Kalkulator Korelasi Peringkat Spearman
Kalkulator Korelasi Peringkat Spearman MiniWebtool mengukur hubungan monoton antara kumpulan data berpasangan. Alat ini menampilkan peringkat yang diberikan, menangani nilai seri, dan menyediakan diagram pencar serta perhitungan signifikansi bersama rho.
Di Gemini, tempelkan pertanyaan yang disalin ke chat. Anda juga dapat menyalinnya di bawah.Belum tahu cara menggunakannya? Tanya AI
Lihat pertanyaan
Masukkan nilai X dan Y untuk mendapatkan ρ beserta peringkat, nilai kembar, dan uji signifikansi, langkah demi langkah.
Pemblokir iklan Anda mencegah kami menampilkan iklan
MiniWebtool tetap gratis karena iklan. Jika alat ini membantu Anda, dukung kami dengan upgrade untuk penjelajahan tanpa iklan dan penggunaan harian lebih banyak, atau izinkan MiniWebtool.com lalu muat ulang.
- Izinkan iklan untuk MiniWebtool.com, lalu muat ulang
- Atau upgrade untuk tanpa iklan dan batas harian lebih tinggi
Tentang Kalkulator Korelasi Peringkat Spearman
Kalkulator Korelasi Peringkat Spearman menghitung koefisien korelasi peringkat Spearman (ρ, juga ditulis sebagai rs), sebuah ukuran non-parametrik dari kekuatan dan arah hubungan monotonik antara dua variabel peringkat. Ini bekerja dengan mengonversi data mentah ke peringkat dan kemudian mengukur korelasi antara peringkat tersebut, menjadikannya kuat terhadap pencilan dan cocok untuk data ordinal.
Sekilas
Kalkulator Korelasi Peringkat Spearman menghitung rho Spearman, ukuran berbasis peringkat untuk hubungan monotonik antara dua kumpulan data berpasangan. Alat ini menampilkan peringkat, menangani nilai seri, dan menguji signifikansi.
| Fitur | Yang didapat | Cocok untuk |
|---|---|---|
| Memasukkan data berpasangan | Masukkan nilai X dan Y yang dipisahkan koma, spasi, atau baris baru. Kedua daftar harus memiliki jumlah nilai yang sama. | Skor berpasangan, peringkat survei, dan pengukuran |
| Langkah pemeringkatan | Menunjukkan perubahan nilai mentah menjadi peringkat dan perbandingannya dalam tampilan Data Asli dan Perbandingan Peringkat. | Memeriksa langkah perhitungan untuk tugas kuliah |
| Nilai seri | Nilai yang sama mendapat rata-rata peringkatnya, misalnya 3.5 untuk nilai yang seri pada posisi 3 dan 4, lalu koreksi seri diterapkan. | Kumpulan data yang memiliki nilai berulang |
| Uji signifikansi | Uji t dua sisi dengan derajat kebebasan n dikurangi 2 pada α = 0.01, 0.05, atau 0.10. | Menentukan signifikansi statistik suatu korelasi |
| Membaca hasil | Melaporkan kekuatan dan arah korelasi, misalnya kuat, sedang, atau lemah, serta positif atau negatif. | Menafsirkan rho tanpa tabel acuan |
| Presisi dan grafik | Pilih 2 hingga 15 angka desimal dan lihat diagram pencar. Kumpulan data contoh dapat dimuat dengan satu klik. | Melaporkan hasil dengan jumlah angka desimal tertentu |
Cara Menggunakan Kalkulator Korelasi Peringkat Spearman
- Masukkan nilai X: Masukkan set data pertama Anda di kolom Variabel X, dipisahkan oleh koma, spasi, atau jeda baris.
- Masukkan nilai Y: Masukkan set data kedua Anda di kolom Variabel Y. Kedua dataset harus memiliki jumlah nilai yang sama.
- Atur presisi: Pilih jumlah tempat desimal untuk hasil Anda (2 hingga 15).
- Pilih tingkat signifikansi: Pilih α = 0.01, 0.05, atau 0.10 untuk pengujian hipotesis.
- Klik Hitung: Lihat koefisien korelasi, uji signifikansi, visualisasi, dan perhitungan langkah-demi-langkah.
