Koefisien Korelasi

Koefisien korelasi adalah ukuran statistik yang menghitung kekuatan hubungan antara pergerakan relatif dua variabel.

Nilai koefisien korelasi berkisar antara -1,0 hingga 1,0.

Korelasi -1,0 menunjukkan korelasi negatif sempurna, sedangkan korelasi 1,0 menunjukkan korelasi positif sempurna.

Korelasi 0,0 menunjukkan tidak adanya hubungan linier antara pergerakan dua variabel.

Nilai yang dihitung lebih besar dari 1,0 atau kurang dari -1,0 menunjukkan adanya kesalahan dalam pengukuran korelasi.

Jenis-Jenis Koefisien Korelasi

Ada beberapa jenis koefisien korelasi, yang paling umum di antaranya adalah:

Koefisien Korelasi Pearson:
Ini adalah ukuran korelasi yang paling banyak digunakan. Ia menilai hubungan linier antara dua variabel kontinu, seperti memeriksa apakah dua hal meningkat atau menurun bersama-sama secara konsisten. Ia sensitif terhadap nilai outlier, yang dapat memengaruhi hasil.

Koefisien Korelasi Peringkat Spearman:
Ukuran non-parametrik ini menilai seberapa baik hubungan antara dua variabel dapat dijelaskan menggunakan fungsi monotonik. Dengan kata lain, ia melihat apakah hal-hal yang memiliki peringkat tinggi dalam satu daftar juga memiliki peringkat tinggi dalam daftar lain. Koefisien ini kurang sensitif terhadap nilai outlier dibandingkan dengan koefisien korelasi Pearson.

Kendall’s Tau:
Ini adalah ukuran non-parametrik lain yang digunakan untuk menilai kekuatan asosiasi antara dua variabel yang diurutkan. Ini seperti membandingkan peringkat film favorit dua teman untuk melihat apakah mereka setuju tentang film mana yang lebih baik. Kendall’s Tau kurang sensitif terhadap ukuran sampel kecil dan lebih robust dalam kasus ikatan.

Koefisien Korelasi Point-Biserial:
Ini adalah kasus khusus dari korelasi Pearson yang digunakan ketika satu variabel kontinu (seperti tinggi badan) dan yang lain dikotomis (biner, seperti ya/tidak). Ini memeriksa apakah ada hubungan antara keduanya, seperti melihat apakah tinggi badan terkait dengan menyukai basket.

Rumus Matematika

Untuk koefisien korelasi Pearson, rumusnya diberikan oleh:

​

Dimana:

• r: Ini mewakili koefisien korelasi Pearson, yang mengukur kekuatan dan arah hubungan linier antara dua variabel.
• n: Jumlah pasangan data atau pengamatan.
• Σxy: Ini adalah jumlah dari hasil perkalian skor pasangan dari dua variabel (x dan y). Anda mengalikan setiap pasangan nilai x dan y, lalu menjumlahkan semua hasil perkalian tersebut.
• Σx: Ini adalah jumlah semua nilai x dalam dataset.
• Σy: Ini adalah jumlah semua nilai y dalam dataset.
• Σx²: Ini adalah jumlah kuadrat dari setiap nilai x. Untuk menghitungnya, kuadratkan setiap nilai x secara individual, lalu jumlahkan semua kuadrat tersebut.
• Σy²: Ini adalah jumlah kuadrat dari setiap nilai y. Anda mengkuadratkan setiap nilai y secara individual, lalu menjumlahkan semua kuadrat tersebut.

Interpretasi

• Korelasi positif yang kuat (0,7 ≤ r ≤ 1): Saat satu variabel meningkat, variabel lainnya juga meningkat.
• Korelasi positif sedang (0,3 ≤ r < 0,7): Saat satu variabel meningkat, variabel lainnya cenderung meningkat.
• Korelasi positif lemah (0 ≤ r < 0.3): Peningkatan kecil pada satu variabel mungkin menyebabkan peningkatan kecil pada variabel lainnya.
• Tidak ada korelasi (r ≈ 0): Tidak ada hubungan linier antara variabel-variabel tersebut.
• Korelasi negatif lemah (-0,3 < r ≤ 0): Peningkatan kecil pada satu variabel dapat menyebabkan penurunan kecil pada variabel lainnya.
• Korelasi negatif sedang (-0,7 < r ≤ -0,3): Saat satu variabel meningkat, variabel lainnya cenderung menurun.
• Korelasi negatif kuat (-1 ≤ r ≤ -0.7): Saat satu variabel meningkat, variabel lainnya menurun.

Aplikasi Koefisien Korelasi

Koefisien korelasi digunakan secara luas di berbagai bidang seperti ekonomi, keuangan, psikologi, dan ilmu pengetahuan alam.

Dalam keuangan, misalnya, koefisien korelasi digunakan untuk mengukur korelasi antara imbal hasil berbagai aset, yang membantu dalam strategi diversifikasi portofolio.

Dalam perdagangan valuta asing (forex), koefisien korelasi dapat digunakan untuk menganalisis hubungan antara pasangan mata uang, membantu trader memahami apakah dua mata uang bergerak bersama atau berlawanan arah.

Anda dapat menggunakan alat interaktif online kami yang mengukur korelasi mata uang selama periode waktu yang berbeda.

Batasan Koefisien Korelasi

• Hubungan Linear: Koefisien korelasi Pearson hanya mengukur hubungan linear, sehingga mungkin tidak memberikan informasi yang berarti tentang hubungan non-linear.
• Sensitivitas terhadap Outlier: Koefisien korelasi Pearson sensitif terhadap outlier, yang dapat merusak hasil.
• Kausalitas: Korelasi tidak menyiratkan kausalitas. Meskipun dua variabel sangat korelasi, hal itu tidak berarti bahwa satu variabel menyebabkan perubahan pada variabel lainnya.

Panduan Singkat Koefisien Korelasi

Berikut adalah panduan singkat yang memberikan gambaran tentang berbagai jenis koefisien korelasi:

Jenis Koefisien Korelasi	Apa yang Diukur	Contoh dalam Bahasa Indonesia	Sensitivitas
Koefisien Korelasi Pearson	Kekuatan dan arah hubungan linier (lurus) antara dua variabel kontinu.	Memeriksa apakah dua hal meningkat atau menurun bersama-sama secara konsisten.	Sensitif terhadap nilai outlier.
Koefisien Korelasi Peringkat Spearman	Konsistensi urutan (peringkat) titik data antara dua variabel (non-parametrik).	Melihat apakah hal-hal yang berperingkat tinggi dalam satu daftar juga berperingkat tinggi dalam daftar lain.	Kurang sensitif terhadap nilai outlier dibandingkan Pearson.
Kendall’s Tau	Kekuatan hubungan antara dua variabel yang diurutkan berfokus pada konsistensi peringkat (non-parametrik).	Membandingkan peringkat film favorit dua teman untuk melihat apakah mereka setuju.	Kurang sensitif terhadap sampel kecil dan ikatan.
Koefisien Korelasi Point-Biserial	Hubungan antara variabel kontinu dan variabel biner (dichotomous).	Memeriksa apakah tinggi badan terkait dengan menyukai basket (ya/tidak).	Sensitivitas yang sama dengan Pearson.
Koefisien Phi	Hubungan antara dua variabel biner.	Memeriksa apakah menjawab “ya” untuk menyukai pizza berarti juga menyukai es krim.	Kurang sensitif karena sifat binernya.