Korelasi Rank Spearman: rs

Drs.Handiarto,M.Si

Buku utama sebagai panduan : Sydney Siegel.STATISTIK NON PARAMETRIK UNTUK ILMU-
ILMU SOSIAL.PT. GRAMEDIA, Jakarta,1985

Sugiyono,DR.STATISTIK NONPARAMETRIK UNTUK PENELITIAN.CV.

ALFABETA,Bandung:2011

Korelasi Rank Spearman digunakan untuk mencari tingkat hubungan atau menguji signifikansi
hipotesis asosiatif bila masing-masing variabel yang dihubungkan datanya berbentuk ordinal,
dan sumber data antar variabel tidak harus sama (sigiyono).Rank Spearman biasanya
disimbulkan dengan rs , atau kadang ditulis dengan rho .

Langkah-langkah dalam penggunaan koefisien lorelasi rank spearman:

1.Daftarlah N subyek, lalu masukkan besaran score hasil pengamatan, baik pada variabel X,
maupun variabel Y

2. Rankinglah score variabel X dan variabel Y. Pemberian ranking mulai dari angka yang besar
menuju angka yang kecil (sugiyono,metode Penelitian Administrasi:188),catatan:dalam
Djarwanto,Statistik non parametric,1983:57.dan Sidney Siegel, Statistik Non Parametrik
2985:257,tidak memberikan penjelasan secara tegas, namun dicontohkan pemberian rangking
dimulai dari angka yang paling kecil menuju angka yang palling besar

3.Tentukan harga d untuk setiap subyek dengan cara mengurangkan ranking Y pada ranking
X, kuadratkan harga itu untuk menentukan d masing-masing subyek. Jumlahkan harga-
harga d untuk ke N kasus guna mendapatkan d

4.jika proporsi angka sama dalam observasi-observasi X atau Y kecil atau tidak ada sama
sekali, maka dipakai rumus I, jika angka sama/kembarnya banyak maka di gunakan rumus II

5.kalau subyek-subyek itu merupakan sampel random dari populasi tertentu, kita dapat menguji
apakah harga observasi rs memberikan petunjuk adanya asosiasi antara variabel X dan Y
dalam populasinya. Metode untuk melakukan hal itu tergantug pada ukuran N:
a. untuk N dari 4 hingga 30, harga-harga kritia rs untuk tingkat significansi 0,05 dan 0,01 (tes
satu sisi) disajikan dalam Tabel P.
b. untuk N > 10, signifikansi suatu harga sebesar harga observasi rs dapat ditetapkan dengan
menghitung t yang berkaitan dengan harga (menggunakan rumus)dan kemudian
menentukan tingkat signifikansi harga tersebut dengan melihat Tabel.

N
Rumus I, rs. Digunakan bila tidak
6 d
i=1 ada /sedikit angka kembar dalam
rs = 1 - skor subyek pada variabel yang
N - N sama
Contoh:

Misalnya suatu penelitian,

Judul : Pengaruh X terhadap Y

Rumusan Masalah:Seberapa jauh pengaruh X terhadap Y

Hipotesis : Ho :Tidak ada pengaruh antara variabel X terhadap variabel Y

Ha. : Terdapat pengaruh kuat antara variabel X terhadap variabel Y

Skor Variabel X dan Variabel Y

Skor
N
X Y

A 82 42
B 98 46
C 87 39
D 40 37
E 116 65
F 113 88
G 111 86
H 83 56
I 85 62
J 126 92
K 106 54
L 117 81

Untuk menghitung korelasi rank spearman antara kedua himpunan skor itu, perlu dilakukan
ranking skor-skor itu dalam dua rangkaian,lalu dicari d dan d, serta d sebagai berikut:

Tabel Ranking X dan Y

 Ranking
N d d
X Y

A 2 3 -1 1
B 6 4 2 4
C 5 2 3 9
D 1 1 0 0
E 10 8 2 4
F 9 11 -2 4
G 8 10 -2 4
H 3 9 -3 9
I 4 9 -3 9
J 12 12 0 0
K 7 5 2 4
L 11 9 2 4

d = 52

bila tabel skor dan tabel ranking digabungkan akan menjadi tabel penolong sebagai berikut:

Tabel Penolong untuk menghitung korelasi rank Spearman

 Skor Ranking
N d d
X Y X Y

82
A 42 2 3 -1 1
98
B 46 6 4 2 4
87
C 39 5 2 3 9
40
D 37 1 1 0 0
116
E 65 10 8 2 4
113
F 88 9 11 -2 4
111
G 86 8 10 -2 4
83
H 56 3 9 -3 9
85
I 62 4 9 -3 9
126
J 92 12 12 0 0
106
K 54 7 5 2 4
117
L 81 11 9 2 4

N
Jumlah 0 d = 52
i=1
Setelah d diketahui, maka kita dapat menghitung rs (Korelasi Rank Spearman) dengan cara
memasukkannya dalam rumus :

N
6 d
i=1
rs = 1 -
N - N

6 (52)

= 1

(12) - 12

= 0,82

Selanjutnya rs hitung (hasil perhitung dengan menggunakan rumus rs di atas)

dibandingkan dengan rho tabel.
Kriteria pengujian hipotesis: Ho diterima bila harga rho ( rs ) hitung lebih kecil dari
tabel, dan Ho ditolak bila rho ( rs ) hitung lebih besar atau sama dengan rho tabel
(sugiyono:111). Dalam tabel rho, dengan N=12,dan tingkat signifikan 5% didapatkan
angka 0,591. Dengan demikian rs hitung(0,82) lebih besar dari rs tabel (0,591) 0,82 >
0,591. Sesuai dengan ketentuan, H0 ditolak dan Ha diterima, dengan kata lain terdapat
pengaruh yang kuat antara variabel X terhadap variabel Y

