Korelasi tidak menyiratkan sebab akibat: 5 contoh nyata

Ungkapan “ korelasi tidak berarti sebab-akibat ” sering digunakan dalam statistik untuk menekankan bahwa korelasi antara dua variabel tidak selalu berarti bahwa satu variabel menyebabkan variabel lainnya.

Untuk lebih memahami ungkapan ini, perhatikan contoh konkrit berikut.

Contoh 1: Penjualan es krim dan serangan hiu

Jika kami mengumpulkan data setiap tahun mengenai penjualan es krim bulanan dan serangan hiu bulanan di Amerika Serikat, kami akan menemukan bahwa kedua variabel tersebut memiliki korelasi yang tinggi.

Apakah ini berarti makan es krim menyebabkan serangan hiu?

Tidak cukup. Penjelasan yang paling mungkin adalah bahwa lebih banyak orang mengonsumsi es krim dan berenang di laut saat cuaca di luar lebih hangat, yang menjelaskan mengapa kedua variabel ini sangat berkorelasi.

Meskipun penjualan es krim dan serangan hiu sangat berkorelasi, namun hal yang satu tidak menyebabkan hal yang lain.

Contoh 2: Pendapatan Penguasaan dan Box Office

Jika kita mengumpulkan data mengenai jumlah total gelar master yang diberikan oleh universitas setiap tahun dan total pendapatan box office yang dihasilkan per tahun, kita akan menemukan bahwa kedua variabel tersebut berkorelasi tinggi.

Apakah ini berarti bahwa menerbitkan lebih banyak gelar Master akan meningkatkan pendapatan box office setiap tahunnya?

Tidak cukup. Penjelasan yang paling mungkin adalah bahwa populasi dunia meningkat setiap tahunnya, yang berarti semakin banyak gelar master yang diberikan setiap tahunnya dan jumlah orang yang menonton film setiap tahunnya meningkat dengan proporsi yang hampir sama.

Walaupun kedua variabel ini berkorelasi, namun yang satu tidak menyebabkan variabel yang lain.

Contoh 3: tenggelam di kolam renang sehubungan dengan produksi energi nuklir

Jika kita mengumpulkan data mengenai jumlah total tenggelamnya kolam renang setiap tahun dan jumlah total energi yang dihasilkan setiap tahun oleh pembangkit listrik tenaga nuklir, kita akan menemukan bahwa kedua variabel tersebut memiliki korelasi yang tinggi.

Apakah ini berarti meningkatnya kejadian tenggelam di kolam renang menyebabkan peningkatan produksi tenaga nuklir?

Tidak tepat. Penjelasan yang paling mungkin adalah bahwa populasi dunia telah meningkat, yang berarti semakin banyak orang yang tenggelam di kolam renang, dan pembangkit listrik tenaga nuklir menjadi lebih layak setiap tahunnya, itulah sebabnya mengapa pembangkit listrik tenaga nuklir semakin meningkat.

Walaupun kedua variabel ini mempunyai korelasi yang tinggi, namun variabel yang satu tidak menyebabkan variabel yang lain.

Contoh 4: Kasus campak dalam kaitannya dengan angka perkawinan

Jika kita mengumpulkan data setiap tahun mengenai jumlah total kasus campak di Amerika Serikat dan angka pernikahan, kita akan menemukan bahwa kedua variabel tersebut mempunyai korelasi yang tinggi.

Apakah ini berarti berkurangnya kasus campak akan menurunkan angka pernikahan?

Tidak tepat. Sebaliknya, kedua variabel tersebut bersifat independen: pengobatan modern menyebabkan penurunan kasus campak, dan semakin sedikit orang yang menikah setiap tahunnya karena berbagai alasan.

Walaupun kedua variabel ini mempunyai korelasi yang tinggi, namun variabel yang satu tidak menyebabkan variabel yang lain.

Contoh 5: Lulusan SMA relatif terhadap konsumsi pizza

Jika kita mengumpulkan data setiap tahun mengenai jumlah total lulusan sekolah menengah atas dan total konsumsi pizza di Amerika Serikat, kita akan menemukan bahwa kedua variabel tersebut memiliki korelasi yang tinggi.

Apakah ini berarti peningkatan jumlah lulusan sekolah menengah atas menyebabkan peningkatan konsumsi pizza di Amerika Serikat?

Tidak cukup. Penjelasan yang paling mungkin adalah bahwa populasi Amerika telah meningkat dari waktu ke waktu, yang berarti bahwa jumlah orang dengan ijazah sekolah menengah atas dan jumlah total pizza yang dikonsumsi meningkat seiring dengan peningkatan populasi.

Walaupun kedua variabel ini berkorelasi, namun yang satu tidak menyebabkan variabel yang lain.

Sumber daya tambahan

Tutorial berikut memberikan informasi tambahan tentang korelasi:

Pengantar Koefisien Korelasi Pearson
Apakah hubungan sebab akibat menyiratkan korelasi?
Korelasi vs. asosiasi: apa bedanya?
Apa yang dianggap sebagai korelasi “kuat”?
Kapan sebaiknya Anda menggunakan korelasi?