Nama : Dyana Gita Pratiwi

NIM : M0722036
Kelas : A

Tugas 3 Mata Kuliah Statistika Non-parametrik

Meringkas dan Membuat Soal Terkait Korelasi Rank Spearman, Korelasi Rank Kendall,
dan Korelasi Parsial

KORELASI RANK SPEARMAN

Koefisien Korelasi Rank Spearman, yang sering disebut sebagai Spearman Rank
Correlation Coefficient, adalah salah satu metode untuk menganalisis hubungan antara dua
variabel dalam statistik non parametrik. Metode ini menghitung korelasi dengan menggunakan
peringkat data sebelumnya. Dengan kata lain, korelasi dihitung berdasarkan urutan data, yang
membuatnya cocok untuk data kategorikal seperti jenis pekerjaan, tingkat pendidikan, atau
kelompok usia. Selain itu, metode ini juga cocok digunakan ketika data numerik tersedia tetapi
jumlahnya terbatas, misalnya kurang dari 30 data. Koefisien korelasi spearman dapat bernilai
antara -1 hingga 1. Ada beberapa nilai pedoman dalam penentuan tingkat kekuatan korelasi
variabel yang dihitung. Pedoman ini biasa digunakan dalam output yang diberikan oleh SPSS.
Ketentuan nilai pedoman tersebut adalah 0,00 “ 0,25 (hubungan sangat rendah), 0,26 “ 0,50
(hubungan cukup), 0,51 “ 0,75 (hubungan kuat), 0,76 “ 0,99 (hubungan sangat kuat), 1,00
(hubungan sempurna). Nilai yang mendekati 1 menandakan korelasi yang kuat, sementara yang
mendekati 0 menandakan korelasi yang lemah. Selain itu, tanda koefisien korelasi
menunjukkan arah hubungan antara kedua variabel. Tanda negatif (-) menunjukkan hubungan
terbalik, di mana nilai satu variabel meningkat ketika nilai variabel lainnya menurun, sementara
tanda positif (+) menunjukkan hubungan searah, di mana kedua variabel meningkat bersama-
sama. Keandalan hubungan antara dua variabel yang diuji juga bergantung pada kekuatan
korelasinya. Jika nilai signifikansi (2 sisi) berada di bawah ambang batas 0,05 atau 0,01, maka
hubungan dianggap signifikan. Sebaliknya, jika nilai signifikansi melebihi ambang batas
tersebut, hubungan dianggap tidak bermakna. Berikut adalah tahapan uji korelasi rank
spearman secara manual.
1. Hipotesis
 Jika hipotesis hanya menyebutkan “terdapat hubungan” maka artinya bentuk
hubungan belum ditentukan apakah positif atau negatif dan dengan demikian menggunakan
uji 2 sisi. Jika hipotesis menyatakan “terdapat hubungan positif” atau “terdapat hubungan
negatif” maka artinya bentuk hubungan sudah ditentukan dan dengan demikian
menggunakan uji 1 sisi.
2. Taraf Signifikansi
Taraf signifikansi (taraf keyakinan) 95% berarti interval keyakinannya (alpha) adalah
5% atau 0,05. Nilai 0,05 ini merupakan bentuk desimal dari 5% yang diperoleh dari
pengurangan 100% (kebenaran absolut) dengan 95% (100% – 95% = 5% atau 0,05).
3. Daerah Kritis
Dalam uji 2 sisi, Interval Keyakinan dibagi dua yaitu α / 2. Cari pada kolom tabel nilai
yang paling mendekati 0,025. Dari nilai yang paling dekat tersebut tarik garis ke kiri
sehingga bertemu dengan nilainya. Batas kiri pengambilan keputusan dengan kurva adalah
nilai negatif (–) batas kanannya bernilai positif (+). H0 ditolak jika nilai – Zhitung < (-) atau
+ Zhitung > (+). Sebaliknya, H0 diterima jika – Zhitung > (-) atau + Zhitung < (+).
Zhitung ≥ Ztabel()
4. Statistik Uji
• Nilai Koefisien Korelasi Rank Spearman (rho)
6 ∑ 𝑑2
rho = 1 - 𝑛(𝑛2−1)