TABEL NILAI-NILAI RHO ( rs )

Taraf Signifikan Taraf Signifikan

N N
5% 1% 5% 1%

5 1,00 16 0,506 0,665

6 0,886 1,000 18 0,475 0,625
7 0,786 0,929 20 0,450 0,591
8 0,738 0,881 22 0,428 0,562
9 0,683 0,833 24 0,409 0,537
10 0,648 0,794 26 0,392 0,515
12 0,591 0,777 28 0,377 0,496
14 0,544 0,715 30 0,364 0,478

Observasi berangka sama. (angka kembar)

Kadang-kadang terjadi, dua subyek atau lebih mendapatkan skor sama/kembar pada variabel
yang sama. jika terjadi angka sama,maka masing-masing mendapatkan rata-rata ranking. Bila
proporsi angka sama tidak besar, akibatnya terhadap rs dapat diabaikan, dan rumus I di atas
masih dapat dipakai untuk perhitungannya. Tetapi jika proporsi angka sama itu besar, maka
harus digunakan factor koreksi dalam perhitungan rs (siegel tidak memaparkan secara tegas
berapa yang dimaksud proporsi angka sama tidak besar. Akan tetapi dalam contoh yang
diberikan,sebanyak enam angka kembar dalam satu variabel. Jadi bila dalam satu varibel
terdapat paling sedikit enam angka kembar, maka rumus rs yang digunakan adalah rumus yang
kedua, sebagai berikut:
Dimana :

T menunjukkan berbagai harga T untuk semua kelompok yang berlain-lainan yang memiliki
observasi berangka sama . Untuk mengetahui Tx dan Ty digunakan rumus

Contoh:

Dari hasil penelitian dengan judul pengaruh X terhadap Y didapat data sebagai berikut:

SCORE RANK
No d d
X Y X Y

1 26 26 6,5 6,5 0 0
2 23 26 2,5 6,5 -4 16
3 30 30 15 15,5 -0,5 0,25
4 28 26 11 6,5 4,5 20,25
5 23 24 2,5 1,5 1 1
6 30 30 15 15,5 -0,5 0,25
7 26 24 6,5 1,5 5 25
8 29 28 13 11,5 1,5 2,25
9 22 26 1 6,5 -5,5 30,25
10 27 28 8,5 11,5 -3 9
11 30 29 15 13,5 1,5 2.25
12 25 25 4,5 3,5 1 1
13 28 27 11 9,5 1,5 2.25
14 25 25 4,5 3,5 -1 1
15 27 27 8,5 9,5 -1 1
16 28 29 11 13,5 -2,5 6,25

0 118,00
Dari tabel di atas , dapat diketahui bahwa :

N = 16

d = 118

Karena dalam tabel di atas terdapat score kembar yang jumlahnya banyak maka digunakan
rumus rs yang kedua . untuk itu perlu dicari terlebih dahulu harga Tx dan Ty dengan cara
sebagai berikut:

Tx : score 2,5 terdapat kembar dua, sehingga t = 2

score 4,5 terdapat kembar dua, sehingga t = 2

score 6,5 terdapat kembar dua, sehingga t = 2

score 8,5 terdapat kembar dua, sehingga t = 2

score 11,5 terdapat kembar tiga, sehingga t = 3

score 15,5 terdapat kembar tiga, sehingga t = 3

Ty : score 1,5 terdapat kembar dua, sehingga t = 2

score 3,5 terdapat kembar dua, sehingga t = 2

score 6,5 terdapat kembar dua, sehingga t = 4

score 9,5 terdapat kembar dua, sehingga t = 2

score 11,5 terdapat kembar tiga, sehingga t = 2

score 13,5 terdapat kembar tiga, sehingga t = 2

score 15,5 terdapat kembar tiga, sehingga t = 2

setelah Tx dan Ty diketahui, langkah berikutnya adalah mencari Tx dan Ty dengan

rumus(lihat di atas)
= 0,5 + 0,5 + 0,5 + 0,5 +2 + 2

=6

Jadi Tx = 6.

Selanjutnya, dengan cara yang sama didapatkan :

Ty = 8

Dari perolehan harga Tx dan Ty, kemudian dicari harga X, dan Y

= 340 6

= 334

Setelah diketahui harga = 334 , selanjutnya dicari harga dengan rumus

Dengan menggunakan cara yang sama,didapatkan harga = 332

Selanjutnya untuk mengetahui ada atau tidak adanya korelasi antara X dan Y, maka dapat
dicari melalui rumus korelasi rs yang kedua( karena banyak angka kembar), yaitu:
= 0,822

Dari perhitungan di atas diperoleh koefisien korelasi (rs) sebesar 0,822.pada tabel kritis
nilai rho dengan N = 16 pada taraf signifikansi 5% atau taraf kepercayaan sebesar 95%
adalah 0,425. Bila dibandingkan, maka hasil rs hitung lebih besar dari nilai tabel.
Dengan kata lain 0,822 >0,425. Dengan demikian Hipotesis Nol (Ho) ditolak, dan
Hipotesis kerja (H) diterima, sehingga dapat disimpulkan bahwa:

: Ada pengaruh X terhadap Y

Kesimpulan di atas hanya berlaku untuk sampel yang diuji (16 responden). Untuk
mengetahui apakah kesimpulan tersebut juga berlaku bagi keseluruhan populasi (untuk
mengetahui tingkat signifiknsinya) maka perlu diuji lebih lanjut dengan menggunakkan
rumus t test sebagai berikut:

