STATISTIKA KORELASI

NONPARAMETRIK
PENDAHULUAN
 Metode statistik nonparametrik
Metode ini disebut metode bebas sebaran (distribution free) karena model uji statistiknya
tidak menetapkan syarat — syarat tertentu tentang bentuk distribusi parameter populasinya.
Artinya bahwa metode statistika nonparametrik ini tidak menetapkan syarat bahwa observasi
— observasinya harus ditarik dari populasi yang berdistribusi normal dan tidak menetapkan
syarat homoscedasticity.
Dalam jumlah uji statistik nonparametrik hanya menetapkan asumsi/persyaratan bahwa
observasi — observasinya harus independen dan bahwa variabel yang diteliti pada dasarnya
harus memiliki kontinuitas. Banyak diantara uji — uji statistik nonparametrik kadangkala
disebut sebagai "uji ranking", karena teknik — teknik nonparametrik ini dapat digunakan
untuk skor yang bukan skor eksak dalam pengertian keangkaan, melainkan berupa skor yang
semata — mata berupa jenjang — jenjang (rank).
 METODE ANALISA KORELASI NONPARAMETRIK
 Analisis korelasi adalah metode statistika yang digunakan untuk menentukan kuatnya atau derajat
hubungan linier antara dua variabel atau lebih. Semakin nyata hubungan linier (garis lurus), maka
semakin kuat atau tinggi derajat hubungan garis lurus antara kedua variabel atau lebih. Ukuran untuk
derajat hubungan garis lurus ini dinamakan koefisien korelasi.
 Korelasi dilambangkan dengan r dengan ketentuan nilai r tidak lebih dari harga (-1≤ r ≤ 1). Apabila nilai r
= -1 artinya korelasi negatif sempurna; r = 0 artinya tidak ada korelasi; dan r = 1 artinya korelasinya
sangat kuat.
 UJI KORELASI BERDASARKAN LITERATUR
“ STATISTIK NONPARAMETRIK (Singgih Santoso;2014) “

KORELASI CRAMER
KORELASI LAMBDA KORELASI SPEARMAN
DAN KONTINGENSI

KORELASI KENDALL KORELASI GAMMA AND

KORELASI KENDALL SOMERS
PARSIAL
KORELASI CRAMER DAN
KONTINGENSI
 Koefisien Cramer
Koefisien Cramer C merupakan suatu ukuran derajat asosiasi atau hubungan antara dua pasangan
atribut atau variabel, terutama apabila salah satu kedua variabel tersebut hanya berupa serangkaian
kategori (skala nominal) yang tidak menunjukkan tingkatan.
Koefisien Cramer dihitung dari tabel kontingensi r x k. Tabel kontingensi r x k tersebut disusun
berdasarkan data dari dua pasangan variabel kategorikal yang tidak menunjukkan tingkatan. Misalnya
dua variabel itu adalah A dan B. Variabel A dengan kategori A1, A2, ... , Ak dan variabel B dengan
kategori B1, B2, Br .
Tabel kontingensi r x k ditunjukkan sebagai berikut:
 Koefisien Kontingensi
Untuk mengukur derajat hubungan, asosiasi, atau dependensi dari klasifikasi — klasifikasi dalam tabel
kontingensi, digunakan koefisien kontingensi (coefficient of contingency) yang dinyatakan dengan
rumus:
 PRODI METODE Ilmu Ekonomi KUANTITATIF
Manajemen KUANTITATIF Ilmu Ekonomi KUALITATIF
Manajemen KUALITATIF Ilmu Ekonomi KUANTITATIF
Manajemen KUANTITATIF Ilmu Ekonomi KUANTITATIF
Manajemen KUALITATIF Ilmu Ekonomi KUANTITATIF
Manajemen KUALITATIF Ilmu Ekonomi KUANTITATIF
Manajemen KUALITATIF Ilmu Ekonomi KUALITATIF
Manajemen KUALITATIF Ilmu Ekonomi KUALITATIF
Manajemen KUALITATIF Ilmu Ekonomi KUANTITATIF
Manajemen KUALITATIF Ilmu Ekonomi KUANTITATIF
Manajemen KUANTITATIF
Akuntansi KUALITATIF
Akuntansi KUANTITATIF
Akuntansi KUANTITATIF DATA PEMILIHAN METODE PENELITIAN FEB
Akuntansi KUANTITATIF UNTAN (KORELASI CRAMER DAN
Akuntansi KUANTITATIF KOOEFISIEN KONTINGENSI)
Akuntansi KUALITATIF
Akuntansi KUANTITATIF
Akuntansi KUANTITATIF
Akuntansi KUANTITATIF
Akuntansi KUANTITATIF
Akuntansi KUANTITATIF
Akuntansi KUANTITATIF
 PENGUJIAN

