Korelasi Peringkat dg SPSS (Seri 5 Non-Parametrik)

Tulisan ini merupakan lanjutan dari tulisan seri 4 non-parametrik yang membahas mengenai korelasi peringkat pada statistik non-parametrik. Jika pada tulisan sebelumnya diberikan pengertian dasar dan contoh perhitungan secara manual, maka pada bagian ini akan diberikan aplikasi perhitungannya menggunakan paket program statistik SPSS. Untuk memahami bagian ini, silakan baca tulisan seri 4 tersebut.
Dalam aplikasi SPSS, untuk perhitungan korelasi tersebut melalui tahapan sebagai berikut:
1. Persiapkan worksheet dengan cara, buka program SPSS, klik Variable View. Akan muncul tampilan berikut:


Pada baris pertama, isikan kolom Name dengan Daerah, Type = String, Measure = Nominal. Abaikan kolom lainnya. Pada baris kedua isikan, kolom Name dengan Iklan. Pada baris ketiga isikan kolom Name dengan Penjualan. Kolom lainnya diabaikan (mengikuti default dari program). Selanjutnya klik Data View untuk mulai mengisi data
2. Input data daerah, biaya iklan dan penjualan pada workheet SPSS. Data yang diinput adalah data mentah, bukan data ranking, karena kita dapat menghitung rangking secara langsung melalui program ini.
3. Tentukan rangking untuk iklan dan penjualan, dengan cara: klik Transform > Rank Cases. Akan muncul tampilan berikut:

Isi kotak Variable(s) dengan Iklan dan Penjualan. (Catatan: variabel iklan dan penjualan, sebelumnya berada di kotak sebelah kiri. Pindahkan ke kotak sebelah kanannya dengan cara klik variabel, kemudian klik panah yang menuju kotak variabel.)
Setelah itu klik OK, maka pada worksheet kita akan ada tambahan dua variabel Riklan (rangking iklan) dan Rpenjual (rangking penjualan) seperti terlihat di bawah ini:

4. Selanjutnya, untuk menghitung korelasi Spearman dan Kendal (untuk Gamma dalam SPSS tidak berada dalam satu paket perhitungan Spearman dan Kendal bagian ini. Akan dibahas pada bagian berikut), klik Analyze > Correlate > Bivariate. Akan muncul tampilan berikut:

Masukkan variabel RIklan dan RPenjual ke kotak variables. Pada Correlation Coefficient, centang Pearson, Kendall’s tau-b dan Spearman (Dalam contoh ini, Pearson dicentang hanya dalam rangka melihat perbandingan hasil). Selanjutnya, centang Two-tailed jika kita inging melakukan pengujian signifikansi dua arah, atau centang One-tailed jika ingin melakukan pengujian satu arah. Dalam contoh ini, kita mencentang Two-tailed.
Setelah itu klik OK, akan keluar tampilan output SPSS sebagai berikut:

Perhatikan bahwa korelasi Spearman R adalah sama dengan korelasi Product Moment Pearson (jika data adalah data peringkat). Hal ini membuktikan penjelasan di awal mengenai keterkaitan antara Spearman R dengan korelasi Product Moment Pearson.
Selanjutnya, output SPSS selain menampilkan koefisien korelasi, juga menampilkan nilai P-value (nilai Sig. (2 tailed) pada output SPSS) masing-masing koefisien korelasi dalam rangka untuk pengujian hipotesis. Dari nilai P-value terlihat bahwa pada korelasi Kendal, iklan dan penjualan memiliki korelasi yang signifikan pada α = 5 % (nilai P-value= 0,024 < α= 0,05), dan pada korelasi Spearman signifikan pada α = 1 % (nilai P-value= 0,008 < α= 0,01). Dengan kata lain, kita dapat menyimpulkan bahwa biaya iklan yang dikeluarkan perusahaan tersebut, efektif dalam meningkatkan penjualan (karena tanda dari koefisien korelasi positif)
Cara lain dalam pengujian hipotesis ini adalah dengan membandingkan nilai koefisien korelasi dengan nilai-nilai kritis pada tabel Spearman (untuk korelasi Spearman R) atau pada tabel Kendal (untuk korelasi kendal). Tabel-tabel tersebut umumnya tersedia pada lampiran buku-buku yang membahas mengenai statistik non-parametrik.



Tulisan Terkait:
Chi Square dengan SPSS (Seri 7. Non-Parametrik)
Prosedur Uji Chi Square(Seri 6. Non-Parametrik)
Korelasi Peringkat Seri 4. Non-Parametrik)
Statistik Uji Kruskal-Wallis (Seri 3. Non-Parametrik)
Model-Model Analisis Statistik Non-Parametrik (Seri 2. Non-Parametrik)
Pemahaman Dasar Statistik Non-Parametrik (Seri 1. Non-Parametrik)