Korelasi

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).

3 Metode pengukuran yang lain untuk mengetahui dependensi

antara dua peubah acak

Korelasi X, Y antara dua peubah acak X dan Y dengan

nilai yang diharapkan X dan Y dan simpangan baku
X dan Y didenisikan sebagai:

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

Kopula dan korelasi

Banyak orang yang keliru menganggap bahwa informasi

yang diberikan dari sebuh koesien korelasi sudah cukup
mendenisikan struktur ketergantungan (dependensi) antara peubah acak. Namun untuk mengetahui adanya ketergantungan antara peubah acak harus dipertimbangkan
pula kopula antara keduanya. Koesien korelasi dapat didenisikan sebagai struktur ketergantungan hanya pada
beberapa kasus, misalnya dalam fungsi distribusi kumulatif pada distribusi normal multivariat.

Matriks korelasi

Matriks korelasi n peubah acak X1 , ..., Xn adalah n n

matrik dimana i,j adalah corr(Xi, Xj). Jika ukuran korelasi yang digunakan adalah koesien momen-produk,
matriks korelasi akan sama dengan matriks kovarians peubah acak yang telah distandarkan Xi /SD(Xi) untuk i =
1, ..., n. Sehingga, matriks korelasi merupakan matriks
denit tak-negatif.
Matriks korelasi selalu simetris, yakni korelasi antara Xi
dan Xj adalah sama dengan korelasi antara Xj and Xi ).

Korelasi tak
sebab-akibat

selalu

berarti

Diktum konvensi bahwa korelasi tak selalu berarti

sebab-akibat dibahas dalam artikel hubungan artisial
(spurious relationship). Lihat pula korelasi mengarah ke
hubungan sebab-akibat (kekeliruan logis). Bagaimanapun, korelasi tak diasumsukan selalu akausal, meski penyebab tersebut bisa pula tidak diketahui.
[1]

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

Text and image sources, contributors, and licenses

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

Berkas:Korelasi.png Sumber: http://upload.wikimedia.org/wikipedia/id/f/f1/Korelasi.png Lisensi: DU Kontributor: ? Pembuat asli: ?

9.3

Content license

Creative Commons Attribution-Share Alike 3.0