Keterangan:
rho : Koefisien Korelasi Rank Spearman
d2 : Ranking yang dikuadratkan
n : Banyaknya data (sampel)
Jika dilakukan secara manual, maka langkah-langkah dalam melakukan uji
korelasi rank spearman adalah sebagai berikut:
a) Jumlahkan skor item-item di tiap variabel untuk mendapatkan skor total variabel
(misalnya cari skor total variabel X dengan menotalkan item-item variabel X).
b) Lakukan rangking skor total x (∑ 𝑥) dan rangking skor total y (∑ 𝑦). 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.
c) Cari nilai d yaitu selisih (∑ 𝑥) dan (∑ 𝑦).
 d) Cari nilai d2.
Nilai dari rho juga bisa diinterpretasikan (apa makna dari nilai tersebut) dengan
tabel dibawah ini.
Rho Positif Rho Negatif Kategori
0,9 ≤ rho < 1 -0,9 ≤ rho < -1 Sangat kuat
0,7 ≤ rho < 0,9 -0,7 ≤ rho < -0,9 Kuat
0,5 ≤ rho < 0,7 -0,5 ≤ rho < -0,7 Moderat
0,3 ≤ rho < 0,5 -0,3 ≤ rho < -0,5 Lemah
0 ≤ rho< 0,3 -0 ≤ rho < -0,3 Sangat lemah
• Nilai Signifikansi (Uji Z)
𝑟ℎ𝑜
Zhitung = 1
√𝑛 − 1

Keterangan:
Zhitung : nilai dari uji z
rho : nilai korelasi rank spearman
n : banyaknya data
• Koefisien Determinasi (R)
Koefisien determinasi bisa dinyatakan sebagai seberapa besar kemampuan
semua variabel bebas (X) dalam menjelaskan variansi dari variabel terikatnya (Y).
Secara sederhana, koefisien determiasi ini dihitung dengan mengkuadratkan nilai
korelasinya (rho), sehingga dapat di rumuskan sebagai berikut.
R = rho2 x 100%
Keterangan:
R : nilai koefisien determinasi
rho : nilai koefisien korelasi
5. Kesimpulan
Uji korelasi rank spearman juga dapat diuji menggunakan software, salah satunya
adalah SPSS. Berikut adalah tahapan uji korelasi rank spearman menggunakan SPSS.
1) Input data ke tabel SPSS berdasarkan variabelnya.
2) Klik Analysis → Correlate → Bivariate.
3) Substitusi variabel yang akan diuji (kolom kiri) yakni dengan klik variabel tersebut lalu
pindah ke kolom kanan bertuliskan “variables:”.
4) Checklist “Correlation Coefficients” pada bagian Spearman dan “Test of Significance”
pada bagian Two-tailed, lalu klik “OK”.
5) Muncul output yang dapat digunakan untuk menentukan kesimpulan.

CONTOH SOAL
Di sebuah desa, akan dilakukan pemilihan ketua desa. Terdapat 10 calon yang masing-
masing calon ketua desa akan dilakukan uji untuk mengetahui apakah ada pengaruh terkait
motivasi calon ketua desa tersebut dengan kepemimpinan yang ada pada dirinya. Hasilnya
disajikan pada tabel berikut.
Calon Motivasi (X) Kepemimpinan (Y)
1 106 92
2 83 56
3 113 88
4 40 37
5 98 46
6 82 42
7 87 39
8 116 65
9 111 86
10 86 62
Ujilah data tersebut dengan α = 5% untuk mengetahui ada tidaknya hubungan (korelasi) yang
signifikan antara motivasi dan kepemimpinan lalu hitunglah koefisien determinasinya dan
berikan interpretasi!
Jawab:
A. Perhitungan Manual
1. HIPOTESIS
H0 : ρ = 0 (tidak ada hubungan/korelasi yang signifikan antara motivasi dan
kepemimpinan)
H1 : ρ ≠ 0 (ada hubungan/korelasi yang signifikan antara movitasi dan kepemimpinan)
2. TARAF SIGNIFIKANSI
α = 5% = 0.05
3. DAERAH KRITIS
H0 ditolak jika Zhitung ≥ Ztabel(0,5 – (0,5 x 0,05))
Zhitung ≥ Ztabel(0,475)
 Zhitung ≥ 1,9
atau,
H0 ditolak jika nilai rho ≤ T(α;n)
rho ≤ T(0,05;10)
rho ≤ 0,5515
atau,
H0 ditolak jika nilai R > T(α;n)
R > T(0,05;10)
R > 0,5515
4. STATISTIK UJI
Calon Motivasi (X) Kepemimpinan (Y) Rank X Rank Y di di2
1 106 92 7 10 -3 9
2 83 56 3 5 -2 4
3 113 88 9 9 0 0
4 40 37 1 1 0 0
5 98 46 6 4 2 4
6 82 42 2 3 -1 1
7 87 39 5 2 3 9
8 116 65 10 7 3 9
9 111 86 8 8 0 0
10 86 62 4 6 -2 4

