BAB 1
PENDAHULUAN
1.1 Latar Belakang
Bagi kebanyakan orang, statistika dianggap suatu ilmu yang ruwet, penuh dengan rumus-rumus yang rumit dan diperlukan ketelitian serta ketepatan dalam
menghitungnya. Walau demikian dalam dunia penelitian atau riset, di mana pun dilakukakan bukan saja telah mendapat manfaat yang baik dari statistika tetapi
sering harus menggunakannya. Untuk mengetahui apakah cara yang baru ditemukan lebih baik dari pada cara lama, melalui riset yang dilakukan di
laboraturium, atau penelitian yang dilakukan di lapangan, perlu diadakan penilaian dengan statistika.
Statistika juga telah cukup mampu untuk menentukan apakah faktor yang satu dipengaruhi atau mempengaruhi faktor lainnya. Kalau ada hubungan antara
faktor-faktor, berapa kuat adanya hubungan itu. Penelitian dibidang ilmu sosial seringkali menjumpai kesulitan untuk memperoleh data kontinu yang menyebar
mengikuti distribusi normal. Data penelitian ilmu-ilmu sosial yang diperoleh kebanyakan hanya berupa kategori yang hanya dapat dihitung frekuensinya atau
berupa data yang hanya dapat dibedakan berdasarkan tingkatan atau rankingnya.
Pada kasus data kategorikal atau data ordinal penulis menggunakan metode statistik nonparametrik. Metode statistik nonparametrik adalah suatu
metode yang modelnya tidak menetapkan syarat-syarat mengenai parameter- parameter populasi yang merupakan induk sampel penelitiannya. Metode statistik
nonparametrik tidak membutuhkan suatu pengukuran dengan tingkat ketelitian yang tinggi seperti metode statistik parametrik.
Universitas Sumatera Utara
Metode statistik nonparametrik dipakai untuk menganalisis data dalam skala ordinal dan nominal. Ukuran – ukuran kordinasi nonparametrik untuk data
ordinal yaitu analisis korelasi rank Spearman dan korelasi rank Kendall. Analisis korelasi rank Spearman adalah yang paling awal dikembangkan dan mungkin
yang paling dikenal dengan baik hingga kini. Ini adalah ukuran asosiasi yang menuntut kedua variabel diukur sekurang-kurangnya dalam skala ordinal sehingga
objek-objek yang dipelajari dapat diranking dalam dua rangkaian berurut.
Analisis korelasi rank Kendall cocok sebagai ukuran korelasi dengan jenis data yang sama seperti data di mana korelasi rank Spearman dapat
dipergunakan. Artinya jika sekurang-kurangnya tercapai pengukuran ordinal terhadap variabel-variabel X dan Y, sehingga setiap objek dapat diberi ranking
pada X maupun Y maka korelasi rank Kendall akan memberikan suatu ukuran tingkat asosiasi atau korelasi antara kedua himpunan ranking itu.
1.2 Perumusan Masalah
Kategori