Laporan Praktikum Statistika [PDF]

Citation preview

LAPORAN PRAKTIKUM STATISTIKA NON PARAMETRIK “Pembandingan Pekerjaan Orang Tua dan Hubungan Antara Jumlah Anggota Keluarga & Indeks Prestasi Mahasiswa dengan Karakter Ekonomi Orang Tua Mahasiswa Program Studi Agribisnis Angkatan 2018”



Nama : Dhea Safya Maharani NIM : 2018-81-005 Prodi : Agribisnis



JURUSAN SOSIAL EKONOMI FAKULTAS PERTANIAN UIVERSITAS PATTIMURA 2020



Kata pengantar Puji dan syukur saya panjatkan kehadirat Tuhan Yang Maha Esa yang telah melimpahkan rahmat, karunia, dan bimbingan-Nya dalam kegiatan praktikum dan penyusunan Laporan praktikum Statistika Non Para dengan Judul “Pembandingan Pekerjaan Orang Tua dan Hubungan Antara Jumlah Anggota Keluarga & Indeks Prestasi Mahasiswa dengan Karakter Ekonomi Orang Tua Mahasiswa Program Studi Agribisnis Angkatan 2018” Laporan Akhir Praktikum ini dapat terselesaikan tidak lepas karena bantuan dan dukungan dari Dr. Ir. Edizon Jambormias, M,Si dan berbagai pihak yang dengan tulus dan sabar memberikan sumbangan baik berupa ide, materi pembahasan dan juga bantuan lainnya yang tidak dapat dijelaskan satu persatu. Laporan Akhir Praktikum ini membahas tentang Uji Korelasi Rank Spearman dan Uji Kruskal Wallis. Diharapkan dengan hadirnya laporan ini dapat memberikan gambaran tentang sebuah ilmu yang berasal dari buah pikiran manusia dan memberikan pengetahuan bagaimana cara melakukan Uji Korelasi Rank Spearman dan Uji Kruskal Wallis. Akhirnya kami menyadari sepenuhnya bahwa laporan ini masih jauh dari sempurna, oleh karena itu dengan segala kerendahan hati, kami mohon para pembaca dan pembimbing berkenan memberikan saran atau kritik demi perbaikan laporan berikutnya. Semoga laporan ini dapat memberikan suatu manfaat bagi pembaca dan semua pihak yang terlibat dalam penyusunan Laporan Praktikum ini.



ii



DAFTAR ISI Kata Pengantar.....……………………………………………………………………….ii Daftar Isi………………………………………………………………………………....iii Bab I Pendahuluan ………………………………………………………………………1 A. B. C. D.



Latar belakang …………………………………………………………………...1 Rumusan Masalah ..................................................................................................2 Tujuan ....................................................................................................................2 Hipotesis ................................................................................................................2



Bab II Tinjauan pustaka…………………………………………………………………..3 Bab III Metodologi ..................…………………………………………………………..4 A. B. C. D.



Waktu & tempat praktikum ……………………………………………………..4 Metode Pengambilan Sample…………………………………………………….4 Metode Pengumpulan Data ………………………………………………………4 Analisis Data ..........................................................................................................4



Bab IV Hasil dan Pembahasan …………………………………………………………...7 A. Hasil ........................................................................................................................7 B. Pembahasan .............................................................................................................9 Bab V Penutup ……........…………………...........……………………………………...11 Daftar Pustaka..…………………………………………………………………..............12 Lampiran 1………………………………………………….......………………………..13 Lampiran 2 …………………………………………………............................................. 14