 Hipotesis:
Ho: C=0 atau kedua variabel (prodi dengan metode penelitian) adalah independen satu dengan yang lain
Hi: C≠0 atau kedua variabel (prodi dengan metode penelitian) mempunyai hubungan yang nyata

 Dasar pengambilan keputusan:

Dengan melihat angka probabilitas dengan ketentuan:
Probabilitas > 0,05 maka Ho diterima
Probabilitas < 0,05 maka Ho ditolak
HASIL UJI CRAMER
DAN KONTINGENSI
KORELASI LAMBDA
 UJI KORELASI LAMBDA

Pada pengukuran korelasi cramer dan

koefisien kontingensi, menganggap dua
variabel yang diukur adalah setara.
Namun dalam praktek bisa ditemui
korelasi dua variabel yang tidak setara,
dalam arti ada variabel yang tergantung
pada variabel lainnya.

Untuk pengukuran korelasi data nominal

yang tidak setara, SPSS menyediakan
pengukuran korelasi seperti lambda.
 UJI KORELASI LAMBDA

Lambda didefinisikan sebagai tindakan

asimetris asosiasi yang cocok untuk
digunakan dengan variabel nominal. Lambda
memberikan kita indikasi kekuatan hubungan
antara variabel independen dan dependen.
Sebagai ukuran asimetris asosiasi, nilai
lambda dapat bervariasi tergantung pada
variabel dependen dan variabel yang
dianggap sebagai variabel independen.
 PRODI METODE Ilmu Ekonomi KUANTITATIF
Manajemen KUANTITATIF Ilmu Ekonomi KUALITATIF
Manajemen KUALITATIF Ilmu Ekonomi KUANTITATIF
Manajemen KUANTITATIF Ilmu Ekonomi KUANTITATIF
Manajemen KUALITATIF Ilmu Ekonomi KUANTITATIF
Manajemen KUALITATIF Ilmu Ekonomi KUANTITATIF
Manajemen KUALITATIF Ilmu Ekonomi KUALITATIF
Manajemen KUALITATIF Ilmu Ekonomi KUALITATIF
Manajemen KUALITATIF Ilmu Ekonomi KUANTITATIF
Manajemen KUALITATIF Ilmu Ekonomi KUANTITATIF
Manajemen KUANTITATIF
Akuntansi KUALITATIF
Akuntansi KUANTITATIF
Akuntansi KUANTITATIF DATA PEMILIHAN METODE PENELITIAN FEB
Akuntansi KUANTITATIF UNTAN (KORELASI LAMDA)
Akuntansi KUANTITATIF
Akuntansi KUALITATIF
Akuntansi KUANTITATIF
Akuntansi KUANTITATIF
Akuntansi KUANTITATIF
Akuntansi KUANTITATIF
Akuntansi KUANTITATIF
Akuntansi KUANTITATIF
 PENGUJIAN

 Hipotesis:
Ho: λh=λbo atau pengurangan kesalahan tidak signifikan
Hi: λh≠λbo atau pengurangan kesalahan memang signifikan

 Dasar pengambilan keputusan:

Dengan melihat angka probabilitas dengan ketentuan:
-Probabilitas > 0,05 maka Ho diterima
-Probabilitas < 0,05 maka Ho ditolak
HASIL UJI
LAMBDA
KORELASI SPEARMAN
Koefisien Korelasi Spearman merupakan statistik nonparametrik. Statistik 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.
 Lingkungan Kerja
Responden Motivasi Kerja (X) Kinerja (Y) Kedisiplinan
(Z)
1 78 79 84 3
2 77 75 88 2 DATA PENILAIAN KINERJA
PEGAWAI PERUSAHAAN
3 75 69 84 2 KAP TIARA DIASTRI
4 79 81 82 3 (KORELASI SPEARMAN)
5 82 83 70 1
6 85 88 59 1
7 86 90 59 1
8 70 75 64 4
9 80 84 68 2
10 69 71 91 4
11 67 70 59 4
12 65 69 69 4
13 82 64 70 4
14 85 90 75 3
15 78 80 72 2
HASIL UJI SPEARMAN
(Lingkungan dan Motivasi)
 PENGUJIAN
Hipotesis :
Ho: Kedua variabel (Lingkungan dan Motivasi) tidak ada hubungan yang satu dengan yang lain.
Hi: Kedua variabel (Lingkungan dan Motivasi) memiliki hubungan yang signifikan satu dengan yang lain.

