MAKALAH STATISTIKA EKONOMI TEKNIK KORELASI TATA JENJANG

Disususun oleh :

1. Fatma Widiastuti N. 2. Edi Purnomo 3. Nicco D. Firmansyah 4. Dicky Aryanto 5. Suci Astuti 6. Fitri Rofiqoh 7. Eni Fatmawati 8. Nurfiani Putri A. 9. Bastian Dwi SBB 10. Niken Putri PS

7211412099 7211412116 7211412123 7211412087 7211412120 7211412079 7211412106 7211412091 7211412112 7211412111

11.Sofrotul Nikhmah 12. Dinda Arma 13. Evi Oktaviana 14. Rizky Arve D. 15. Ernawati 16. Laeli Zuhriyah 17. Adnan Suyoto 18. Kurnia Intan K. 19. Putri W. 20. Annisa S.A.F.

7211412095 7211412 7211412088 7211412070 7211412098 7211412117 7211412094 7211412092 7211412086 7211412081

FAKULTAS EKONOMI UNIVERSITAS NEGERI SEMARANG 2013

KATA PENGANTAR

Puji syukur kehadirat Allah swt karena dengan rahmat-Nya kami dapat menyelesaikan makalah yang berjudul TEKNIK KORELASI TATA JENJANG dengan baik. Makalah ini disusun untuk memenuhi tugas mata kuliah Statistika Ekonomi. Ucapan terima kasih kepada Bapak Muhsin selaku dosen mata kuliah Statistika Ekonomi. Kami berharap makalah ini dapat bermanfaat bagi pembaca sekalian khususnya menambah wawasan tentang statistika teknik korelasi tata jenjang. Kami menyadari bahwa dalam penyusunan makalah ini masih banyak terdapat kekurangan. Oleh karena itu, kami senantiasa mengharap kritik dan saran yang membangun dari pembaca.

Semarang, 28 September 2013

Penyusun

PENDAHULUAN

Latar Belakang Masalah: Salah satu cabang ilmu matematika adalah statistik yang sangat diperlukan dalam suatu kegiatan penelitian ilmiah serta dalam menyelesaikan berbagai masalah dalam kehidupan sehari-hari, seperti permasalahan pemerintah yang dewasa ini sering dikejutkan dengan berbagai masalah di luar duagaan, misalnya: bencana alam, melambungnya harga minyak dunia, kekacauan politik, dll. Untuk itu, permasalahan tersebut harus segera diatasi agar tercapai kehidupan yang seimbang, dengan mengambil keputusan serta langkah yang tepat. Usaha-usaha yang dilakukan dalam rangka pengambilan keputusan dan penentuan kebijakan perlu didukung oleh hasil penelitian yang akurat. Agar penelitian menghasilkan kesimpulan yang akurat, perlu didukung oleh data serta analisis yang tepat. Pada kenyataannya, antara permasalahan yang satu dengan lainnya adakalanya saling berhubungan dan saling mempengaruhi. Suatu kejadian baik positif maupun negatif selalu dipengaruhi oleh sebab terjadinya. Suatu kejadian atau permasalahan itu adakalanya dipengaruhi oleh satu faktor, dan adakalanya dipengaruhi oleh beberapa faktor (variabel). Dalam ilmu statistik, Hartono (004:68) menyebutkan bahwa beberapa hubungan antara dua variabel atau lebih disebut korelasi (correlation). Hubungan antara dua variabel disebut korelasi bivariat (bivariate correlation), sedangkan hubungan lebih dari dua variabel disebut korelasi multivariat (multivariate correlation). Untuk itu dalam makalah ini akan membahas beberapa masalah yang berkaitan dengan korelasi, khususnya korelasi tata jenjang.

Rumusan Masalah: 1. Apakah definisi korelasi dan sejarah korelasi? 2. Apa saja macam-macam korelasi, macam-macam hubungan korelasi, dan teknik korelasi ? 3. Apakah definisi teknik korelasi tata jenjang? 4. Apakah syarat-syarat teknik korelasi tata jenjang (penggunaan data kordinal korelasi tata jenjang)? 5. Bagaimana cara menghitung dan menginterpretasikan korelasi tata jenjang? 6. Bagaimana menganalisis koefisien korelasi tata jenjang? Tujuan: 1. Mengetahui definisi korelasi daan sejarahnya 2. Mengetahui macam-macam korelasi, macam-macam hubungan korelasi dan teknik korelasi 3. Mengetahui definisi teknik korelasi tata jenjang 4. Mengetahui syarat-syarat teknik korelasi tata jenjang(penggunaan data kordinal korelasi tata jenjang 5. Mengetahui cara menghitung dan menginterpretasikan korelasi tata jenjang 6. Mengetahui bagaimana menganalisis koefisien korelasi tata jenjang