iii



BAB I PENDAHULUAN A. Latar Belakang Statistika adalah cabang ilmu yang mempelajari tentang bagaimana mengumpulkan, menganalisis dan menginterpretasikan data. Atau dengan kata lain, statistika menjadi semacam alat dalam melakukan suatu riset empiris. Dalam menganalisis data, para ilmuwan menggambarkan persepsinya tentang suatu fenomena. Deskripsi yang sudah stabil tentang suatu fenomena seringkali mampu menjelaskan suatu teori. Walaupun demikian, orang dapat saja berargumentasi bahwa ilmu biasanya menggambarkan bagaimana sesuatu itu terjadi, bukannya mengapa. Penemuan teori baru merupakan suatu proses kreatif yang didapat dengan cara mereka ulang informasi pada teori yang telah ada atau mengesktrak informasi yang diperoleh dari dunia nyata. Pendekatan awal yang umumnya digunakan untuk menjelaskan suatu fenomena adalah statistika deskriptif. Di Indonesia Pengantar Statistika telah dicantumkan dalam kurikulum Matematika Sekolah Dasar sejak tahun 1975. Hal itu disebabkan karena sekitar lingkungan kita berada selalu berkaitan dengan Statistik. Misalnya di kantor kelurahan kita mengenal statistik desa, di dalamnya memuat keadaan penduduk mulai dari banyak penduduk, pekerjaanya, banyak anak, dan sebagainya. Dan banyaknya cara yang ditemukan untuk menghitung uji statistik, sehingga penting bagi kita mempelajarinya khususnya cara menghitung uji statistik dengan cara Spearman Rho dan Kruskal Wallis. Uji Korelasi Charles Spearman atau Spearman's Rank Correlation Coefficient atau Spearman's rho merupakan salah satu koefisien korelasi dalam metode statitika non parametrik selain Kendall, Uji Spearman’s Rho digunakan untuk menguji erat tidaknya hubungan antara 2 variabel yang berdata ordinal atau salah satu variabel berdata ordinal dan lainnya nominal maupun rasio. Terkait dengan karakteristik skala data ordinal tersebut maka uji korelasi Spearman termasuk statistik nonparametrik yaitu tidak mensyaratkan data harus berdistribusi normal. Untuk mengetahui terdapat hubungan atau tidak dapat dilihat dari nilai signifikansi dan seberapa kuat hubungan tersebut dapat dilihat dari nilai koefisien korelasi atau r. Uji Kruskal-Wallis atau yang biasa disebut kruskal wallis satu arah anova merupakan gagasan dari dua orang yaitu William kruskal dan W.allen wallis. Analisis varians satuarah berdasarkan peringkat Kruskal-Wallis yaitu teknik nonparametrik yang digunakan untuk menguji hipotesis nol yang menyatakan bahwa beberapa sampel telah ditarik dari populasi-populasi yag sama atau identik. Dan apabila kasus yang diselidiki hanya dua sampel, maka uji Kruskal-Wallis setara dengan uji Mann-Whitney. Uji Kruskal-Wallis memanfaatkan informasi yang lebih banyak ketimbang yang digunakan pada uji median. Kruskal-Wallis test—disebut juga H test—adalah suatu prosedur alternatif dari oneway ANOVA. Kruskal-Wallis test juga mengasumsikan bahwa varian antara k populasi (treatment) adalah sama, tetapi k populasi tersebut berdistribusi kontinu dan mempunyai bentuk (shape) yang sama (sedangkan shape tersebut dapat skewed, bimodal, atau apa saja). Dan tidak seperti dalam ANOVA test, Kruskal-Wallis, yang merupakan metode



1



alternatif nonparametrik, dapat digunakan untuk data respon yang ordinal atau ranked data.



B. Rumusan Masalah 1. Bagaimana analisis korelasi Rank-Spearman antara peubah-peubah jumlah anggota keluarga, penghasilan, pendapatan, pengeluaran orang tua serta indeks prestasi mahasiswa program studi Agribisnis angkatan 2018. 2. Bagaimana analisis Kruskal Wallis antara pekerjaan orang tua dan peubah-peubah jumlah anggota keluarga, penghasilan, pendapatan, pengeluaran orang tua serta indeks prestasi mahasiswa program studi Agribisnis angkatan 2018.



C. Tujuan 1. Untuk mengetahui ada atau tidaknya korelasi/hubungan antara peubah-peubah jumlah anggota keluarga, penghasilan, pendapatan, pengeluaran orang tua serta indeks prestasi mahasiswa program studi Agribisnis angkatan 2018. 2. Untuk mengetahui ada atau tidaknya perbedaan antara pekerjaan orang tua dan peubah-peubah jumlah anggota keluarga, penghasilan, pendapatan, pengeluaran orang tua serta indeks prestasi mahasiswa program studi Agribisnis angkatan 2018.



D. Hipotesis 1. Terdapat korelasi antara peubah-peubah jumlah anggota keluarga, penghasilan, pendapatan, pengeluaran orang tua serta indeks prestasi mahasiswa program studi Agribisnis angkatan 2018. 2. Korelasi antara peubah-peubah jumlah anggota keluarga, penghasilan, pendapatan, pengeluaran orang tua serta indeks prestasi mahasiswa program studi Agribisnis angkatan 2018 cenderung searah dan nyata. 3. Terdapat perbedaan antara pekerjaan orang tua dan peubah-peubah jumlah anggota keluarga, penghasilan, pendapatan, pengeluaran orang tua serta indeks prestasi mahasiswa program studi Agribisnis angkatan 2018



