# -------------------------------------------
# ANALISIS KORELASI SPEARMAN
# Data: Lama Kerja dan Penghasilan
# -------------------------------------------
# Membuat data
lama_kerja <- c(2, 4, 5, 6, 8, 10, 12, 3, 7, 9)
penghasilan <- c(3.5, 5.2, 6.1, 7.0, 8.5, 10.2, 12.0, 4.2, 7.8, 9.5)
# Membuat data frame
data_ekonomi <- data.frame(lama_kerja, penghasilan)
# Menampilkan data
print(data_ekonomi)
## lama_kerja penghasilan
## 1 2 3.5
## 2 4 5.2
## 3 5 6.1
## 4 6 7.0
## 5 8 8.5
## 6 10 10.2
## 7 12 12.0
## 8 3 4.2
## 9 7 7.8
## 10 9 9.5
# -------------------------------------------
# Statistik Deskriptif
# -------------------------------------------
summary(data_ekonomi)
## lama_kerja penghasilan
## Min. : 2.00 Min. : 3.500
## 1st Qu.: 4.25 1st Qu.: 5.425
## Median : 6.50 Median : 7.400
## Mean : 6.60 Mean : 7.400
## 3rd Qu.: 8.75 3rd Qu.: 9.250
## Max. :12.00 Max. :12.000
sd(lama_kerja)
## [1] 3.204164
sd(penghasilan)
## [1] 2.726822
# -------------------------------------------
# UJI KORELASI SPEARMAN
# -------------------------------------------
# Hipotesis:
# H0 : rho_s = 0 (Tidak ada hubungan monotonic antara lama kerja dan penghasilan)
# H1 : rho_s ≠ 0 (Ada hubungan monotonic antara lama kerja dan penghasilan)
hasil_korelasi <- cor.test(lama_kerja, penghasilan,
method = "spearman", exact = FALSE)
print(hasil_korelasi)
##
## Spearman's rank correlation rho
##
## data: lama_kerja and penghasilan
## S = 3.6637e-14, p-value < 2.2e-16
## alternative hypothesis: true rho is not equal to 0
## sample estimates:
## rho
## 1
# -------------------------------------------
# Keputusan Otomatis (alpha = 0.05)
# -------------------------------------------
alpha <- 0.05
if (hasil_korelasi$p.value < alpha) {
cat("Keputusan: Tolak H0\n")
cat("Kesimpulan: Terdapat hubungan signifikan antara lama kerja dan penghasilan\n")
} else {
cat("Keputusan: Gagal Tolak H0\n")
cat("Kesimpulan: Tidak terdapat hubungan signifikan\n")
}
## Keputusan: Tolak H0
## Kesimpulan: Terdapat hubungan signifikan antara lama kerja dan penghasilan
# -------------------------------------------
# Interpretasi Kekuatan Korelasi
# -------------------------------------------
rho <- hasil_korelasi$estimate
if (abs(rho) >= 0.80) {
cat("Kekuatan hubungan: Sangat kuat\n")
} else if (abs(rho) >= 0.60) {
cat("Kekuatan hubungan: Kuat\n")
} else if (abs(rho) >= 0.40) {
cat("Kekuatan hubungan: Sedang\n")
} else if (abs(rho) >= 0.20) {
cat("Kekuatan hubungan: Lemah\n")
} else {
cat("Kekuatan hubungan: Sangat lemah\n")
}
## Kekuatan hubungan: Sangat kuat
# -------------------------------------------
# Scatter Plot
# -------------------------------------------
plot(lama_kerja, penghasilan,
main = "Scatter Plot Lama Kerja vs Penghasilan",
xlab = "Lama Kerja (Tahun)",
ylab = "Penghasilan (Juta Rupiah)",
pch = 19,
col = "blue")
abline(lm(penghasilan ~ lama_kerja), col = "red", lwd = 2)