Rumus Korelasi Peringkat Spearman
Untuk data tanpa nilai seri, ρ Spearman dihitung sebagai:
$$\rho = 1 - \frac{6 \sum d_i^2}{n(n^2-1)}$$
di mana \(d_i\) adalah perbedaan antara peringkat setiap pasangan observasi dan \(n\) adalah jumlah pasangan data. Ketika terdapat peringkat seri, faktor koreksi diterapkan menggunakan rumus umum berdasarkan jumlah peringkat.
Kapan Menggunakan Korelasi Spearman vs. Pearson
Pilih korelasi peringkat Spearman ketika:
- Data Anda bersifat ordinal (peringkat) alih-alih skala interval atau rasio
- Hubungan antar variabel bersifat monotonik tetapi tidak harus linier
- Data Anda mengandung pencilan yang akan mendistorsi korelasi Pearson
- Data tidak mengikuti distribusi normal
- Anda memiliki ukuran sampel yang kecil
Pilih korelasi Pearson ketika data Anda kontinu, terdistribusi normal, dan hubungannya diperkirakan linier.
Menginterpretasikan Hasil
- ρ = +1: Hubungan monotonik positif sempurna — seiring meningkatnya X, Y selalu meningkat
- ρ = −1: Hubungan monotonik negatif sempurna — seiring meningkatnya X, Y selalu menurun
- ρ = 0: Tidak ada hubungan monotonik antar variabel
- 0,7 ≤ |ρ| < 1,0: Korelasi kuat
- 0,5 ≤ |ρ| < 0,7: Korelasi sedang
- 0,3 ≤ |ρ| < 0,5: Korelasi lemah
- |ρ| < 0,3: Korelasi sangat lemah atau tidak ada korelasi
Bagaimana Peringkat Seri Ditangani
Ketika dua atau lebih observasi memiliki nilai yang sama, mereka diberikan rata-rata peringkat yang seharusnya mereka tempati. Misalnya, jika nilai pada posisi 3 dan 4 sama, keduanya menerima peringkat 3,5. Kalkulator secara otomatis mendeteksi nilai seri dan menerapkan rumus koreksi yang tepat untuk menjaga akurasi.
Pengujian Signifikansi
Kalkulator melakukan uji-t dua sisi untuk menentukan apakah korelasi tersebut signifikan secara statistik. Statistik ujinya adalah:
$$t = \frac{\rho \sqrt{n-2}}{\sqrt{1-\rho^2}}$$
Ini dibandingkan dengan nilai kritis dari distribusi-t dengan n−2 derajat kebebasan pada tingkat signifikansi yang dipilih.
Pertanyaan yang Sering Diajukan
Koefisien korelasi peringkat Spearman (ρ) adalah ukuran non-parametrik dari kekuatan dan arah hubungan monotonik antara dua variabel. Berbeda dengan korelasi Pearson yang mengukur hubungan linier, Spearman bekerja dengan data peringkat dan dapat mendeteksi hubungan monotonik apa pun. Nilai berkisar dari −1 (monotonik negatif sempurna) hingga +1 (monotonik positif sempurna), dengan 0 menunjukkan tidak ada hubungan monotonik.
Gunakan korelasi Spearman ketika data Anda bersifat ordinal, ketika hubungannya monotonik tetapi tidak harus linier, ketika data Anda mengandung pencilan, atau ketika data Anda tidak memenuhi asumsi normalitas yang diwajibkan oleh korelasi Pearson. Spearman juga tepat untuk ukuran sampel kecil dan ketika Anda ingin mengukur asosiasi tanpa mengasumsikan distribusi tertentu.
Ketika dua atau lebih observasi memiliki nilai yang sama, mereka diberikan rata-rata peringkat yang seharusnya mereka terima. Misalnya, jika dua nilai seri untuk peringkat 3 dan 4, keduanya menerima peringkat 3,5. Faktor koreksi kemudian diterapkan pada rumus untuk memperhitungkan seri ini, memastikan koefisien korelasi tetap akurat.
Korelasi Spearman yang signifikan secara statistik berarti ada bukti yang cukup untuk menolak hipotesis nol bahwa korelasi populasi adalah nol. Uji signifikansi menggunakan distribusi-t dengan n−2 derajat kebebasan. Signifikansi tidak menyiratkan sebab-akibat atau hubungan yang kuat — ini hanya menunjukkan bahwa korelasi yang diamati tidak mungkin terjadi secara kebetulan pada tingkat signifikansi yang dipilih.
