Want to create interactive content? It’s easy in Genially!
ANALISIS KORELASI SPEARMAN
Wildan Permana
Created on June 18, 2021
Start designing with a free template
Discover more than 1500 professional designs like these:
View
Happy Holidays Video
View
Elves Christmas video
View
HALLOWEEN VIDEO MOBILE
View
Halloween Illustrated Video
View
Halloween video
View
Birthday Party Invitation
View
Video Tutorial Mobile
Transcript
Analisis Korelasi Spearman
Biostatistika Inferensial D
Analisis Spearman merupakan analisis statistik yang termasuk dalam statistika non parametrik yang bertujuan untuk menganalisis hubungan antara dua atau lebih variabel.
(Santoso, 2017)
Tujuan Uji Spearman
- Mengetahui korelasi
- Melihat tingkat kekuatan hubungan
- Melihat arah hubungan antar variabel
- Membuktikan ada atau tidak signifikansi hubungan antara dua variabel
Asumsi Uji Spearman
- Distribusi data tidak diketahui / tidak normal
- Skala data: Ordinal
Hipotesis
- Ho : Tidak terdapat hubungan yang signifikan antara variable X dan Y
- H1 : Terdapat hubungan yang signifikan antara variable X dan Y
Keputusan
- Hitung manual : H0 diterima, R hitung < R table
- Dengan SPSS : H0 diterima, jika p value > α (0,05)
Kekuatan Hubungan antar variabel
Signifikansi Hubungan antar Variabel
Hitung Manual
H0 diterima, R hitung < R table, maka tidak terdapat hubungan yang signifikan antara variable X dan YH1 : Terdapat hubungan yang signifikan antara variable X dan Y
H0 ditolak, R hitung > R table, maka terdapat hubungan yang signifikan antara variable X dan YH1 : Terdapat hubungan yang signifikan antara variable X dan Y
Hitung SPSS
H0 diterima, jika p value > α (0,05), maka tidak terdapat hubungan yang signifikan antara variable X dan YH1 : Terdapat hubungan yang signifikan antara variable X dan Y
H0 ditolak, jika p value < α (0,05), maka terdapat hubungan yang signifikan antara variable X dan YH1 : Terdapat hubungan yang signifikan antara variable X dan Y
Arah Hubungan
+ (positif) : semakin tinggi nilai variabel X maka semakin tinggi variable Y- (negative) : semakin tinggi nilai variabel X, maka semakin rendah nilai variabel Y