=0,822

= 0,822
= 0,822

=0,822

=0,822x6,5703

=5,401

Dari perhitungan tersebut, hasil t test sebesar 5,401, sedangkan harga kritis dari distribusi of t
untuk db =14 (db=N - 2) dengan taraf kesalahan sebesar 5% atau taraf kepercayaan sebesar
95%. Level signifikansi One Tailet Test sebesar 1,,761. Dengan demikian hasil t test adalah
lebih besar dari harga kritisnya (5,401 1,761), sehingga dapat disimpulkan bahwa Ada
hubungan yang signifiksn/meyakinkan anra Variabel X dan Variabel Y
METODE PENELITIAN SOSIAL II

Drs.Handiarto,M.Si

Buku acuan utama: Dr.Sugiyono, STATISTIK NONPARAMETRIK UNTUK

PENELITIAN,CV.afabeta, Bandung

TARGET PENCAPAIAN

I Mid smester( setelah melakukan pertemuan ke -1 s/d 5): mahasiswa dapat memilih dan
mengerjakan teknik analisis data( teknik statistic non parametris) yang sesuai dengan
data dan hipotesisnya.

II. SEMESTER( setelah melakukan pertemuan 6 s/d 12) :Mahasiswa dapat menyusun
proposal penelitian(rencana penyusunan skripsi)

Materi s/d mid semester(5s/d 6 kali tatap muka,satu kali tatap muka 90 menit)

1.1. Data dan Macam-macam data

1.1.1.Pengertian Data

1.1.2.Data Nominal

1.1.3.Data Ordinal

1.1.4. Data Interval

1.1.5.Data Rasio

1.2. Hipotesis dan macam-macam hipotesis

1.3. Teknik analisis Data (untuk menguji Hipotesis)

1.4. 1. Teknik Analisis deskreptif

1.5. 2. Teknik Analisis Komparatif

1.6. 3. Teknik Analisis Asosiatif

1.1.1. Pengertian Data.

Data adalah dokumen atau hasil pencatatan mengenai fakta. Fakta adalah suatu
peristiwa, fenomena, keadaan yang sesungguhnya ada/ dan atau terjadi
(handiarto,2012)

1.1.2. Macam Data

Untuk dapat menentukan Teknik analisis/ teknik statistic mana yang sesuai untuk
menguji suatu hipotesis, maka terlebih dahulu harus diketahui macam data dan bentuk
hipotesis yang digunakan.

Terdapat dua macam data, yaitu:Data Kualitatif dan Data Kuantitatif. Data Kualitatif
adalah data yang dinyatakan dalam bentuk kata, kalimat, maupun gambar.
Misalnya:banyak, sedikit, kadang-kadang. Kaya sekali, pembangunan di daerah itu
sangat peseta dll. Data kuantitatif adalah data yang berbentuk angka, atau data kualitatif
yang diangkakan ( skoring: baik sekali=4, baik=3, kurang baik=2, tidak baik=1)

Data kuantitatif dibagi menjadi dua , yaitu data diskrit/nominal dan data kontinum. Data
nominal adalah data yang hanya dapat digolongkan secara terpisah, secara diskrit atau
kategori. Data ini diperoleh dari hasil menghitung, misalnya dalam suatu kelas dihitung
terdapat 50 mahasiswa, terdiri atas 30 pria dan 20 wanita. Dalam suatu kelompok
terdapat 1000 orang suku jawa dan 500 suku sunda dll. Jadi data nominal adalah data
diskrit, bukan data kontinum.

Data kontinum , adalah data yang bervariasi menurut tingkatan, dan ini diperoleh dari
hasil pengukuran (menghitung berarti menetapkan banyak sedikitnya obyek dengan
caramenjumlahper unit obyek,sedangkan mengukur berarti menetapkan besar
kecilnya, berat ringannya, panjang lebarnya obyek dengan menggunakan alat ukur,
seperti penggaris untuk mengukur panjang. Timbangan untuk berat. Thermometer untuk
mengukur suhu, instrument/daftar pertanyaan untuk mengukur sikap, pendirian dan
sebagainya)Data kontinum dibagi menjadi data ordinal, data interval dan data rastio.
Data ordinal adalah data yang berbentuk rangking atau peringkat. Misalnya juara l, ll,lll
dan seterusnya. Data ini, bila dinyatakan dalam skala, maka jarak satu data dengan
data yang lain tidak sama.lihat gambar 1

I II III IV V VII

Gambar 1, Data Ordinal, Jarak tidak sama

Data interval adalah data yang jaraknya sama tetapi tidak mempunyai nilai nol(0) ab
sulut/mutlak. Contoh skala thermometer, walaupun adanilai 0* c, tetapi tetap ada
nilainya. Data-data yang diperoleh dari pengukuran dengan instrument sikap dengan
skala Likert misalnya adalah berbentuk data interval. Data interval dapaat dibuat
menjadi data ordinal (peringkat). Pada gambar 2, di bawah ini adalah data interval
 -2 -1 0 1 2 3 4 5 6 7 8 9 10 11

Gambar 2, Data Interval, walupun minus(-) tetap ada nilainya.