BAB II PEMBAHASAN 1. DEFINISI DAN SEJARAH KORELASI DEFINISI KORELASI Korelasi adalah metode untuk mengetahui tingkat keeratan hubungan dua peubah atau lebih yang digambarkan oleh besarnya koefisien korelasi. Koefisien korelasi adalah koefisien yang menggambarkan tingkat keeratan hubungan antar dua perubah atau lebih. Besaran dari koefisien korelasi tidak menggambarkan hubungan sebab akibat antara dua perubah atau lebih, tetapi semata-mata menggambarkan keterkaitan linier antar perubah. (Mattjik & Sumertajaya, 2000). Korelasi adalah salah satu tekhnik yang digunakan untuk mencari hubungan antara dua variabel atau lebih yang sifatnya kuantitatif. Korelasi merupakan teknik analisis yang termasuk dalam salah satu teknik pengukuran asosiasi / hubungan (measures of association). Pengukuran asosiasi merupakan istilah umum yang mengacu pada sekelompok teknik dalam statistik bivariat yang digunakan untuk mengukur kekuatan hubungan antara dua variabel. Diantara sekian banyak teknik-teknik pengukuran asosiasi, terdapat dua teknik korelasi yang sangat populer sampai sekarang, yaitu Korelasi Pearson Product Moment dan Korelasi Rank Spearman. Selain kedua teknik tersebut, terdapat pula teknikteknik korelasi lain, seperti Kendal, Chi-Square, Phi Coefficient, GoodmanKruskal, Somer, dan Wilson. Korelasi berarti hubungan timbal balik. Hubungan timbal balik ini kerap kali menjadi pusat perhatian para ahli-ahli penyelidik, misalnya hubungan antara permintaan dan penawaran, hubungan antara keadaan lingkungan dengan sifat pribadi, hubungan antara kemelaratan dan kejahatan dan sebagainya. .Jika ada korelasi antara dua variabel atau gejala, misalnya antara kemelaratan dan kejahatan, biasanya orang segera menarik kesimpulan bahwa antara dua variabel/gejala itu terdapat hubungan sebab akibat. Kesimpulan semacam itu

kerap kali tidak benar, sebab sungguhpun semua rangkaian sebab akibat mesti menunjukkan korelasi, tetapi tidak semua korelasi menunjukkan sebab akibat. Misalnya antara tinggi badan dan berat badan terdapat korelasi yang meyakinkan. Akan tetapi itu tidak berarti bahwa berat badan menjadi sebab dari tinggi badan atau tinggi badan mengakibatkan berat badan. Dalam hal semacam ini harus diketahui faktor lain yang menjadi sebab dari gejala kedua variabel yang muncul beriringan. SEJARAH KORELASI Sepanjang sejarah umat manusia, orang melakukan penelitian mengenai ada dan tidaknya hubungan antara dua hal, fenomena, kejadian atau lainnya. Usahausaha untuk mengukur hubungan ini dikenal sebagai mengukur asosiasi antara dua fenomena atau kejadian yang menimbulkan rasa ingin tahu para peneliti. Korelasi merupakan teknik analisis yang termasuk dalam salah satu teknik pengukuran asosiasi / hubungan (measures of association). Pengukuran asosiasi merupakan istilah umum yang mengacu pada sekelompok teknik dalam statistik bivariat yang digunakan untuk mengukur kekuatan hubungan antara dua variabel. Diantara sekian banyak teknik-teknik pengukuran asosiasi, terdapat dua teknik korelasi yang sangat populer sampai sekarang, yaitu Korelasi Pearson Product Moment dan Korelasi Rank Spearman. Selain kedua teknik tersebut, terdapat pula teknik-teknik korelasi lain, seperti Kendal, Chi-Square, Phi Coefficient, Goodman-Kruskal, Somer, dan Wilson. Pengukuran asosiasi mengenakan nilai numerik untuk mengetahui tingkatan asosiasi atau kekuatan hubungan antara variabel. Dua variabel dikatakan berasosiasi jika perilaku variabel yang satu mempengaruhi variabel yang lain. Jika tidak terjadi pengaruh, maka kedua variabel tersebut disebut independen. Korelasi bermanfaat untuk mengukur kekuatan hubungan antara dua variabel (kadang lebih dari dua variabel) dengan skala-skala tertentu, misalnya Pearson data harus berskala interval atau rasio; Spearman dan Kendal menggunakan skala ordinal; Chi Square menggunakan data nominal. Kuat lemah hubungan diukur

diantara jarak (range) 0 sampai dengan 1. Korelasi mempunyai kemungkinan pengujian hipotesis dua arah (two tailed). Korelasi searah jika nilai koefesien korelasi diketemukan positif; sebaliknya jika nilai koefesien korelasi negatif, korelasi disebut tidak searah. Yang dimaksud dengan koefesien korelasi ialah suatu pengukuran statistik kovariasi atau asosiasi antara dua variabel. Jika koefesien korelasi diketemukan tidak sama dengan nol (0), maka terdapat ketergantungan antara dua variabel tersebut. Jika koefesien korelasi diketemukan +1. maka hubungan tersebut disebut sebagai korelasi sempurna atau hubungan linear sempurna dengan kemiringan (slope) positif. Jika koefesien korelasi diketemukan -1. maka hubungan tersebut disebut sebagai korelasi sempurna atau hubungan linear sempurna dengan kemiringan (slope) negatif. Dalam korelasi sempurna tidak diperlukan lagi pengujian hipotesis, karena kedua variabel mempunyai hubungan linear yang sempurna. Artinya variabel X mempengaruhi variabel Y secara sempurna. Jika korelasi sama dengan nol (0), maka tidak terdapat hubungan antara kedua variabel tersebut. Dalam korelasi sebenarnya tidak dikenal istilah variabel bebas dan variabel tergantung. Biasanya dalam penghitungan digunakan simbol X untuk variabel pertama dan Y untuk variabel kedua. Dalam contoh hubungan antara variabel remunerasi dengan kepuasan kerja, maka variabel remunerasi merupakan variabel X dan kepuasan kerja merupakan variabel Y. 2. MACAM-MACAM DAN TEKNIK KORELASI MACAM-MACAM KORELASI 1. Korelasi positif adalah tingkat hubungan antara dua variabel yang mempunyai ciri, bahwa perubahan variabel independent x (variabel bebas x) diikuti oleh perubahan variable dependent y (variabel tidak bebas y) secara searah. 2. Korelasi negatif adalah tingkat hubungan antara dua variabel yang mempunyai ciri, bahwa perubahan variabel independent x (variabel bebas x) diikuti oleh

perubahan variabel berlawanan.

