SlideShare a Scribd company logo
1 of 38
Download to read offline
Disusun Oleh :
1. Agung Anggoro
2. Agus Ahmad D
3. Hibatul Azizi
4. M. Rizki Fauzi
5. Riksa Rishanif
𝜏
π‘Š
𝜏
KOEFISIEN KORELASI RANKING
PARSIAL KENDALL : 𝜏 π‘₯𝑦.𝑧
οƒ˜ Korelasi adalah pengukuran keeratan hubungan antar dua variabel.
οƒ˜ Korelasi parsial mengukur korelasi antara dua buah variabel seperti
perhitungan korelasi pada umumnya, namun dengan menganggap sebuah
variabel (ketiga) yang dibuat konstan.
οƒ˜ Perhitungan korelasi secara per bagian ini (parsial) bertujuan untuk
mengukur pengaruh β€˜efek ketiga’ pada keeratan hubungan dua variabel yang
dikorelasi.
οƒ˜ Keeratan hubungan antara dua variabel yang diperoleh adalah murni dan
langsung.
οƒ˜ Data yang digunakan β€˜sekurang-kurangnya’ berskala ordinal.
Perhatikan Tabel Berikut
Subyek a b c d
Rangking pada Z 1 2 3 4
Rangking pada X 3 1 2 4
Rangking pada Y 2 1 3 4
Pasangan (a, b) (a, c) (a, d) (b, c) (b, d) (c, d)
Z + + + + + +
X βˆ’ βˆ’ + + + +
Y βˆ’ + + + + +
Pasangan Y bertanda
sama dengan Z
Pasangan bertanda tak
sama dengan Z Total
Pasangan X bertanda
sama dengan tanda Z
A
4
B
0
A + B
4
Pasangan X bertanda tak
sama dengan tanda Z
C
1
D
1
C + D
2
Jumlah
A + C
5
B + D
1 6
𝜏 π‘₯𝑦.𝑧 =
𝐴𝐷 βˆ’ 𝐡𝐢
(𝐴 + 𝐡)(𝐢 + 𝐷)(𝐴 + 𝐢)(𝐡 + 𝐷)
𝜏 π‘₯𝑦.𝑧 =
(4)(1) βˆ’ (0)(1)
4 2 5 (1)
= 0,63 (Dari Tabel 2 X 2)
Bila terdapat angka yang sama Bila tidak terdapat angka yang tidak sama
𝜏 =
𝑆
1
2
𝑁 (𝑁 βˆ’ 1)
𝜏 =
𝑆
1
2
𝑁 𝑁 βˆ’ 1 βˆ’ 𝑇π‘₯
1
2
𝑁 𝑁 βˆ’ 1 βˆ’ 𝑇𝑦
𝑇π‘₯ =
1
2
π‘₯
𝑑(𝑑 βˆ’ 1) 𝑇𝑦 =
1
2
𝑦
𝑑(𝑑 βˆ’ 1)
𝝉 π’™π’š.𝒛 =
𝝉 π’™π’š βˆ’ 𝝉 π’›π’š 𝝉 𝒛𝒙
𝟏 βˆ’ 𝝉 𝒙𝒛
𝟐 )(𝟏 βˆ’ 𝝉 π’šπ’›
𝟐
Rumus Korelasi Parsial Ranking
Kendall
Uji Signifikansi
𝐻0: Tidak terdapat hubungan yang signifikan antara variabel X dan Y dengan
variabel Z yang konstan
𝐻 π‘Ž: Terdapat hubungan yang signifikan antara variabel X dan Y dengan variabel Z
yang konstan
𝐻0 ∢ 𝜏 π‘₯𝑦.𝑧 = 0
𝐻 π‘Ž ∢ 𝜏 π‘₯𝑦.𝑧 β‰  0
Hipotesis
Uji Signifikansi Korelasi Partial kendal dapat dilakukan dengan uji Chi-Square
𝜏 π‘₯𝑦.𝑧 =
πœ’2
𝑁
πœ’2
=
(𝜏 π‘₯𝑦.𝑧)2
𝑁
Kriteria Uji :
H0 di tolak jika πœ’2
β„Žπ‘–π‘‘ β‰₯ πœ’2
π‘‘π‘Žπ‘π‘’π‘™
H0 di terima jika πœ’2
β„Žπ‘–π‘‘ < πœ’2
π‘‘π‘Žπ‘π‘’π‘™
IKHTISAR PROSEDUR
1. Misalkan X dan Y adalah dua variabel yang hubungannya akan kita tentukan,
dan Z adalah variabel yang efeknya terhadap X dan Y yang diparsialkan, atau
dianggap konstan.
2. Memberi ranking pada variabel X, Y, dan Z dari 1 hingga n.
3. Menentukan harga-harga observasi 𝜏 π‘₯𝑦, 𝜏 𝑦𝑧, π‘‘π‘Žπ‘› 𝜏 π‘₯𝑧.
4. Menghitung 𝜏 π‘₯𝑦.𝑧
5. Uji Signifikansi
6. Kesimpulan
Contoh Soal
Dibawah ini adalah ranking dari skor keotoriteran, perjuangan status sosial, dan penyesuaian diri pada 12
orang mahasiswa. Disajikan dalam tabel berikut:
Perjuangan Stat. Sosial Keotoriteran Penyesuaian diri
X Y Z
A 3 2 1,5
B 4 6 1,5
C 2 5 3,5
D 1 1 3,5
E 8 10 5,0
F 11 9 6,0
G 10 8 7,0
H 6 3 8,0
I 7 4 9,0
J 12 12 10,5
K 5 7 10,5
L 9 11 12,0
Subjek
Rank
HIPOTESIS
𝐻0 ∢ Tidak terdapat hubungan yang signifikan antara perjuangan status
sosial dan keotoriteran dengan penyesuaian diri β€œyang konstan”
𝐻 π‘Ž ∢ Tidak terdapat hubungan yang signifikan antara perjuangan status
sosial dan keotoriteran dengan penyesuaian diri "yang konstan"
Taraf signifikansi 𝛼 = 5% = 0,05
Setelah dihitung untuk 𝜏 π‘₯𝑦, 𝜏 𝑦𝑧, π‘‘π‘Žπ‘› 𝜏 π‘₯𝑧 adalah sebagai berikut:
𝝉 π’™π’š = 𝟎, πŸ”πŸ•
𝝉 π’šπ’› = 𝟎, πŸ‘πŸ”
𝝉 𝒙𝒛 = 𝟎, πŸ‘πŸ—
𝝉 π’™π’š.𝒛 =
𝝉 π’™π’š βˆ’ 𝝉 π’šπ’› 𝝉 𝒙𝒛
(𝟏 βˆ’ 𝝉 π’šπ’›
𝟐)(𝟏 βˆ’ 𝝉 𝒙𝒛
𝟐)
=
𝟎, πŸ”πŸ• βˆ’ (𝟎, πŸ‘πŸ”)(𝟎, πŸ‘πŸ—)
(𝟏 βˆ’ (𝟎, πŸ‘πŸ”) 𝟐)(𝟏 βˆ’ (𝟎, πŸ‘πŸ—) 𝟐)
= 0,62
Setelah dihitung untuk 𝜏 π‘₯𝑦, 𝜏 𝑦𝑧, dan 𝜏 π‘₯𝑧adalah sebagai berikut:
𝜏 π‘₯𝑦 = 0,67
𝜏 𝑦𝑧 = 0,36
𝜏 π‘₯𝑧 = 0,39
𝜏 π‘₯𝑦.𝑧 =
𝜏 π‘₯𝑦 βˆ’ 𝜏 𝑦𝑧 𝜏 π‘₯𝑧
(1 βˆ’ 𝜏 𝑦𝑧
2)(1 βˆ’ 𝜏 π‘₯𝑧
2)
=
0,67 βˆ’ (0,36)(0,39)
(1 βˆ’ (0,36)2)(1 βˆ’ (0,39)2)
= 0,62
Uji Signifikansi
𝜏 π‘₯𝑦.𝑧 =
πœ’2
𝑁
πœ’2
=
(𝜏 π‘₯𝑦.𝑧)2
𝑁
Kriteria Uji:
H0 di tolak jika πœ’2
β„Žπ‘–π‘‘ β‰₯ πœ’2
π‘‘π‘Žπ‘π‘’π‘™
H0 di terima jika πœ’2
β„Žπ‘–π‘‘ < πœ’2
π‘‘π‘Žπ‘π‘’π‘™
πœ’2
=
(0,62)2
12
πœ’2
= 0,03
Taraf signifikansi Ξ± = 5% = 0,05
df = 12-1 =11
Diperoleh :
πœ’2
(0,05 , 11) = 19,68
Kesimpulan
H0 di terima karena πœ’2
β„Žπ‘–π‘‘ < πœ’2
π‘‘π‘Žπ‘π‘’π‘™
Yaitu, Tidak terdapat hubungan yang signifikan antara perjuangan status sosial
dan keotoriteran dengan penyesuaian diri β€œyang konstan”
π‘Š
Koefisien konkordansi kendall: π‘Š
 Mengukur derajat asosiasi dari k buah variabel (> 2)
 Dalam praktek,sering dipakai untuk menilai tingkat
kesepakatan/kecocokan/korelasi antara beberapa π‘˜ pengamat dalam
memberikan peringkat pada suatu set obyek.
 Data berskala ordinal,interval atau rasio.
Prosedur
 Menentukan rangking terlebih dahulu pada masing masing variabel
 Menghitung jumlah rangking untuk setiap obyek
 Hitung nilai koefisien Konkordansi Kendall:W
Kecocokan Sempurna
Misalkan π‘˜ orang juri memberikan penilaian terhadap 𝑛 kontestan lomba
berupa ranking versi masing-masing juri. Pertanyaan yang muncul
