Memahami Konsep Korelasi Spearman dalam Statistika - Korelasi Spearman dikembangkan oleh Charles Spearman. Dimaksudkan untuk menghitung dan menentukan tingkat hubungan (korelasi) antara 2 gejala yang kedua-duanya berskala ordinal.
Data ordinal selalu menunjukkan perbedaan besar antara variabel yang satu dengan yang lain. Apabila peneliti memiliki data yang jenisnya interval atau rasio, maka data tersebut harus diubah dahulu ke dalam urutan rangking-rangking yang merupakan ciri dari data ordinal.
Cara mengubah menjadi ranking (ordinal) dengan mengurutkan skor dari yang tertinggi sampai yang terendah kemudian diberi rangking 1, 2, 3, 4, dan seterusnya.
Rumus:
![]()
Contoh:
Penelitian dilakukan untuk melihat hubungan antara nilai hasil ujian tengah semester (X) dengan nilai hasil ujian akhir semester (Y) pada 8 orang mahasiswa Fakultas Psikologi.
Dari data di atas, hitunglah korelasi Spearmannya dan buat kesimpulannya
![]()
LATIHAN
Dari data di bawah ini, lakukanlah uji Korelasi Spearman, dan buatlah kesimpulannya. Apakah ada hubungan antara score 1 dengan score 2?
![]()
Sekian artikel tentang Memahami Konsep Korelasi Spearman dalam Statistika. Semoga bermanfaat.
Daftar Pustaka
Data ordinal selalu menunjukkan perbedaan besar antara variabel yang satu dengan yang lain. Apabila peneliti memiliki data yang jenisnya interval atau rasio, maka data tersebut harus diubah dahulu ke dalam urutan rangking-rangking yang merupakan ciri dari data ordinal.
 |
| image source: i-study.co.uk |
baca juga: Memahami Konsep Korelasi Pearson dalam Statistika
Cara mengubah menjadi ranking (ordinal) dengan mengurutkan skor dari yang tertinggi sampai yang terendah kemudian diberi rangking 1, 2, 3, 4, dan seterusnya.
Rumus:
rhitung > rtabel, maka H0 ditolak, H1 diterima → ada hubungan yang signifikan antara dua variabel (IV dan DV)
- rhitung < rtabel, maka H0 gagal ditolak → tidak ada hubungan yang signifikan antara dua variabel (IV dan DV)
Contoh:
Penelitian dilakukan untuk melihat hubungan antara nilai hasil ujian tengah semester (X) dengan nilai hasil ujian akhir semester (Y) pada 8 orang mahasiswa Fakultas Psikologi.
| X | 90 | 55 | 80 | 85 | 65 | 75 | 60 | 84 |
| Y | 85 | 60 | 75 | 70 | 55 | 65 | 50 | 80 |
Dari data di atas, hitunglah korelasi Spearmannya dan buat kesimpulannya
| No. | X | Y | Ordinal X | Ordinal Y | D | Σ D2 | |
| 1. | 90 | 85 | 1 | 1 | 0 | 0 | |
| 2. | 55 | 60 | 8 | 6 | 2 | 4 | |
| 3. | 80 | 75 | 4 | 3 | 1 | 1 | |
| 4. | 85 | 70 | 2 | 4 | -2 | 4 | |
| 5. | 65 | 55 | 6 | 7 | -1 | 1 | |
| 6. | 75 | 65 | 5 | 5 | 0 | 0 | |
| 7. | 60 | 50 | 7 | 8 | -1 | 1 | |
| 8. | 84 | 80 | 3 | 2 | 1 | 1 | |
| Σ | - | - | - | - | 0 | 12 | |
- (rhitung = 0,857) < rtabel ( 5% = 0,738) → H0 ditolak, H1 diterima
- Ada hubungan yang signifikan antara skor UTS (X) dengan UAS (Y)
LATIHAN
Dari data di bawah ini, lakukanlah uji Korelasi Spearman, dan buatlah kesimpulannya. Apakah ada hubungan antara score 1 dengan score 2?
Daftar Pustaka
- Aron, A., Coups, E.J., & Aron, E.N. (2013). Statistics for psychology. 6th ed. New Jersey: Pearson Education, Inc.
- Gravetter, F.J. & Wallnau, L.B. (2009). Statistics for the Behavioral Sciences.
- Hinton, P.R. (2004). Statistics Explained, 2nd ed. London: Routledge.
- Howell, D.C. (2012). Statistical Method for Psychology. Australia: Wadsworth, Cengage Learning.
- Nolan, S.A. & Heinzen, T.E, (2012). Statistics for the Behavioral Sciences. Second Edition. New York: Worth Publishers.
- Sulistiyono, S. (2009). Statistika Psikologi 2. Jakarta: Fakultas Psikologi Universitas Mercu Buana.