Interpretasi tergantung pada konteks, tetapi panduan umum adalah: 0,9–1,0 sangat kuat, 0,7–0,89 kuat, 0,5–0,69 sedang, 0,3–0,49 lemah, dan di bawah 0,3 sangat lemah atau dapat diabaikan. Ini berlaku untuk nilai absolut ρ. Nilai negatif menunjukkan hubungan monotonik terbalik, yang bisa sama kuatnya.
Kutip konten, halaman, atau alat ini sebagai:
"Kalkulator Korelasi Peringkat Spearman" di https://MiniWebtool.com/id/kalkulator-korelasi-peringkat-spearman/ dari MiniWebtool, https://MiniWebtool.com/
oleh tim miniwebtool. Diperbarui: 15-04-2026
Mengobrol dengan AI favorit Anda
Di Gemini, tempelkan pertanyaan yang disalin ke chat. Anda juga dapat menyalinnya di bawah.
Lihat pertanyaan
Statistik dan analisis data:
- Kalkulator Ukuran Sampel Tes A/B Baru
- Kalkulator Signifikansi Uji A/B Baru
- Kalkulator ANOVA
- Kalkulator Rata-rata Aritmatika
- Kalkulator Rata-Rata - Presisi Tinggi
- Kalkulator Deviasi Rata-rata
- 📊 Pembuat Grafik Batang Baru
- Kalkulator Teorema Bayes Baru
- Kalkulator Distribusi Beta Baru
- Pembuat Diagram Kotak dan Garis
- Kalkulator Uji Chi-Square
- Kalkulator Koefisien Variasi
- Kalkulator Cohen's d
- Kalkulator Tingkat Pertumbuhan Majemuk
- Kalkulator Interval Keyakinan
- Kalkulator Interval Kepercayaan untuk Proporsi
- Kalkulator Tabel Kontingensi Baru
- Kalkulator Tingkat Konversi Baru
- Kalkulator Koefisien Korelasi
- Kalkulator Ukuran Efek Baru
- Kalkulator Distribusi Eksponensial Baru
- Kalkulator Uji F dan Distribusi F Baru
- Kalkulator Uji Pasti Fisher Baru
- Kalkulator Ringkasan Lima Angka Baru
- Kalkulator Distribusi Geometrik Baru
- Kalkulator Rata-Rata Geometris
- Kalkulator Koefisien Gini
- Kalkulator Harmonic Mean
- Pembuat Histogram
- Kalkulator Distribusi Hipergeometrik Baru
- Kalkulator Jangkauan Interkuartil
- Kalkulator Uji Kruskal-Wallis
- 📈 Pembuat Grafik Garis Baru
- Kalkulator Regresi Linier
- Kalkulator Pertumbuhan Logaritmik
- Kalkulator Uji Mann-Whitney U
- Kalkulator Deviasi Absolut Rata-rata (MAD)
- Kalkulator Rata-rata
- Kalkulator Mean, Median dan Modus
- Kalkulator Deviasi Absolut Median
- Kalkulator Median
- Kalkulator Midrange
- Kalkulator Modus
- Kalkulator Distribusi Normal Baru
- Kalkulator Odds Ratio Baru
- Kalkulator Outlier
- Kalkulator Nilai P Baru
- Pembuat Diagram Pareto Baru
- Kalkulator Persentil Baru
- 🥧 Pembuat Diagram Lingkaran Baru
- Kalkulator Deviasi Standar Populasi-Presisi Tinggi
- Kalkulator Kuartil
- Kalkulator Simpangan Kuartil
- Kalkulator Jangkauan
- Kalkulator Deviasi Standar Relatif
- Kalkulator RMS
- Kalkulator Rata-rata Sampel
- Kalkulator Ukuran Sampel
- Kalkulator Simpangan Baku Sampel
- Pembuat Diagram Sebaran
- Kalkulator Kapabilitas Proses Six Sigma Baru
- Kalkulator Korelasi Peringkat Spearman Baru
- Kalkulator Standar Deviasi - Presisi Tinggi
- Kalkulator Kesalahan Standar
- Kalkulator Statistik
- Kalkulator Uji t
- Kalkulator Varians Presisi Tinggi
- Kalkulator Distribusi Weibull Baru
- Kalkulator Z-Score