∑ 0 40

a. Rho
6 . 40
= 1 – 10 (102− 1)
240
= 1 – 990

= 0,24
b. Zhitung
0,24
= 1
√10−1

= 0,72
c. R
= (0,24)2 x 100%
 = 0,0576 x 100%
= 5,76% (variable kepemimpinan dipengaruhi oleh variable motivasi sebesar
5,76%, sisanya adalah 94,24 % dipengaruhi oleh variable yang lain)
5. KESIMPULAN
Didapatkan nilai Zhitung < Ztabel yakni 0,72 < 1,9, nilai rho ≤ T(α;n) yakni 0,24 ≤
0,5515, dan nilai R > T(α;n) yakni 5,76 > 0,5515 yang berarti H0 diterima sehingga dapat
disimpulkan bahwa tidak ada hubungan/korelasi yang signifikan antara motivasi dan
kepemimpinan.
B. Pembuktian software SPSS

KORELASI RANK KENDALL

Korelasi rank Kendall merupakan prosedur uji non-parametrik. Dalam prosedur
perhitungannya, data tidak boleh berdistribusi normal dan kedua variabel hanya boleh
mempunyai tingkat skala kontinu atau ordinal. Analisis korelasi rank Kendall digunakan untuk
mencari hubungan dan menguji hipotesis antara dua variabel atau lebih, bila datanya berbentuk
ordinal atau ranking. Kelebihan metode ini bila digunakan untuk menganalisis sampel
berukuran lebih dari 10 dan dapat dikembangkan untuk mencari koefisien korelasi parsial.
Nilai korelasi yang dihasilkan berkisar antara -1 sampai dengan +1. Angka pada nilai
korelasi menunjukkan keeratan hubungan antara kedua variabel yang diuji. Jika angka korelasi
semakin mendekati 1, maka korelasi kedua variabel akan semakin kuat, sedangkan jika angka
korelasi makin mendekati 0 maka korelasi kedua variabel makin melemah. Sedangkan tanda
minus dan positif pada nilai korelasi menyatakan sifat hubungan. Jika nilai korelasi bertanda
minus, berarti hubungan diantara kedua sifat tabel bersifat searah. Sedangkan jika nilai korelasi
bertanda plus (positif), berarti hubungan diantara kedua tabel bersifat berlawanan arah. Berikut
adalah langkah-langkah perhitungan uji korelasi rank kendall secara manual.
1. Hipotesis
H0 : X dan Y independen
H1 : X dan Y tidak independent
2. Taraf Signifikansi
3. Daerah Kritis
Sampel Kecil
H0 ditolak jika nilai 𝜏hitung > 𝜏(α,n)
Sampel Besar
❖ Hipotesis dua arah : H0 ditolak jika Zhitung > Ztabel atau Zhitung ≤ -Ztabel untuk n dan tingkat
signifikansi α.
❖ Hipotesis satu sisi : H0 ditolak jika nilai Zhitung > Ztabel untuk n dan tingkat signifikansi
α.
❖ Hipotesis satu sisi : H0 ditolak jika nilai Zhitung < -Ztabel untuk n dan tingkat signifikansi
α.
4. Statistik Uji
Sampel Kecil
𝑠 (𝑐 – 𝑑) 2 (𝑐 – 𝑑)
𝜏=1 =1 = 𝑛 (𝑛 – 1)
𝑛 (𝑛 – 1) 𝑛 (𝑛 – 1)
2 2