dependent

y (variabel

tidak bebas

y) secara

3. Korelasi sederhana (simple corelation) : Adalah tingkat hubungan yang terjadi antara 2 (dua) variabel saja. 4. Korelasi Multiple (Multiple Corelation) : Yaitu tingkat hubungan yang tejadi antara 2 (dua) variable atau lebih. Misalkan pada model regrsi linier multiple ( y = a0 + a1x1 + a2x2 + e ), maka maksud dan pengertian dari pernyataan di atas adalah: Tingkat hubungan antara y dengan x1 atau tingkat hubungan antara y dengan x2 atau tingkat hubungan antara x1 dan x2. 5. Korelasi sempurna (perfect corelation) : Maksud dan pengertian dari Korelasi sempurna antara 2 variabel, yaitu suatu kondisi bahwa setiap nilai variabel bebas x akan terdapat pada setiap nilai variabel tidak bebas y nya. Hal ini dapat diartikan pula, bahwa garis regresi yang terbentuk dari data yang tersebar (terdistribusi) adalah merupakan tempat kedudukan dari data data dimaksud, sehingga nilai r nya =1 atau r = -1 6. Korelasi Tidak Sempurna (Imperfect Corelation) : Korelasi antara 2 (dua) variabel dikatakan tidak sempurna, jika titiktitik yang tersebar tidak terdistribusi tepat pada satu garis lurus. 7. Korelasi yang mustahil (nonsense corelation): Korelasi antara dua variabel yang seolah-olah ada tetapi tidak ada. MACAM-MACAM HUBUNGAN DALAM KORELASI Pada dasarnya terdapat 3 macam sifat hubungan dalam korelasi : 1. Hubungan searah atau positif

Perubahan satu variabel (X1) bergerak secara searah dengan variavel lainnya (X2).

Sebagai contoh hubungan antara biaya iklan (X1) dan jumlah penjualan (X2); antara penghasilan (X1) dan pengeluaran konsumsi (X2).

2. Hubungan Berkebalikan dan Negatif

Sebagai contoh hubungan antara umur kendaraan dengan harga. Semakin tinggi(tua/besar) nilai umur kendaraan maka nilai jualnya akan turun (kecuali mungkin dalam kendaraan antik)

3. Tak Ada Hubungan

Kedua variabel yang di korelasikan tidak berhubungan sama sekali

TEKNIK KORELASI Macam/tingkatan data Nominal Teknik korelasi yang digunakan Ordinal Interval dan ratio Koefisien contingency Phi Spearman Rho Kendall tau Person product momen Korelasi ganda Korelasi parsial

Seperti telah ditujukan pada tabel diatas, bahwa teknik yang digunakan untuk menguji hipotesis asosiatif (hubungan antar variabel) diantaranya : 1. Koefisien contingency digunakan ketika untuk menentukan hubungan antara 2 variabel yang diukur pada skala diskrit nominal, serupa dengan yang digunakan dalam koefisien phi, yang menggunakan data dengan skala diskrit nominal dan dalam tabel 2x2. Koefisien contingency tidak hanya digunakan dengan tabel 2x2 saja, akan tetapi juga dengan perluasan kombinasi tabel

3x5,4x3. Koefisien contingency disimbolkan dengan C,dengan formula yang digunakan adalah : C= Karena koefisien contingency bertolak dari analisis X2, maka pembahasan lebh lanjut koefisien contingency akan dibahas ulang dalam kajian analisis X2. 2. Koefisien Phi : kasus dari pearson r ketika kedua variabel diskrit atau dikotomi adalah digunakannya koefisien phi untuk kepentingan analisis data. Formula yang digunakan adalah : ( Tabel 2x2 : Variabel X A C B D Variabel Y )( )( )( )

3. Korelasi Spearman merupakan alat statistic untuk mengukur keeratan hubungan, data yang diukur memiliki skala ordinal . korelasi yang didasarkan atas tingkatan atau peringkat dari variabel bebas dan variabel tak bebas. Formula yang digunakan adalah : ( Dimana : d = ranking X-ranking Y n = banyaknya pasangan ranking 4. Korelasi Kendall Tau merupakan statistik nonparametrik. Korelasi ini )

digunakan pada data sama seperti data yang digunakan pada korelasi spearman yaitu sekurang-kurangnya data ordinal. Simbol yang biasa digunakan pada ukuran populasinya adalah (tau) dan ukuran sampelnya adalah T .

