dc.contributor.author |
Kaffah, Silmi |
|
dc.date.accessioned |
2016-02-25T04:08:32Z |
|
dc.date.available |
2016-02-25T04:08:32Z |
|
dc.date.issued |
2016 |
|
dc.identifier.uri |
http://hdl.handle.net/123456789/3056 |
|
dc.description.abstract |
Korelasi pada statistika nonparametrik tidak memerlukan asumsi dan bebas
distribusi dengan data minimal berskala ordinal. Pada skripsi ini akan dibahas
mengenai korelasi parsial (nonparametrik). Korelasi parsial tau Kendall merupakan
generalisasi dari korelasi tau Kendall. Yang membedakan antara koefisien korelasi
tau Kendall dengan korelasi ranking partial Kendall adalah jika koefisien korelasi
tau Kendall hanya mengukur hubungan antara dua variabel yaitu X dan Y, sedangkan
korelasi ranking partial Kendall adalah mengukur hubungan antara dua variabel
yaitu X dan Y tetapi ada satu variabel (Z) atau lebih yang dianggap konstan.
Perhitungan korelasi parsial Kendall yang sebelumnya telah dikemukan dalam buku
Siegel (1992), hanya untuk data yang tidak terdapat data kembar. Ebuh GU dan
Oyeka ICA telah menemukan perhitungan yang sama dengan Kendall tetapi
perhitungan yang mereka kemukakan dapat mengatasi jika terdapat data pengamatan
yang sama. Pada skripsi ini akan dibahas mengenai kuat hubungan antara disiplin
kerja (X) dan kinerja (Y) dengan lingkungan kerja (Z) dianggap konstan dengan
menggunakan korelasi parsial Kendall ditemukan oleh Ebuh GU dan Oyeka ICA
beserta uji keberartiannya. Hasil dari perhitungan untuk korelasi parsial berdasarkan
perhitungan yang dikemukakan oleh Ebuh GU dan Oyeka ICA adalah sebesar
0.299602 dan hasil dari uji keberartian korelasi parsial tersebut menunjukkan adanya
hubungan antara disiplin kerja dan kinerja dengan lingkungan kerja dianggap
konstan. |
en_US |
dc.description.sponsorship |
Anneke Iswani Achmad, Dra., M.Si. |
en_US |
dc.publisher |
Fakultas MIPA (UNISBA) |
en_US |
dc.subject |
Statistika Nonparametrik, Korelasi Kendall, Korelasi Parsial Menurut Ebuh GU dan Oyeka ICA |
en_US |
dc.title |
Metode Nonparametrik untuk Menaksir Koefisien Korelasi Parsial |
en_US |
dc.type |
Thesis |
en_US |