√ Analisis Hubungan : Pengertian, Pola Soal Dan Jenis Korelasi

Analisis Korelasi -Dalam kehidupan sehari-hari, hampir semua bencana terjadi saling berhubungan, contohnya banjir terjadi lantaran curah hujan meningkat, laba penjualan meningkat seiring terjadinya penambahan jumlah barang ditoko, dan kasus-kasus lainnya. Mengapa mengetahui hubungan antar variabel pentinga?Jika diketahui bahwa terjadi hubungan antara dua variabel, maka akan gampang untuk memilih dan memprediksikan nilai variabel lain.

Daftar Isi

• 1 Pengertian Analisis Korelasi
• 2 Contoh kasus yang mempunyai korelasi
• 3 Hubungan antar variabel : Korelasi positif, hubungan negatif, hubungan lemah, tidak berkorelasi, dan hubungan sempurna
  • 3.1 Korelasi Positif
  • 3.2  Korelasi negative
  • 3.3 Tidak ada Korelasi atau Korelasi sangat Lemah
  • 3.4 Korelasi Sempurna
• 4 Cara mengetahui ada tidaknya korelasi
  • 4.1 1. Diagram Pencar (Scatter plot)
  • 4.2    2. Koefisien Korelasi

Pengertian Analisis Korelasi

Korelasi merupakan istilah yang biasa dipakai untuk menggambarkan ada tidaknya hubungan suatu hal dengan hal lain. Secara sederhana memang ibarat itulah pengertian korelasi. Analisis hubungan yakni suatu cara atau metode untuk mengetahui ada atau tidaknya hubungan linear antar variabel. Apabila terdapat hubungan maka perubahan-perubahan yang terjadi pada salah satu variabel X akan mengakibatkan terjadinya perubahan pada variabel lainnya (Y). Istilah tersebut dikatakan istilah alasannya akibat, dan istilah tersebut menjadi ciri khas dari analisis korelasi.

Baca juga:

• Indeks Pembangunan Manusia (IPM): Rumus & Cara Hitung


• Pengertian inflasi dan deflasi beserta indikatornya

Contoh kasus yang mempunyai korelasi

• Hubungan antara kenaikan harga BBM (X) dengan harga kebutuhan pokok (Y)


• Hubungan tingkat pendidikan (X) dengan tingkat pendapatan (Y)


• Hubungan umur ijab kabul pertama (X) dengan jumlah anak yang dilahirkan (Y)


• Hubungan tingkat pendidikan ibu (X) dengan tingkat kesehatan/tingkat gizi bayi (Y), dsb.

Hubungan antar variabel : Korelasi positif, hubungan negatif, hubungan lemah, tidak berkorelasi, dan hubungan sempurna

Suatu hubungan yang terjadi antara 2 variabel tidak selamanya berupa adanya penambahan nilai variabel Y kalau variabel X bertambah, hubungan ibarat ini yang disebut sebagai hubungan positif. Terkadang ditemukan ada suatu hubungan yang apabila salah satu nilai variabel bertambah variabel lainnya justru berkurang, hubungan ibarat ini disebut sebagai hubungan negatif. Tidak hanya hubungan aktual dan negatif, namun juga terkadang ditemukan kasus dimana hubungan antar variabel sangat lemah bahkan tidak ditemukan korelasi.

Korelasi Positif

Korelasi aktual atinya suatu hubungan antara variabel X dan Y yang ditunjukan dengan hubungan alasannya akhir dimana apabila terjadi penambahan nilai pada variabel X maka akan diikuti terjadinya penambahan nilai variabel Y.

Contoh Korelasi Positif

• Dalam pernaian, kalau dilakukan penambahan pupuk (X), maka produksi padi akan meningkat (Y)


• Tentu saja semakain tinggi tubuh (X) seorang anak maka, berat badannya akab bertambah pula(Y)


• Semakin luas lahan yang ditanami coklat (X) maka produksi coklat akan meningkat

Ilustrasi Korelasi Positif

Korelasi Positif

 Korelasi negative

Jika pada hubungan aktual peningkatan nilai X akan diikuti penambahan nilai Y, hubungan negatif berlaku sebaliknya. Jika nilai variabel X meningkat nilai variabel Y justru mengalami penurunan.

Contoh Korelasi Negatif

• Apabila harga barang (X) meningkat maka kemungkinan usul terhadap barang tersebut mengalami penurunan.

korelasi negatif

Tidak ada Korelasi atau Korelasi sangat Lemah

Korelasi ini terjadi apabila kedua variabel (X dan Y) tidak menawarkan adanya hubungan linear

Contoh :

• Panjang rambut (X) dengan tinggi tubuh (tidak sanggup dihitung hubungannya atau tidak ada hubungannya)

Korelasi Sempurna

Korelasi tepat biasanya terjadi apabila kenaikan / penurunan variabel X selalu sebanding dengan kenaikan /penurunan variabel Y. Jika digambarkan dengan diagram titik atau diagram pencar, titik-titik berderet membentuk satu garis lurus, dengan hampir tidak ada pencaran.