2



BAB II TINJAUAN PUSTAKA A. Statistika Non Parametrik Dalam statsitik inferensi, dua hal yang menjadi pokok pembicaraan adalah perkiraan parameter populasi dan pengujian hipotesis. Teknik inferensi yang pertama dikembangkan adalah mengenai pembuatan sejumlah besar asumsi sifat populasi di mana sampel telah diambil. Teknik statistik ini kemudian dikenal dengan Statistik Parametrik, karena harga – harga populasi merupakan “parameter”. Misalnya, suatu teknik inferensi mungkin didasarkan pada asumsi bahwa skor – skor telak ditarik dari populasi yang berdistribusi normal dengan parameter mean dan proporsi yang tidak diketahui. Jadi, pada statitik parametrik, distribusi populasi atau ditribusi variable randomnya mempunyai model matematik yang diketahui, akan tetapi memuat beberapa parameter yang belum diketahui (Andi,1998). Pembicaraan lebih lanjut dalam statistik inferensi adalah bilamana kita hendak menguji atau menaksir nilai karateristik suatu populasi (seperti median kwartil jangkauan dan lain-lain) yang sama sekali tidak kita ketahui distribusi populasinya, atau bahakan kita ingin mengetahui distribusi F(x) sendiri dari populasi, maka kita sedang dihadapkan dengan permasalahan statistik non parametrik atau biasa disebut juga dengan statistik bebas distribusi. Jadi, dalam statistik non parametrik tidak memerlukan asumsi-asumsi tertentu menegenai populasinya, dan juga tidak memerlukan hipotesis-hipotesis yang berhubungan dengan parameter-parameter tertentu. Pengujian nonparametrik banyak sekali digunakan untuk analisis data dari ilmu-ilmu sosial yang pada umumnya sulit untuk memenuhi asumsi-asumsi sebagaimana statistik parametrik, seperti kenormalan distribusi dan kesamaan variansi sampel dari populasi (Andi,1998). Statistik–statistik non-parametrik merupakan kumpulan alat-alat untuk analisis data yang menawarkan sebuah pendekatan yang berbeda dengan cara-cara pengambilan keputusan yang selama ini kita pelajari. Pendekatan ini tidak menekankan kepada asumsi–asumsi sebagaimana terdapat pada statistik parametrik, seperti distribusi sampel dari parameter populasi dianggap normal (Sarwoko,2007). B. Uji Korelasi Rank Spearman Korelasi Rank Spearman digunakan untuk mencari hubungan atau untuk menguji signifikan hipotesis asosiatif bila masing-masing variable yang dihubungkan berbentuk ordinal, dan sumber data antar variable tidak harus sama. Ukuran asosiasi yang sering digunakan adalah koefisien korelasi peringkat Spearman (Spearman rank correlation coefficient) yang diperkenalkan oleh Spearman (1904). C. Uji Kruskal Walllis Teknik ini digunakan untuk menguji hipotesis k sampel independen bila datanya berbentuk ordinal. Bila dalam pengukuran ditemukan data berbentuk interval/rasio, maka perlu dirubah dulu ke dalam data ordinal ( data berbentuk rangking/peringkat). Uji Kruskal-Wallis (Kruskal-Wallis one-way analysis of variance by ranks) adalah teknik statistika nonparametrik yang digunakan untuk menguji hipotesis awal bahwa beberapa contoh berasal dari populasi yang sama/identik. Jika hanya melibatkan dua contoh, uji Kruskal-Wallis ekuivalen dengan uji Mann-Whitney. Uji Kruskal-Wallis digunakan untuk rancangan acak lengkap. 3



4



BAB III METODOLOGI A. Waktu dan Tempat Pelaksanaan Praktikum Praktikum ini mulai dilakukan pada hari Selasa tanggal 7 Januari 2020 dan selesai pada hari Jumat tanggal 10 Januari 2020. Praktikum berlokasi di Universitas Pattimura, Fakultas Pertanian, Jurusan Sosial Ekonomi, Program Studi Agribisni.



B. Metode Pengambilan Sampel Metode pengambilan sampel yang digunakan ialah metode Purposive Sampling. Metode ini menggunakan kriteria yang telah dipilih oleh peneliti dalam memilih sampel. Kriteria pemilihan sampel terbagi menjadi kriteria inklusi dan eksklusi. Sample yang dipilih yaitu Mahasiswa Program Studi Agribisnis Angkatan 2018 sebanyak 38 Orang.



C. Metode Pengumpulan Data Metode yang digunakan dalam mengumpulkan data ialah Wawancara. Metode Wawancara merupakan teknik pengumpulan data yang dilakukan melalui tatap muka dan tanya jawab langsung antara pengumpul data maupun peneliti terhadap narasumber atau sumber data. Wawancara pada penelitian sampel besar biasanya hanya dilakukan sebagai studi pendahuluan karena tidak mungkin menggunakan wawancara pada 1000 responden, sedangkan pada sampel kecil teknik wawancara dapat diterapkan sebagai teknik pengumpul data. Sumber data terbagi menjadi dua yaitu data primer dan data sekunder. Data primer adalah data yang diperoleh peneliti secara langsung (dari tangan pertama), sementara data sekunder adalah data yang diperoleh peneliti dari sumber yang sudah ada. Sumber data yang digunakan ialah data primer. Dimana data primer merupakan data yang saya kumpulkan dengan cara mewawancarai narasumber.



D. Analisis Data 1. Uji Rank Spearman  Asumsi 1. Data terdiri dari contoh acak sebanyak n pasang pengamatan, dapat berupa numeric maupun non-numerik. 2. Setiap pengamatan berpasangan menggambarkan dua pengukuran yang diambil dari objek yang sama, disebut unit asosiasi.  Hipotesis 1. H0 : X dan Y saling bebas H1 : X dan Y memiliki hubungan searah atau berkebalikan 2. H0 : X dan Y saling bebas H1 : X dan Y memiliki hubungan searah 3. H0 : X dan Y saling bebas H1: X dan Y memiliki hubungan berkebalikan  Statistik Uji Prosedur untuk menghitung statistik uji korelasi peringkat Spearman antara peubah X dan Y, adalah sebagai berikut : 1. Urutkan nilai-nilai pengamatan peubah X dari yang paling kecil hingga paling besar. Peringkat untuk nilai ke-i ditulis sebagai R(Xi). Jika Xi adalah nilai terkecil pada peubah X, maka R(Xi)=1. 2. Lakukan langkah 1 untuk peubah Y. 3. Jika ada beberapa nilai yang sama (ties) berikan peringkat tengah (midrank). 5