adalah, bagaimanakah bentuk matriks penilaian yang ditampilkan jika
tidak terdapat atau hanya terdapat sedikit sekali kecocokan penilaian
diantara π‘˜ juri tersebut ? serta, bagaimanakah jika terjadi kecocokan
yang sempurna dalam penilaian tersebut ?
Kecocokan Sempurna
Juri
Ranking Kontestan
𝐴1 𝐴2 ... 𝐴 𝑁
𝐽1 π‘₯11 π‘₯12 ... π‘₯1𝑁
𝐽2 π‘₯21 π‘₯21 ... π‘₯2𝑁
... ... ... ... ...
𝐽 π‘˜ π‘₯ π‘˜1 π‘₯ π‘˜2 ... π‘₯ π‘˜π‘
𝑅𝑗
𝑗 = 1,2, … , 𝑁
𝑖=1
π‘˜
π‘₯𝑖1
𝑖=1
π‘˜
π‘₯𝑖2
...
𝑖=1
π‘˜
π‘₯𝑖𝑁
Kecocokan Sempurna
Kecocokan sempurna akan terjadi jika tiap juri memberikan ranking dengan
urutan yang sama pada 𝑛 kontestan. Dimana baris terakhir berupa
penjumlahan ranking pada tiap kontestan (𝑅𝑗) akan bernilai berbeda-beda
dengan kemungkinan-kemungkinan nilai hanyalah π‘˜, 2π‘˜, 3π‘˜, … , π‘›π‘˜. Matriks
data seperti demikian akan menghasilkan π‘Š = 1.
Kalkulasi 𝑾
π‘Š dihitung dengan rumus berikut
π‘Š =
𝑠
1
12
π‘˜2 𝑁3 βˆ’ 𝑁
dimana 𝑠 adalah jumlah kuadrat deviasi observasi dari rataan 𝑅𝑗, yaitu (3)
𝑠 =
𝑗=1
𝑁
𝑅𝑗 βˆ’
𝑗=1
𝑁
𝑅𝑗
2
=
𝑗=1
𝑁
𝑅𝑗
2
βˆ’
𝑗=1
𝑁
𝑅𝑗
2
𝑁
Kalkulasi 𝑾
Apabila terdapat objek-objek dengan ranking sama pada sebuah variabel atau
lebih, maka perhitungan disesuaikan dengan rumus
π‘Š =
𝑠
1
12
π‘˜2 𝑁3 βˆ’ 𝑁 βˆ’ π‘˜ 𝑗=1
π‘˜
𝑇𝑗
𝑇𝑗 adalah hasil penjumlahan dari (𝑑3
βˆ’ 𝑑)/12 dimana 𝑑 adalah banyaknya
sebuah angka ranking muncul dalam perankingan oleh variabel ke 𝑗.
Uji Signifikansi 𝑾
𝐻0 : π‘˜ himpunan Ranking independen
𝐻 𝐴 : π‘˜ himpunan Ranking dependen
Metode untuk menentukan apakah harga π‘Š observasi signifikan berbeda
bergantung pada ukuran 𝑁 ,sbb:
 Jika N dari 3-7 dan k antara 3-20
𝐻0 ditolak jika π‘ β„Žπ‘–π‘‘ β‰₯ π‘ π‘‘π‘Žπ‘π‘’π‘™
𝐻0 diterima jika π‘ β„Žπ‘–π‘‘ < π‘ π‘‘π‘Žπ‘π‘’π‘™
π‘ π‘‘π‘Žπ‘π‘’π‘™ dapat dilihat pada tabel R (Siegel, 1986: 338)
 Jika N lebih besar dari 7, menggunakan rumus:
πœ’2
= π‘˜ 𝑁 βˆ’ 1 π‘Š
Uji Signifikansi 𝑾
Uji Signifikansi 𝑾
[Sampel Besar]
Statistik Uji:
πœ’2
= π‘˜ 𝑁 βˆ’ 1 π‘Š
Kriteria Uji:
H0 di tolak jika πœ’2
β„Žπ‘–π‘‘ β‰₯ πœ’2
π‘‘π‘Žπ‘π‘’π‘™
H0 di terima jika πœ’2
β„Žπ‘–π‘‘ < πœ’2
π‘‘π‘Žπ‘π‘’π‘™
Untuk πœ’2
π‘‘π‘Žπ‘π‘’π‘™ dapat dilihat dari tabel harga-harga kritis Chi-Kuadrat. Dengan:
𝑑𝑓 = 𝑁 βˆ’ 1
Contoh Soal
Ranking diberikan kepada 6 pelamar pekerjaan oleh tiga eksekutif
perusahaan. Kemudian ingin diketahui apakah ada hubungan
antara ranking yang diberikan oleh tiga eksekutif perusahaan
tersebut. (𝛼 = 5%)
Kasus Sampel Kecil dan Tidak Ada Ranking Sama
Penilai
Pelamar
a b c d e f
Eksekutif X 1 6 3 2 5 4
Eksekutif Y 1 5 6 4 2 3
Eksekutif Z 6 3 2 5 4 1
𝑅𝑗 8 14 11 11 11 8
𝑅𝑗
2
64 196 121 121 121 64
𝑅𝑗
2
= 687 𝑅𝑗 = 63dan
Kalkulasi Nilai 𝑾
𝑠 =
𝑗=1
6
𝑅𝑗
2
βˆ’
𝑗=1
6
𝑅𝑗
2
𝑁
=687βˆ’
632
6
= 25,5
π‘Š =
𝑠
1
12
π‘˜2(𝑁3 βˆ’ 𝑁)
=
25,5
1
12
(3)2(63 βˆ’ 6)
= 0,16
Uji Signifikansi
Statistik uji :
Karena 𝑁 < 7, maka kita menggunakan harga s sebagai statistik uji.
Kriteria :
𝐻0 ditolak jika π‘ β„Žπ‘–π‘‘ β‰₯ π‘ π‘‘π‘Žπ‘π‘’π‘™
𝐻0 diterima jika π‘ β„Žπ‘–π‘‘ < π‘ π‘‘π‘Žπ‘π‘’π‘™ 𝛼 = 0,05
Keputusan
Karena π‘ β„Žπ‘–π‘‘ = 25,5 < π‘ π‘‘π‘Žπ‘π‘’π‘™ = 103,9 , maka 𝐻0 diterima
Kesimpulan : Dengan tingkat keyakinan 95% kita dapat menyimpulkan bahwa Tidak
terdapat kecocokan yang signifikan pada pemberian rangking oleh eksekutif X, Y, dan Z,
yang artinya kecocokan yang terjadi merupakan kebetulan semata.
Contoh Soal
Sepuluh siswa diberi ranking berdasarkan kemampuan matematika
dalam topik trigonometri oleh tiga guru yang berbeda X, Y, dan Z.
Dengan 𝛼=0.05 selidikilah kecocokan ketiga guru tersebut dalam
memberikan ranking kepada siswa.
Kasus Sampel Besar dan Angka sama
dan
Siswa
A B C D E F G H I J
Guru X
3 4,5 4,5 2 1 7 7 7 9 10
Guru Y
3,5 3,5 5 1 2 6 7,5 7,5 10 9
Guru Z
3 2 5 4 1 7,5 6 9 7,5 10
𝑅𝑗 9,5 10 14,5 7 4 20,5 20,5 23,5 26,5 29
𝑅𝑗
2
90,25 100 210,25 49 16 420,25 420,25 552,25 702,25 841
𝑅𝑗
2
= 3275,5 𝑅𝑗 = 162
Statistik Uji
Karena N = 10 dan k = 3 maka kita menggunakan uji Konkordansi Kendall W untuk sampel
besar.
Mencari s terlebih dahulu:
𝑠 = 𝑅𝑗 βˆ’
𝑅𝑗
𝑁
2
= 651,1
Menghitung angka yang sama:
𝑇𝑋 =
𝑑3
βˆ’ 𝑑
12
=
23
βˆ’ 2 + 33
βˆ’ 3
12
= 2,5
π‘‡π‘Œ =
𝑑3 βˆ’ 𝑑
12
=
23 βˆ’ 2 + 23 βˆ’ 2
12
= 1
𝑇𝑍 =
𝑑3 βˆ’ 𝑑
12
=
23 βˆ’ 2
12
= 0,5
Kalkulasi 𝑾
Menghitung W:
π‘Š =
𝑠
1
12
π‘˜2 𝑁3 βˆ’ 𝑁 βˆ’ 𝑇
=
651,1
1
12
32 103 βˆ’ 10 βˆ’ 4
= 0,93
Menghitung πœ’2
πœ’2
= π‘˜ 𝑁 βˆ’ 1 π‘Š = 3 10 βˆ’ 1 0,93 = 25,09
Keputusan:
Karena πœ’2
β„Žπ‘–π‘‘ = 25,09 > πœ’2
π‘‘π‘Žπ‘π‘’π‘™ = 16,92, maka 𝐻0 ditolak.
Kesimpulan:Terdapat kecocokan yang signifikan pada pemberian
ranking oleh guru X, Y, dan Z.
Uji Signifikansi
Hipotesis
𝐻0: Tidak terdapat kecocokan yang signifikan pada pemberian
rangking oleh guru X, Y, dan Z.
𝐻 π‘Ž: Terdapat kecocokan yang signifikan pada pemberian
rangking oleh guru X, Y, dan Z.
Taraf Signifikan:
𝛼 = 0,05 π‘‘π‘Žπ‘› 𝑑𝑓 = 9 β†’ 𝝌 𝟐
𝜢, 𝒅𝒇 = πŸπŸ”, πŸ—πŸ
Daerah Penolakan 𝐻0
H0 di tolak jika 𝝌 𝟐
π’‰π’Šπ’• β‰₯ 𝝌 𝟐
𝒕𝒂𝒃𝒆𝒍
Terima Kasih

