{"id":2442,"date":"2023-07-22T06:35:47","date_gmt":"2023-07-22T06:35:47","guid":{"rendered":"https:\/\/statorials.org\/id\/hipotesis-korelasi-pearson\/"},"modified":"2023-07-22T06:35:47","modified_gmt":"2023-07-22T06:35:47","slug":"hipotesis-korelasi-pearson","status":"publish","type":"post","link":"https:\/\/statorials.org\/id\/hipotesis-korelasi-pearson\/","title":{"rendered":"Lima hipotesis korelasi pearson"},"content":{"rendered":"<p><\/p>\n<hr>\n<p><span style=\"color: #000000;\"><strong>Koefisien korelasi Pearson<\/strong> (juga dikenal sebagai \u201ckoefisien korelasi momen produk\u201d) mengukur hubungan linier antara dua variabel.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Itu selalu mengambil nilai antara -1 dan 1 di mana:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">-1 menunjukkan korelasi linier negatif sempurna antara dua variabel<\/span><\/li>\n<li> <span style=\"color: #000000;\">0 menunjukkan tidak ada korelasi linier antara dua variabel<\/span><\/li>\n<li> <span style=\"color: #000000;\">Angka 1 menunjukkan korelasi linier positif sempurna antara dua variabel<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Namun, sebelum menghitung koefisien korelasi Pearson antara dua variabel, kita harus memastikan bahwa lima asumsi terpenuhi:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>1. Tingkat pengukuran:<\/strong> Kedua variabel harus diukur pada tingkat <strong>interval<\/strong> atau <strong>rasio<\/strong> .<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>2. Hubungan linier :<\/strong> Harus ada hubungan linier antara kedua variabel.<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>3. Normalitas:<\/strong> kedua variabel harus mempunyai distribusi mendekati normal.<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>4. Pasangan terkait:<\/strong> Setiap observasi dalam kumpulan data harus memiliki sepasang nilai.<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>5. Tidak ada outlier:<\/strong> Tidak boleh ada outlier ekstrim dalam kumpulan data.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Pada artikel ini kami memberikan penjelasan masing-masing asumsi serta cara menentukan apakah asumsi tersebut terpenuhi.<\/span><\/p>\n<h2> <span style=\"color: #000000;\"><strong>Hipotesis 1: Tingkat pengukuran<\/strong><\/span><\/h2>\n<p> <span style=\"color: #000000;\">Untuk menghitung koefisien korelasi Pearson antara dua variabel, kedua variabel harus diukur pada tingkat <strong>interval<\/strong> atau <strong>rasio<\/strong> .<\/span><\/p>\n<p> <span style=\"color: #000000;\">Grafik berikut memberikan penjelasan singkat tentang empat tingkatan di mana variabel dapat diukur:<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"size-full wp-image-4833 aligncenter\" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/niveaux_mesure.jpg\" alt=\"\" width=\"659\" height=\"385\" srcset=\"\" sizes=\"\"><\/p>\n<p> <span style=\"color: #000000;\">Berikut beberapa contoh variabel yang dapat diukur dalam skala <strong>interval<\/strong> :<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\"><strong>Suhu:<\/strong> Diukur dalam Fahrenheit atau Celsius<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>Nilai kredit:<\/strong> diukur dari 300 hingga 850<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>Skor SAT:<\/strong> diukur dari 400 hingga 1.600<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Berikut beberapa contoh variabel yang dapat diukur dengan skala <strong>rasio<\/strong> :<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\"><strong>Tinggi:<\/strong> Diukur dalam sentimeter, inci, kaki, dll.<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>Berat:<\/strong> diukur dalam kilogram, pon, dll.<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>Panjang:<\/strong> Diukur dalam sentimeter, inci, kaki, dll.