Dasar Pengambilan Keputusan :

Probabilitas > 0,05 maka Ho diterima
Probabilitas < 0,05 maka Ho ditolak

Karena angka pada bagian SIG. (2-TAILED) adalah 0,001 yang adalah < 0,05 maka Ho ditolak. Hal ini berarti
lingkungan seorang pekerja memang memengaruhi motivasi kerja pekerja tersebut.
HASIL UJI SPEARMAN
(Lingkungan dan Kinerja)
Hipotesis :
PENGUJIAN
Ho: Kedua variabel (Lingkungan dan Kinerja) tidak ada hubungan yang satu dengan yang lain.
Hi: Kedua variabel (Lingkungan dan Kinerja) memiliki hubungan yang signifikan satu dengan yang lain.

Dasar Pengambilan Keputusan :

Probabilitas > 0,05 maka Ho diterima
Probabilitas < 0,05 maka Ho ditolak

Karena angka pada bagian SIG. (2-TAILED) adalah 0,381 yang adalah > 0,05 maka Ho diterima. Hal ini
berarti lingkungan seorang pekerja memang tidak memengaruhi kinerja pekerja tersebut.
HASIL UJI SPEARMAN
(Motivasi dan
Ketidakdisiplinan)
 PENGUJIAN
Hipotesis :
Ho: Kedua variabel (Motivasi dan Kedisiplinan) tidak ada hubungan yang satu dengan yang lain.
Hi: Korelasi adalah negatif (Rs -), karena makin tinggi motivasi, makin kecil tingkat ketidakdisiplinan.
Dasar Pengambilan Keputusan :
Probabilitas > 0,05 maka Ho diterima
Probabilitas < 0,05 maka Ho ditolak