Formula T adalah sebagai berikut:

dimana: S adalah total skor seluruhnya (grand total), yang merupakan jumlah skor urutan kewajaran pasangan data pada salah satu variabel. Jika urutan ranking wajar diberi skor +1, jika urutan ranking tdk wajar diberi skor 1. N adalah banyaknya pasangan ranking. 5. Korelasi pearson atau sering disebut korelasi product moment merupakan alat uji statistic yang digunakan untuk menguji hipotesis asosiatif dua variabel bila datanya berskala interval atau rasio. KPM dikembangkan oleh karl pearson(hasan,1999). Teknik untuk mengukur validitas kuesioner adalah sebagai berikut dengan menghitung korelasi antar data pada masing-masing pernyataan dengan skor total, memakai rumus korelasi product moment, sebagai berikut :

6. Korelasi parsial digunakan untuk menganalisis bila peneliti ingin mengetahui pengaruh atau mengetahui hubungan antara variabel independen dan dependen, di mana salah satu variabel independennya dibuat tetap atau dikendalikan. Hasil penghitungan korelasi antarvariabel dalam pembicaraan di atas dilakukan untuk tiap variabel secara berpasangan tanpa melibatkan variabel-variabel lain yang tidak sedang dihitung. Untuk analisis korelasi ganda yang terdiri atas dua variable bebas (X1 dan X2) dengan satu variable terikat (Y), ada 2 (dua) korelasi parcial yaitu: Korelasi parsial antara X1 dengan Y, dan variable X2 dikendalikan/tetap rumusnya.

 Korelasi parsial antara X2 dengan Y, dan variabel X1 dikendalikan/tetap rumusnya 7. Korelasi ganda (multiple correlation) adalah korelasi antara dua atau lebih variable bebas secara bersama-sama dengan suatu variable terikat. Angka yang menunjukkan arah dan besar kuatnya hubungan antara dua atau lebih variable bebas dengan satu variable terikat disebut koefisien korelasi ganda, dan basa disimbolkan R. Rumus korelasi ganda dari dua variable bebas (X1 dan X2) dengan satu variable terikat (Y) sbb: Dimana: = koefisien korelasi ganda antara X1 dan X2 bersama-sama dengan Y = Koefisien korelasi antara X1 dengan Y = Koefisien korelasi antara X2 dengan Y = Koefisien korelasi antara X1 dengan X2 3. DEFINISI TEKNIK KORELASI TATA JENJANG (Rank Difference Correlation) Teknik korelasi tata jenjang diciptakan oleh Spearman. Teknik ini merupakan salah satu teknik analisis korelasional yang paling sederhana. Pada teknik ini besar kecilnya korelasi antara variabel yang sedang diselidiki korelasionalnya, dihitung berdasarkan perbedaan urutan kedudukan skor pasangan dari tiap subjek. Skor tiap subjek diubah dahulu menjadi urutan kedudukan dalam kelompoknya pada kedua variabel yang akan dikorelasikan. Dengan kata lain, data yang semula berupa data interval diubah menjadi data ordinal atau data berjenjang. Persyaratan teknik ini adalah kedua variabel yang akan dikorelasikan merupakan skala atau data ordinal Teknik korelasi tata jenjang dapat efektif digunakan apabila subjek yang dijadikan sampel dalam penelitian lebih dari sembilan dan kurang dari 30. Bila jumlah subjek 30 atau lebih sebaiknya tidak

menggunakan teknik korelasi ini. Lambang korelasi tata jenjang adalah huruf _ (baca:Rho). Besarnya _ sebagai angka indeks korelasi berkisar antara - 1,00 sampai dengan 1,00. Tanda minus () di depan angka indeks korelasi menunjukkan arah korelasi yang negatif, demikian pula sebaliknya. Telah dijelaskan bahwa teknik korelasi adalah teknik statistika yangdigunakan untuk mengetahui hubungan antara dua buah gejala. Jika gejala yang kita hadapi kedua gejala itu berskala interval, maka teknik korelasi yang sesuai adalah korelasi product moment. Jika diproduct moment tidak tepat lagi, karena itu kita harus menggunakan teknik korelasi yang lain yang lebih tepat, yaitu teknik korelasi tata jenjang. Teknik korelasi tata jenjang disebut juga disebut rank difference correlation dikembangkan oleh Charles Spearman, dimaksudkan untuk menghitung dan menentukan tingkat korelasi antara 2 gejala yang keduanya berskala ordinal atau tata jenjang. Data ordinal elalu menunjukkan perbedaan besar antara 2 variabel yang satu dengan yang lain. Jadi variabel yang akan dikorelasikan berdasarkan perbedaan urutan kedudukan skornya, buka pada skor hasil pengukuran yang sebenarnya. Korelasi spearman mempunyai fungsi yang mirip dengan korelasi linier, hanya saja yang digunakan dalam koreasi spearman adalah nilai-nilai peringkat dari variabel x dan y, bukab nilai sebenarnya. Korelasi Spearman Atau sering kali disebut sebagai korelasi Tata Jenjang. Digunakan untuk jenis data Ordinal, baik Variabel X maupun Y. Apabila jenis data yang akan di analisis berjenis Interval atau Rasio, maka harus diubah dulu menjadi Ordinal. Teknik korelasi ini masuk kategori statistik non parametrik sehingga tidak harus memenuhi syarat-syarat keparametrikan. Korelasi Speraman (rho) digunakan untuk menguji hipotesis hubungan antara dua variabel dan Untuk melihat kuat lemahnya hubungan dan arah hubungan antara dua variabel. Teknik korelasi tata jenjang ini angka indek korelasinya dilangbangkan dengan huruf (baca:Rho). Seperti halnya rxy maka angka indek korelasinya berkisar antara 0,00 sampai dengan 1,00. Teknik analisis korelasi tata jenjang ini dapat evektif digunakan apabila subyek