Keterangan:
𝜏 = koefisien korelasi Kendall
n = jumlah data pengamatan
s = jumlah selisih nilai masing-masing peringkat
c = banyaknya pasangan konkordansi (wajar)
Sampel Besar
Jika ada ranking yang sama, maka rumus di atas dilengkapi dengan faktor koreksi rank
yang sama, yaitu sebagai berikut.
𝑐–𝑑 2 (𝑐 – 𝑑)
𝜏= =
1
√ 𝑛 (𝑛 – 1) – 𝑇𝑋
1
√ 𝑛 (𝑛 – 1) – 𝑇𝑌 √𝑛 (𝑛 – 1) – 𝑇𝑋 √ 𝑛 (𝑛 – 1) – 𝑇𝑌
2 2

Dimana,
1 2
TX = 2 ∑𝑠𝑖=1(𝑡𝑖(𝑥) − 𝑡𝑖(𝑥) )
1 2
TY = 2 ∑𝑠𝑖=1(𝑡𝑖(𝑦) − 𝑡𝑖(𝑦) )
 Keterangan:
Tx : faktor koreksi ranking X yang sama
TY : faktor koreksi ranking Y yang sama
5. Kesimpulan
Sedangkan untuk uji menggunakan SPSS, langkah-langkahnya adalah sebagai berikut.
1. Input data ke tabel SPSS berdasarkan variabelnya.
2. Klik Analysis → Correlate → Bivariate.
3. Substitusi variabel yang akan diuji (kolom kiri) yakni dengan klik variabel tersebut lalu
pindah ke kolom kanan bertuliskan “variables:”.
4. Checklist “Correlation Coefficients” pada bagian Kendall’s tau-b dan “Test of
Significance” pada bagian Two-tailed, lalu klik “OK”.
5. Muncul output yang dapat digunakan untuk menentukan kesimpulan.

CONTOH SOAL
Diketahui skor 5 mahasiswa di suatu mata kuliah dengan 2 dosen yang berbeda (team
teaching), yakni dosen X dan Y, sebagai berikut.
Nilai
Mahasiswa
Dosen X Dosen Y
A 95 96
B 97 95
C 89 90
D 91 89
E 90 95
Dengan alpha 0,05, tentukan apakah terdapat hubungan antara variabel X dan Y dan hitung
seberapa kuat hubungan antara variabel X dan variabel Y!
Jawab:
a. Perhitungan manual
1. HIPOTESIS
H0 : X dan Y independen (tidak ada hubungan/korelasi antara nilai ketika diajar oleh
dosen X dengan nilai ketika diajar oleh dosen Y)
H1 : X dan Y tidak independent (ada hubungan/korelasi antara nilai ketika diajar oleh
dosen X dengan nilai ketika diajar oleh dosen Y)
2. TARAF SIGNIFIKANSI
α = 5% = 0.05
3. DAERAH KRITIS
H0 ditolak jika nilai 𝜏hitung > 𝜏(α;n)
𝜏hitung > 𝜏(0,05;5)
𝜏hitung > 0,800
4. STATISTIK UJI

Mahasiswa Dosen X Rank Dosen Y Rank

1 95 2 96 1
2 97 1 95 2
3 89 5 90 4
4 91 3 89 5
5 90 4 94 3
Mengurutkan data Dosen X menjadi,