More Related Content

What's hot

Pengujian Hipotesis Rata-Rata
Pengujian Hipotesis Rata-RataPengujian Hipotesis Rata-Rata
Pengujian Hipotesis Rata-RataAvidia Sarasvati
Β 
Integral Lipat Dua ( Kalkulus 2 )
Integral Lipat Dua ( Kalkulus 2 )Integral Lipat Dua ( Kalkulus 2 )
Integral Lipat Dua ( Kalkulus 2 )Kelinci Coklat
Β 
Sistem Persamaan Linear (SPL) Aljabar Linear Elementer
Sistem Persamaan Linear (SPL) Aljabar Linear ElementerSistem Persamaan Linear (SPL) Aljabar Linear Elementer
Sistem Persamaan Linear (SPL) Aljabar Linear ElementerKelinci Coklat
Β 
Integral Lipat Tiga
Integral Lipat TigaIntegral Lipat Tiga
Integral Lipat TigaKelinci Coklat
Β 
STATISTIKA-Pengujian hipotesis
STATISTIKA-Pengujian hipotesisSTATISTIKA-Pengujian hipotesis
STATISTIKA-Pengujian hipotesisYousuf Kurniawan
Β 
Matematika Diskrit Relasi Rekursif
Matematika Diskrit Relasi RekursifMatematika Diskrit Relasi Rekursif
Matematika Diskrit Relasi RekursifAyuk Wulandari
Β 
Pengujian Hipotesis (Makalah Pengantar Statistika)
Pengujian Hipotesis (Makalah Pengantar Statistika)Pengujian Hipotesis (Makalah Pengantar Statistika)
Pengujian Hipotesis (Makalah Pengantar Statistika)Mayawi Karim
Β 
3 . analisis regresi linier berganda dua peubah
3 .  analisis regresi  linier berganda dua peubah3 .  analisis regresi  linier berganda dua peubah
3 . analisis regresi linier berganda dua peubahYulianus Lisa Mantong
Β 
APG Pertemuan 4 : Multivariate Normal Distribution
APG Pertemuan 4 : Multivariate Normal DistributionAPG Pertemuan 4 : Multivariate Normal Distribution
APG Pertemuan 4 : Multivariate Normal DistributionRani Nooraeni
Β 
makalah uji hipotesis dua rata rata
makalah uji hipotesis dua rata rata makalah uji hipotesis dua rata rata
makalah uji hipotesis dua rata rata Aisyah Turidho
Β 
Metode dan Strategi Pembuktian
Metode dan Strategi PembuktianMetode dan Strategi Pembuktian
Metode dan Strategi PembuktianHeni Widayani
Β 
Distribusi hipergeometrik
Distribusi hipergeometrikDistribusi hipergeometrik
Distribusi hipergeometrikEman Mendrofa
Β 

What's hot (20)

Pengujian Hipotesis Rata-Rata
Pengujian Hipotesis Rata-RataPengujian Hipotesis Rata-Rata
Pengujian Hipotesis Rata-Rata
Β 
Kurva Normal
Kurva NormalKurva Normal
Kurva Normal
Β 
Integral Lipat Dua ( Kalkulus 2 )
Integral Lipat Dua ( Kalkulus 2 )Integral Lipat Dua ( Kalkulus 2 )
Integral Lipat Dua ( Kalkulus 2 )
Β 
Sistem Persamaan Linear (SPL) Aljabar Linear Elementer
Sistem Persamaan Linear (SPL) Aljabar Linear ElementerSistem Persamaan Linear (SPL) Aljabar Linear Elementer
Sistem Persamaan Linear (SPL) Aljabar Linear Elementer
Β 
Integral Lipat Tiga
Integral Lipat TigaIntegral Lipat Tiga
Integral Lipat Tiga
Β 
Minggu 9_Teknik Analisis Korelasi
Minggu 9_Teknik Analisis KorelasiMinggu 9_Teknik Analisis Korelasi
Minggu 9_Teknik Analisis Korelasi
Β 
Grup siklik
Grup siklikGrup siklik
Grup siklik
Β 
STATISTIKA-Pengujian hipotesis
STATISTIKA-Pengujian hipotesisSTATISTIKA-Pengujian hipotesis
STATISTIKA-Pengujian hipotesis
Β 
Matematika Diskrit Relasi Rekursif
Matematika Diskrit Relasi RekursifMatematika Diskrit Relasi Rekursif
Matematika Diskrit Relasi Rekursif
Β 
Analisis real-lengkap-a1c
Analisis real-lengkap-a1cAnalisis real-lengkap-a1c
Analisis real-lengkap-a1c
Β 
Pengujian Hipotesis (Makalah Pengantar Statistika)
Pengujian Hipotesis (Makalah Pengantar Statistika)Pengujian Hipotesis (Makalah Pengantar Statistika)
Pengujian Hipotesis (Makalah Pengantar Statistika)
Β 
Nilai harapan
Nilai harapanNilai harapan
Nilai harapan
Β 
3 . analisis regresi linier berganda dua peubah
3 .  analisis regresi  linier berganda dua peubah3 .  analisis regresi  linier berganda dua peubah
3 . analisis regresi linier berganda dua peubah
Β 
APG Pertemuan 4 : Multivariate Normal Distribution
APG Pertemuan 4 : Multivariate Normal DistributionAPG Pertemuan 4 : Multivariate Normal Distribution
APG Pertemuan 4 : Multivariate Normal Distribution
Β 
makalah uji hipotesis dua rata rata
makalah uji hipotesis dua rata rata makalah uji hipotesis dua rata rata
makalah uji hipotesis dua rata rata
Β 
Teori Group
Teori GroupTeori Group
Teori Group
Β 
ANALISIS REAL
ANALISIS REALANALISIS REAL
ANALISIS REAL
Β 
Metode dan Strategi Pembuktian
Metode dan Strategi PembuktianMetode dan Strategi Pembuktian
Metode dan Strategi Pembuktian
Β 
Distribusi hipergeometrik
Distribusi hipergeometrikDistribusi hipergeometrik
Distribusi hipergeometrik
Β 
Probabilitas 2
Probabilitas 2Probabilitas 2
Probabilitas 2
Β 