<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Jika variabel diukur pada tingkat <strong>ordinal<\/strong> , maka Anda perlu menghitung <a href=\"https:\/\/statorials.org\/id\/korelasi-spearman-di-sungai\/\" target=\"_blank\" rel=\"noopener\">koefisien korelasi Spearman<\/a> di antara variabel tersebut.<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>Terkait:<\/strong> Tingkatan Pengukuran: Nominal, Ordinal, Interval, dan Rasio<\/span><\/p>\n<h2> <span style=\"color: #000000;\"><strong>Hipotesis 2: Hubungan linier<\/strong><\/span><\/h2>\n<p> <span style=\"color: #000000;\">Untuk menghitung koefisien korelasi Pearson antara dua variabel, harus ada hubungan linier antara kedua variabel.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Cara termudah untuk menguji hipotesis ini adalah dengan membuat diagram sebar kedua variabel. Jika titik-titik pada plot kira-kira mengikuti garis lurus, maka terdapat hubungan linier:<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\" wp-image-21889 aligncenter\" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/supposer1.png\" alt=\"\" width=\"476\" height=\"390\" srcset=\"\" sizes=\"\"><\/p>\n<p> <span style=\"color: #000000;\">Namun, jika titik-titik tersebut tersebar secara acak di seluruh plot atau memiliki jenis hubungan lain (seperti kuadrat), maka tidak ada hubungan linier antar variabel:<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\" wp-image-21890 aligncenter\" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/supposer2.png\" alt=\"\" width=\"476\" height=\"386\" srcset=\"\" sizes=\"\"><\/p>\n<p> <span style=\"color: #000000;\">Dalam hal ini, koefisien korelasi Pearson tidak akan cukup menggambarkan hubungan antar variabel.<\/span><\/p>\n<h2> <span style=\"color: #000000;\"><strong>Hipotesis 3: normalitas<\/strong><\/span><\/h2>\n<p> <span style=\"color: #000000;\">Koefisien korelasi Pearson juga mengasumsikan bahwa kedua variabel tersebut <a href=\"https:\/\/statorials.org\/id\/hipotesis-normalitas\/\" target=\"_blank\" rel=\"noopener\">berdistribusi normal<\/a> .<\/span><\/p>\n<p> <span style=\"color: #000000;\">Anda dapat memverifikasi asumsi ini secara visual dengan membuat histogram atau plot QQ untuk setiap variabel.<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>1. Histogram<\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\">Jika histogram suatu kumpulan data kira-kira berbentuk lonceng, kemungkinan besar data tersebut terdistribusi secara normal.<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-15189 \" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/normaliteassume1.png\" alt=\"\" width=\"420\" height=\"376\" srcset=\"\" sizes=\"\"><\/p>\n<p> <span style=\"color: #000000;\"><strong>2. Tanah QQ<\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\">Plot QQ, kependekan dari &#8220;quantile-quantile&#8221;, adalah jenis plot yang menampilkan kuantil teoretis di sepanjang sumbu x (yaitu lokasi data Anda jika mengikuti distribusi normal) dan kuantil sampel di sepanjang sumbu y. (yaitu di mana data Anda sebenarnya berada).<\/span><\/p>\n<p> <span style=\"color: #000000;\">Jika nilai data mengikuti garis kira-kira lurus membentuk sudut 45 derajat, maka data dianggap berdistribusi normal.<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-15190 \" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/normaliteassume2.png\" alt=\"\" width=\"391\" height=\"393\" srcset=\"\" sizes=\"\"><\/p>\n<p> <span style=\"color: #000000;\">Anda juga dapat melakukan uji statistik formal untuk menentukan apakah suatu variabel terdistribusi normal.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Jika <a href=\"https:\/\/statorials.org\/id\/p-menghargai-signifikansi-statistik\/\" target=\"_blank\" rel=\"noopener\">nilai p<\/a> tes berada di bawah tingkat signifikansi tertentu (misalnya \u03b1 = 0,05), maka Anda mempunyai cukup bukti untuk mengatakan bahwa data <em>tidak<\/em> terdistribusi normal.