4. Statistik uji korelasi peringkat Spearman adalah : Rs = 1⁻ dalam hal ini i² = Σ [R(Xi) – (Yi)]² Statistik uji r s merupakan koefisien korelasi peringkat Spearman yang mengukur keeratan hubungan antara peringkat-peringkat pengamatan contoh. Ties. Jika ada nilai yang sama (ties) baik pada peubah X maupun Y maka diberikan peringkat tengah (mid-rank). Ties sangat kecil pengaruhnya terhadap nilai hitung rs, kecuali dalam jumlah yang banyak. Ketika data mengandung ties, rs dapat dikoreksi jika diinginkan. Jika tx dan ty adalah banyaknya pengamatan X dan Y yang ties dan misalkan : Tx = ΣX² = – ΣTx Yx = ΣY² = – ΣYx Jika koreksi terhadap ties diterapkan, maka statistik uji menjadi : rs*= Kaidah Keputusan a. Tolak H0 jika nilai mutlak statistik uji |r s| lebih besar dari nilai tabel untuk ukuran contoh n dan taraf nyata α(2) b. Tolak H0 jika nilai statistik uji r s lebih besar dari nilai tabel untuk ukuran. contoh n dan taraf nyata α(1) c. Tolak H0 jika nilai statistik uji r s lebih kecil dari nilai tabel untuk ukuran. contoh n dan taraf nyata α(1). d. Tolak H0 jika p-value lebih kecil dari α e. Terima H0 jika p-value lebih besar dari α f. P-Value > 0,05 = hubungan tidak nyata g. P-Value < 0,01 = hubungan sangat nyata h. P-Value > 0,01 dan P value ≤ 0,05 = hubungan cukup nyata



2. Uji Kruskal Wallis  Asumsi a. Data terdiri dari contoh acak X1 , X2 , …, Xn yang berasal dari populasi 1 dengan median Mx , dan contoh acak Y1, Y2 , …, Yn dari populasi 2 dengan median My . Nilai Mx dan My tidak diketahui. b. Kedua contoh saling bebas c. Peubah acak bersifat kontinu d. Skala pengukuran minimal ordinal e. Fungsi sebarandari keduapopulasi hanya dipisahkan oleh lokasi parameter  Hipotesis Ho : M1 = M2 = …. = Mk atau k populasi mempunyai fungsi sebaran yang identik H1 : Ada minimal satu Mi ≠ Mj dimana i ≠ j dan i, j = 1, 2, …, k  Statistik Uji 1. Seperti halnya uji Mann-Whitney, gabungkan seluruh data contoh, sehingga akan ada sebanyak n1 + n2 + …. + nk = N pengamatan 2. Peringkatkan setiap pengamatan dari yang terkecil hingga terbesar. Jika terdapat ties (nilai yang sama), beri peringkat tengah (mid-rank).



6







3. Hitung jumlah peringkat untuk setiap contoh, nyatakan masing-masing sebagai Rᵢ. 4. Statistik uji Kruskal-Wallisdapat diperoleh melalui rumus : H = - 3(N – 1) Dalam hal ini R i adalah jumlah peringkat untuk contoh ke-i, n i adalah jumlah pengamatan pada contoh ke-i, dan N adalah total pengamatan. Jika ada ties, statistik uji perlu dikoreksi dengan faktor : 1 - dalam hal ini T = t³ - t dan t adalah banyaknya ties. Kaidah Keputusan a. Jika hanya melibatkan tiga contoh/perlakuan (k=3) dan setiap contoh terdiri dari lima atau kurang pengamatan, gunakan tabel KruskalWallis. Tolak H0 jika H atau Hc ˃ ꭓ α b. Jika tabel Kruskall Wallis tidak dapat digunakan, gunakan table khikuadrat. Tolak H0 jika H atau Hc ˃ ꭓ² α,k-1 c. Tolak H0 jika p-value lebih kecil dari α d. Terima H0 jika p-value lebih besar dari α



7



BAB IV HASIL DAN PEMBAHASAN A. Hasil 1. Analisis Korelasi Rank Spearman Hasil analisis Rank Spearman menunjukan ada tidaknya korelasi pada setiap peubah-peubah (Tabel 1). Tabel 1 : Hasil Uji Rank Spearman X1 1 X2 0,765** 1 X3 0,732** 0,902** 1 X4 0,292tn 0,168tn 0,336* 1 X5 0,468** 0,506** 0,606** 0,183tn 1 Ket : X1 : Pendapatan, X2 : Penghasilan, X3 : Pengeluaran, X4 : Jumlah Anggota Keluarga, X5 : Indeks Prestasi Mahasiswa. * = Nyata ** = Sangat Nyata tn = Tidak Nyata Hipotesis