Mahasiswa Dosen X Rank Dosen Y Rank

B 97 1 95 2
A 95 2 96 1
D 91 3 89 5
E 90 4 94 3
C 89 5 90 4
Tabel hitung

Subjek B A D E C ∑𝐶 ∑𝐷

Dosen X 1 2 3 4 5
Dosen Y 2 1 5 3 4
2 D C C C 3 1
1 C C C 3 0
5 D D 0 2
3 C 1 0
4 0 0
10 3
S = SY = (3-1) + (3-0) + (0-2) + (1-0) + (0-0) = 2 + 3 - 2 + 1 = 4
 2𝑆 2(4) 8
𝜏hitung = 𝑛(𝑛−1) = 5(5−1) = 20 = 0,4

5. KESIMPULAN
Dari statistik uji, didapatkan nilai 𝜏hitung > 𝜏(α;n) yakni 0,4 < 0,8, maka H0
diterima dan dapat disimpulkan bahwa nilai mahasiswa dari dosen X dan Y independen
(tidak ada hubungan/korelasi antara nilai ketika diajar oleh dosen X dengan nilai ketika
diajar oleh dosen Y).
b. Pembuktian dengan software SPSS

KORELASI PARSIAL
Korelasi parsial adalah ekstensi dari korelasi sederhana, juga dikenal sebagai korelasi
Pearson. Sementara korelasi sederhana hanya melibatkan satu variabel terikat dan satu variabel
bebas, korelasi parsial melibatkan lebih dari satu variabel bebas dan satu variabel terikat.
Dalam korelasi parsial, variabel bebas dibagi menjadi dua jenis: satu variabel bebas yang
memiliki hubungan langsung dengan variabel terikat, dan variabel bebas lainnya yang
bertindak sebagai variabel kontrol. Variabel kontrol ini diyakini mempengaruhi hubungan
antara satu variabel bebas dan satu variabel terikat. Dengan demikian, analisis korelasi parsial
membantu dalam mengidentifikasi kekuatan dan kelemahan hubungan antara variabel bebas
dan variabel terikat, dengan mempertimbangkan pengaruh variabel bebas lainnya.
Sebelum melakukan korelasi parsial, langkah awal adalah menghitung korelasi tunggal
menggunakan rumus berikut.
𝑛 ∑ 𝑋𝑌−(∑ 𝑋)(∑ 𝑌)
r=
√(𝑛 ∑ 𝑋 2 −(∑ 𝑋)2 )(𝑛 ∑ 𝑌 2 −(∑ 𝑌)2 )

Keterangan:
r = koefisien korelasi parsial
n : jumlah data
X : variabel bebas
Y : variabel terikat
Koefisien korelasi parsial dapat dihitung menggunakan rumus berikut.
𝑟𝑦𝑥1 −𝑟𝑦𝑥2 𝑟𝑥1𝑥2
𝑟𝑦𝑥1−𝑥2 =
√1−𝑟𝑥21𝑥2 √1−𝑟𝑦𝑥
2
2

Keterangan:
𝑟𝑦𝑥1 = korelasi antara variabel terikat Y dengan variabel bebas X1
𝑟𝑦𝑥2 = korelasi antara variabel terikat Y dengan variabel bebas X2
𝑟𝑥1𝑥2 = korelasi antara variabel bebas X1 dengan variabel bebas X2
Berikut langkah-langkah uji korelasi parsial secara manual.
1. Hipotesis
H0 : rXY.Z = 0
H1 : rXY.Z ≠ 0
H0 : rXY.Z ≤ 0
H1 : rXY.Z > 0
H0 : rXY.Z ≥ 0
H1 : rXY.Z < 0
2. Taraf Signifikansi
3. Daerah Kritis
Jika menggunakan uji satu sisi, H0 ditolak jika thitung > t(α;n-1)
Jika menggunakan uji dua sisi, H0 ditolak jika thitung > t(α/2;n-1)
4. Statistik Uji
𝑟𝑋𝑌 − 𝑟𝑋𝑍 𝑟𝑌𝑍
rXY.Z =
2 )(1−𝑟 2 )
√(1−𝑟𝑋𝑍 𝑌𝑍

𝑟𝑝𝑎𝑟𝑠𝑖𝑎𝑙 √𝑛−𝑘
thitung =
2
√1−𝑟𝑝𝑎𝑟𝑠𝑖𝑎𝑙

Keterangan:
n = jumlah data
rparsial = nilai koefisien parsial
k = jumlah variabel
5. Kesimpulan

