Eksperimen 04 · hubungan antarvariabel

Laboratorium korelasi

Amati bagaimana Korelasi Pearson (Pearson correlation, r) merangkum arah dan kekuatan pola linear. Lihat juga dampak pencilan (outlier), yaitu nilai yang jauh dari kumpulan data.

Pertanyaan pemantik

Jika dua variabel bergerak bersama, apakah berarti salah satunya menyebabkan perubahan pada yang lain?

Data simulasi

Amati pola titik

24 titik
Diagram pencar korelasi Titik menunjukkan pasangan nilai simulasi. Garis menunjukkan tren linear yang dihitung dari titik yang sama.
Setiap titik mewakili satu pasangan nilai simulasi. Nilai r merangkum arah dan kekuatan pola linear pada diagram pencar. Garis tren membantu melihat pola; korelasi tidak membuktikan sebab-akibat.
Pasangan nilai Pencilan (outlier) Garis tren linear

Ukuran yang dihitung

Ringkasan pasangan data

Korelasi Pearson (r)
Belum dihitung
Jumlah pasangan (n)
24
Arah pada sampel ini
Menunggu data
Kekuatan linear (|r|)
Belum dihitung

Semakin dekat |r| ke 1, titik semakin mengikuti garis lurus. Semakin dekat |r| ke 0, pola linear semakin lemah. Tidak ada batas universal untuk label lemah atau kuat.

Amati hasilnya

Apa yang berubah?

Data simulasi membentuk pola linear. Korelasi dihitung dari pasangan titik yang sedang terlihat.

Perubahan bersama tidak membuktikan sebab-akibat. Variabel ketiga, arah sebab yang terbalik, atau kebetulan dapat menjelaskan pola.

Pahami konsep

Membaca hubungan dua variabel

Arah menunjukkan gerak bersama

Korelasi positif berarti X dan Y cenderung naik atau turun bersama. Korelasi negatif berarti saat X naik, Y cenderung turun.

r merangkum pola linear

Nilai r berada antara −1 dan +1. Nilai dekat +1 atau −1 menunjukkan pola linear yang rapat. Nilai dekat 0 menunjukkan pola linear yang lemah pada sampel.

Nilai r dekat 0 bukan berarti tanpa hubungan

Hubungan melengkung atau pola lain dapat tetap ada meski korelasi linear mendekati nol. Selalu amati diagram pencar bersama nilai r.

Pencilan (outlier) dapat menggeser r

Satu titik yang jauh dari kumpulan data dapat memperkuat, melemahkan, atau membalik arah korelasi. Periksa titiknya sebelum merangkum hubungan.

Contohnya, waktu belajar dan nilai ujian dapat bergerak bersama. Namun, akses belajar, pengalaman, atau kondisi lain juga mungkin berpengaruh.

Lihat rumus Pearson, kovariansi, dan batasannya

Kovariansi merangkum apakah dua variabel menyimpang dari mean ke arah yang sama atau berlawanan.

Korelasi Pearson membagi kovariansi dengan hasil kali simpangan baku kedua variabel: r = Σ((xᵢ − x̄)(yᵢ − ȳ)) / √(Σ(xᵢ − x̄)² Σ(yᵢ − ȳ)²).

Rumus ini merangkum pola linear. Nilai r tidak menjelaskan sebab-akibat dan peka terhadap pencilan.