Data ratio adalah data yang jaraknya sama dan mempunyai nilai nol mutlak (lihat gambar),
misalnya data tentang berat, panjang 0 m berarti tidak ada panjangnya. Data ini dapat dirubah
ke dalam data interval dan ordinal. Data ini juga dapat dijumlahkan atau dibuat perkalian secara
aljabar. Misalnya 2 m+3m=7m. kalau dalam data interval penjumlahannya tidak deperti dalam
data ratio. Misalnya air 1 gelas dengan suhu 20*+air 1 gelas dengan sushu 15* maka suhunya
tidak menjadi 35*c tetapi sekitar 17.5*c.Data rasio adalah data yang paling teliti

0 1 2 3 4 5 6
0

Gambar 3, Data Ratio (nilai nol mutlak)

C. Hipotesis Penelitian

Hipotesis merupakan jawaban sementara terhadap rumusan masalah penelitian. Oleh karena
itu rumusan penelitian biasanya disusun dalam bentuk kalimat pertanyaan. Dikatakan
sementara karena jawaban yang diberikan baru didasarkan pada teori yang relevan,dan
belum didasarkan pada fakta-fakta empiris yang diperoleh melalui pengumpulan data. Jadi
hipotesis juga dapat dinyatakan sebagai jawaban teoritis terhadap rumusan masalah
penelitian, belum jawaban empiris.

pengertian hipotesis dapat dibedakan menjadi dua, yaitu: hipotesis penelitian dan hipotesis
statistic. Pengertian hipotesis penelitian, seperti telah diuraikan di atas.Hipotesis statistic itu
ada, bila penelitian bekerja dengan data sampel. Jika penelitian tidak menggunakan sampel,
maka tidak akan ada hipotesis statistik

Suatu penelitian, boleh jadi ada hipotesis penelitian, tetapi tidak ada hipotesis statistic.
Penelitian yang dilakukan pada seluruh populasi mungkin akan terdapat hipotesis penelitian
tetapi tidak aka nada hipotesis statistic. Ingat bahwa hipotesis itu berupa jawaban sementara
terhadap rumusan masalah dan hipotesis yang akan diuji ini dinamakan hipotesis kerja.
Sebagai lawannya adalah hipotesis nol (nihil). Hipotesis kerja disusun berdasarkan atas teori
yang digunakan masih diragukan kehandalannya.

Dalam hipotesis juga juga terdapat istilah: Hipotesis Kerja dan Hipotesis alternative (hipotesis
alternative tidak sama dengan hipotesis kerja). Dalam kegiatan penelitian yang diuji terlebih
dahulu adalah hipotesis penelitian terutama pada hipotesis kerjanya. Bila peneliti akan
membuktikan apakah hasil pengujian hipotesis itu signifikan atau tidak, maka diperlukan
 hipotesis statistic. Teknik statistic yang digunakan untuk menguji hipotesis statistic ini adalah
statistic inferensial. Statistic yang bekerja dengan populasi adalah statistic deskriptip

Yang diuji dalam hipotesis statistic adalah hipotesis nol, karena peneliti tidak berharap ada
perbedaan antara sampel dengan populasi (bila pengambilan sampel represintatif)

D.Bentuk Hipotesis

Dalam penelitian yang menggunakan analisis statistic inferensial terdapat dua hipotesis yang
perlu diuji, yaitu hipotesis penelitian dan hipotesis statistic. Menguji hipotesis penelitian berarti
menguji jawaban yang sementara(tentatip) itu apakah betul-betul terjadi pada sampel yang
diteliti atau tidak. Kalau terjadi berarti hipotesis penelitian terbukti, dan kalau tidak, berarti tidak
terbukti. Selanjutnya menguji hipotesis statistic, berarti menguji apakah hipotesis penelitian
yang terbukti atau tidak terbukti berdasarkan data sampel itu dapat diberlakukan pada
populasi atau tidak. Hal ini dapat digambarkan sebagai berikut:

Populasi
Penelitia
nn Reduksi

Menguji hipotesis Statistik apakah

hipotesis yang telah terbukti berdasarkan
data sampel itu dapat diberlakukan untuk Samp
populasi atau tidak el

Hipotesis penelitian
dibuktikan dengan data
sampel

Gambar. Menguji statistis penelitian dan hipotesis statistik

Menurut tingkat penjelasannya (level of explanation) variabel yang diteliti, maka terdapat tiga
bentuk hipotesis yang dirumuskan dan diuji,yaitu:

1. Hipotesis Deskriptif

Hipotesis deskriptif, merupakan dugaan terhadap nilai suatu variabel dalam satu sampel
walaupun di dalamnya bisa tedapat beberapa kategori

Contoh:

Ho : Semangat kerja karyawan di instansi X telah memenuhi kriteria idiel yang

ditetapkan
 Ha : Semangat kerja karyawan di instansi X belum memenuhi kriteria idiel yang
ditetapkan

2. Hipotesis Komparatif

Hipotesis komparatif merupakan dugaan terhadap perbandingan nilai dua sampel atau
lebih. Dalam hal komparasi ini terdapat beberapa macam yaitu:

a. Komparasi berpasangan (related) dalam dua sampel dan lebih dari dua sampel(k
sampel)

b. Komparasi independen dalam dua samapel dan lebih dari dua sampel(k sampel)

Contoh:

Sampel berpasangan, komparatif dua sampel

Ho : Tidak terdapat perbedaan nilai penjualan sebelum dan sesudah ada iklan

Ha : Terdapat perbedaan nilai penjualan sebelum dan sesudah ada iklan

Sampel Independen, komparatif dua sampel

Ho : Tidak terdapat perbedaan antara birokrat, akademisi, dan pebisnis dalam memilih partai

Ha : Terdapat perbedaan antara birokrat, akademisi, dan pebisnis dalam memilih partai

3.Hipotesis Asosiatif (hubungan)

Hipotesis Asosiatif merupakan dugaan terhadap hubungan antara dua variabel atau lebih

Contoh:

Ho : Tidak terdapat hubungan antara pengawasan melekat dengan efisiensi kerja di

departemen X

Ha : Terdapat hubungan antara pengawasan melekat dengan efisiensi kerja di departemen X

D. Pedoman Umum Memilih Statistik Nonparametris Untuk Pengujian Hipotesis

Terdapat dua macam teknik statistic inferensial yang dapat digunakan untuk menguji hipotesis
penelitian, yaitu Statistik Parametris dan Statistik Nonparametris. Keduanya bekerja dengan
data sampel, dan pengambilan sampel harus dilakukan secara random.