CONTOH SOAL
 Seorang mahasiswa melakukan penelitian untuk tugas akhir di sebuah desa. Mahasiswa
tersebut ingin mengetahui hubungan antara jumlah pendapatan, jumlah pengeluaran, dan
jumlah anggota keluarga di desa tersebut. Ia mengambil sampel 7 keluarga untuk diteliti dan
didapatkan data pada tabel berikut.
Keluarga
Variabel
A B C D E F G
Jumlah Pendapatan (X1) 5 8 9 10 7 7 11
Jumlah Pengeluaran (X2) 4 3 2 3 2 4 5
Jumlah anggota (Y) 3 5 6 7 4 6 9
Keterangan:
X1 = Jumlah pendapatan per bulan (ratusan ribu rupiah)
X2 = Jumlah pengeluaran per bulan (ratusan ribu rupiah)
Y = Jumlah anggota keluarga (orang)
Ujilah, apakah terdapat hubungan antara jumlah pendapatan, jumlah pengeluaran, dan jumlah
anggota keluarga di desa tersebut! (α = 5%)
Jawab:
1. HIPOTESIS
H0 : Tidak ada pengaruh yang signifikan antara jumlah pendapatan (X1) dengan jumlah
anggota keluarga (Y) apabila jumlah pengeluaran (X2) tetap.
H1 : Ada pengaruh yang signifikan antara jumlah pendapatan (X1) dengan jumlah anggota
keluarga (Y) apabila jumlah pengeluaran (X2) tetap.
H0 : Tidak ada pengaruh yang signifikan antara jumlah pengeluaran (X2) dengan jumlah
anggota keluarga (Y) apabila jumlah pendapatan (X1) tetap.
H1 : Ada pengaruh yang signifikan antara jumlah pengeluaran (X2) dengan jumlah anggota
keluarga (Y) apabila jumlah pendapatan (X1) tetap.
H0 : Tidak ada pengaruh yang signifikan antara jumlah pendapatan (X1) dengan jumlah
pengeluaran (X2) apabila jumlah anggota keluarga (Y) tetap.
H1 : Ada pengaruh yang signifikan antara jumlah pendapatan (X1) dengan jumlah
pengeluaran (X2) apabila jumlah anggota keluarga (Y) tetap.
2. TARAF SIGNIFIKANSI
α = 5% = 0,05
3. DAERAH KRITIS
H0 ditolak jika thitung > t(α/2;n-1)
 thitung > t(0,05/2;7-1)
thitung > t(0,025;6)
thitung > 2,447
4. STATISTIK UJI
Keluarga X1 X2 Y 𝑋12 𝑋22 𝑌2 X1.Y X2.Y X1.X2
A 5 4 3 25 16 9 15 12 20
B 8 3 5 64 9 25 40 15 24
C 9 2 6 81 4 36 54 12 18
D 10 3 7 100 9 49 70 21 30
E 7 2 4 49 4 16 28 8 14
F 7 4 6 49 16 36 42 24 28
G 11 5 9 121 25 81 99 45 55

∑ 57 23 40 489 83 252 348 137 189

a. Menghitung koefisien tunggal

❖ Koefisien korelasi Y dengan X1
𝑟𝑌𝑋1
𝑛 ∑ 𝑋1 𝑌−(∑ 𝑋1 )(∑ 𝑌)
=
√(𝑛 ∑ 𝑋1 2 −(∑ 𝑋1 )2 )(𝑛 ∑ 𝑌 2 −(∑ 𝑌)2 )

7(348)−40(57)
=
√7(489)−(57)2
156
= 168,93

= 0,92
❖ Koefisien korelasi Y dengan X2
𝑟𝑌𝑋2
𝑛 ∑ 𝑋2 𝑌−(∑ 𝑋2 )(∑ 𝑌)
=
√(𝑛 ∑ 𝑋2 2 −(∑ 𝑋2 )2 )(𝑛 ∑ 𝑌 2 −(∑ 𝑌)2 )