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Ada tiga uji statistik yang biasa digunakan untuk menguji normalitas:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>1. Tes Jarque-Bera<\/strong><\/span><\/p>\n<ul>\n<li> <a href=\"https:\/\/statorials.org\/id\/jarque-akan-menjadi-tes-excel\/\" target=\"_blank\" rel=\"noopener\">Cara Melakukan Tes Jarque-Bera di Excel<\/a><\/li>\n<li> <a href=\"https:\/\/statorials.org\/id\/bagaimana-melakukan-tes-jarque-bera-di-r\/\" target=\"_blank\" rel=\"noopener\">Cara melakukan tes Jarque-Bera di R<\/a><\/li>\n<li> <a href=\"https:\/\/statorials.org\/id\/jarque-akan-menjadi-uji-python\/\" target=\"_blank\" rel=\"noopener\">Cara melakukan tes Jarque-Bera dengan Python<\/a><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\"><strong>2. Tes Shapiro-Wilk<\/strong><\/span><\/p>\n<ul>\n<li> <a href=\"https:\/\/statorials.org\/id\/tes-shapiro-wilk-r\/\" target=\"_blank\" rel=\"noopener\">Cara melakukan tes Shapiro-Wilk di R<\/a><\/li>\n<li> <a href=\"https:\/\/statorials.org\/id\/shapiro-akan-menguji-python\/\" target=\"_blank\" rel=\"noopener\">Cara Melakukan Tes Shapiro-Wilk dengan Python<\/a><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\"><strong>3. Tes Kolmogorov-Smirnov<\/strong><\/span><\/p>\n<ul>\n<li> <a href=\"https:\/\/statorials.org\/id\/tes-kolmogorov-smirnov-sungai\/\" target=\"_blank\" rel=\"noopener\">Cara melakukan tes Kolmogorov-Smirnov di R<\/a><\/li>\n<li> <a href=\"https:\/\/statorials.org\/id\/kolmogorov-smirnov-menguji-ular-piton\/\" target=\"_blank\" rel=\"noopener\">Cara melakukan tes Kolmogorov-Smirnov dengan Python<\/a><\/li>\n<\/ul>\n<h2> <span style=\"color: #000000;\"><strong>Hipotesis 4: Pasangan yang berkerabat<\/strong><\/span><\/h2>\n<p> <span style=\"color: #000000;\">Koefisien korelasi Pearson juga mengasumsikan bahwa setiap <a href=\"https:\/\/statorials.org\/id\/pengamatan-dalam-statistik\/\" target=\"_blank\" rel=\"noopener\">observasi<\/a> dalam kumpulan data harus memiliki sepasang nilai.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Hipotesis ini mudah untuk diverifikasi. Misalnya, jika Anda menghitung korelasi antara berat badan dan tinggi badan, cukup verifikasi bahwa setiap observasi dalam kumpulan data memiliki ukuran berat badan dan ukuran tinggi badan.<\/span><\/p>\n<h2> <span style=\"color: #000000;\"><strong>Hipotesis 5: Tidak ada outlier<\/strong><\/span><\/h2>\n<p> <span style=\"color: #000000;\">Koefisien korelasi Pearson juga mengasumsikan tidak terdapat outlier yang ekstrim pada kumpulan data, karena outlier sangat mempengaruhi penghitungan koefisien korelasi.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Untuk mengilustrasikannya, pertimbangkan kumpulan data berikut:<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\" wp-image-21892 aligncenter\" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/supposer3.png\" alt=\"\" width=\"153\" height=\"401\" srcset=\"\" sizes=\"\"><\/p>\n<p> <span style=\"color: #000000;\">Koefisien korelasi Pearson antara X dan Y sebesar <strong>0,949<\/strong> .<\/span><\/p>\n<p> <span style=\"color: #000000;\">Namun, misalkan kita memiliki outlier dalam kumpulan data:<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\" wp-image-21893 aligncenter\" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/supposer4.png\" alt=\"\" width=\"149\" height=\"396\" srcset=\"\" sizes=\"\"><\/p>\n<p> <span style=\"color: #000000;\">Koefisien korelasi Pearson antara X dan Y sekarang adalah <strong>0,711<\/strong> .<\/span><\/p>\n<p> <span style=\"color: #000000;\">Pencilan secara signifikan mengubah koefisien korelasi Pearson antara kedua variabel. Dalam hal ini, mungkin masuk akal untuk menghapus outlier dari kumpulan data.