Statistik parametric lebih banyak digunakan untuk menganalisis data yang berbentuk interval
dan ratio, dengan dilandasi beberapa persyaratan tertentu antara misalnya : data variabel yang
akan duanalisis harus berdistribusi normal. Statistic Nonparametris digunakan untuk
menganalisis data yang berbentuk nominal dan ordinal dan tidak dilandasi persyaratan data
harus berdistribusi normal.
Untuk menentukan teknik Statistik Nonparametris mana yang akan digunakan untuk pengujian
hipotesis, maka perlu diketahui terlebih dahulu bentuk data yang akan dianalisis (nominal,
ordinal) dan bentuk hipotesisnya (deskriprif, komparatif, asosiatif).

Berikut merupakan pedoman umum yang dapat digunakan untuk menentukan teknik statistic
Nonparametris yang akan digunakan untuk menguji hipotesis dalam penelitian

Tabel

PEDOMAN UMUM MEMILIH TEKNIK STATISTIK NONPARAMETRIS UNTUK PENGUJIAN

HIPOTESIS

Bentuk Hipotesis

Komparatif lebih dari dua Asosiatif/

Macam Komparatif Dua Sampel
Deskriptif(sa sampel hubungan
Data
tu sampel) Berpa- Inde- Berpa- Inde-
sangan penden sangan penden

Fisher
Binominal Exact
Mc Probability Koefisiens
Chi Chi
Nominal Nemar. Chochran i
Chi Kwadrat
Kuadrat 1 Kontigensi
Kuadrat K sampel
sampel (C)
Dua
Sampel
Median
Test
Median
Mann Extension Korelasi
Sign Test
Whitney U Spearman
Test Friedman Rank
Ordinal Run Test Two-Way
Wilcoxon Anova Korelasi
Kolmogoro Kruskal-
Matched Kendal
v WallisOne-
Pairs -Smirnov Tau
Way
Anova
Wald
Wollowitz

Dari table di atas dapat dijelaskan sebagai berikut (dalam hal ini hanya dijelaskan sebagian
saja)

1. Untuk menguji hipotesis deskriptif satu sampel bila datanya berbentuk nominal, maka
digunakan teknik statistic:
a. Binomial

b. Chi Kuadrat satu sampel

2. Untuk menguji hipotesis deskriptif satu sampel bila datanya berbentuk ordinal, maka
digunakan statistic

a. Run Test

3. Untuk menguji hipotesis komparatif dua sampel yang berpasangan bila datanya berbentuk
nominal digunakan teknik statistic:

a. Mc Nemar

4. Untuk menguji hipotesis komparatif dua sampel berpasangan bila datanya berbentuk ordinal
digunakan teknik statistic:

a. Sign Test

b. Wilcoxon Matched Pair

5. Untuk menguji hipotesis komparatif dua sampel independen bila datanya berbentuk nominal
digunakan teknik statistic:

a. Fisher exact probability

b. Chi Kuadrad Dua Sampel

6. Untuk menguji hipotesis komparatif dua sampel independen bila datanya berbentuk ordinal
digunakan teknik statistic:

a. Median Test

b. Mann-Whitney U Test

c. Kolmogorov Smirnov

d. Wal-Wolfowitz

7. Menguji hipotesis komparatif k sampel berpasangan, bila datanya berbentuk nominal,

dengan statistic:

a. Cocran Q

8. Untuk menguji hipotesis komparatif k sampel berpasangan, bila datanya berbentuk ordinal,
dibunakan teknik statistic:

a. FriedmanAnova

9. Untuk menguji hipotesis komparatif k sampel independen, bila datanya berbentuk nominal,
digunakan tekni statistic:

a. Chi Kuadrad k sampel

10. Untuk menguji hipotesi komparatif k sampel independen, bila datanya berbentuk ordinal,
digunakan teknik statistic:

a. Median Extension

b. Kruskal-Wallis One Way Anova

11. Untuk menguji hipotesis asosiatif/hubungan(korelasi) bila datanya berbentuk nominal

digunakan teknik statistic:

a. Koefisiensi Kontigensi

12. Untuk menguji hipotesis asosiatif/hubungan(korelasi) bila datanya berbentuk ordinal

digunakan teknik statistic:

a. Korelasi Spearman Rank

b. Korelasi Kendal Tau

CONTOH PENGGUNAAN STATISTIK NON PARAMETRIS

Drs.Handiarto,M.Si

Buku utama sebagai acuan: Dr. Sugiyono. Metode Penelitian Administrasi,

Enerbit Alfabeta, Bandung. 1994

1. Chi Kuadrat

Chi Kuadrat dengan diberi simbul X, merupakan teknik statistic yang digunakan untuk
menganalisis data nominal/kategori/diskrit. Data ini diperoleh dari hasil menghitung, bukan
hasil mengukur seperti halnya data kontinum.

Rumus dasar Chi Kuadrat adalah sebagai berikut:

( o h )
X= h )

Dimana :

X = chi kuadrat

o = frekuensi yang diobservasi/diperoleh baik dari pengamatan maupun hasil angket

h = Frekuensi yang diharapkan.

 Chi kuadrat adalah bagian dari statistic inferensial,sehingga dapat digunakan untuk menguji
hipotesis suatu populasi yang didasari pada sampel

Sebagaimana yang tercantum dalam table,bahwa Chi kuadrat (X) dapat digunakan
untuk menguji hipotesis deskriptif satu sampel, komparatif dua sampel berpasangan
maupun idependen dan, komparatif lebih dari dua sampel yang datanya nominal. Di
bawah ini hanya diberikan contoh penggunaan chi kuadrat untuk menguji hipotesis
komparatif dua kelompok sampel independen, dan bentuk datanya nominal.