Similar to ANALISIS KORELASI RANKING

APG Pertemuan 6 : Mean Vectors From Two Populations
APG Pertemuan 6 : Mean Vectors From Two PopulationsAPG Pertemuan 6 : Mean Vectors From Two Populations
APG Pertemuan 6 : Mean Vectors From Two PopulationsRani Nooraeni
Β 
APG Pertemuan 3 : SAMPLE GEOMETRI AND RANDOM SAMPLING (2)
APG Pertemuan 3 : SAMPLE GEOMETRI  AND RANDOM SAMPLING (2)APG Pertemuan 3 : SAMPLE GEOMETRI  AND RANDOM SAMPLING (2)
APG Pertemuan 3 : SAMPLE GEOMETRI AND RANDOM SAMPLING (2)Rani Nooraeni
Β 
KOEFISIEN SPEARMAN RANK 2.pptx
KOEFISIEN SPEARMAN RANK 2.pptxKOEFISIEN SPEARMAN RANK 2.pptx
KOEFISIEN SPEARMAN RANK 2.pptxDepriZon1
Β 
KORELASI LINIER SEDERHANA DAN REGRESI LINIEAR.pptx
KORELASI LINIER SEDERHANA DAN REGRESI LINIEAR.pptxKORELASI LINIER SEDERHANA DAN REGRESI LINIEAR.pptx
KORELASI LINIER SEDERHANA DAN REGRESI LINIEAR.pptxEvikurniafitri
Β 
Uji Normalitas dan Homogenitas ppt-
Uji Normalitas dan Homogenitas ppt-Uji Normalitas dan Homogenitas ppt-
Uji Normalitas dan Homogenitas ppt-Aisyah Turidho
Β 
13.analisa korelasi
13.analisa korelasi13.analisa korelasi
13.analisa korelasiHafiza .h
Β 
Ppt ekonometrika analisis regresi berganda
Ppt ekonometrika analisis regresi bergandaPpt ekonometrika analisis regresi berganda
Ppt ekonometrika analisis regresi bergandaSOFIATUL JANNAH
Β 
Analisis Regresi dan Korelasi.ppt
Analisis Regresi dan Korelasi.pptAnalisis Regresi dan Korelasi.ppt
Analisis Regresi dan Korelasi.pptBambangismeOurTeam
Β 
Analisis Regresi dan Korelasi.ppt
Analisis Regresi dan Korelasi.pptAnalisis Regresi dan Korelasi.ppt
Analisis Regresi dan Korelasi.pptssusera89b03
Β 
Metode Regresi dan taksiran kuadrat terkecil dari ketepatan metode peramalan...
Metode Regresi dan taksiran kuadrat  terkecil dari ketepatan metode peramalan...Metode Regresi dan taksiran kuadrat  terkecil dari ketepatan metode peramalan...
Metode Regresi dan taksiran kuadrat terkecil dari ketepatan metode peramalan...TangkasPangestu1
Β 
ANALISIS REGRESI DAN KORELASI.pptx
ANALISIS REGRESI DAN KORELASI.pptxANALISIS REGRESI DAN KORELASI.pptx
ANALISIS REGRESI DAN KORELASI.pptxWan Na
Β 
Regegresi sederhana ayda tri_valen_virdya
Regegresi sederhana ayda tri_valen_virdyaRegegresi sederhana ayda tri_valen_virdya
Regegresi sederhana ayda tri_valen_virdyaAyda Fitriani
Β 
Uji Korelasi Parametrik dan Non Parametrik_Pertemuan 13.pdf
Uji Korelasi Parametrik dan Non Parametrik_Pertemuan 13.pdfUji Korelasi Parametrik dan Non Parametrik_Pertemuan 13.pdf
Uji Korelasi Parametrik dan Non Parametrik_Pertemuan 13.pdfStatistikInferensial
Β 
Uji Korelasi Parametrik dan Non Parametrik_Pertemuan 13.pptx
Uji Korelasi Parametrik dan Non Parametrik_Pertemuan 13.pptxUji Korelasi Parametrik dan Non Parametrik_Pertemuan 13.pptx
Uji Korelasi Parametrik dan Non Parametrik_Pertemuan 13.pptxStatistikInferensial
Β 
REGRESI-LINEAR-BERGANDA.ppt
REGRESI-LINEAR-BERGANDA.pptREGRESI-LINEAR-BERGANDA.ppt
REGRESI-LINEAR-BERGANDA.pptssuserb7d229
Β 
teknik analisis korelasi sampel kecil
teknik analisis korelasi sampel kecilteknik analisis korelasi sampel kecil
teknik analisis korelasi sampel kecilMTs Nurul Huda Sukaraja
Β 

Similar to ANALISIS KORELASI RANKING (20)

APG Pertemuan 6 : Mean Vectors From Two Populations
APG Pertemuan 6 : Mean Vectors From Two PopulationsAPG Pertemuan 6 : Mean Vectors From Two Populations
APG Pertemuan 6 : Mean Vectors From Two Populations
Β 
APG Pertemuan 3 : SAMPLE GEOMETRI AND RANDOM SAMPLING (2)
APG Pertemuan 3 : SAMPLE GEOMETRI  AND RANDOM SAMPLING (2)APG Pertemuan 3 : SAMPLE GEOMETRI  AND RANDOM SAMPLING (2)
APG Pertemuan 3 : SAMPLE GEOMETRI AND RANDOM SAMPLING (2)
Β 
Materi p15 nonpar_korelasi
Materi p15 nonpar_korelasiMateri p15 nonpar_korelasi
Materi p15 nonpar_korelasi
Β 
KOEFISIEN SPEARMAN RANK 2.pptx
KOEFISIEN SPEARMAN RANK 2.pptxKOEFISIEN SPEARMAN RANK 2.pptx
KOEFISIEN SPEARMAN RANK 2.pptx
Β 
KORELASI LINIER SEDERHANA DAN REGRESI LINIEAR.pptx
KORELASI LINIER SEDERHANA DAN REGRESI LINIEAR.pptxKORELASI LINIER SEDERHANA DAN REGRESI LINIEAR.pptx
KORELASI LINIER SEDERHANA DAN REGRESI LINIEAR.pptx
Β 
Uji Normalitas dan Homogenitas ppt-
Uji Normalitas dan Homogenitas ppt-Uji Normalitas dan Homogenitas ppt-
Uji Normalitas dan Homogenitas ppt-
Β 
13.analisa korelasi
13.analisa korelasi13.analisa korelasi
13.analisa korelasi
Β 
Ppt ekonometrika analisis regresi berganda
Ppt ekonometrika analisis regresi bergandaPpt ekonometrika analisis regresi berganda
Ppt ekonometrika analisis regresi berganda
Β 
tugas7b.pdf
tugas7b.pdftugas7b.pdf
tugas7b.pdf
Β 
Analisis Regresi dan Korelasi.ppt
Analisis Regresi dan Korelasi.pptAnalisis Regresi dan Korelasi.ppt
Analisis Regresi dan Korelasi.ppt
Β 
Analisis Regresi dan Korelasi.ppt
Analisis Regresi dan Korelasi.pptAnalisis Regresi dan Korelasi.ppt
Analisis Regresi dan Korelasi.ppt
Β 
Analisis korelasi
Analisis korelasiAnalisis korelasi
Analisis korelasi
Β 
Metode Regresi dan taksiran kuadrat terkecil dari ketepatan metode peramalan...
Metode Regresi dan taksiran kuadrat  terkecil dari ketepatan metode peramalan...Metode Regresi dan taksiran kuadrat  terkecil dari ketepatan metode peramalan...
Metode Regresi dan taksiran kuadrat terkecil dari ketepatan metode peramalan...
Β 
ANALISIS REGRESI DAN KORELASI.pptx
ANALISIS REGRESI DAN KORELASI.pptxANALISIS REGRESI DAN KORELASI.pptx
ANALISIS REGRESI DAN KORELASI.pptx
Β 
Regegresi sederhana ayda tri_valen_virdya
Regegresi sederhana ayda tri_valen_virdyaRegegresi sederhana ayda tri_valen_virdya
Regegresi sederhana ayda tri_valen_virdya
Β 
Uji Korelasi Parametrik dan Non Parametrik_Pertemuan 13.pdf
Uji Korelasi Parametrik dan Non Parametrik_Pertemuan 13.pdfUji Korelasi Parametrik dan Non Parametrik_Pertemuan 13.pdf
Uji Korelasi Parametrik dan Non Parametrik_Pertemuan 13.pdf
Β 
Uji Korelasi Parametrik dan Non Parametrik_Pertemuan 13.pptx
Uji Korelasi Parametrik dan Non Parametrik_Pertemuan 13.pptxUji Korelasi Parametrik dan Non Parametrik_Pertemuan 13.pptx
Uji Korelasi Parametrik dan Non Parametrik_Pertemuan 13.pptx
Β 
Reliabilitas
Reliabilitas Reliabilitas
Reliabilitas
Β 
REGRESI-LINEAR-BERGANDA.ppt
REGRESI-LINEAR-BERGANDA.pptREGRESI-LINEAR-BERGANDA.ppt
REGRESI-LINEAR-BERGANDA.ppt
Β 
teknik analisis korelasi sampel kecil
teknik analisis korelasi sampel kecilteknik analisis korelasi sampel kecil
teknik analisis korelasi sampel kecil
Β 