<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>Terkait:<\/strong> <a href=\"https:\/\/statorials.org\/id\/menghapus-outlier\/\" target=\"_blank\" rel=\"noopener\">Panduan Lengkap: Kapan Menghapus Pencilan dalam Data<\/a><\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Sumber daya tambahan<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Tutorial berikut memberikan informasi tambahan tentang korelasi Pearson:<\/span><\/p>\n<p> <a href=\"https:\/\/statorials.org\/id\/koefisien-korelasi-pearson-1\/\" target=\"_blank\" rel=\"noopener\">Pengantar Koefisien Korelasi Pearson<\/a><br \/> <a href=\"https:\/\/statorials.org\/id\/cara-melaporkan-korelasi-pearson\/\" target=\"_blank\" rel=\"noopener\">Cara melaporkan korelasi Pearson dalam format APA<\/a><br \/> <a href=\"https:\/\/statorials.org\/id\/koefisien-korelasi-dengan-tangan\/\" target=\"_blank\" rel=\"noopener\">Cara Menghitung Koefisien Korelasi Pearson Secara Manual<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Koefisien korelasi Pearson (juga dikenal sebagai \u201ckoefisien korelasi momen produk\u201d) mengukur hubungan linier antara dua variabel. Itu selalu mengambil nilai antara -1 dan 1 di mana: -1 menunjukkan korelasi linier negatif sempurna antara dua variabel 0 menunjukkan tidak ada korelasi linier antara dua variabel Angka 1 menunjukkan korelasi linier positif sempurna antara dua variabel Namun, [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v21.5 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Lima hipotesis korelasi Pearson - Statologi<\/title>\n<meta name=\"description\" content=\"Tutorial ini membahas asumsi yang dibuat saat menghitung koefisien korelasi Pearson, termasuk contoh setiap asumsi.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/statorials.org\/id\/hipotesis-korelasi-pearson\/\" \/>\n<meta property=\"og:locale\" content=\"id_ID\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Lima hipotesis korelasi Pearson - Statologi\" \/>\n<meta property=\"og:description\" content=\"Tutorial ini membahas asumsi yang dibuat saat menghitung koefisien korelasi Pearson, termasuk contoh setiap asumsi.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/statorials.org\/id\/hipotesis-korelasi-pearson\/\" \/>\n<meta property=\"og:site_name\" content=\"Statorials\" \/>\n<meta property=\"article:published_time\" content=\"2023-07-22T06:35:47+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/niveaux_mesure.jpg\" \/>\n<meta name=\"author\" content=\"Benjamin anderson\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Ditulis oleh\" \/>\n\t<meta name=\"twitter:data1\" content=\"Benjamin anderson\" \/>\n\t<meta name=\"twitter:label2\" content=\"Estimasi waktu membaca\" \/>\n\t<meta name=\"twitter:data2\" content=\"3 menit\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/statorials.org\/id\/hipotesis-korelasi-pearson\/\",\"url\":\"https:\/\/statorials.org\/id\/hipotesis-korelasi-pearson\/\",\"name\":\"Lima hipotesis korelasi Pearson - Statologi\",\"isPartOf\":{\"@id\":\"https:\/\/statorials.org\/id\/#website\"},\"datePublished\":\"2023-07-22T06:35:47+00:00\",\"dateModified\":\"2023-07-22T06:35:47+00:00\",\"author\":{\"@id\":\"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81\"},\"description\":\"Tutorial ini membahas asumsi yang dibuat saat menghitung koefisien korelasi Pearson, termasuk contoh setiap asumsi.\",\"breadcrumb\":{\"@id\":\"https:\/\/statorials.org\/id\/hipotesis-korelasi-pearson\/#breadcrumb\"},\"inLanguage\":\"id\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/statorials.org\/id\/hipotesis-korelasi-pearson\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/statorials.org\/id\/hipotesis-korelasi-pearson\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/statorials.org\/id\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Lima hipotesis korelasi pearson\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/statorials.org\/id\/#website\",\"url\":\"https:\/\/statorials.org\/id\/\",\"name\":\"Statorials\",\"description\":\"Panduan anda untuk kompetensi statistik!