Wargamasyarakat.org kali ini akan membahas wacana pengertian & rumus hubungan & bentuk hubungan antara dua variabel beserta penjelasan mengenai rumus korelasi ganda & hubungan parsial, untuk lebih jelasnya tentang korelasi ialah simak klarifikasi dibawah ini.
Daftar Isi
Pengertian Korelasi
Korelasi atau lazimnya disebut koefisien hubungan yaitu nilai yg memperlihatkan kekuatan & arah hubungan linier antara dua peubah acak
Korelasi Sederhana ialah suatu Teknik Statistik yg digunakan guna mengukur kekuatan hubungan 2 Variabel & pula untuk bisa mengenali bentuk hubungan antara 2 Variabel itu dgn hasil yg sifatnya kuantitatif.
Rumus Korelasi
Koefisien Korelasi Sederhana pada umumnya disebut pula dgn Koefisien Korelasi Pearson alasannya adalah memiliki rumus perhitungan Koefisien korelasi sederhana dikemukakan oleh Karl Pearson yakni seseorang jago Matematika yg berasal dr Inggris. (Rumus ini disebut pula dgn Pearson product moment)
Keterangan Rumus :
n yaitu Banyaknya Pasangan data X & Y
Σx ialah Total Jumlah dr Variabel X
Σy yaitu Total Jumlah dr Variabel Y
Σx2 yaitu Kuadrat dr Total Jumlah Variabel X
Σy2 ialah Kuadrat dr Total Jumlah Variabel Y
Σxy ialah Hasil Perkalian dr Total Jumlah
Variabel X & Variabel Y
Bentuk Hubungan Antara 2 Variabel
Korelasi Linear Positif (+1)
-
- Perubahan Nilai Variabel diikuti pergeseran Nilai Variabel yg yang lain dengan-cara teratur dgn arah yg sama. Jika Nilai Variabel X mengalami kenaikan, maka Variabel Y pula ikut naik. Jika Nilai Variabel X mengalami penurunan, maka Variabel Y pun ikut turun.
-
- Jika Nilai Koefisien Korelasi mendekati +1 (aktual Satu) mempunyai arti pasangan data Variabel X & Y mempunyai Korelasi Linear Positif yg kokoh.
Korelasi Linear Negatif (-1)
-
- Perubahan Nilai Variabel dibarengi pergantian Nilai Variabel yg yang lain dengan-cara terstruktur namun dgn arah yg berlawanan. Jika Nilai Variabel X mengalami kenaikan, maka Variabel Y akan turun. Jika Nilai Variabel X turun, maka Nilai Variabel Y mengalami peningkatan.
-
- Apabila Nilai Koefisien Korelasi mendekati -1 maka hal ini mengambarkan pasangan data Variabel X & Variabel Y mempunyai Korelasi Linear Negatif yg kuat/erat.
Tidak berkolerasi (0)
-
- Kenaikan Nilai Variabel yg satunya acap kali disertai dgn penurunan Variabel yg lainnya atau seringkali dibarengi dgn kenaikan Variable yg lainnya.Arah relevansinya tak terstruktur, searah, & kadang kala bertentangan.
-
- Apabila Nilai Koefisien Korelasi mendekati 0 (Nol) bermakna pasangan data Variabel X & Y mempunyai hubungan yg sungguh lemah atau berkemungkinan tak berkolerasi
Koefisien korelasi non-parametrik
Koefisien hubungan Pearson ialah statistik parametrik, & ia kurang begitu menggambarkan hubungan kalau perkiraan dasar normalitas suatu data dilanggar. Metode hubungan non-parametrik mirip ρ Spearman and τ Kendall berguna saat distribusi tak wajar .
Koefisien hubungan non-parametrik masih kurang kokoh kalau disejajarkan dgn tata cara parametrik jikalau asumsi normalitas data tercukupi, tetapi condong memberikan hasil distrosi tatkala perkiraan tersebut tak terpenuhi.
Korelasi Ganda
Korelasi pada (multyple correlation) yakni angka yg memperlihatkan arah & kuatnya hubungan antara dua variabel dengan-cara gotong royong atau lebih dgn variabel yg lainya. Pemahaman perihal korelasi ganda mampu dilihat lewat gambar berikut ini. Simbol hubungan ganda yakni R
Keterangan gambar :
X1 = Kepemimpinan
X2 = Tata Ruang Kantor
Y = Kepuasan Kerja
R = Korelasi Ganda
Keterangan gambar :
X1 = Kesejahteraan pegawai
X2 = Hubungan dgn pimpinan
X3 = Pengawasan
Y = Efektivitas kerja
Dari acuan di atas, tampakbahwa hubungan ganda R, bukan merupakan penjumlahan dr korelasi sederhana yg ada pada setiap variabel (r1-r2-r3). Kaprikornus R (r1+ r2+ r3).
Korelasi ganda merupakan hubungan dengan-cara bantu-membantu antara X1 dgn X2 & Xn dgn Y. Pada gambar pertama. hubungan ganda merupakan hubungan dengan-cara gotong royong antara variabel kepemimpinan, & tata ruang kantor dgn kepuasan kerja pegawai
Kopula & korelasi
Banyak yg keliru & menganggap bahwa gosip yg diberikan dr suatu koefisien hubungan cukup mendefinisikan struktur ketergantungan antara peubah acak.
Untuk mengetahui adanya ketergantungan antara peubah acak mesti dipertimbangkan kopula antara keduanya. Koefisien korelasi mampu didefinisikan sebagai struktur ketergantungan cuma pada beberapa masalah, contohnya pada fungsi distribusi kumulatif pada distribusi normal multivariat
Korelasi Parsial
Analisis korelasi parsial dipakai untuk mengenali hubungan antara dua variabel dimana variabel lainnya yg dianggap kuat dikendalikan atau dibuat tetap sebagai variabel kendali.
Nilai hubungan (r) berkisar antara 1 hingga dgn -1, nilai semakin mendekati 1 atau -1 memiliki arti hubungan antara dua variabel akan makin kokoh, sebaliknya jikalau nilai mendekati 0 berarti hubungan antara dua variabel akan kian lemah.
Nilai positif menunjukkan hubungan searah (X naik maka Y naik) & nilai negatif memperlihatkan bahwa hubungan terbalik (X naik maka Y turun). Data yg dipakai biasanya berukuran interval atau rasio.
Pedoman untuk menunjukkan interpretasi koefisien korelasi sebagai berikut:
0,00 – 0,199 = sangat minim
0,20 – 0,399 = rendah
0,40 – 0,599 = sedang
0,60 – 0,799 = kuat
0,80 – 1,000 = sungguh kuat
Demikianlah postingan ini, Semoga berfaedah
Baca Juga :