More from Agung Anggoro

Sisi Lain Distribusi Binomial dan Normal
Sisi Lain Distribusi Binomial dan NormalSisi Lain Distribusi Binomial dan Normal
Sisi Lain Distribusi Binomial dan NormalAgung Anggoro
Β 
Soal-soal Pertidaksamaan Rational (Rational Inequalities)
Soal-soal Pertidaksamaan Rational (Rational Inequalities)Soal-soal Pertidaksamaan Rational (Rational Inequalities)
Soal-soal Pertidaksamaan Rational (Rational Inequalities)Agung Anggoro
Β 
Penggunaan Kasus Ekstrem dan Generalisasi
Penggunaan Kasus Ekstrem dan GeneralisasiPenggunaan Kasus Ekstrem dan Generalisasi
Penggunaan Kasus Ekstrem dan GeneralisasiAgung Anggoro
Β 
Modul Dalil Pythagoras
Modul Dalil PythagorasModul Dalil Pythagoras
Modul Dalil PythagorasAgung Anggoro
Β 
Modul Pemecahan Masalah Matematika
Modul Pemecahan Masalah MatematikaModul Pemecahan Masalah Matematika
Modul Pemecahan Masalah MatematikaAgung Anggoro
Β 
Soal-soal Geometri Pilihan untuk SD
Soal-soal Geometri Pilihan untuk SDSoal-soal Geometri Pilihan untuk SD
Soal-soal Geometri Pilihan untuk SDAgung Anggoro
Β 
Mengomunikasikan Penilaian Kepada Siswa
Mengomunikasikan Penilaian Kepada SiswaMengomunikasikan Penilaian Kepada Siswa
Mengomunikasikan Penilaian Kepada SiswaAgung Anggoro
Β 
Decision Making dalam Psikologi Kognitif
Decision Making dalam Psikologi KognitifDecision Making dalam Psikologi Kognitif
Decision Making dalam Psikologi KognitifAgung Anggoro
Β 
Analisis SKL dan SI K13 Matematika SMA
Analisis SKL dan SI K13 Matematika SMAAnalisis SKL dan SI K13 Matematika SMA
Analisis SKL dan SI K13 Matematika SMAAgung Anggoro
Β 
Penekanan literasi informasi dan life based learning dalam pembelajaran matem...
Penekanan literasi informasi dan life based learning dalam pembelajaran matem...Penekanan literasi informasi dan life based learning dalam pembelajaran matem...
Penekanan literasi informasi dan life based learning dalam pembelajaran matem...Agung Anggoro
Β 
Latihan Soal HOTS Matematika dari READI (2016)
Latihan Soal HOTS Matematika dari READI (2016)Latihan Soal HOTS Matematika dari READI (2016)
Latihan Soal HOTS Matematika dari READI (2016)Agung Anggoro
Β 
RPP Nilai Mutlak
RPP Nilai MutlakRPP Nilai Mutlak
RPP Nilai MutlakAgung Anggoro
Β 
Islam dalam mengatur transaksi utang piutang dan angsuran (kredit)
Islam dalam mengatur transaksi utang piutang dan angsuran (kredit)Islam dalam mengatur transaksi utang piutang dan angsuran (kredit)
Islam dalam mengatur transaksi utang piutang dan angsuran (kredit)Agung Anggoro
Β 
Islam dalam mengatur transaksi utang piutang dan angsuran (kredit)
Islam dalam mengatur transaksi utang piutang dan angsuran (kredit)Islam dalam mengatur transaksi utang piutang dan angsuran (kredit)
Islam dalam mengatur transaksi utang piutang dan angsuran (kredit)Agung Anggoro
Β 
Pembelajaran Matematika Realistik (Makalah)
Pembelajaran Matematika Realistik (Makalah)Pembelajaran Matematika Realistik (Makalah)
Pembelajaran Matematika Realistik (Makalah)Agung Anggoro
Β 
Pembelajaran Matematika Realistik
Pembelajaran Matematika RealistikPembelajaran Matematika Realistik
Pembelajaran Matematika RealistikAgung Anggoro
Β 
Teori belajar gestalt
Teori belajar gestaltTeori belajar gestalt
Teori belajar gestaltAgung Anggoro
Β 
Teori belajar baruda
Teori belajar barudaTeori belajar baruda
Teori belajar barudaAgung Anggoro
Β 
Daftar Materi Matematika SMA (Revisi)
Daftar Materi Matematika SMA (Revisi)Daftar Materi Matematika SMA (Revisi)
Daftar Materi Matematika SMA (Revisi)Agung Anggoro
Β 

More from Agung Anggoro (20)

Sisi Lain Distribusi Binomial dan Normal
Sisi Lain Distribusi Binomial dan NormalSisi Lain Distribusi Binomial dan Normal
Sisi Lain Distribusi Binomial dan Normal
Β 
Soal-soal Pertidaksamaan Rational (Rational Inequalities)
Soal-soal Pertidaksamaan Rational (Rational Inequalities)Soal-soal Pertidaksamaan Rational (Rational Inequalities)
Soal-soal Pertidaksamaan Rational (Rational Inequalities)
Β 
Penggunaan Kasus Ekstrem dan Generalisasi
Penggunaan Kasus Ekstrem dan GeneralisasiPenggunaan Kasus Ekstrem dan Generalisasi
Penggunaan Kasus Ekstrem dan Generalisasi
Β 
Modul Polinom
Modul PolinomModul Polinom
Modul Polinom
Β 
Modul Dalil Pythagoras
Modul Dalil PythagorasModul Dalil Pythagoras
Modul Dalil Pythagoras
Β 
Modul Pemecahan Masalah Matematika
Modul Pemecahan Masalah MatematikaModul Pemecahan Masalah Matematika
Modul Pemecahan Masalah Matematika
Β 
Soal-soal Geometri Pilihan untuk SD
Soal-soal Geometri Pilihan untuk SDSoal-soal Geometri Pilihan untuk SD
Soal-soal Geometri Pilihan untuk SD
Β 
Mengomunikasikan Penilaian Kepada Siswa
Mengomunikasikan Penilaian Kepada SiswaMengomunikasikan Penilaian Kepada Siswa
Mengomunikasikan Penilaian Kepada Siswa
Β 
Decision Making dalam Psikologi Kognitif
Decision Making dalam Psikologi KognitifDecision Making dalam Psikologi Kognitif
Decision Making dalam Psikologi Kognitif
Β 
Analisis SKL dan SI K13 Matematika SMA
Analisis SKL dan SI K13 Matematika SMAAnalisis SKL dan SI K13 Matematika SMA
Analisis SKL dan SI K13 Matematika SMA
Β 
Penekanan literasi informasi dan life based learning dalam pembelajaran matem...
Penekanan literasi informasi dan life based learning dalam pembelajaran matem...Penekanan literasi informasi dan life based learning dalam pembelajaran matem...
Penekanan literasi informasi dan life based learning dalam pembelajaran matem...
Β 
Latihan Soal HOTS Matematika dari READI (2016)
Latihan Soal HOTS Matematika dari READI (2016)Latihan Soal HOTS Matematika dari READI (2016)
Latihan Soal HOTS Matematika dari READI (2016)
Β 
RPP Nilai Mutlak
RPP Nilai MutlakRPP Nilai Mutlak
RPP Nilai Mutlak
Β 
Islam dalam mengatur transaksi utang piutang dan angsuran (kredit)
Islam dalam mengatur transaksi utang piutang dan angsuran (kredit)Islam dalam mengatur transaksi utang piutang dan angsuran (kredit)
Islam dalam mengatur transaksi utang piutang dan angsuran (kredit)
Β 
Islam dalam mengatur transaksi utang piutang dan angsuran (kredit)
Islam dalam mengatur transaksi utang piutang dan angsuran (kredit)Islam dalam mengatur transaksi utang piutang dan angsuran (kredit)
Islam dalam mengatur transaksi utang piutang dan angsuran (kredit)
Β 
Pembelajaran Matematika Realistik (Makalah)
Pembelajaran Matematika Realistik (Makalah)Pembelajaran Matematika Realistik (Makalah)
Pembelajaran Matematika Realistik (Makalah)
Β 
Pembelajaran Matematika Realistik
Pembelajaran Matematika RealistikPembelajaran Matematika Realistik
Pembelajaran Matematika Realistik
Β 
Teori belajar gestalt
Teori belajar gestaltTeori belajar gestalt
Teori belajar gestalt
Β 
Teori belajar baruda
Teori belajar barudaTeori belajar baruda
Teori belajar baruda
Β 
Daftar Materi Matematika SMA (Revisi)
Daftar Materi Matematika SMA (Revisi)Daftar Materi Matematika SMA (Revisi)
Daftar Materi Matematika SMA (Revisi)
Β 