\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/statorials.org\/id\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"id\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81\",\"name\":\"Benjamin anderson\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"id\",\"@id\":\"https:\/\/statorials.org\/id\/#\/schema\/person\/image\/\",\"url\":\"http:\/\/statorials.org\/id\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg\",\"contentUrl\":\"http:\/\/statorials.org\/id\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg\",\"caption\":\"Benjamin anderson\"},\"description\":\"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\",\"sameAs\":[\"http:\/\/statorials.org\/id\"]}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Lima hipotesis korelasi Pearson - Statologi","description":"Tutorial ini membahas asumsi yang dibuat saat menghitung koefisien korelasi Pearson, termasuk contoh setiap asumsi.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/statorials.org\/id\/hipotesis-korelasi-pearson\/","og_locale":"id_ID","og_type":"article","og_title":"Lima hipotesis korelasi Pearson - Statologi","og_description":"Tutorial ini membahas asumsi yang dibuat saat menghitung koefisien korelasi Pearson, termasuk contoh setiap asumsi.","og_url":"https:\/\/statorials.org\/id\/hipotesis-korelasi-pearson\/","og_site_name":"Statorials","article_published_time":"2023-07-22T06:35:47+00:00","og_image":[{"url":"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/niveaux_mesure.jpg"}],"author":"Benjamin anderson","twitter_card":"summary_large_image","twitter_misc":{"Ditulis oleh":"Benjamin anderson","Estimasi waktu membaca":"3 menit"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/statorials.org\/id\/hipotesis-korelasi-pearson\/","url":"https:\/\/statorials.org\/id\/hipotesis-korelasi-pearson\/","name":"Lima hipotesis korelasi Pearson - Statologi","isPartOf":{"@id":"https:\/\/statorials.org\/id\/#website"},"datePublished":"2023-07-22T06:35:47+00:00","dateModified":"2023-07-22T06:35:47+00:00","author":{"@id":"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81"},"description":"Tutorial ini membahas asumsi yang dibuat saat menghitung koefisien korelasi Pearson, termasuk contoh setiap asumsi.","breadcrumb":{"@id":"https:\/\/statorials.org\/id\/hipotesis-korelasi-pearson\/#breadcrumb"},"inLanguage":"id","potentialAction":[{"@type":"ReadAction","target":["https:\/\/statorials.org\/id\/hipotesis-korelasi-pearson\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/statorials.org\/id\/hipotesis-korelasi-pearson\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/statorials.org\/id\/"},{"@type":"ListItem","position":2,"name":"Lima hipotesis korelasi pearson"}]},{"@type":"WebSite","@id":"https:\/\/statorials.org\/id\/#website","url":"https:\/\/statorials.org\/id\/","name":"Statorials","description":"Panduan anda untuk kompetensi statistik!","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/statorials.org\/id\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"id"},{"@type":"Person","@id":"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81","name":"Benjamin anderson","image":{"@type":"ImageObject","inLanguage":"id","@id":"https:\/\/statorials.org\/id\/#\/schema\/person\/image\/","url":"http:\/\/statorials.org\/id\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg","contentUrl":"http:\/\/statorials.org\/id\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg","caption":"Benjamin anderson"},"description":"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","sameAs":["http:\/\/statorials.org\/id"]}]}},"yoast_meta":{"yoast_wpseo_title":"","yoast_wpseo_metadesc":"","yoast_wpseo_canonical":""},"_links":{"self":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/posts\/2442"}],"collection":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/comments?post=2442"}],"version-history":[{"count":0,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/posts\/2442\/revisions"}],"wp:attachment":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/media?parent=2442"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/categories?post=2442"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/tags?post=2442"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}