Jenis korelasi
Artikel ini menjelaskan apa itu semua jenis korelasi. Jadi, Anda akan menemukan beberapa cara untuk mengklasifikasikan korelasi: bergantung pada apakah hubungannya positif atau negatif, bergantung pada nilai koefisien korelasi, bergantung pada jumlah variabel, dll.
Apa saja jenis korelasi linier?
Untuk mengklasifikasikan hubungan antara dua variabel acak, kami membedakan jenis korelasi linier berikut :
- Korelasi langsung (atau korelasi positif) : satu variabel meningkat ketika variabel lainnya juga meningkat.
- Korelasi terbalik (atau korelasi negatif) : jika satu variabel meningkat maka variabel lainnya menurun, dan sebaliknya jika satu variabel menurun maka variabel lainnya meningkat.
- Korelasi nol (tidak ada korelasi) : Tidak ada hubungan antara kedua variabel.
Tergantung pada sifat datanya, korelasi langsung dapat sekaligus merupakan korelasi berbanding lurus, meskipun untuk itu faktor yang menghubungkan kedua variabel harus selalu sama. Oleh karena itu, semua hubungan berbanding lurus merupakan contoh korelasi langsung, karena kedua variabel meningkat secara bersamaan, namun tidak semua hubungan langsung berbanding lurus karena derajat korelasinya dapat berbeda-beda tergantung ruang lingkupnya.
Demikian pula semua variabel berbanding terbalik juga mempunyai korelasi negatif. Namun, tidak semua variabel dengan korelasi negatif berbanding terbalik, karena untuk dianggap demikian, hubungan matematis antar variabel harus konstan untuk semua pasangan data.
Jenis korelasi tergantung pada derajat korelasinya
Baik korelasi kedua variabel bersifat langsung maupun terbalik, korelasi tersebut juga dapat diklasifikasikan berdasarkan kuat lemahnya hubungan kedua variabel tersebut.
- Korelasi kuat: kedua variabel mempunyai hubungan yang erat. Jika Anda memplot data pada plot sebar, titik-titiknya sangat berdekatan. Hal ini memudahkan untuk mengidentifikasi hubungan antar variabel.
- Korelasi rendah : terdapat hubungan antara kedua variabel, namun sulit diidentifikasi. Titik-titiknya berjauhan satu sama lain di titik cloud.
Untuk mengetahui kuat atau lemahnya korelasi antara dua variabel, Anda harus menghitung koefisien korelasinya. Semakin tinggi nilai absolut koefisien korelasi maka semakin kuat korelasi antar variabel.
Jadi, berdasarkan nilai koefisien korelasinya, hubungan antara dua variabel statistik yang berbeda dapat diklasifikasikan menjadi beberapa jenis berikut:
| Nilai koefisien korelasi | Korelasi yang khas |
|---|---|
| -1 | korelasi negatif sempurna |
| -0,9 hingga -0,99 | korelasi negatif yang sangat kuat |
| -0,7 hingga -0,89 | korelasi negatif yang kuat |
| -0,4 hingga -0,69 | korelasi negatif sedang |
| -0,2 hingga -0,39 | korelasi negatif yang lemah |
| -0,01 hingga -0,19 | korelasi negatif yang sangat lemah |
| 0 | korelasi nol |
| 0,01 hingga 0,19 | korelasi positif yang sangat lemah |
| 0,2 hingga 0,39 | Korelasi positif yang lemah |
| 0,4 hingga 0,69 | korelasi positif sedang |
| 0,7 hingga 0,89 | korelasi positif yang kuat |
| 0,9 hingga 0,99 | korelasi positif yang sangat kuat |
| 1 | korelasi positif sempurna |
Jenis korelasi lainnya
Kita baru saja melihat apa saja jenis-jenis korelasi linier, namun kita harus ingat bahwa ada cara lain untuk mengklasifikasikan jenis korelasi menurut kriteria lain.
Jika kita mengelompokkan jenis-jenis korelasi menurut sifat hubungan antar variabel, kita membedakan:
- Korelasi Linier – Hubungan kedua variabel dapat direpresentasikan dengan garis lurus.
- Korelasi nonlinier : hubungan kedua variabel tidak dapat direpresentasikan dengan garis lurus, melainkan harus menggunakan fungsi yang lebih kompleks, seperti parabola atau logaritma.
Di sisi lain, korelasi juga dapat dipisahkan menjadi beberapa kelompok tergantung pada jumlah variabelnya:
- Korelasi sederhana : hanya hubungan antara dua variabel yang dipelajari.
- Korelasi berganda : hubungan antara lebih dari dua variabel dipelajari.
- Korelasi parsial : ketika hubungan antara dua variabel tidak mempengaruhi variabel lain dalam kumpulan data.
Tentang Penulis
Benjamin anderson
Halo, saya Benjamin, pensiunan profesor statistika yang menjadi guru Statorial yang berdedikasi. Dengan pengalaman dan keahlian yang luas di bidang statistika, saya ingin berbagi ilmu untuk memberdayakan mahasiswa melalui Statorials. Baca selengkapnya