Recently uploaded

CASE REPORT ACUTE DECOMPENSATED HEART FAILURE 31 Desember 23.pptx
CASE REPORT ACUTE DECOMPENSATED HEART FAILURE 31 Desember 23.pptxCASE REPORT ACUTE DECOMPENSATED HEART FAILURE 31 Desember 23.pptx
CASE REPORT ACUTE DECOMPENSATED HEART FAILURE 31 Desember 23.pptxresidentcardio13usk
Β 
materi+kuliah-ko2-senyawa+aldehid+dan+keton.pdf
materi+kuliah-ko2-senyawa+aldehid+dan+keton.pdfmateri+kuliah-ko2-senyawa+aldehid+dan+keton.pdf
materi+kuliah-ko2-senyawa+aldehid+dan+keton.pdfkaramitha
Β 
Materi Makna alinea pembukaaan UUD .pptx
Materi Makna alinea pembukaaan UUD .pptxMateri Makna alinea pembukaaan UUD .pptx
Materi Makna alinea pembukaaan UUD .pptxIKLASSENJAYA
Β 
Power Point materi Mekanisme Seleksi Alam.pptx
Power Point materi Mekanisme Seleksi Alam.pptxPower Point materi Mekanisme Seleksi Alam.pptx
Power Point materi Mekanisme Seleksi Alam.pptxSitiRukmanah5
Β 
PPT Kelompok 7 Pembelajaran IPA Modul 7.pptx
PPT Kelompok 7 Pembelajaran IPA Modul 7.pptxPPT Kelompok 7 Pembelajaran IPA Modul 7.pptx
PPT Kelompok 7 Pembelajaran IPA Modul 7.pptxSDN1Wayhalom
Β 
TEMA 9 SUBTEMA 1 PEMBELAJARAN 1 KELAS 6.pptx
TEMA 9 SUBTEMA 1 PEMBELAJARAN 1 KELAS 6.pptxTEMA 9 SUBTEMA 1 PEMBELAJARAN 1 KELAS 6.pptx
TEMA 9 SUBTEMA 1 PEMBELAJARAN 1 KELAS 6.pptxSyabilAfandi
Β 
Modul ajar IPAS Kls 4 materi wujud benda dan perubahannya
Modul ajar IPAS Kls 4 materi wujud benda dan perubahannyaModul ajar IPAS Kls 4 materi wujud benda dan perubahannya
Modul ajar IPAS Kls 4 materi wujud benda dan perubahannyaAnggrianiTulle
Β 

Recently uploaded (7)

CASE REPORT ACUTE DECOMPENSATED HEART FAILURE 31 Desember 23.pptx
CASE REPORT ACUTE DECOMPENSATED HEART FAILURE 31 Desember 23.pptxCASE REPORT ACUTE DECOMPENSATED HEART FAILURE 31 Desember 23.pptx
CASE REPORT ACUTE DECOMPENSATED HEART FAILURE 31 Desember 23.pptx
Β 
materi+kuliah-ko2-senyawa+aldehid+dan+keton.pdf
materi+kuliah-ko2-senyawa+aldehid+dan+keton.pdfmateri+kuliah-ko2-senyawa+aldehid+dan+keton.pdf
materi+kuliah-ko2-senyawa+aldehid+dan+keton.pdf
Β 
Materi Makna alinea pembukaaan UUD .pptx
Materi Makna alinea pembukaaan UUD .pptxMateri Makna alinea pembukaaan UUD .pptx
Materi Makna alinea pembukaaan UUD .pptx
Β 
Power Point materi Mekanisme Seleksi Alam.pptx
Power Point materi Mekanisme Seleksi Alam.pptxPower Point materi Mekanisme Seleksi Alam.pptx
Power Point materi Mekanisme Seleksi Alam.pptx
Β 
PPT Kelompok 7 Pembelajaran IPA Modul 7.pptx
PPT Kelompok 7 Pembelajaran IPA Modul 7.pptxPPT Kelompok 7 Pembelajaran IPA Modul 7.pptx
PPT Kelompok 7 Pembelajaran IPA Modul 7.pptx
Β 
TEMA 9 SUBTEMA 1 PEMBELAJARAN 1 KELAS 6.pptx
TEMA 9 SUBTEMA 1 PEMBELAJARAN 1 KELAS 6.pptxTEMA 9 SUBTEMA 1 PEMBELAJARAN 1 KELAS 6.pptx
TEMA 9 SUBTEMA 1 PEMBELAJARAN 1 KELAS 6.pptx
Β 
Modul ajar IPAS Kls 4 materi wujud benda dan perubahannya
Modul ajar IPAS Kls 4 materi wujud benda dan perubahannyaModul ajar IPAS Kls 4 materi wujud benda dan perubahannya
Modul ajar IPAS Kls 4 materi wujud benda dan perubahannya
Β 