Karena angka pada bagian SIG. (2-TAILED) adalah 0,007 yang adalah < 0,05 maka Ho ditolak. Hal ini berarti
motivasi seorang pekerja memengaruhi kitidakdisiplinan pekerja tersebut.
Dan karena Rs adalah -0,662 maka :
Tanda – menyatakan hubungan yang bersifat invers (kebalikan). Dalam hal ini makin tinggi motivasi makin
kecil tingkat ketidakdisiplinan.
Angka 0,662 yag lebih besar dari 0,5 menyatakan bahwa hubungan kedua variabel tersebut erat
KORELASI KENDALL
 Metode Korelasi Kendall
Selain koefisien korelasi Spearman, terdapat metode pengukuran lain tentang keeratan hubungan
antara variabel random X dan Y, di mana X dan/atau Y tidak berdistribusi normal atau tidak diketahui
distribusinya. Metode ini disebut Kendall rank Correlation Coefficient (metode ini dikemukakan untuk
pertama kalinya oleh Maurice G. Kendall pads tahun 1938). Koefisien korelasi Kendall dinotasikan
dengan z (huruf Junani, dibaca: tau).
Koefisien korelasi Kendall dihitung dengan rumus:
 Lingkungan Kerja
Responden Motivasi Kerja (X) Kinerja Kedisiplinan
(Y)
1 78 79 84 3
2 77 75 88 2 DATA PENILAIAN KINERJA
PEGAWAI PERUSAHAAN
3 75 69 84 2 KAP TIARA DIASTRI
4 79 81 82 3 (KORELASI KENDALL)
5 82 83 70 1
6 85 88 59 1
7 86 90 59 1
8 70 75 64 4
9 80 84 68 2
10 69 71 91 4
11 67 70 59 4
12 65 69 69 4
13 82 64 70 4
14 85 90 75 3
15 78 80 72 2
HASIL UJI KENDALL (Motivasi
dan Lingkungan)
PENGUJIAN
Hipotesis :
Ho: Kedua variabel (Lingkungan dan Kinerja) tidak ada hubungan yang satu dengan yang lain.
Hi: Kedua variabel (Lingkungan dan Kinerja) memiliki hubungan yang signifikan satu dengan yang lain.
Dasar Pengambilan Keputusan :
Probabilitas > 0,05 maka Ho diterima
Probabilitas < 0,05 maka Ho ditolak
Karena angka pada bagian SIG. (2-TAILED) adalah 0,000 yang adalah < 0,05 maka Ho ditolak. Hal ini berarti
motivasi seorang pekerja memang memengaruhi lingkungan pekerja tersebut.
Dan karena Rs adalah -0,696 maka :
Dengan demikian, ada hubungan antara kedua variabel Angka 0,662 yag lebih besar dari 0,5 menyatakan
bahwa hubungan kedua variabel tersebut erat, karena nilai Rs lebih besar dari 0,5 yakni 0,696 . Nilai R
adalah positif, berarti semakin baik lingkungan pekerja maka diperkirakan kinerja pekerja tersebut semakin
baik. Demikian sebaliknya.
KORELASI KENDALL PARSIAL
 KORELASI KENDALL PARSIAL
 Korelasi adalah pengukuran keeratan hubungan antar dua variabel.
 Korelasi parsial menghitung korelasi dua buah variabel seperti perhitungan korelasi
pada umumnya, namun dengan menganggap sebuah variabel (ketiga) menjadi
konstan.
 Perhitungan korelasi secara per bagian ini (parsial) bertujuan untuk menghitung efek
dari variabel ketiga tersebut pada keeratan hubungan dua variabel yang dikorelasi.
 Keeratan hubungan antara dua variabel yang diperoleh adalah murni dan langsung.
 Data yang digunakan ‘sekurang-kurangnya’ berskala ordinal.
 Lingkungan Kerja
Responden Motivasi Kerja (X) Kinerja (Z) Kedisiplinan
(Y)
1 78 79 84 3
2 77 75 88 2 DATA PENILAIAN KINERJA
PEGAWAI PERUSAHAAN
3 75 69 84 2 KAP TIARA DIASTRI
4 79 81 82 3 (KORELASI KENDALL
5 82 83 70 1 PARSIAL)

6 85 88 59 1
7 86 90 59 1
8 70 75 64 4
9 80 84 68 2
10 69 71 91 4
11 67 70 59 4
12 65 69 69 4
13 82 64 70 4
14 85 90 75 3
15 78 80 72 2
HASIL UJI KENDALL PARSIAL (Motivasi, Lingkungan dan Kinerja)
 PENGUJIAN
Rumus korelasi parsial:

𝝉𝒙𝒚 − 0,696 − (-0,248 . -0,238)

𝝉𝒙𝒚.𝒛 = 𝝉𝒙𝒚.𝒛 =
𝝉𝝉 𝝉𝟐𝒛𝒙)(𝟏 − 𝝉
𝟏 − 𝒛𝒚 𝟐 (1−(-0,248)𝟐) . (1−(0,238)𝟐
𝒙𝒛 𝒚𝒛

X dan Y = variable yang akan diuji (MOTIVASI 𝝉𝒙𝒚.𝒛 = 0,677

dan LINGKUNGAN)
Z = variable pengontrol yang dibuat
konstan (KINERJA)
 PENGUJIAN

 Hipotesis:
Ho: Hubungan kedua variabel (motivasi dan lingkungan) bebas dari keterikatan dengan variabel ketiga
(kinerja)
Hi: Hubungan kedua variabel (motivasi dan lingkungan) tidak bebas dari keterkaitan dengan variabel
ketiga (kinerja). Atau hubungan kedua variabel dipengaruhi oleh variabel ketiga

 Dasar pengambilan keputusan:

Untuk sampel besar, yakni di atas 10 buah, bisa dengan membandingkan z hitung dengan z table:
Z hitung < Z tabel  Ho diterima
Z hitung > Z tabel  Ho ditolak
 PENGUJIAN
 Keputusan:
Karena n adalah 15 (di atas 10 buah), maka bisa
digunakan perbandingan z hitung dengan z table.

