konkordan Diskonkordan
Kerja (Y) (Y)
1 90 41 7 8 0 1
2 135 72 1 2 6 1
3 124 49 4 5 3 1
4 62 44 8 7 0 0
5 134 74 2 1 6 0
6 125 62 3 3 5 0
7 120 51 5 4 3 0
8 108 46 6 6 2 0
𝑁𝑐−𝑁𝑑
τ= 𝑛(𝑛−1)
2

25−3
= 7(7−1)
2

22
= 28

= 0,786

T = Nc – Nd = 25 – 3 = 22
 Perhitungan dengan software SPSS:

v) Kesimpulan
Karena pada perhitungan manual menunjukkan T = 22 > W(1- α /2) = 16 dan
pada hasil SPSS Sig. (2 tailed)=0,006 < 0,05 maka H0 ditolak yang berarti
bahwa X dan Y tidak independen

2. Korelasi Parsial
Korelasi parsial adalah konsep dalam analisis statistik yang digunakan untuk
mengukur hubungan antara dua variabel secara independen dari efek variabel lainnya.
Dalam konteks korelasi parsial, kita tertarik untuk mengevaluasi korelasi antara dua
variabel setelah mengontrol atau menghilangkan pengaruh variabel ketiga atau lebih.
Dalam analisis regresi dan korelasi, korelasi parsial sangat berguna ketika kita
ingin memahami hubungan antara dua variabel dengan mengendalikan variabel lain
yang mungkin mempengaruhi keduanya secara bersamaan. Secara matematis, korelasi
parsial (rXY⋅Z) antara dua variabel X dan Y setelah mengontrol variabel Z dapat dihitung
menggunakan rumus sebagai berikut:
𝑟𝑋𝑌 − 𝑟𝑋𝑍 𝑟𝑌𝑍
rXY⋅Z =
2 )(1−𝑟 2 )
√(1−𝑟𝑋𝑍 𝑌𝑍

Di mana:
• rXY adalah korelasi antara X dan Y (tanpa mengontrol Z).
• rXZ adalah korelasi antara X dan Z.
• rYZ adalah korelasi antara Y dan Z

Contoh Kasus :
Seorang guru akan melakukan penelitian untuk mengetahui apakah terdapat hubungan
antara motivasi belajar dengan prestasi belajar siswa, jika tingkat kecerdasan siswa (IQ)
yang diduga mempengaruhi akan dikendalikan. Variabel yang digunakan dalam
penelitian ini yaitu prestasi belajar dan motivasi belajar, sedangkan variabel kontrolnya
yaitu IQ.

Siswa Motivasi Belajar (X) Prestasi Belajar (Y) IQ (Z)

1 40 85 115
2 34 65 105
3 41 70 115
4 35 77 105
5 35 71 100
6 43 81 120
7 31 64 105
8 47 91 120
9 40 88 110
Penyelesaian:
Perhitungan manual:
i) Hipotesis
H0: r = 0 (Tidak ada hubungan antara motivasi belajar fisika dengan
prestasi belajar fisika dengan IQ sebagai variabel kontrol)
H1: r ≠ 0 (Terdadpat hubungan antara motivasi belajar fisika dengan
prestasi belajar fisika dengan IQ sebagai variabel kontrol)
ii) Tingkat signifikansi
α = 5% = 0,05
iii) Daerah Kritis
H0 ditolak jika thitung > t(n-k;α)
thitung > t(6;0,05)=1,943
iv) Uji Statistik
• Koefisien korelasi tunggal
(∑𝑋)(∑𝑍)
∑𝑋𝑍− 262.7778
𝑁
rxz = 2 2
= 293.6446 = 0,8949
√((∑𝑋 2 −(∑𝑋𝑖) )(𝑍 2 −(∑𝑍𝑖) )
𝑁 𝑁

(∑𝑌)(∑𝑍)
∑𝑌𝑍− 370.5556
𝑁
rYZ = = 4771,622 = 0,0777
(∑𝑌𝑖)2 (∑𝑍 )2
√((∑𝑌 −
2 )(𝑍 2− 𝑖 )
𝑁 𝑁
 (∑𝑋)(∑𝑌)
∑𝑋𝑌− 320,4444
𝑁
rxy = 2 2
= = 0,0966
3318,54
√((∑𝑋 2 −(∑𝑋𝑖) )(𝑌 2 −(∑𝑌𝑖) )
𝑁 𝑁

• Koefisien korelasi parsial rzx.y

𝑟𝑦𝑧−(𝑟𝑦𝑧)(𝑟𝑥𝑦) 0,0891
rzx.y= = 0,9923 = 0,0898
√(1−(𝑟𝑦𝑧 )2)(1−(𝑟𝑥𝑦 )2)

• Koefisien korelasi parsial rzy.x

𝑟𝑦𝑧−(𝑟𝑦𝑧)(𝑟𝑥𝑦) −0,0088
rzy.x= = = -0,0197
0,4442
√(1−(𝑟𝑥𝑧)2)(1−(𝑟𝑥𝑦 )2)

• Uji signifikansi rzxy

𝑟𝑝 √𝑛−3 0,2198
𝑡= = 0,9919 = 0,2216
√1−𝑟𝑝2

• Uji signifikansi rzyx

𝑟𝑝 √𝑛−3 −0,0483
𝑡= = = -0,0483
0,9996
√1−𝑟𝑝2

Perhitungan dengan software SPSS:

v) Kesimpulan
Karena pada perhitungan manual menunjukkan thitung > t(6;0,05)=1,943 dan
pada hasil SPSS Sig. (2 tailed)=0,081 < 0,05 maka H0 ditolak yang berarti
bahwa terdadpat hubungan antara motivasi belajar fisika dengan prestasi
belajar fisika dengan IQ sebagai variabel kontrol