Chi kuadrat untuk Menganalisis Data Eksperimen

Pada metode penelitian eksperimen biasanya terdapat kelompok control. Kelompok

eksperimen yang diberi perlakuan (treatment) dan kelompok control tidak diberi perlakuan.
Chi kuadrat digunakan untuk mencari pengaruh perlakuan bila datanya nominal. Untuk
analisis ini diperlukan daftar kontigency 2 x 2 (dua baris x dua kolom). Polanya dapat
digambarkan seperti berikut:

Tabel : 1 Tabel Kontigency 2 x 2

Tingkat Pengaruh Perlakuan Jumlah anggota

Kelompok
Berpengaruh Tidak berpengaruh sampel
Kelompok eksperi a b a+b
men
Kelompok kontrol c d c+d

Jumlah ( a + c) ( b +d) n

n = Jumlah sampel

Dengan memperhatikan koreksi Yate rumus yang digunakan untuk menguji hipotesis adalah
sebagai berikut:

n (|ad bc | - n )
X =
(a + b)(a + c)(b + d)(c +d)

Untuk rumus di atas derajat kebebasan (dk),atau derajat bebas(db=1)

Contoh

Ingin mengetahui pengaruh ditlat terhadap prestasi kerja karyawan. Kelompok yang diberi
diklat diambil secara random sebanyak 80 orang, dan yang tidak diberi diklat sebagai
kelompok control 70 orang. Setelah diklat berahir dan mereka kembali bekerja, maka dari 80
orang itu yang prestasinya bertambah 60 orang dan yang tidak bertambah 20 orang.
Selanjutnya dari kelompok control yang tidak mendapat diklat, dari 70 orang itu prestasi
kerjanya bertambah sebanyak 30 orang dan yang tidak bertambah 40 orang

HIpotesis

Ho : Diklat tidak mempengaruhi prestasi kerja karyawan;

Ha : Diklat berpengaruh terhadap prestasi kerja karyawan.

Tingkat signifikan 5% (berarti tingkat kepercayaan 95%),

Dari data tersebut kemudian dimasukkan dalam tabel seperti di bawah ini,

Tabel: 2, TINGKAT PRESTASI KERJA KARYAWAN

Tingkat Pengaruh Perlakuan
Kelompok Jumlah
Berprestasi Tidak Berprestasi

Eksperimen (diklat) a) 60 b) 20 80

Kontrol c) 30 d) 40 70

Jumlah 90 60 150

Dari data seperti yang tercantum dalam tabel dapat dihitung dengan rumus X

n (|ad bc | - n )
X =
(a + b)(a + c)(b + d)(c +d)

150 (|60.40 30.20| - .150)

X =
80 x 90 x 60 x 70

150(|2400-600|-75)
X =
30240000

446343750 Chi Kuadrat

hitung
X = 30240000
 X = 14,7

Setelah nilai chi kuadrat hitung ditemukan, maka langkah berikutnya adalah membandingkan
dengan nilai chi kuadrat dalam tabel. (lihat tabel chi kuadrat di bawah) dengan ketentuan: bila
nilai chi kuadrat hitung lebih tinggi dari nilai tabel, maka Ho ditolak, dan Ha diterima. Bila nilai
kuadrat hitung lebih kecil dari nilai tabel maka Ho diterima, dan Ha ditolak.

Ingat, dalam penelitian di atas hipotesisnya adalah:

Nilai chi Kuadrat
Ho : Diklat tidak mempengaruhi prestasi kerja karyawan; tabel untuk dk
Ha : Diklat berpengaruh terhadap prestasi kerja karyawan. =1, dan tingkat
signifikan 5%

dk,atau db=1

TABEL: 3, NILAI-NILAI CHI KUADRAT

Taraf Signifikansi
dk/db 50% 30% 20% 10% 5% 1%

1 0,455 1,047 1,642 2,706 3,841 6,635

2 1,386 2,408 3,219 3,605 5,991 9,210
3 2,366 3,665 4,642 6,251 7,815 1,1341
4 3,357 4,878 5,989 7,779 9,488 13,277
5 4,351 6,064 7,289 9,236 11,070 15,086
6 5,348 7,231 8,558 10,645 12,592 16,812
7 6,346 8,383 9,803 12,017 14,017 18,475
8 7,344 9,524 11,030 13,362 15,507 20,090
9 8,343 10,656 12,242 14,684 16,919 21,666
10 9,342 11,781 13,442 15,987 18,307 23,209

Dst.dst.

Dengan dk =1, dan taraf Signifikansi 5%, maka harga chi kuadrat tabel = 3,841, Ternyata
harga chi kuadrat hitung lebih besar dari tabel (14,7 > 3,841 dan 6,635) Dengan demikian Ho
ditolak dan Ha diterima. Hal ini berarti diklat berpengaruh dalam meningkatkan kerja
karyawan. Tetapi perlu diketahui dengan pengujian hipotesis dengan model ini pengaruh diklat
terhadap prestasi kerja karyawan tidak diketahui secara pasti besarnya. Di sini hanya diketahui
ada pengaruhnya saja.

Nilai dk (derajat kebebasan), atau db (derajat bebas) diperoleh dari:

(baris 1) (kolom 1)

Dalam contoh di atas (lihat :1) jumlah barisnya=2, dan jumlah kolom=2,
jadi
(2-1)(21)
(1)(1)
dk = 1
Korelasi Rank Spearman: rs
Drs.Handiarto,M.Si

Buku utama sebagai panduan : Sydney Siegel.STATISTIK NON PARAMETRIK UNTUK ILMU-
ILMU SOSIAL.PT. GRAMEDIA, Jakarta,1985

Sugiyono,DR.STATISTIK NONPARAMETRIK UNTUK PENELITIAN.CV.