yang dijadikan sampel dalam penelitian lebih dari sembilan tetraapi kurang dari sembilan puluh; dengan kata lain N antara 10 29, karena itu apabila N samadengan atau lebih dari 30, sebaiknya jangan digunakan teknik korelasi ini. 4. Syarat-Syarat Penggunaan Korelasi Tata Jenjang Tidak semua data dapat dianalisis menggunakan teknik korelasi tata jenjang. Adapun syarat-syarat data yang dianalisis menggunakan teknik korelasi tata jenjang sebagai berikut: 1. Data harus berskala ordinal Dalam rumus koefisien korelasi, yaitu:

terdapat harga d yaitu beda urutan sekor pada variabel I dan II dimana variabel tersebut berupa ranking. Jadi jika data tidak dalam bentuk ranking/ordinal, maka harga d tidak dapat dicari sehingga nilai koefisien korelasi tata jenjangnya juga tidak dapat ditentukan. Jika data yang ada bukan data ordinal, maka untuk menjadikannya ordinal masing-masing variabel diranking. Jika terdapat nilai data yang sama maka rankingnya adalah rata-ratanya. 2. Banyaknya data dari masing-masing variabel harus sama Jika banyak data antara variabel yang satu dengan lainnya tidak sama, maka akan ada data yang tidak terpakai. Jika terjadi yang demikian, maka yang harus dilakukan adalah membuang data yang tidak mempunyai pasangan tersebut sehingga banyaknya data antara variabel satu dengan lainnya sama. 3. Penggunaan Data Ordinal Dalam Korelasi Tata Jenjang Metode nonparametrik atau dikatakan juga sebagai metode kualitatif merupakan metode yang bersifat historis, komperatif dan sebagainya, sehingga dalam pelaksanaan analisis dari data yang bersifat kualitatif tersebut perlu dilakukan tahapan tersendiri dalam melakukan langkah

perhitungan dan pengujiannya. Data yang berskala ordinal (jenjang) dimana dalam data ini urutan kode angka mempunyai arti berdasarkan urutan tingkat kepentingan, misalnya sangat bagus, bagus, cukup bagus, jelek dan sangat jelek, masing-masing dengan kode 1,2,3,4,5, maka urutan angkaangka tersebut mempunyai arti urutan ke bawah. Untuk dapat melakukan analisis data yang bersifat kualitatif, khususnya data ordinal, langkah yang diperlukan adalah menaikkan peringkat data sehingga menjadi sekurang-kurangnya berskala interval. Perlakuan menaikkan peringkat data dari skala ordinal menjadi sekurangkurangnya berskala interval yaitu dengan cara memberikan ranking terhadap data-data kualitatif tersebut, karena data yang bersifat kualitatif tidak dapat dioperasikan sebagaimana halnya data yang berskala kuantitatif. Salah satu cara yang dianggap termudah adalah dengan ranking data agar data yang dimiliki dapat dilakukan analisis. Koefisien korelasi tata jenjang merupakan ukuran derajat keeratan hubungan antara dua variabel atau lebih yang masing-masing diukur dalam skala ordinal. Jadi, telah tersedia teknik untuk menganalisis data jika data tersebut berupa data ordinal (jenjang), yaitu menggunakan teknik korelasi tata jenjang dengan rumus:

dengan d adalah beda urutan sekor antara variabel I dengan variabel II yang telah diranking. Dengan kata lain, dalam rumus koefisien korelasi tata jenjang, data harus berupa ranking/ordinal, jika data tidak berupa data ordinal, maka data tersebut harus diberi ranking agar dapat dikerjakan dengan rumus korelasi tata jenjang. Itulah yang menjadi alasan mengapa dalam korelasi tata jenjang harus menggunakan data ordinal.

5. CARA MENGHITUNG DAN MENGITERPRETASIKAN KORELASI TATA JENJANG Contoh penerapan rumus koefisien korelasi tata jenjang Data ordinal Jika diberikan data sebagai berikut: Nilai No. Nama Siswa Ranking I(X) 1 2 3 4 5 6 7 8 9 10 11 12 Ahmad Cici Ade Dede Edi Eko Ida Irma Bondan Indra Rina Aldo 1 2 3 4 9 6 8 10 5 7 11 12 Kelas Ranking II(Y) 2 3 1 5 7 9 6 4 8 10 12 11 Kelas

Tabel 3.1: Data Ranking Siswa Pada Saat Kelas 1 dan Kelas II

Karena data sudah dalam bentuk ranking, maka tinggal mencari beda kuadrat dari kedua himpunan ranking tersebut dan mensubstitusikannya dalam rumus koefisien korelasi tata jenjang. Adapun proses perhitungannya sebagai berikut: Mencari beda kuadrat kedua himpunan ranking, adapun rumus beda kuadrat antara kedua himpunan ranking adalah: ( )

sehingga didapatkan perhitungan sebagai berikut: Nilai No. Nama Siswa Ranking Kelas I(X) 1 2 3 4 5 6 7 8 9 10 11 12 Ahmad Cici Ade Dede Edi Eko Ida Irma Bondan Indra Rina Aldo 1 2 3 4 9 6 8 10 5 7 11 12 Ranking Kelas II(Y) 2 3 1 5 7 9 6 4 8 10 12 11 -1 -1 2 -1 2 -3 2 6 -3 -3 -1 1 1 1 4 1 4 9 4 36 9 9 1 1 d=x-y ( )

Tabel 3.2: Perhitungan Beda Kuadrat Kedua Himpunan Ranking Kelas Mensubstitusikan kedalam rumus koefisien korelasi tata jenjang:

Jadi koefisien tata jenjang antara ranking kelas I dengan ranking kelas II adalah sebesar 0.72028. besar koefisien tersebut menunjukkan bahwa terdapat korelasi yang kuat antara ranking kelas I dengan ranking kelas II. Koefisien tersebut bertanda positif, artinya kenaikan anking kelas I diikuti dengan naiknya ranking pada saat kelas II dan sebaliknya. Cara Menginterpretasikan Indeks Korelasi Tata Jenjang Menurut sudijono, (1987), ada tiga macam cara menghitung korelasi tata jenjang, yaitu dalam keadaan : 1. Tidak terdapat urutan yang kembar Cara menghitung seperti ini digunakan apabila tidak ada sekor yang sama pada tiap variabel. 2. Terdapat urutan yang kembar dua Cara menghitung seperti ini digunakan apabila terdapat dua urutan kedudukan yang sama, dalam keadaan ini maka urutan kedudukan yang kembar tersebut dijumlahkan lalu dibagi dua, sehingga kedua skor tersebut mendapat urutan kedudukan yang sama. 3. Urutan yang kembar ada tiga atau lebih Apabila ada tiga skor yang sama atau lebih, maka perlu dilakukan perhitungan yang lebih teliti. Cara yang sederhana adalah menjumlahkan urutan kedudukan yang sama lalu dibagi dengan banyaknya skor yang sama. Cara lain untuk menentukan urutan kedudukan yang sama, dapat dihitung pula dengan rumus berikut ini : MR Keterangan :
n

= Rank (urutan kedudukan) dari skor yang sama MR = Rata rata dari urutan kedudukan

N = banyaknya skor yang sama 1 dan 2 = bilangan konstan Langkah-langkah menghitung dan menginterpretasikan korelasi tata jenjang berikut ini. 1. Merumuskan hipotesis nol dan hipotesis alternatif 2. Menyiapkan tabel kerja atau tabel perhitungan. Kolom 1 memuat no urut subjek,kolom 2 memuat beberapa skor variabel 1 dan kolom 3 memuat beberapa skor variabel 2. 3. Menetapkan urutan kedudukan skor yang terdapat pada variabel 1 (R1) pada kolom 4 dan variabel 2 (R2) pada kolom 5, urutan dimulai dari skor yang tertinggi ke skor yang terendah. 4. Menghitung perbedaan urutan kedudukan tiap pasangan skor antara variabel 1 dan variabel 2 (B = R1 R ) pada kolom 6, lalu jumlahkan B (B). 5. Mengkuadratkan tiap-tiap B (B ) pada kolom 7, lalu dijumlahkan (B ). 6. Menghitung korelasi tata jenjang dengan rumus berikut ini. ( )

D N

= menunjukkan perbedaan setiap pasang jenjang = menunjukkan jumlah pasang jenjang

1 dan 6 = angka konstan 7. Memberikan interpretasi terhadap hasil korelasi dengan membandingkan pada nilai tabel RHO (Spearman) pada taraf signifikansi tertentu.

6. ANALISIS RUMUS KOEFISIEN KORELASI TATA JENJANG KOEFISIEN KORELASI Selain arah korelasi, permasalahan yang juga penting adalah seberapa besar tingkat keeratan hubungan antara dua variabel. Misalnya ada yang mengatakan hubungan antara merokok dengan narkoba sangat erat. Maka akan muncul pertanyaan seberapa erat hubungan tersebut? Untuk menentukan keeratan hubungan tentu akan lebih mudah kalau kita membacanya dalam angka bukan kualitatif. Penyelidikan untuk mengetahui hubungan antara dua variabel diawali dengan usaha untuk menemukan bentuk terdekat dari hubungan tersebut dengan cara menyajikan dalam bentuk diagram pencar (scatter plot). Diagram ini menggambarkan titik-titik pada bidang X dan Y, di mana setiap titik ditentukan oleh pasangan nilai X dan Y. Apabila dari diagram pencar tersebut dapat ditarik garis yang sesuai dengan pola diagram pencar tersebut, berarti variabel-variabel itu memiliki hubungan yang linier. Sebaliknya jika pada diagram pencar tersebut tidak dapat ditarik garis yang mengandung pola tertentu, hubungan yang terjadi adalah non linier. Ukuran yang menentukan terpencarnya titik-titik pada diagram pencar sekitar garis lurus yang paling sesuai dengan letak titik-titik itu dan jika antara variabel-variabel itu mempunyai hubungan linier, dinamakan koefisien korelasi. Dengan kata lain, koefisien korelasi merupakan ukuran besar kecilnya atau kuat tidaknya hubungan antara variabel-variabel apabila bentuk hubungan tersebut linier. Koefisien korelasi sering dilambangkan dengan huruf (r). Koefisien korelasi dinyatakan dengan bilangan, bergerak antara 0 sampai +1 atau 0 sampai 1 Nilai korelasi mendekati +1 atau -1 berarti terdapat hubungan yang kuat, sebaliknya korelasi yang mendekati nilai 0 berarti terdapat hubungan yang lemah. Apabila korelasi sama dengan 0, berarti antara kedua variabel tidak terdapat