 H0 : tidak adanya hubungan antara variabel  H1 : adanya hubungan antara variabel  Hubungan antara penghasilan dengan pendapatan Hasil output minitab antara penghasilan dengan pendapatan menunjukan bahwa nilai spearman rho = 0,765 dan p-value = 0,000. Dapat disimpulkan bahwa H0 ditolak karena p-value = 0,000 < α = 0,05 sehingga antara penghasilan dengan pendapatan memiliki hubungan. Nilai P-Value menunjukan bahwa arah korelasi positif dengan kekuatan korelasi sangat nyata.  Hubungan antara pengeluaran dengan pendapatan Hasil output minitab antara pengeluaran dengan pendapatan menunjukan bahwa nilai spearman rho = 0,732 dan p-value = 0,000. Dapat disimpulkan bahwa H0 ditolak karena p-value = 0,000 < α = 0,05 sehingga antara pengeluaran dengan pendapatan memiliki hubungan. Nilai P-Value menunjukan bahwa arah korelasi positif dengan kekuatan korelasi sangat nyata.  Hubungan antara jumlah anggota keluarga dengan pendapatan Hasil output minitab antara jumlah anggota keluarga dengan pendapatan menunjukan bahwa nilai spearman rho = 0,292 dan p-value = 0,075. Dapat disimpulkan bahwa H0 diterima karena p-value = 0,075 > α = 0,05 sehingga antara jumlah anggota keluarga dengan pendapatan tidak memiliki hubungan atau tidak nyata.  Hubungan antara IPK dengan pendapatan Hasil output minitab antara IPK dengan pendapatan menunjukan bahwa nilai spearman rho = 0,468 dan p-value = 0,003. Dapat disimpulkan bahwa H0 ditolak karena p-value = 0,003 < α = 0,05 sehingga antara IPK dengan pendapatan memiliki hubungan. Nilai P8



























Value menunjukan bahwa arah korelasi positif dengan kekuatan korelasi sangat nyata. Hubungan antara pengeluaran dengan penghasilan Hasil output minitab antara pengeluaran dengan penghasilan menunjukan bahwa nilai spearman rho = 0,902 dan p-value = 0,000. Dapat disimpulkan bahwa H0 ditolak karena p-value = 0,000 < α = 0,05 sehingga antara pengeluaran dengan penghasilan memiliki hubungan. Nilai p-value menunjukan bahwa arah korelasi positif dengan kekuatan korelasi sangat nyata. Hubungan antara jumlah anggota keluarga dengan penghasilan Hasil output minitab antara jumlah anggota keluarga dengan penghasilan menunjukan bahwa nilai spearman rho = 0,168 dan pvalue = 0,312. Dapat disimpulkan bahwa H0 diterima karena p-value = 0,312 > α = 0,05 sehingga antara jumlah anggota keluarga dengan pennghasilan tidak memiliki hubungan atau tidak nyata. Hubungan antara IPK dengan penghasilan Hasil output minitab antara IPK dengan penghasilan menunjukan bahwa nilai spearman rho = 0,506 dan p-value = 0,001. Dapat disimpulkan bahwa H0 ditolak karena p-value = 0,001 < α = 0,05 sehingga antara IPK dengan penghasilan memiliki hubungan. Nilai pvalue menunjukan bahwa arah korelasi positif dengan kekuatan korelasi sangat nyata. Hubungan antara jumlah anggota keluarga dengan pengeluaran Hasil output minitab antara jumlah anggota keluarga dengan pengeluaran menunjukan bahwa nilai spearman rho = 0,336 dan pvalue = 0,039. Dapat disimpulkan bahwa H0 ditolak karena p-value = 0,039 < α = 0,05 sehingga antara jumlah anggota keluarga dengan pengeluaran memiliki hubungan. nilai p-value menunjukan bahwa arah korelasi positif dengan kekuatan korelasi cukup nyata. Hubungan antara IPK dengan pengeluaran Hasil output minitab antara IPK dengan pengeluaran menunjukan bahwa nilai spearman rho = 0,606 dan p-value = 0,000. Dapat disimpulkan bahwa H0 ditolak karena p-value = 0,000 < α = 0,05 sehingga antara IPK dengan pengeluaran memiliki hubungan. Nilai pvalue menunjukan bahwa arah korelasi positif dengan kekuatan korelasi sangat nyata. Hubungan antara jumlah anggota keluarga dengan IPK Hasil output minitab antara jumlah anggota keluarga dengan IPK menunjukan bahwa nilai spearman rho = 0,183 dan p-value = 0,272. Dapat disimpulkan bahwa H0 diterima karena p-value = 0,272 > α = 0,05 sehingga antara jumlah anggota keluarga dengan IPK tidak memiliki hubungan atau tidak nyata.



2. Analisis Kruskal Wallis Hipotesis  H0 : tidak adanya perbedaan  H1 : adanya perbedaan  Pendapatan Vs Pekerjaan Hasil output minitab pendapatan vs pekerjaan menunjukan bahwa pvalue = 0,000 dan p-value (adjusted for ties) = 0,000. Dapat 9



















disimpulkan bahwa H0 ditolak karena p-value = 0,000 < α = 0,05 sehingga antara jumlah pendapatan dengan pekerjaan memiliki perbedaan. Penghasilan Vs Pekerjaan Hasil output minitab penghasilan vs pekerjaan menunjukan bahwa pvalue = 0,001 dan p-value (adjusted for ties) = 0,001. Dapat disimpulkan bahwa H0 ditolak karena p-value = 0,001 < α = 0,05 sehingga antara jumlah penghasilan dengan pekerjaan memilliki perbedaan. Pengeluaran Vs Pekerjaan Hasil output minitab pengeluaran vs pekerjaan menunjukan bahwa pvalue = 0,002 dan p-value (adjusted for ties) = 0,002. Dapat disimpulkan bahwa H0 ditolak karena p-value = 0,002 < α = 0,05 sehingga antara jumlah pengeluaran dengan pekerjaan memiliki perbedaan. Jumlah anggota keluarga Vs Pekerjaan Hasil output minitab jumlah anggota keluarga vs pekerjaan menunjukan bahwa p-value = 0,602 dan p-value (adjusted for ties) = 0,574. Dapat disimpulkan bahwa H0 diterima karena p-value = 0,602 > α = 0,05 sehingga antara jumlah pendapatan dengan pekerjaan tidak memiliki perbedaan. IPK Vs Pekerjaan Hasil output minitab pendapatan vs pekerjaan menunjukan bahwa pvalue = 0,396 dan p-value (adjusted for ties) = 0,395. Dapat disimpulkan bahwa H0 diterima karena p-value = 0,396 > α = 0,05 sehingga antara IPK dengan pekerjaan tidak memiliki perbedaan.