ALFABETA,Bandung:2011

Korelasi Rank Spearman digunakan untuk mencari tingkat hubungan atau menguji signifikansi
hipotesis asosiatif bila masing-masing variabel yang dihubungkan datanya berbentuk ordinal,
dan sumber data antar variabel tidak harus sama (sigiyono).Rank Spearman biasanya
disimbulkan dengan rs , atau kadang ditulis dengan rho .

Langkah-langkah dalam penggunaan koefisien lorelasi rank spearman:

1.Daftarlah N subyek, lalu masukkan besaran score hasil pengamatan, baik pada variabel X,
maupun variabel Y

2. Rankinglah score variabel X dan variabel Y. Pemberian ranking mulai dari angka yang besar
menuju angka yang kecil (sugiyono,metode Penelitian Administrasi:188),catatan:dalam
Djarwanto,Statistik non parametric,1983:57.dan Sidney Siegel, Statistik Non Parametrik
2985:257,tidak memberikan penjelasan secara tegas, namun dicontohkan pemberian rangking
dimulai dari angka yang paling kecil menuju angka yang palling besar

3.Tentukan harga d untuk setiap subyek dengan cara mengurangkan ranking Y pada ranking
X, kuadratkan harga itu untuk menentukan d masing-masing subyek. Jumlahkan harga-
harga d untuk ke N kasus guna mendapatkan d

4.jika proporsi angka sama dalam observasi-observasi X atau Y kecil atau tidak ada sama
sekali, maka dipakai rumus I, jika angka sama/kembarnya banyak maka di gunakan rumus II

5.kalau subyek-subyek itu merupakan sampel random dari populasi tertentu, kita dapat menguji
apakah harga observasi rs memberikan petunjuk adanya asosiasi antara variabel X dan Y
dalam populasinya. Metode untuk melakukan hal itu tergantug pada ukuran N:
a. untuk N dari 4 hingga 30, harga-harga kritia rs untuk tingkat significansi 0,05 dan 0,01 (tes
satu sisi) disajikan dalam Tabel P.
b. untuk N > 10, signifikansi suatu harga sebesar harga observasi rs dapat ditetapkan dengan
menghitung t yang berkaitan dengan harga (menggunakan rumus)dan kemudian
menentukan tingkat signifikansi harga tersebut dengan melihat Tabel.

N
Rumus I, rs. Digunakan bila tidak
6 d
i=1 ada /sedikit angka kembar dalam
rs = 1 - skor subyek pada variabel yang
N - N sama
Contoh:

Misalnya suatu penelitian,

Judul : Pengaruh X terhadap Y

Rumusan Masalah:Seberapa jauh pengaruh X terhadap Y

Hipotesis : Ho :Tidak ada pengaruh antara variabel X terhadap variabel Y

Ha. : Terdapat pengaruh kuat antara variabel X terhadap variabel Y

Skor Variabel X dan Variabel Y

Skor
N
X Y

A 82 42
B 98 46
C 87 39
D 40 37
E 116 65
F 113 88
G 111 86
H 83 56
I 85 62
J 126 92
K 106 54
L 117 81

Untuk menghitung korelasi rank spearman antara kedua himpunan skor itu, perlu dilakukan
ranking skor-skor itu dalam dua rangkaian,lalu dicari d dan d, serta d sebagai berikut:
Tabel Ranking X dan Y

Ranking
N d d
X Y

A 2 3 -1 1
B 6 4 2 4
C 5 2 3 9
D 1 1 0 0
E 10 8 2 4
F 9 11 -2 4
G 8 10 -2 4
H 3 9 -3 9
I 4 9 -3 9
J 12 12 0 0
K 7 5 2 4
L 11 9 2 4

d = 52

bila tabel skor dan tabel ranking digabungkan akan menjadi tabel penolong sebagai berikut:
 Skor Ranking
N d d
X Y X Y

82
A 42 2 3 -1 1
98
B 46 6 4 2 4
87
C 39 5 2 3 9
40
D 37 1 1 0 0
116
E 65 10 8 2 4
113
F 88 9 11 -2 4
111
G 86 8 10 -2 4
83
H 56 3 9 -3 9
85
I 62 4 9 -3 9
126
J 92 12 12 0 0
106
K 54 7 5 2 4
117
L 81 11 9 2 4

N
Jumlah 0 d = 52
i=1

Tabel Penolong untuk menghitung korelasi rank Spearman

Setelah d diketahui, maka kita dapat menghitung rs (Korelasi Rank Spearman) dengan cara
memasukkannya dalam rumus :

N
6 d
i=1
rs = 1 -
N - N

6 (52)

= 1

(12) - 12

= 0,82
Selanjutnya rs hitung (hasil perhitung dengan menggunakan rumus rs di atas)
dibandingkan dengan rho tabel.

Kriteria pengujian hipotesis: Ho diterima bila harga rho ( rs ) hitung lebih kecil dari
tabel, dan Ho ditolak bila rho ( rs ) hitung lebih besar atau sama dengan rho tabel
(sugiyono:111). Dalam tabel rho, dengan N=12,dan tingkat signifikan 5% didapatkan
angka 0,591. Dengan demikian rs hitung(0,82) lebih besar dari rs tabel (0,591) 0,82 >
0,591. Sesuai dengan ketentuan, H0 ditolak dan Ha diterima, dengan kata lain terdapat
pengaruh yang kuat antara variabel X terhadap variabel Y

TABEL NILAI-NILAI RHO ( rs )

Taraf Signifikan Taraf Signifikan

N N
5% 1% 5% 1%

5 1,00 16 0,506 0,665

6 0,886 1,000 18 0,475 0,625
7 0,786 0,929 20 0,450 0,591
8 0,738 0,881 22 0,428 0,562
9 0,683 0,833 24 0,409 0,537
10 0,648 0,794 26 0,392 0,515
12 0,591 0,777 28 0,377 0,496
14 0,544 0,715 30 0,364 0,478

