Statistika #8 (Korelasi Rank Spearman)

Paket 8 — Korelasi Rank Spearman

Statistika SMA | Kelas X–XII

Mengukur hubungan dua variabel menggunakan peringkat data.

1. Tujuan Pembelajaran

Setelah mempelajari materi ini, kamu diharapkan mampu:

Menjelaskan pengertian korelasi Rank Spearman.
Membedakan korelasi Spearman dan Pearson.
Mengubah data menjadi peringkat.
Menghitung koefisien korelasi Spearman.
Menafsirkan arah dan kekuatan hubungan berdasarkan hasil perhitungan.
Menangani data yang mempunyai peringkat sama.

2. Apa Itu Korelasi Rank Spearman?

Korelasi Rank Spearman adalah ukuran statistik untuk menilai arah dan kekuatan hubungan monotonik antara dua variabel berdasarkan peringkatnya.

Hubungan monotonik berarti bahwa ketika satu variabel meningkat, variabel lainnya cenderung meningkat atau menurun secara konsisten, meskipun hubungan tersebut tidak harus membentuk garis lurus.

Contoh penggunaan

Hubungan peringkat siswa berdasarkan hasil dua jenis penilaian.
Hubungan peringkat kepuasan pelanggan dengan peringkat kualitas pelayanan.
Hubungan peringkat dua metode penilaian terhadap peserta yang sama.

Ide utamanya: Spearman tidak langsung membandingkan besar nilai asli, melainkan membandingkan posisi atau peringkat setiap data.

3. Perbedaan Spearman dan Pearson

Pearson	Spearman
Mengukur hubungan linear.	Mengukur hubungan monotonik berdasarkan peringkat.
Menggunakan nilai numerik asli.	Menggunakan peringkat nilai.
Sensitif terhadap pencilan.	Peringkat dapat mengurangi pengaruh besar-kecilnya pencilan, tetapi pencilan tetap bisa memengaruhi hasil.
Cocok untuk mengukur hubungan linear pada data numerik.	Berguna untuk data ordinal atau hubungan monotonik yang tidak harus linear.

Spearman bukan berarti selalu lebih baik daripada Pearson. Pemilihan metode harus sesuai dengan tujuan analisis, bentuk hubungan, skala pengukuran, dan karakteristik data.

4. Rumus Korelasi Rank Spearman

Jika semua peringkat berbeda atau tidak terdapat peringkat yang sama (*ties*), koefisien Spearman dapat dihitung dengan rumus berikut.

\[ \boxed{r_s=1-\frac{6\sum d_i^2}{n(n^2-1)}} \]

Keterangan:

\(r_s\) = koefisien korelasi Rank Spearman.
\(d_i=R_{xi}-R_{yi}\) = selisih peringkat kedua variabel pada pengamatan ke-\(i\).
\(d_i^2\) = kuadrat selisih peringkat.
\(n\) = banyak pasangan data.

Perhatikan: rumus singkat tersebut berlaku jika tidak ada peringkat yang sama. Jika terdapat *ties*, cara yang tepat adalah memberi peringkat rata-rata untuk nilai yang sama, lalu menghitung korelasi Pearson terhadap kedua kolom peringkat.

Rentang koefisien Spearman adalah:

\[ -1\leq r_s\leq1 \]

\(r_s\) mendekati 1: hubungan monotonik positif kuat.
\(r_s\) mendekati -1: hubungan monotonik negatif kuat.
\(r_s\) mendekati 0: hubungan monotonik yang terukur lemah atau tidak jelas.

Kategori lemah, sedang, dan kuat merupakan pedoman yang dapat berbeda antarbidang. Nilai koefisien sebaiknya tetap ditafsirkan bersama konteks dan pola data.

5. Contoh Soal Langkah demi Langkah

Seorang guru ingin mengetahui hubungan antara peringkat siswa pada tes latihan dan tes akhir. Data lima siswa adalah sebagai berikut.