B. Pembahasan 1. Analisis Rank Spearman  Hubungan Antara Penghasilan dan Pendapatan Pengeluaran dan pendapatan memiliki hubungan yang sangat nyata. Hubungan ini bersifat positif atau jika penghasilan sesorang tinggi maka pendapatan pun akan tinggi atau sebaliknya.  Hubungan antara pengeluaran dengan pendapatan Pengeluaran dengan pendapatan memiliki hubungan yang sangat nyata. Hubungan ini bersifat positif atau apabila pendapatan seseorang tinggi maka pengeluarannya pun tinggi atau sebaliknya.  Hubungan antara jumlah anggota keluarga dengan pendapatan Jumlah anggota keluarga dengan pendapatan tidak memiliki hubungan apapun dalam hal ini keduanya tidak saling mempengaruhi.  Hubungan antara IPK dengan pendapatan IPK dengan pendapatan memiliki hubungan yang sangat nyata. Hubungan ini bersifat positif atau apabila pendapatan orang tua tinggi maka IPK mahasiswa agribisnis angkatan 2018 pun tinggi atau sebaliknya.  Hubungan antara pengeluaran dengan penghasilan Pengeluaran dengan penghasilan memiliki hubungan yang sangat nyata. Hubungan ini bersifat positif atau apabila pengeluaran seseorang tinggi maka penghasilan pun tinggi atau sebaliknya.  Hubungan antara jumlah anggota keluarga dengan penghasilan 10



















Jumlah anggota keluarga dengan penghasilan tidak memiliki hubungan apapun dalam hal ini keduanya tidak saling mempengaruhi. Hubungan antara IPK dengan penghasilan IPK dengan penghasilan memiliki hubungan yang sangat nyata. Hubungan ini bersifat positif atau apabila penghasilan orang tua tinggi maka IPK mahasiswa agribisnis angkatan 2018 pun tinggi atau sebaliknya. Hubungan antara jumlah anggota keluarga dengan pengeluaran Jumlah keluarga dengan pengeluaran memiliki hubungan yang cukup nyata. Hubungan ini bersifat positif atau apabila jumlah anggota keluarga banyak maka pengeluarannya pun akan banyak atau sebaliknya. Hubungan antara IPK dengan pengeluaran Hubungan antara IPK dengan pengeluaran sangat nyata. Hubungan ini bersifat positif atau apabila IPK tinggi maka pengeluaran pun tinggi begitu juga sebaliknya. Hubungan antara jumlah keluarga dengan IPK Jumlah anggota keluarga dengan IPK tidak memiliki hubungan apapun dalam hal ini keduanya tidak saling mempengaruhi.



2. Analisis Kruskal Wallis  Pendapatan Vs Pekerjaan Antara jumlah pendapatan dengan pekerjaan memiliki perbedaan.  Penghasilan Vs Pekerjaan Antara jumlah penghasilan dengan pekerjaan memilliki perbedaan.  Pengeluaran Vs Pekerjaan Antara jumlah pengeluaran dengan pekerjaan memiliki perbedaan.  Jumlah anggota keluarga Vs Pekerjaan Antara jumlah pendapatan dengan pekerjaan tidak memiliki perbedaan.  IPK Vs Pekerjaan Antara IPK dengan pekerjaan tidak memiliki perbedaan.



11



BAB V PENUTUP Kesimpulan Berdasarkan hasil prraktikum dapat disimpulkan bahwa : 1. Korelasi Rank Spearman digunakan untuk mencari hubungan atau untuk menguji signifikan hipotesis asosiatif bila masing-masing variable yang dihubungkan berbentuk ordinal, dan sumber data antar variable tidak harus sama. 2. Uji Kruskal-Wallis (Kruskal-Wallis one-way analysis of variance by ranks) adalah teknik statistika nonparametrik yang digunakan untuk menguji hipotesis awal bahwa beberapa contoh berasal dari populasi yang sama/identik. Jika hanya melibatkan dua contoh, uji Kruskal-Wallis ekuivalen dengan uji Mann-Whitney. Uji Kruskal-Wallis digunakan untuk rancangan acak lengkap. 3. Berdasarkan Uji Korelasi Rank Spearman kita dapat mengetahui bahwa :  Penghasilan dengan pendapatan memiliki hubungan yang sangat nyata dan positif.  Pengeluaran dengan pendapatan memiliki hubungan yang sangat nyata dan positif.  Jumlah anggota keluarga dengan pendapatan tidak memiliki hubungan.  IPK dengan pendapatan memiliki hubungan yang sangat nyata dan positif.  Pengeluaran dengan penghasilan memiliki hubungan yang sangat nyata dan positif.  Jumlah anggota keluarga dengan penghasilan tidak memiliki hubungan.  IPK dengan penghasilan memiliki hubungan yang sangat nyata dan positif.  jumlah anggota keluarga dengan pengeluaran memiliki hubungan yang cukup nyata dan positif.  IPK dengan pengeluaran memiliki hubungan yang sangat nyata dan positif.  Hubungan antara jumlah anggota keluarga dengan IPK tidak memiliki hubungan. 4. Berdasarkan Uji Kruskal Wallis  Jumlah pendapatan dengan pekerjaan memiliki perbedaan.  Jumlah penghasilan dengan pekerjaan memilliki perbedaan.  Jumlah pengeluaran dengan pekerjaan memiliki perbedaan.  Jumlah pendapatan dengan pekerjaan tidak memiliki perbedaan.  IPK dengan pekerjaan tidak memiliki perbedaan.