Observasi berangka sama. (angka kembar)

Kadang-kadang terjadi, dua subyek atau lebih mendapatkan skor sama/kembar pada variabel
yang sama. jika terjadi angka sama,maka masing-masing mendapatkan rata-rata ranking. Bila
proporsi angka sama tidak besar, akibatnya terhadap rs dapat diabaikan, dan rumus I di atas
masih dapat dipakai untuk perhitungannya. Tetapi jika proporsi angka sama itu besar, maka
harus digunakan factor koreksi dalam perhitungan rs (siegel tidak memaparkan secara tegas
berapa yang dimaksud proporsi angka sama tidak besar. Akan tetapi dalam contoh yang
diberikan,sebanyak enam angka kembar dalam satu variabel. Jadi bila dalam satu varibel
terdapat paling sedikit enam angka kembar, maka rumus rs yang digunakan adalah rumus yang
kedua, sebagai berikut:
Dimana :

T menunjukkan berbagai harga T untuk semua kelompok yang berlain-lainan yang memiliki
observasi berangka sama . Untuk mengetahui Tx dan Ty digunakan rumus

Contoh:

Dari hasil penelitian dengan judul pengaruh X terhadap Y didapat data sebagai berikut:

SCORE RANK
No d d
X Y X Y

1 26 26 6,5 6,5 0 0
2 23 26 2,5 6,5 -4 16
3 30 30 15 15,5 -0,5 0,25
4 28 26 11 6,5 4,5 20,25
5 23 24 2,5 1,5 1 1
6 30 30 15 15,5 -0,5 0,25
7 26 24 6,5 1,5 5 25
8 29 28 13 11,5 1,5 2,25
9 22 26 1 6,5 -5,5 30,25
10 27 28 8,5 11,5 -3 9
11 30 29 15 13,5 1,5 2.25
12 25 25 4,5 3,5 1 1
13 28 27 11 9,5 1,5 2.25
14 25 25 4,5 3,5 -1 1
15 27 27 8,5 9,5 -1 1
16 28 29 11 13,5 -2,5 6,25
 0 118,00

Dari tabel di atas , dapat diketahui bahwa :

N = 16

d = 118

Karena dalam tabel di atas terdapat score kembar yang jumlahnya banyak maka digunakan
rumus rs yang kedua . untuk itu perlu dicari terlebih dahulu harga Tx dan Ty dengan cara
sebagai berikut:

Tx : score 2,5 terdapat kembar dua, sehingga t = 2

score 4,5 terdapat kembar dua, sehingga t = 2

score 6,5 terdapat kembar dua, sehingga t = 2

score 8,5 terdapat kembar dua, sehingga t = 2

score 11,5 terdapat kembar tiga, sehingga t = 3

score 15,5 terdapat kembar tiga, sehingga t = 3

Ty : score 1,5 terdapat kembar dua, sehingga t = 2

score 3,5 terdapat kembar dua, sehingga t = 2

score 6,5 terdapat kembar dua, sehingga t = 4

score 9,5 terdapat kembar dua, sehingga t = 2

score 11,5 terdapat kembar tiga, sehingga t = 2

score 13,5 terdapat kembar tiga, sehingga t = 2

score 15,5 terdapat kembar tiga, sehingga t = 2

setelah Tx dan Ty diketahui, langkah berikutnya adalah mencari Tx dan Ty dengan

rumus(lihat di atas)
= 0,5 + 0,5 + 0,5 + 0,5 +2 + 2

=6

Jadi Tx = 6.

Selanjutnya, dengan cara yang sama didapatkan :

Ty = 8

Dari perolehan harga Tx dan Ty, kemudian dicari harga X, dan Y

= 340 6

= 334

Setelah diketahui harga = 334 , selanjutnya dicari harga dengan rumus

Dengan menggunakan cara yang sama,didapatkan harga = 332

Selanjutnya untuk mengetahui ada atau tidak adanya korelasi antara X dan Y, maka dapat
dicari melalui rumus korelasi rs yang kedua( karena banyak angka kembar), yaitu:
= 0,822

Dari perhitungan di atas diperoleh koefisien korelasi (rs) sebesar 0,822.pada tabel kritis
nilai rho dengan N = 16 pada taraf signifikansi 5% atau taraf kepercayaan sebesar 95%
adalah 0,425. Bila dibandingkan, maka hasil rs hitung lebih besar dari nilai tabel.
Dengan kata lain 0,822 >0,425. Dengan demikian Hipotesis Nol (Ho) ditolak, dan
Hipotesis kerja (H) diterima, sehingga dapat disimpulkan bahwa:

: Ada pengaruh X terhadap Y

Kesimpulan di atas hanya berlaku untuk sampel yang diuji (16 responden). Untuk
mengetahui apakah kesimpulan tersebut juga berlaku bagi keseluruhan populasi (untuk
mengetahui tingkat signifiknsinya) maka perlu diuji lebih lanjut dengan menggunakkan
rumus t test sebagai berikut:

=0,822
= 0,822

= 0,822

=0,822

=0,822x6,5703

=5,401

Dari perhitungan tersebut, hasil t test sebesar 5,401, sedangkan harga kritis dari distribusi of t
untuk db =14 (db=N - 2) dengan taraf kesalahan sebesar 5% atau taraf kepercayaan sebesar
95%. Level signifikansi One Tailet Test sebesar 1,,761. Dengan demikian hasil t test adalah
lebih besar dari harga kritisnya (5,401 1,761), sehingga dapat disimpulkan bahwa Ada
hubungan yang signifiksn/meyakinkan anra Variabel X dan Variabel Y