7(137)−40(23)
=
√7(83)−(23)2
156
= 168,93

= 0,42
❖ Koefisien korelasi X1 dengan X2
𝑟𝑥1𝑥2
 𝑛 ∑ 𝑋1 𝑋2 −(∑ 𝑋1 )(∑ 𝑋2 )
=
√(𝑛 ∑ 𝑋1 2 −(∑ 𝑋1 )2 )(𝑛 ∑ 𝑋2 2 −(∑ 𝑋2 )2 )

7(189)−57(23)
=
√7(489)−(57)2
156
= 168,93

= 0,13
b. Pembuktian software SPSS

c. Hubungan antara jumlah pendapatan (X1) dengan jumlah anggota keluarga (Y)
𝒓𝑿𝟐 (𝑿𝟏 𝒀)
𝑟𝑋1 𝑌 − 𝑟𝑋2 𝑌 𝑟𝑋1 𝑋2
=
√(1−𝑟𝑋22 𝑌 )(1−𝑟𝑋21 𝑋2 )

0,92−(0,42)(0,13)
=
√(1−(0,42)2 )(1−(0,13)2 )

= 0,96
thitung
𝑟𝑋2 (𝑋1 𝑌) √𝑛−𝑘
=
√1−𝑟𝑋22 (𝑋1 𝑌)

0,96√7−2
=
√1−(0,96)2

= 7,66652
d. Hubungan antara jumlah pengeluaran (X2) dengan jumlah anggota keluarga (Y)
 𝒓𝑿𝟏 (𝑿𝟐 𝒀)
𝑟𝑋2 𝑌 − 𝑟𝑋1 𝑌 𝑟𝑋1 𝑋2
=
√(1−𝑟𝑋21 𝑌 )(1−𝑟𝑋21 𝑋2 )

0,42−(0,92)(0,13)
=
√(1−(0,92)2 )(1−(0,13)2 )

= 0,77
thitung
𝑟𝑋1 (𝑋2 𝑌) √𝑛−𝑘
=
√1−𝑟𝑋21 (𝑋2 𝑌)

0,77√7−2
=
√1−(0,77)2

= 2,69852
e. Hubungan antara jumlah pendapatan (X1) dengan jumlah pengeluaran (X2)
𝒓𝒀(𝑿𝟏 𝑿𝟐 )
𝑟𝑋1 𝑋2 − 𝑟𝑋1 𝑌 𝑟𝑋2 𝑌
=
√(1−𝑟𝑋21 𝑌 )(1−𝑟𝑋22 𝑌 )

0,13−(0,92)(0,42)
=
√(1−(0,92)2 )(1−(0,42)2 )

= ─ 0,72
thitung
𝑟𝑌(𝑋1 𝑋2 ) √𝑛−𝑘
=
2
√1−𝑟𝑌(𝑋1 𝑋2 )

0,77√7−2
=
√1−(0,77)2

= – 2,52329
5. KESIMPULAN
1) Didapatkan nilai thitung > t(α/2;n-1) yakni 7,66652 > 2,447 sehingga H0 ditolak dan dapat
disimpulkan bahwa terdapat pengaruh yang signifikan antara jumlah pendapatan (X1)
dengan jumlah anggota keluarga (Y) apabila jumlah pengeluaran (X2) tetap.
2) Didapatkan nilai thitung > t(α/2;n-1) yakni 2,69852 > 2,447 sehingga H0 ditolak dan dapat
disimpulkan bahwa terdapat pengaruh yang signifikan antara jumlah pengeluaran (X2)
dengan jumlah anggota keluarga (Y) apabila jumlah pendapatan (X1) tetap.
3) Didapatkan nilai thitung > t(α/2;n-1) yakni – 2,52329 > 2,447 sehingga H0 diterima dan
dapat disimpulkan bahwa tidak ada pengaruh yang signifikan antara jumlah pendapatan
(X1) dengan jumlah pengeluaran (X2) apabila jumlah anggota keluarga (Y) tetap.