Korelasi Spearman adalah ukuran nonparametrik dari kekuatan dan arah hubungan yang ada antara dua variabel yang diukur setidaknya pada skala ordinal. Korelasi Spearman dilambangkan dengan simbol rs (r_ {s} atau huruf Yunani , diucapkan rho). Biasanya ini digunakan untuk variabel ordinal atau untuk data kontinu yang telah gagal asumsi yang diperlukan untuk melakukan korelasi product-moment Pearson.
Misalnya: Dengan Korelasi Spearman Anda dapat menggunakan korelasi Spearman untuk memahami apakah ada hubungan antara kinerja ujian dan waktu yang dihabiskan untuk merevisi; apakah ada hubungan antara depresi dan lama menganggur; Dan seterusnya.
Jika Anda menginginkan beberapa informasi latar belakang lebih lanjut tentang tes ini, yang tidak termasuk instruksi untuk Statistik SPSS. Panduan dibawah ini menunjukkan kepada Anda bagaimana melakukan korelasi Spearman menggunakan Statistik SPSS. Kami menunjukkan kepada Anda prosedur utama untuk melakukan korelasi Spearman di bagian Prosedur.
Rumus dan Motode Korelasi Spearman
Ada dua metode untuk menghitung korelasi Spearman tergantung pada apakah: (1) data Anda tidak memiliki peringkat terikat atau (2) data Anda memiliki peringkat terikat.
Rumus untuk ketika tidak ada peringkat terikat adalah:
di mana di = perbedaan peringkat berpasangan dan n = jumlah kasus. Rumus yang digunakan ketika ada peringkat terikat adalah:
dimana i = skor berpasangan.
Nilai apa yang dapat diambil oleh koefisien korelasi Spearman, rs? Koefisien korelasi Spearman, rs, dapat mengambil nilai dari +1 hingga -1. Sebuah rs dari +1 menunjukkan hubungan yang sempurna dari peringkat, rs dari nol menunjukkan tidak ada hubungan antara peringkat dan rs dari -1 menunjukkan hubungan negatif yang sempurna dari peringkat. Semakin dekat rs ke nol, semakin lemah hubungan antara peringkat.
Cara menghitung korelasi Spearman
Untuk menghitung korelasi peringkat-urutan Spearman pada data tanpa ikatan apa pun, kami akan menggunakan data berikut:
| Marks | ||||||||||
| Indonesia | 56 | 75 | 45 | 71 | 62 | 64 | 58 | 80 | 76 | 61 |
| matematika | 66 | 70 | 40 | 60 | 65 | 56 | 59 | 77 | 67 | 63 |
Kami kemudian melengkapi tabel berikut:
| Indonesia (mark) | Matematika (mark) | Rank (Indonesia) | Rank (Matematika) | d | d2 |
| 56 | 66 | 9 | 4 | 5 | 25 |
| 75 | 70 | 3 | 2 | 1 | 1 |
| 45 | 40 | 10 | 10 | 0 | 0 |
| 71 | 60 | 4 | 7 | 3 | 9 |
| 62 | 65 | 6 | 5 | 1 | 1 |
| 64 | 56 | 5 | 9 | 4 | 16 |
| 58 | 59 | 8 | 8 | 0 | 0 |
| 80 | 77 | 1 | 1 | 0 | 0 |
| 76 | 67 | 2 | 3 | 1 | 1 |
| 61 | 63 | 7 | 6 | 1 | 1 |
Dimana d = selisih pangkat dan d2 = selisih kuadrat. Selanjutnya kita hitung dengan rumus berikut berikut:
Kemudian mengganti ini ke dalam persamaan utama dengan informasi lain sebagai berikut:
sebagai n = 10. Oleh karena itu, kita memiliki ρ (atau rs) sebesar 0,67. Hal ini menunjukkan hubungan positif yang kuat antara peringkat individu yang diperoleh dalam ujian matematika dan bahasa Inggris. Artinya, semakin tinggi peringkat Anda dalam matematika, semakin tinggi pula peringkat Anda dalam bahasa Inggris, dan sebaliknya. Bergabunglah dengan 10.000 mahasiswa, akademisi, dan profesional yang mengandalkan Statistik Laerd. AMBIL TUR & HARGA