ANALISIS KORELASI RANKING

  • 1. Disusun Oleh : 1. Agung Anggoro 2. Agus Ahmad D 3. Hibatul Azizi 4. M. Rizki Fauzi 5. Riksa Rishanif 𝜏 π‘Š
  • 3. KOEFISIEN KORELASI RANKING PARSIAL KENDALL : 𝜏 π‘₯𝑦.𝑧 οƒ˜ Korelasi adalah pengukuran keeratan hubungan antar dua variabel. οƒ˜ Korelasi parsial mengukur korelasi antara dua buah variabel seperti perhitungan korelasi pada umumnya, namun dengan menganggap sebuah variabel (ketiga) yang dibuat konstan. οƒ˜ Perhitungan korelasi secara per bagian ini (parsial) bertujuan untuk mengukur pengaruh β€˜efek ketiga’ pada keeratan hubungan dua variabel yang dikorelasi. οƒ˜ Keeratan hubungan antara dua variabel yang diperoleh adalah murni dan langsung. οƒ˜ Data yang digunakan β€˜sekurang-kurangnya’ berskala ordinal.
  • 4. Perhatikan Tabel Berikut Subyek a b c d Rangking pada Z 1 2 3 4 Rangking pada X 3 1 2 4 Rangking pada Y 2 1 3 4 Pasangan (a, b) (a, c) (a, d) (b, c) (b, d) (c, d) Z + + + + + + X βˆ’ βˆ’ + + + + Y βˆ’ + + + + +
  • 5. Pasangan Y bertanda sama dengan Z Pasangan bertanda tak sama dengan Z Total Pasangan X bertanda sama dengan tanda Z A 4 B 0 A + B 4 Pasangan X bertanda tak sama dengan tanda Z C 1 D 1 C + D 2 Jumlah A + C 5 B + D 1 6
  • 6. 𝜏 π‘₯𝑦.𝑧 = 𝐴𝐷 βˆ’ 𝐡𝐢 (𝐴 + 𝐡)(𝐢 + 𝐷)(𝐴 + 𝐢)(𝐡 + 𝐷) 𝜏 π‘₯𝑦.𝑧 = (4)(1) βˆ’ (0)(1) 4 2 5 (1) = 0,63 (Dari Tabel 2 X 2)
  • 7. Bila terdapat angka yang sama Bila tidak terdapat angka yang tidak sama 𝜏 = 𝑆 1 2 𝑁 (𝑁 βˆ’ 1) 𝜏 = 𝑆 1 2 𝑁 𝑁 βˆ’ 1 βˆ’ 𝑇π‘₯ 1 2 𝑁 𝑁 βˆ’ 1 βˆ’ 𝑇𝑦 𝑇π‘₯ = 1 2 π‘₯ 𝑑(𝑑 βˆ’ 1) 𝑇𝑦 = 1 2 𝑦 𝑑(𝑑 βˆ’ 1) 𝝉 π’™π’š.𝒛 = 𝝉 π’™π’š βˆ’ 𝝉 π’›π’š 𝝉 𝒛𝒙 𝟏 βˆ’ 𝝉 𝒙𝒛 𝟐 )(𝟏 βˆ’ 𝝉 π’šπ’› 𝟐 Rumus Korelasi Parsial Ranking Kendall
  • 8. Uji Signifikansi 𝐻0: Tidak terdapat hubungan yang signifikan antara variabel X dan Y dengan variabel Z yang konstan 𝐻 π‘Ž: Terdapat hubungan yang signifikan antara variabel X dan Y dengan variabel Z yang konstan 𝐻0 ∢ 𝜏 π‘₯𝑦.𝑧 = 0 𝐻 π‘Ž ∢ 𝜏 π‘₯𝑦.𝑧 β‰  0 Hipotesis
  • 9. Uji Signifikansi Korelasi Partial kendal dapat dilakukan dengan uji Chi-Square 𝜏 π‘₯𝑦.𝑧 = πœ’2 𝑁 πœ’2 = (𝜏 π‘₯𝑦.𝑧)2 𝑁 Kriteria Uji : H0 di tolak jika πœ’2 β„Žπ‘–π‘‘ β‰₯ πœ’2 π‘‘π‘Žπ‘π‘’π‘™ H0 di terima jika πœ’2 β„Žπ‘–π‘‘ < πœ’2 π‘‘π‘Žπ‘π‘’π‘™
  • 10. IKHTISAR PROSEDUR 1. Misalkan X dan Y adalah dua variabel yang hubungannya akan kita tentukan, dan Z adalah variabel yang efeknya terhadap X dan Y yang diparsialkan, atau dianggap konstan. 2. Memberi ranking pada variabel X, Y, dan Z dari 1 hingga n. 3. Menentukan harga-harga observasi 𝜏 π‘₯𝑦, 𝜏 𝑦𝑧, π‘‘π‘Žπ‘› 𝜏 π‘₯𝑧. 4. Menghitung 𝜏 π‘₯𝑦.𝑧 5. Uji Signifikansi 6. Kesimpulan
  • 11. Contoh Soal Dibawah ini adalah ranking dari skor keotoriteran, perjuangan status sosial, dan penyesuaian diri pada 12 orang mahasiswa. Disajikan dalam tabel berikut: Perjuangan Stat. Sosial Keotoriteran Penyesuaian diri X Y Z A 3 2 1,5 B 4 6 1,5 C 2 5 3,5 D 1 1 3,5 E 8 10 5,0 F 11 9 6,0 G 10 8 7,0 H 6 3 8,0 I 7 4 9,0 J 12 12 10,5 K 5 7 10,5 L 9 11 12,0 Subjek Rank
  • 12. HIPOTESIS 𝐻0 ∢ Tidak terdapat hubungan yang signifikan antara perjuangan status sosial dan keotoriteran dengan penyesuaian diri β€œyang konstan” 𝐻 π‘Ž ∢ Tidak terdapat hubungan yang signifikan antara perjuangan status sosial dan keotoriteran dengan penyesuaian diri "yang konstan" Taraf signifikansi 𝛼 = 5% = 0,05
  • 13. Setelah dihitung untuk 𝜏 π‘₯𝑦, 𝜏 𝑦𝑧, π‘‘π‘Žπ‘› 𝜏 π‘₯𝑧 adalah sebagai berikut: 𝝉 π’™π’š = 𝟎, πŸ”πŸ• 𝝉 π’šπ’› = 𝟎, πŸ‘πŸ” 𝝉 𝒙𝒛 = 𝟎, πŸ‘πŸ— 𝝉 π’™π’š.𝒛 = 𝝉 π’™π’š βˆ’ 𝝉 π’šπ’› 𝝉 𝒙𝒛 (𝟏 βˆ’ 𝝉 π’šπ’› 𝟐)(𝟏 βˆ’ 𝝉 𝒙𝒛 𝟐) = 𝟎, πŸ”πŸ• βˆ’ (𝟎, πŸ‘πŸ”)(𝟎, πŸ‘πŸ—) (𝟏 βˆ’ (𝟎, πŸ‘πŸ”) 𝟐)(𝟏 βˆ’ (𝟎, πŸ‘πŸ—) 𝟐) = 0,62 Setelah dihitung untuk 𝜏 π‘₯𝑦, 𝜏 𝑦𝑧, dan 𝜏 π‘₯𝑧adalah sebagai berikut: 𝜏 π‘₯𝑦 = 0,67 𝜏 𝑦𝑧 = 0,36 𝜏 π‘₯𝑧 = 0,39 𝜏 π‘₯𝑦.𝑧 = 𝜏 π‘₯𝑦 βˆ’ 𝜏 𝑦𝑧 𝜏 π‘₯𝑧 (1 βˆ’ 𝜏 𝑦𝑧 2)(1 βˆ’ 𝜏 π‘₯𝑧 2) = 0,67 βˆ’ (0,36)(0,39) (1 βˆ’ (0,36)2)(1 βˆ’ (0,39)2) = 0,62
  • 14. Uji Signifikansi 𝜏 π‘₯𝑦.𝑧 = πœ’2 𝑁 πœ’2 = (𝜏 π‘₯𝑦.𝑧)2 𝑁 Kriteria Uji: H0 di tolak jika πœ’2 β„Žπ‘–π‘‘ β‰₯ πœ’2 π‘‘π‘Žπ‘π‘’π‘™ H0 di terima jika πœ’2 β„Žπ‘–π‘‘ < πœ’2 π‘‘π‘Žπ‘π‘’π‘™ πœ’2 = (0,62)2 12 πœ’2 = 0,03
  • 15. Taraf signifikansi Ξ± = 5% = 0,05 df = 12-1 =11 Diperoleh : πœ’2 (0,05 , 11) = 19,68 Kesimpulan H0 di terima karena πœ’2 β„Žπ‘–π‘‘ < πœ’2 π‘‘π‘Žπ‘π‘’π‘™ Yaitu, Tidak terdapat hubungan yang signifikan antara perjuangan status sosial dan keotoriteran dengan penyesuaian diri β€œyang konstan”
  • 17. Koefisien konkordansi kendall: π‘Š  Mengukur derajat asosiasi dari k buah variabel (> 2)  Dalam praktek,sering dipakai untuk menilai tingkat kesepakatan/kecocokan/korelasi antara beberapa π‘˜ pengamat dalam memberikan peringkat pada suatu set obyek.  Data berskala ordinal,interval atau rasio.
  • 18. Prosedur  Menentukan rangking terlebih dahulu pada masing masing variabel  Menghitung jumlah rangking untuk setiap obyek  Hitung nilai koefisien Konkordansi Kendall:W