hubungan sama sekali. Apabila korelasi +1 atau -1, berarti terdapat hubungan yang sempurna antara kedua variabel. Notasi positif (+) atau negative (-) menunjukkan arah hubungan antara kedua variabel. Notasi positif (+) berarti hubungan antara kedua variabel searah (positive correlation), jika variabel satu naik maka variabel yang lain juga naik. Notasi negative (-) berarti kedua variabel berhubungan terbalik (negative correlation), artinya kenaikan satu variabel akan diikuti dengan penurunan variabel lainnya. Arah dan nilai koefisien dapat dirangkum sebagai berikut: 1. Jika nilai r 0, artinya telah terjadi hubungan yang linier positif (positive correlation), yaitu makin besar nilai variabel X makin besar pula nilai variabel Y, atau makin kecil nilai variabel X makin kecil pula nilai variabel Y yang akan diprediksi. 2. Jika, nilai r 0, artinya telah terjadi hubungan yang linier negatif (negative correlation), yaitu makin besar nilai variabel X makin kecil nilai variabel Y, atau makin kecil nilai variabel X maka makin besar pula nilai variabel Y. 3. Jika, nilai r = 0, artinya tidak ada hubungan sama sekali antara variabel X dan variabel Y. 4. Jika nilai r = 1 atau r = -1, maka dapat dikatakan telah terjadi hubungan linier sempurna, berupa garis lurus, sedangkan untuk r yang makin mengarah ke angka 0 (nol) maka garis makin tidak lurus. Hal yang harus dijelaskan disini adalah bahwa analisis korelasi hanya mengukur ko-variasi. Pengukuran ini bersifat numeric dan menunjukkan suatu korelasi yang terdapat antara dua atau lebih variabel. Pengukuran ini tidak menunjukkan adanya hubungan sebab-akibat, ini adalah suatu hal yang harus digarisbawahi. Dua variabel yang sudah terbukti mempunyai hubungan atau korelasi tidak berarti mempunyai hubungan sebab-akibat, tetapi hubungan sebabakibat pasti menunjukkan bahwa kedua variabel mempunyai hubungan. Terdapat tiga jenis pembagian korelasi, yaitu pertama: korelasi positif dan korelasi negatif

yang telah diuraikan di atas Kedua korelasi sederhana, parsial, dan ganda. Ketiga, korelasi linier dan linier. Korelasi sederhana terjadi apabila variabel yang kita pelajari hanya dua buah, sedangkan untuk korelasi parsial dan ganda lebih dari dua variabel terlibat dan kita mempelajarinya secara bersamaan. Korelasi ganda berisi pengukuran hubungan antara satu variabel dependen (bebas) dan dua atau lebih variabel independen (terikat). Sedangkan dalam korelasi parsial, kita mengukur hubungan antara satu variabel dependen (bebas) dan satu variabel independen (terikat) dengan mengasumsikan bahwa variabel yang lainnya dalam keadaan konstan. Korelasi dikatakan linier apabila perbandingan besar perubahanyang terjadi pada satu variabel sama dengan besar perubahanyang terjadi pada variabel yang lain. Sedangkan korelasi non-linier terjadi apabila perbandingan besar perubahan yang terjadi pada satu variabel tidak sama dengan besar perubahanyang terjadi pada variabel yang lain. Hubungan linier dan non-linier dapat kita lihat ketika kita memetakan hubungan yang ada dalm grafik, terlihat korelasi linier membentuk garis lurus, sedangkan korelasi non-linier membentuk kurva. Uji hubungan melalui teknik statistik korelasi dapat dilakukan terhadap bermacam data, baik data yang berskala interval, ordinal maupun nominal. Korelasi yang dipergunakan untuk uji hubungan antarsesama data interval adalah korelasi produk moment dari Pearson (Pearson product moment correlation). Jika yang dikorelasikan adalah antara data yang berskala ordinal, teknik korelasi yang digunakan adalah korelasi tata jenjang (rank-order correlation). Sebaliknya jika yang dikorelasikan adalah antara data berskala interval dengan yang berskala nominal, teknik korelasi yang digunakan adalah korelasi point-biserial (pointbiserial correlation). Adapun tujuan teknik analisis korelasional adalah sebagai berikut: 1. Ingin mencari bukti apakah benar terdapat korelasi antara variabel yang satu dengan variabel yang lainnya berdasarkan data yang ada atau diperoleh.

2. Ingin menjawab pertanyaan apakah korelasi antar variabel tersebut termasuk korelasi yang kuat, cukupan atau lemah (kalau memang ada korelasinya). 3. Ingin memperoleh kejelasan dan kepastian apakah korelasi antar variabel tersebut merupakan korelasi yang signifikan atau tidak. 4. Untuk mengadakan interpretasi mengenai besarnya koefisien korelasi dengan ketentuan : antara 0,8 s/d 1.0 (sangat tinggi), 0,6 s/d 0,8 (tinggi), 0,4 s/d 0,6 (cukup), 0,2 s/d 0,4 (rendah), dan 0,0 s/d 0,2 (rendah sekali). Teknik Korelasi Tata Jenjang Metode ini dikembangkan oleh Charles Spearman tahun 1904. Kalau pada Pearson, korelasi pasangan variabel X dan Y diukur secara langsung, tetapi pada motede Tata Jenjang sedikit berbeda. Metode ini mengukur keeratan hubungan berdasarkan rangking dari masing-masing data sehingga disebut rank correlation coefficient. Sebelum dianalisis, terlebih dahulu data disusun berdasarkan rangking terhadap data lain. Rumus yang digunakan untuk menghitung korelasi tata jenjang adalah sebagai berikut:
( )

Di mana: n = banyaknya pasangan data. rangking.

d = selisih dari tiap pasangan

Tidak seperti korelasi Pearson, korelasi Tata Jenjang tidak mengasumsikan bahwa hubungan dua variabel bersifat linear. Juga tidak mengharuskan datanya berupa data interval atau rasio. Korelasi Tata Jenjang dapat digunakan untuk data-data ordinal. Rangking-rangking dalam korelasi spearman tidak

mencerminkan posisi jarak yang sama. Dalam korelasi Tata Jenjang sumber data untuk kedua variabel yang akan dikonversikan dapat berasal dari sumber yang tidak sama, jenis data yang akan dikorelasikan adalah data ordinal, serta data dari kedua variabel tidak harus membentuk distribusi normal. Jadi korelasi Tata Jenjang adalah bekerja dengan data ordinal atau berjenjang atau ranking, dan bebas distribusi.

