Professional Documents
Culture Documents
Dalam teori probabilitas dan statistika, korelasi, juga di- Karena X = E(X), X2 = E(X2 ) E2 (X) dan demikian
sebut koesien korelasi, adalah nilai yang menunjukk- pula untuk Y, maka dapat pula ditulis
an kekuatan dan arah hubungan linier antara dua peubah
acak (random variable).
E(XY ) E(X)E(Y )
Salah satu jenis korelasi yang paling populer adalah X,Y =
2
E(X ) E 2 (X) E(Y 2 ) E 2 (Y )
koesien korelasi momen-produk Pearson, yang diperoleh dengan membagi kovarians kedua variabel dengan
perkalian simpangan bakunya. Meski memiliki nama Korelasi dapat dihitung bila simpangan baku nit dan
Pearson, metode ini pertama kali diperkenalkan oleh keduanya tidak sama dengan nol. Dalam pembuktian
ketidaksamaan Cauchy-Schwarz, koesien korelasi tak
Francis Galton.
akan melebihi dari 1 dalam nilai absolut. Korelasi bernilai 1 jika terdapat hubungan linier yang positif, bernilai
1 jika terdapat hubungan linier yang negatif, dan antara
1 Koesien
korelasi
momen- 1 dan +1 yang menunjukkan tingkat dependensi linier
antara dua variabel. Semakin dekat dengan 1 atau +1,
produk Pearson
semakin kuat korelasi antara kedua variabel tersebut.
1.1
Jika variabel-variabel tersebut saling bebas, nilai korelasi sama dengan 0. Namun tidak demikian untuk kebalikannya, karena koesien korelasi hanya mendeteksi ketergantungan linier antara kedua variabel. Misalnya, peubah acak X berdistribusi uniform pada interval antara 1
dan +1, dan Y = X2 . Dengan demikian nilai Y ditentukan
sepenuhnya oleh X, sehingga
Sifat-sifat matematis
2 Koesien
parametrik
non-
Koesien korelasi Pearson merupakan statistik parametrik, dan ia kurang begitu menggambarkan korelasi bila
asumsi dasar normalitas suatu data dilanggar. Metode korelasi non-parametrik seperti Spearman and Kendall
berguna ketika distribusi tidak normal. Koesien korelasi non-parametrik masih kurang kuat bila dibandingkan
dengan metode parametrik jika asumsi normalitas data
terpenuhi, namun cenderung memberikan hasil distrosi
ketika asumsi tersebut tak terpenuhi.
Korelasi linier antara 1000 pasang pengamatan. Data digambarkan pada bagian kiri bawah dan koesien korelasinya ditunjukkan pada bagian kanan atas. Setiap titik pengamatan berkorelasi maksimum dengan dirinya sendiri, sebagaimana ditunjukkan pada diagonal (seluruh korelasi = +1).
X,Y =
korelasi
Untuk mendapatkan suatu pengukuran mengenai dependensi data (juga nonlinier), dapat digunakan rasio korelasi yang mampu mendeteksi hampir segala dependensi
fungsional.
cov(X, Y )
E((X X )(Y Y ))
=
.
X Y
X Y
1
8 RUJUKAN
Matriks korelasi
Korelasi tak
sebab-akibat
selalu
berarti
Pranala luar
Understanding Correlation - Materi pegantar
Statsoft Electronic Textbook
Pearsons Correlation Coecient
Learning by Simulations - Distribusi koesien korelasi
Jasa analisis statistik penelitian - Jasa analisis statistik penelitian
Rujukan
[1] vvv
9.1
Text
Korelasi Sumber: http://id.wikipedia.org/wiki/Korelasi?oldid=8327479 Kontributor: RobotQuistnix, YurikBot, Wic2020, Borgxbot, Nein, Thijs!bot, JAnDbot, TottyBot, Albertus Aditya, VolkovBot, TXiKiBoT, SieBot, SilvonenBot, Luckas-bot, Amirobot, ArthurBot, KamikazeBot, EmausBot, Rezabot, BP68Rizqi, Hoji 'Oki' Zagoto dan Pengguna anonim: 5
9.2
Images
9.3
Content license