1. Besar hubungan antara variable bebas dan variable tidak bebas tersebut biasanya diukur dengan koefisien korelasi


2. Simbolnya:


3. ρ = koefisienkorelasi populasi dan r = koefisien hubungan sampel


4. Nilai koefisien hubungan berada dalam selang -1 s.d +1, dimana jika:

• Koefisien hubungan bernilai 0 (nol), berarti tidak ada hubungan antara kedua variabel tersebut.


• Koefisien hubungan bernilai negatif, berarti hubungan antara kedua variabel tersebut negatif atau saling berbanding terbalik


• Koefisien hubungan bernilai positif, berarti hubungan antara kedua variabel tersebut aktual atau saling berbanding lurus

Catatan

• Jika variabel 1 dan 2 saling bebas maka r = 0, tetapi kalau r = 0 belum tentu saling bebas, lantaran mungkin variabel tersebut tidak saling bebas tetapi tidak berhubungan


• Korelasi tidak sanggup dipakai untuk melihat hubungan kausalitas

Cara mengetahui ada tidaknya korelasi

Teknik untuk mengetahui ada atau tidaknya hubungan antara 2 variabel sanggup dilakukan melalui beberapa cara,yaitu menciptakan diagram pencar dan menghitung koefisien korelasi.

1. Diagram Pencar (Scatter plot)

Untuk menawarkan ada tidaknya hubungan (korelasi) antara 2 variabel (X dan Y) kita sanggup memakai diagram pencar. Diagram pencar yakni sebaran nilai-nilai dari variabel – variabel pada sumbu x dan y.

Tujuan dari diagram pencar ini yakni untuk mengetahui apakah titik-titik koordinat pada sumbu x dan y, adan apa contoh yang terbentuk dari sebaran tersebut.

Dari diagram pencar tersebut sanggup dibentuk sebuah garis yang kira-kira membagi dua titik-titik koordinat pada kedua sisi garis. Dari garis tersebut sanggup diketahui hubungan antara kedua variabel.

Jika garis mengarah keatas berarti hubungan positif, kalau arah garis menurun berarti hubungan negatif. Jika tidak sanggup dibentuk sebuah garis maka tidak ada korelasi,dan kalau titik-titik tepat melalui garisnyaberarti hubungan sempurna

Manfaat Diagram Pencar 

• membantu menawarkan apakah terdapat hubungan yang bermanfaat antara dua variabel


• membantu menetapkan tipe persamaan yang menawarkan hubungan antara dua variabel tersebut

Berbagai bentuk diagram pencar

   2. Koefisien Korelasi

Untuk mengetahui ada / tidaknya hubungan antara kedua variabel (X dan Y) dan seberapa akrab hubungan antara kedua variabel tersebut.dapat diketahui dengan menghitung koefisien hubungan dari kedua variabel.Jika koefisien hubungan bertanda aktual (+) maka sanggup disimpulkan hubungan kedua variabel aktual danbegitu juga halnya bila koefisien hubungan bertanda negative (-)

• Koefisien Korelasi Pearson

Apabila antara dua variabel (X dan Y) yang masing-masing mempunyai skala pengukuran sekurang-kurangnya interval (ratio)dan hubungannya merupakan hubungan linear,maka keeratan hubungan antara kedua variabel itu sanggup dihitung denganmenggunakan formula hubungan Pearson yang diberi symbol dengan r_yx dan r_xy untuk sample p_yx dan p_xy untuk populasi.

Koefisien hubungan Pearson antara dua variabel yang datanya tidak berkelompok :

• Koefisien Korelasi Rank Spearman (Ordinal)

Untuk mengukur keeratan hubungan antara dua variabel X dan Y yang kedua-duanya mempunyai skala pengukuran sekurang-kurangnya ordinal sanggup dihitung dengan memakai formula hubungan Spearman

Koefisien Korelasi Spearman antara X dan Y atau Y dan X

a. Jika tidak ada data kembar

Apabila tidak terdapat data kembar dalam kelompok data maka anda sanggup memakai rumus  berikut:

\(r=1-\frac {6 \sum_{i=1}^{n}d_i^2}{n^3-n}\)

d_i = selisih ranking antara ranking variabel X dan Y

n = banyaknya data

b. Jika ada data kembar

Jika dalam kelompok  data terdapat data kembar maka formula di atas tidak sanggup dipakai dan anda harus memakai formula di bawah ini;

Catatan:

Urutkan nilai observasi dan diberi rangking dari besar ke kecil

 Koefisien hubungan data berkelompok

Untuk data bekelompok rumusnya yakni sebagai berikut

• Koefisien hubungan kualitatif

Untuk data kualitatif, koefisien hubungan sanggup dihitung dengan memakai Contingent Coefficient :

Rumusnya yakni sebagai berikut

\(Cc=\sqrt {\frac{\chi^2}{\chi^2+n}};\chi^2= Chis-quare\)

Penafsiran Koefisien Korelasi

Untuk memilih keeratan hubungan sanggup dipakai kriteria Guilford (1956).Jika:

Kriteria guilford (1956).

Demikian artikel mengenai analisis hubungan ini, kalau ada pertanyaan silahkan usikan melalui fan page atau di kolom komentar.

Artikel ini telah di update tanggal 31 Desember 2017 dengan tujuan untuk memperkaya isi artikel ini.

Sumber https://statmat.id