Contoh: Tabel 5.2. Akan diteliti hubungan antara tinggi semai (cm) dengan jumlah daun (helai) pada suatu persemaian. Rangking dari X 1 2.5 9.5 11 5 12.5 7 15 9.5 6 8 12.5 4 14 2.5 Rangking dari Y 1 3 9 12 7.5 13 6 15 10 2 7.5 11 4.5 14 4.5

No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

Tinggi 10 12 20 22 16 24 18 28 20 17 19 24 15 27 12

Daun 3 6 11 14 10 15 9 21 12 5 10 13 8 18 8

D 0 0.5 -0.5 1 2.5 0.5 -1 0 0.5 -4 -0.5 -1.5 0.5 0 2

d2 0 0.25 0.25 1 6.25 0.25 1 0 0.25 16 0.25 2.25 0.25 0 4

Apabila angka-angka X atau Y ada yang sama, maka akan terjadi jenjang kembar (tied rank), angka-angka yang sama juga harus diberi rank yang sama. Dihitung menggunakan rumus: Untuk menguji taraf signifikansi korelasi tata jenjang di atas, kemudian dilakukan konsultasi dengan tabel nilai-nilai rho. Dengan n = 15 pada taraf signifikansi 5 % dan 1 % masing-masing adalah sebesar 0,544 dan 0,715. Jadi nilai koefisien korelasi rho yang diperoleh dari hasil perhitungan di atas signifikan pada taraf signifikansi 5 % maupun pada taraf signifikansi 1%. Dengan demikian terdapat hubungan yang signifikan antara tinggi semai dan jumlah daun.

BAB III PENUTUP

A. KESIMPULAN Dari makalah di atas dapat diambil kesimpulan bahwa korelasi merupakan suatu hubungan antara suatu variabel dengan variabel lainya. Dalam mencari korelasi terdapat beberapa macam teknik perhitungan korelasi antara lain : 1. Teknik Korelasi Product Moment (Product Moment Correlation) 2. Teknik Korelasi Tata Jenjang (Rank Difference Correlation atau Rank Order Correlation) 3. Teknik Korelasi Phi (Phi Coeficient Correlation) 4. Teknik Korelasi Koefisien Kontingensi (Contingency Coeficient Correlation) 5. Teknik Korelasi Point Biserial (Point Biserial Correlation) 6. Teknik Corelasi Serial. 7. Teknik Korelasi Point Serial. Teknik korelasi tata jenjang ( Rank Difference Correlation) digunakan bila variabel-variabel yang akan dikorelasikan adalah data ordinal atau data berjenjang (data urutan). Jadi variabel yang akan dikorelasikan berdasarkan perbedaan urutan kedudukan sekornya, bukan pada sekor hasil pengukuran yang sebenarnya. Teknik korelasi tata jenjang ini hanya efektif digunakan bila subyeknya atau N nya berjumlah antara 10-30. Bila jumlah subyeknya (N-nya) lebih dari 30, maka sebaiknya digunakan teknik analisa korelasi yang lain. Sedangkan analisis rumus koefisien korelasi tata jejang didapatkan dengan mendefinisikan variabel yang dilanjutkan dengan mendefinisikan bentuk umum koefisien korelasi. Setelah itu menentukan rumus jumlah dan jumlah kuadrat N bilangan bulat dan dilanjutkan dengan menentukan rumus beda kuadrat antara kedua himpunan ranking. Selanjutnya mensubstitusikan rumus jumlah dan jumlah kuadrat bilangan bulat kedalam rumus beda kuadrat yang dilanjutkan dengan mensubstitusikan jumlah dan jumlah kuadrat N bilangan bulat ke dalam rumus.

B. SARAN Berdasarkan makalah di atas, kami sebagai penyusun makalah mengharap agar para pembaca bisa mengerti dan memahami apa yang di maksud dengan teknik korelasi tata jenjang dan bisa mengaplikasikannya. Kami juga menyarankan agar pembaca juga bisa mencari teknik korelasi dan menganalisis rumus korelasi yang lain.

DAFTAR PUSTAKA Harinaldi.2005.Prinsip-Prinsip Statistik untuk Teknik dan Sains. Jakarta:Erlangga http://www.jonathansarwono.info/korelasi/korelasi.htm (27 September 2013) Isparyadi. 1988. statistik pendidikan. Jakarta: Depdikbud. Perpustakaan.uns.ac.id Rafii, S. 1983. Metode statistic analisiss. Bandung: binacipta. Salvatore, D. 1982. statistic and econometrics. McGraw-Hill. New York. Sarwono,Jonathan.Teori Analisis Korelasi Mengenal Analisis Korelasi. Sidney,Siegel.1998. Statistik NonParametik. Jakarta: Gramedia Sudjana. 1989. metoda statistik. Bandung :tarsito.