12



Daftar Pustaka https://getut.staff.uns.ac.id/files/2014/02/KD4_4Korelasi-Spearman.pdf diakses pada tanggal 22 Januari 2020 https://digensia.wordpress.com/2013/07/09/uji-korelasi-spearman/ diakses pada tanggal 22 Januari 2020 https://tu.laporanpenelitian.com/2015/05/67.html diakses pada tanggal 22 Januari 2020 https://www.statistikian.com/2014/07/uji-kruskall-wallis-h.html diakses pada tanggal 22 Januari 2020 https://statmat.id/uji-kruskal-wallis/ diakses pada tanggal 22 Januari 2020 https://statistikceria.blogspot.com/2014/06/uji-kruskal-wallis.html diakses pada tanggal 22 Januari 2020 https://statistikceria.blogspot.com/2014/05/teori-analisis-korelasi.html diakses pada tanggal 22 Januari 2020 https://www.coursehero.com/file/p7cd3gm/uji-rata-rata-rangking-dengan-rumus-sebagaiberikut-i-i-H-n-n-k-N-K-N-S-k-N-db/ diakses pada tanggal 22 Januari 2020 https://en.wikipedia.org/wiki/Spearman%27s_rank_correlation_coefficient diakses pada tanggal 22 Januari 2020



13



Lampiran 1 Data Responden



NO



NAMA MAHASISWA



JUMLAH ANGGOTA KELUARGA



1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38



Wa Ode Surina Judin Armedia Boeng Ancelina Ohoiledwarin Desire Sofia Luturkey Daniel L. Lompira Andini Putri Sindra P Tanate Andra Sangita Pelu Herminus Ajina Mitha Bazergan Meirani Putri Azizah Barkah Shafira Nur Ida Wati Siti Sulasmi Rumfot Rosna Wabula Eka Hermawanti Waita Nuranisah Raudatul Jana Bugis Ayu Harnanti Hardin Lamani Miranti Lela Pratiwi Sri Husna Rifai Malawat Helmi Dwi Suciati Villia G Paays Jusyan Dona Kailuhu Muh. Fajrin Anwar Julio D Tunyluhulima Rahmawati Rumateor Sinta Wahyuni Marsel Sahetapy Muhammad syahroni Elisya Sopaheluwakan La Jais Saiful Muhammad Sellin Bairat Nisa Sandra Arfa Ely Diah Ayu Puspanegara



6 6 8 3 3 5 3 4 3 7 4 4 4 4 3 4 6 3 4 2 5 5 4 5 6 8 5 3 3 5 5 5 6 5 2 5 5 3



PENDAPATAN ORANG TUA



PENGASILAN (TAHUNAN)



PENGELUAR AN (TAHUNAN)



PEKERJAAN ORANG TUA



IPK



Rp 1.000.000 Rp 2.000.000 Rp 1.000.000 Rp 4.600.000 Rp 1.500.000 Rp 1.000.000 Rp 1.000.000 Rp 1.500.000 Rp 1.000.000 Rp 2.800.000 Rp 7.500.000 Rp 8.000.000 Rp 958.000 Rp 4.000.000 Rp 5.000.000 Rp 958.000 Rp 1.600.000 Rp 958.000 Rp 1.500.000 Rp 1.000.000 Rp 1.250.000 Rp 3.000.000 Rp 500.000 Rp 4.200.000 Rp 8.000.000 Rp 5.000.000 Rp 1.500.000 Rp 3.000.000 Rp 1.500.000 Rp 1.500.000 Rp 2.000.000 Rp 3.000.000 Rp 5.100.000 Rp 3.500.000 Rp 400.000 Rp 6.000.000 Rp 2.000.000 Rp 2.000.000



Rp 12.000.000 Rp 17.000.000 Rp 12.000.000 Rp 55.000.000 Rp 18.000.000 Rp 12.600.000 Rp 12.000.000 Rp 18.000.000 Rp 12.000.000 Rp 32.400.000 Rp 90.000.000 Rp 96.000.000 Rp 25.000.000 Rp 30.000.000 Rp 60.000.000 Rp. 25.000.000 Rp 14.400.000 Rp 25.000.000 Rp 18.000.000 Rp 12.000.000 Rp 11.000.000 Rp 36.000.000 Rp 5.200.000 Rp 50.400.000 Rp 96.000.000 Rp 60.000.000 Rp 50.000.000 Rp 36.000.000 Rp 18.000.000 Rp 25.000.000 Rp 24.000.000 Rp 36.000.000 Rp 63.000.000 Rp 45.000.000 Rp 4.800.000 Rp 13.200.000 Rp 24.000.000 Rp 24.000.000