Siswa	Nilai tes latihan (X)	Nilai tes akhir (Y)
A	80	85
B	70	75
C	90	95
D	60	65
E	50	55

Langkah 1. Tentukan peringkat.

Untuk contoh ini, nilai tertinggi mendapat peringkat 1.

Siswa	X	Rank X	Y	Rank Y
A	80	2	85	2
B	70	3	75	3
C	90	1	95	1
D	60	4	65	4
E	50	5	55	5

Langkah 2. Hitung selisih peringkat dan kuadratnya.

Siswa	Rank X	Rank Y	\(d\)
A	2	2	0
B	3	3	0
C	1	1	0
D	4	4	0
E	5	5	0
Jumlah \(\sum d^2\)

Langkah 3. Masukkan ke rumus Spearman.

\[ r_s=1-\frac{6\sum d_i^2}{n(n^2-1)} \] \[ r_s=1-\frac{6(0)}{5(5^2-1)} \] \[ r_s=1 \]

Kesimpulan: kedua variabel mempunyai hubungan peringkat positif sempurna pada lima pasangan data ini. Setiap siswa memiliki urutan peringkat yang sama pada kedua tes.

6. Bagaimana Jika Ada Peringkat yang Sama?

Misalnya, tiga siswa memperoleh nilai 80, 80, dan 70. Jika nilai tertinggi mendapat peringkat 1, kedua nilai 80 menempati posisi peringkat 1 dan 2.

Karena nilainya sama, keduanya mendapat peringkat rata-rata:

\[ \frac{1+2}{2}=1{,}5 \]

Siswa	Nilai	Peringkat
A	80	1,5
B	80	1,5
C	70	3

Jika ada nilai yang sama, kalkulator pada paket ini menggunakan peringkat rata-rata (*average ranks*) dan menghitung korelasi Pearson pada kedua kolom peringkat. Dengan demikian, hasilnya tetap menangani *ties* secara tepat.

7. Laboratorium Interaktif Rank Spearman

Masukkan data dalam format X,Y, satu pasangan pada setiap baris. Nilai tertinggi akan mendapat peringkat 1. Jika beberapa nilai sama, semuanya mendapat peringkat rata-rata.

Pasangan data X dan Y

Kalkulator menggunakan peringkat rata-rata untuk nilai yang sama. Koefisien dihitung sebagai korelasi Pearson dari peringkat X dan Y, bukan menggunakan rumus singkat yang mengasumsikan tidak ada *ties*.

8. Latihan Soal

Soal 1. Apa yang dibandingkan dalam korelasi Rank Spearman?

Peringkat dari dua variabel pada setiap pengamatan.

Soal 2. Apa arti \(r_s=0{,}90\) secara umum?

Hubungan monotonik positif yang kuat menurut pedoman umum, meskipun interpretasi tetap harus mempertimbangkan konteks dan pola data.

Soal 3. Jika \(r_s=-1\), apa artinya?

Hubungan peringkat negatif sempurna: urutan satu variabel berlawanan secara sempurna dengan urutan variabel lainnya.

Soal 4. Dua nilai menempati posisi peringkat 3 dan 4 karena nilainya sama. Berapakah peringkat yang diberikan kepada masing-masing nilai?

\[ \frac{3+4}{2}=3{,}5 \] Masing-masing mendapat peringkat 3,5.

Soal 5. Apakah korelasi Spearman yang tinggi membuktikan bahwa X menyebabkan Y?

Tidak. Korelasi menunjukkan hubungan statistik, bukan bukti otomatis hubungan sebab-akibat.

10. Refleksi dan Tantangan

Mengapa Spearman dapat digunakan untuk data ordinal?
Apa yang harus dilakukan jika beberapa nilai memiliki peringkat yang sama?
Kapan kamu akan memilih Spearman daripada Pearson?

Tantangan mini-proyek: kumpulkan peringkat dari dua penilaian terhadap peserta yang sama. Hitung koefisien Spearman, jelaskan arah hubungannya, dan tuliskan satu keterbatasan kesimpulanmu.

Cari Blog Ini

Navigasi Materi