  • 19. Kecocokan Sempurna Misalkan π‘˜ orang juri memberikan penilaian terhadap 𝑛 kontestan lomba berupa ranking versi masing-masing juri. Pertanyaan yang muncul adalah, bagaimanakah bentuk matriks penilaian yang ditampilkan jika tidak terdapat atau hanya terdapat sedikit sekali kecocokan penilaian diantara π‘˜ juri tersebut ? serta, bagaimanakah jika terjadi kecocokan yang sempurna dalam penilaian tersebut ?
  • 20. Kecocokan Sempurna Juri Ranking Kontestan 𝐴1 𝐴2 ... 𝐴 𝑁 𝐽1 π‘₯11 π‘₯12 ... π‘₯1𝑁 𝐽2 π‘₯21 π‘₯21 ... π‘₯2𝑁 ... ... ... ... ... 𝐽 π‘˜ π‘₯ π‘˜1 π‘₯ π‘˜2 ... π‘₯ π‘˜π‘ 𝑅𝑗 𝑗 = 1,2, … , 𝑁 𝑖=1 π‘˜ π‘₯𝑖1 𝑖=1 π‘˜ π‘₯𝑖2 ... 𝑖=1 π‘˜ π‘₯𝑖𝑁
  • 21. Kecocokan Sempurna Kecocokan sempurna akan terjadi jika tiap juri memberikan ranking dengan urutan yang sama pada 𝑛 kontestan. Dimana baris terakhir berupa penjumlahan ranking pada tiap kontestan (𝑅𝑗) akan bernilai berbeda-beda dengan kemungkinan-kemungkinan nilai hanyalah π‘˜, 2π‘˜, 3π‘˜, … , π‘›π‘˜. Matriks data seperti demikian akan menghasilkan π‘Š = 1.
  • 22. Kalkulasi 𝑾 π‘Š dihitung dengan rumus berikut π‘Š = 𝑠 1 12 π‘˜2 𝑁3 βˆ’ 𝑁 dimana 𝑠 adalah jumlah kuadrat deviasi observasi dari rataan 𝑅𝑗, yaitu (3) 𝑠 = 𝑗=1 𝑁 𝑅𝑗 βˆ’ 𝑗=1 𝑁 𝑅𝑗 2 = 𝑗=1 𝑁 𝑅𝑗 2 βˆ’ 𝑗=1 𝑁 𝑅𝑗 2 𝑁
  • 23. Kalkulasi 𝑾 Apabila terdapat objek-objek dengan ranking sama pada sebuah variabel atau lebih, maka perhitungan disesuaikan dengan rumus π‘Š = 𝑠 1 12 π‘˜2 𝑁3 βˆ’ 𝑁 βˆ’ π‘˜ 𝑗=1 π‘˜ 𝑇𝑗 𝑇𝑗 adalah hasil penjumlahan dari (𝑑3 βˆ’ 𝑑)/12 dimana 𝑑 adalah banyaknya sebuah angka ranking muncul dalam perankingan oleh variabel ke 𝑗.
  • 24. Uji Signifikansi 𝑾 𝐻0 : π‘˜ himpunan Ranking independen 𝐻 𝐴 : π‘˜ himpunan Ranking dependen
  • 25. Metode untuk menentukan apakah harga π‘Š observasi signifikan berbeda bergantung pada ukuran 𝑁 ,sbb:  Jika N dari 3-7 dan k antara 3-20 𝐻0 ditolak jika π‘ β„Žπ‘–π‘‘ β‰₯ π‘ π‘‘π‘Žπ‘π‘’π‘™ 𝐻0 diterima jika π‘ β„Žπ‘–π‘‘ < π‘ π‘‘π‘Žπ‘π‘’π‘™ π‘ π‘‘π‘Žπ‘π‘’π‘™ dapat dilihat pada tabel R (Siegel, 1986: 338)  Jika N lebih besar dari 7, menggunakan rumus: πœ’2 = π‘˜ 𝑁 βˆ’ 1 π‘Š Uji Signifikansi 𝑾
  • 26. Uji Signifikansi 𝑾 [Sampel Besar] Statistik Uji: πœ’2 = π‘˜ 𝑁 βˆ’ 1 π‘Š Kriteria Uji: H0 di tolak jika πœ’2 β„Žπ‘–π‘‘ β‰₯ πœ’2 π‘‘π‘Žπ‘π‘’π‘™ H0 di terima jika πœ’2 β„Žπ‘–π‘‘ < πœ’2 π‘‘π‘Žπ‘π‘’π‘™ Untuk πœ’2 π‘‘π‘Žπ‘π‘’π‘™ dapat dilihat dari tabel harga-harga kritis Chi-Kuadrat. Dengan: 𝑑𝑓 = 𝑁 βˆ’ 1
  • 27. Contoh Soal Ranking diberikan kepada 6 pelamar pekerjaan oleh tiga eksekutif perusahaan. Kemudian ingin diketahui apakah ada hubungan antara ranking yang diberikan oleh tiga eksekutif perusahaan tersebut. (𝛼 = 5%) Kasus Sampel Kecil dan Tidak Ada Ranking Sama
  • 28. Penilai Pelamar a b c d e f Eksekutif X 1 6 3 2 5 4 Eksekutif Y 1 5 6 4 2 3 Eksekutif Z 6 3 2 5 4 1 𝑅𝑗 8 14 11 11 11 8 𝑅𝑗 2 64 196 121 121 121 64 𝑅𝑗 2 = 687 𝑅𝑗 = 63dan
  • 29. Kalkulasi Nilai 𝑾 𝑠 = 𝑗=1 6 𝑅𝑗 2 βˆ’ 𝑗=1 6 𝑅𝑗 2 𝑁 =687βˆ’ 632 6 = 25,5 π‘Š = 𝑠 1 12 π‘˜2(𝑁3 βˆ’ 𝑁) = 25,5 1 12 (3)2(63 βˆ’ 6) = 0,16
  • 30. Uji Signifikansi Statistik uji : Karena 𝑁 < 7, maka kita menggunakan harga s sebagai statistik uji. Kriteria : 𝐻0 ditolak jika π‘ β„Žπ‘–π‘‘ β‰₯ π‘ π‘‘π‘Žπ‘π‘’π‘™ 𝐻0 diterima jika π‘ β„Žπ‘–π‘‘ < π‘ π‘‘π‘Žπ‘π‘’π‘™ 𝛼 = 0,05 Keputusan Karena π‘ β„Žπ‘–π‘‘ = 25,5 < π‘ π‘‘π‘Žπ‘π‘’π‘™ = 103,9 , maka 𝐻0 diterima Kesimpulan : Dengan tingkat keyakinan 95% kita dapat menyimpulkan bahwa Tidak terdapat kecocokan yang signifikan pada pemberian rangking oleh eksekutif X, Y, dan Z, yang artinya kecocokan yang terjadi merupakan kebetulan semata.
  • 31.
  • 32. Contoh Soal Sepuluh siswa diberi ranking berdasarkan kemampuan matematika dalam topik trigonometri oleh tiga guru yang berbeda X, Y, dan Z. Dengan 𝛼=0.05 selidikilah kecocokan ketiga guru tersebut dalam memberikan ranking kepada siswa. Kasus Sampel Besar dan Angka sama
  • 33. dan Siswa A B C D E F G H I J Guru X 3 4,5 4,5 2 1 7 7 7 9 10 Guru Y 3,5 3,5 5 1 2 6 7,5 7,5 10 9 Guru Z 3 2 5 4 1 7,5 6 9 7,5 10 𝑅𝑗 9,5 10 14,5 7 4 20,5 20,5 23,5 26,5 29 𝑅𝑗 2 90,25 100 210,25 49 16 420,25 420,25 552,25 702,25 841 𝑅𝑗 2 = 3275,5 𝑅𝑗 = 162
  • 34. Statistik Uji Karena N = 10 dan k = 3 maka kita menggunakan uji Konkordansi Kendall W untuk sampel besar. Mencari s terlebih dahulu: 𝑠 = 𝑅𝑗 βˆ’ 𝑅𝑗 𝑁 2 = 651,1 Menghitung angka yang sama: 𝑇𝑋 = 𝑑3 βˆ’ 𝑑 12 = 23 βˆ’ 2 + 33 βˆ’ 3 12 = 2,5 π‘‡π‘Œ = 𝑑3 βˆ’ 𝑑 12 = 23 βˆ’ 2 + 23 βˆ’ 2 12 = 1 𝑇𝑍 = 𝑑3 βˆ’ 𝑑 12 = 23 βˆ’ 2 12 = 0,5
  • 35. Kalkulasi 𝑾 Menghitung W: π‘Š = 𝑠 1 12 π‘˜2 𝑁3 βˆ’ 𝑁 βˆ’ 𝑇 = 651,1 1 12 32 103 βˆ’ 10 βˆ’ 4 = 0,93
  • 36. Menghitung πœ’2 πœ’2 = π‘˜ 𝑁 βˆ’ 1 π‘Š = 3 10 βˆ’ 1 0,93 = 25,09 Keputusan: Karena πœ’2 β„Žπ‘–π‘‘ = 25,09 > πœ’2 π‘‘π‘Žπ‘π‘’π‘™ = 16,92, maka 𝐻0 ditolak. Kesimpulan:Terdapat kecocokan yang signifikan pada pemberian ranking oleh guru X, Y, dan Z. Uji Signifikansi
  • 37. Hipotesis 𝐻0: Tidak terdapat kecocokan yang signifikan pada pemberian rangking oleh guru X, Y, dan Z. 𝐻 π‘Ž: Terdapat kecocokan yang signifikan pada pemberian rangking oleh guru X, Y, dan Z. Taraf Signifikan: 𝛼 = 0,05 π‘‘π‘Žπ‘› 𝑑𝑓 = 9 β†’ 𝝌 𝟐 𝜢, 𝒅𝒇 = πŸπŸ”, πŸ—πŸ Daerah Penolakan 𝐻0 H0 di tolak jika 𝝌 𝟐 π’‰π’Šπ’• β‰₯ 𝝌 𝟐 𝒕𝒂𝒃𝒆𝒍