Rp 11.520.000 Rp 7.000.000 Rp 12.000.000 Rp 55.000.000 Rp 7.500.000 Rp 13.000.000 Rp 6.000.000 Rp 9.000.000 Rp 6.000.000 Rp 26.600.000 Rp 75.000.000 Rp 90.000.000 Rp 13.500.000 Rp 18.000.000 Rp 30.000.000 Rp 13.500.000 Rp 32.100.000 Rp 13.500.000 Rp 14.000.000 Rp 6.000.000 Rp 10.000.000 Rp 34.000.000 Rp 3.800.000 Rp 42.000.000 Rp 96.000.000 Rp 60.000.000 Rp 40.000.000 Rp 34.000.000 Rp 12.000.000 Rp 50.000.000 Rp 12.000.000 Rp 30.000.000 Rp 65.000.000 Rp 30.000.000 Rp 300.000 Rp 10.000.000 Rp 15.000.000 Rp 15.000.000



Petani Petani Petani PNS wiraswasta Petani Petani Petani petani wiraswasta PNS PNS Petani PNS Wirausaha petani petani petani Wirausaha nelayan petani Karyawan Petani Wiraswasta PNS PNS Wirausaha PNS Wiraswasta Petani Wiraswasta Wirausaha PNS Wirausaha Wirausaha wirausaha Petani Wiraswasta



3,00 2,39 2,72 3,05 2,25 2,87 3,05 3,08 3,00 3,85 3,75 3,50 3,63 3,25 3,66 3,29 3,61 3,37 3,61 3,03 3,39 3,11 2,75 3,45 3,85 3,50 3,06 3,50 3,00 3,75 2,35 3,32 3,60 2,20 2,60 3,71 3,18 3,45



14



Lampiran 2 Hasil Minitab Analisis Korelasi Rank Spearman



Hasil Minitab Analisis Kruskal Wallis Kruskal-Wallis Test: pendapatan versus pekerjaan Kruskal-Wallis Test on pendapatan pekerjaan karyawan nelayan petani PNS wiraswasta wirausaha Overall H = 22,78 H = 23,01



N 1 1 15 8 6 7 38



Median 3000000 1000000 1000000 5050000 2000000 3000000



DF = 5 DF = 5



Ave Rank 26,0 8,5 10,8 32,9 21,3 21,9 19,5



P = 0,000 P = 0,000



Z 0,59 -1,00 -3,91 3,85 0,44 0,64



(adjusted for ties)



* NOTE * One or more small samples



Kruskal-Wallis Test: penghasilan versus pekerjaan Kruskal-Wallis Test on penghasilan pekerjaan karyawan nelayan petani PNS wiraswasta wirausaha Overall H = 20,41 H = 20,52



N 1 1 15 8 6 7 38



Median 36000000 12000000 14400000 61500000 24000000 36000000



DF = 5 DF = 5



Ave Rank 27,0 6,0 12,0 32,8 20,2 20,7 19,5



P = 0,001 P = 0,001



Z 0,68 -1,23 -3,37 3,81 0,16 0,32



(adjusted for ties)



* NOTE * One or more small samples



15



Kruskal-Wallis Test: pengeluaran versus pekerjaan Kruskal-Wallis Test on pengeluaran pekerjaan karyawan nelayan petani PNS wiraswasta wirausaha Overall H = 18,75 H = 18,79



N 1 1 15 8 6 7 38



Median 34000000 6000000 12000000 62500000 13500000 30000000



DF = 5 DF = 5



Ave Rank 28,5 4,0 13,5 32,9 17,9 19,2 19,5



P = 0,002 P = 0,002



Z 0,82 -1,41 -2,67 3,85 -0,38 -0,08



(adjusted for ties)



* NOTE * One or more small samples



Kruskal-Wallis Test: jumlah anggota keluarga versus pekerjaan Kruskal-Wallis Test on jumlah anggota keluarga pekerjaan karyawan nelayan petani PNS wiraswasta wirausaha Overall H = 3,64 H = 3,83



N 1 1 15 8 6 7 38 DF = 5 DF = 5



Median 5,000 2,000 5,000 4,000 4,000 5,000



Ave Rank 25,0 1,5 21,3 20,5 17,8 17,7 19,5



P = 0,602 P = 0,574



Z 0,50 -1,64 0,81 0,29 -0,40 -0,47



(adjusted for ties)



* NOTE * One or more small samples



Kruskal-Wallis Test: IPK versus pekerjaan Kruskal-Wallis Test on IPK pekerjaan karyawan nelayan petani PNS wiraswasta wirausaha Overall H = 5,16 H = 5,17



N 1 1 15 8 6 7 38 DF = 5 DF = 5



Median 3,110 3,030 3,080 3,500 3,225 3,320



Ave Rank 17,0 12,0 17,0 26,9 16,9 19,9 19,5



P = 0,396 P = 0,395



Z -0,23 -0,68 -1,10 2,13 -0,62 0,11



(adjusted for ties)



* NOTE * One or more small samples



16