3𝝉𝒙y.𝒛 n (n − 1)
𝝉𝒙𝒚.𝒛 =
Ho ditolak Ho diterima
2 (2n + 5) Ho ditolak

3 . 0,677 . 15(15−1) -1,96 +3,518

0 1,96
𝝉𝒙𝒚.𝒛 =
2 (2 . 15 + 5)
Karena z hitung (3,518) > z table (1,96) maka Ho ditolak.
𝝉𝒙𝒚.𝒛 = +3,518
 HASIL

 Angka korelasi TANPA adanya variable pengontrol KINERJA adalah 0,696

 Setelah memperhitungkan DENGAN adanya variable KINERJA, angka korelasi turun
menjadi 0,677

Sehingga,
Hubungan kedua variable (MOTIVASI dan LINGKUNGAN) memang dipengaruhi variable
ketiga (KINERJA). Namun, hasil korelasi awal dan korelasi akhir tidak begitu besar, maka
bisa dikatakan VARIABLE KINERJA TIDAK BERPENGARUH SECARA NYATA PADA
HUBUNGAN ANTARA VARIABLE MOTIVASI DAN VARIABEL LINGKUNGAN.
KORELASI GAMMA AND
SOMERS
 KORELASI GAMMA DAN SOMERS

 Data bertipe ordinal (mempunyai urutan tertentu)

 Data banyak mengandung angka yang sama (ties), seperti sikap konsumen yang banyak
mengandung angka 3 untuk kode ‘Suka’, dengan Golongan Konsumen yang banyak mengandung
angka 2 untuk kode “kaya”. Jika banyak pasangan data yang berisi angka sama, maka penggunaan
alat korelasi seperti Spearman dan Kendall.
 Data ditampilkan dalam bentuk Tabel Kontigensi atau Tabel Silang, sehingga tidak
memungkinkan perhitungan dengan korelasi Spearman atau yang lainnya
 Dengan demikian untuk dua Data yang semuanya bertipe Ordinal, dengan tampilan dalam
bentuk Tabel Silang, maka untuk mengukur hubungan antara kedua variable tersebut, bisa
digunakan alat korelasi seperti Gamma dan Somers
 PENGUJIAN GAMMA DAN SOMERS
Hipotesis Korelasi Gamma :
Ho: G ≠ 0, atau kedua variabel (Sikap dengan Usia) adalah independen satu dengan yang lain
Hi: G ≠ 0, atau kedua variabel (sikap dengan usia) mempunyai hubungan yang nyata

Dasar pengambilan keputusan:

Dengan melihat angka probabilitas, dengan ketentuan :
- Probabilitas > 0,05 maka H0 diterima
- Probabilitas < 0,05 maka H0 ditolak

Hipotesis Korelasi Somers’d :

Ho: d ≠ 0, atau kedua variabel (Sikap dengan Usia) adalah independen satu dengan yang lain
Hi: d ≠ 0, atau kedua variabel (sikap dengan usia) mempunyai hubungan yang nyata

Dasar pengambilan keputusan:

Dengan melihat angka probabilitas, dengan ketentuan :
- Probabilitas > 0,05 maka H0 diterima
- Probabilitas < 0,05 maka H0 ditolak
DATA PENGGERMAR DAN
BUKAN PENGGEMAR
GORENGAN (KORELASI
GAMMA DAN SOMERS)
TAHAPAN PENGOLAHAN DATA KORELASI GAMMA DAN SOMERS

Menu SPPS

Tahapan sebelum
input data
Tahap penginputan data

Tahap pengisian klasifikasi data

Tahap pengolahan data
melalui SPSS

Tahap terakhir
pengolahan data
HASIL UJI KORELASI
GAMMA DAN SOMERS
HASIL UJI KORELASI
GAMMA DAN SOMERS
 HASIL PENGUJIAN

Keputusan hasil pengujian berdasarkan Probabilitas :

karena angka hasil approx. sig adalah 0,029 yang berarti < 0,05 maka H0 ditolak

Hal ini berarti memang ada hubungannya antara sikap responden dengan usia
responden, dimana seseorang bisa ditetukan golongan usianya dari sikap mereka
terhadap kegemarannya pada makanan gorengan. Dalam artian, karena
seseorang bersikap tidak suka makanan gorengan, maka orang tersebut bisa
digolongkan golongan usia pekerja.