Interpretasi Korelasi
X menyebabkan Y
Y menyebabkan X
X dan Y diaktifkan oleh satu variabel lain atau lebih
X dan Y saling mempengaruhi secara timbal balik
Sebuah garis lurus adalah cara terbaik untuk meniru hubungan antara dua
variabel kontinyu. Metode kuadrat terkecil (least square) memungkinkan kita
menemukan garis regresi, atau garis yang tepat, yamg meminimumkan eror dalam
menggambar garis. Metode ini menggunakan kriteria meminimumkan kuadrat total
dari estimasi. Prediksi titik yang dibuat dari data yang tepat merupakan subyek
terjadinya eror. Pita prediksi dan keyakinan bisa digunakan untuk menemukan
sebuah rentang nilai yang dimungkin bagi Y berdsarkan pemrediksi yang dipilih.
Pita- pita dibentuk sedemikian rupa sehingga pemrediksi yang letaknya lebih jauh
dari rata- rata mempunyai lebar pita yang lebih besar.
Sering kali asumsi atau tingkat pengukuran yang disyaratkan untuk teknik-
teknik parametrik tidak dapat dipenuhi. Ukuran nonparametrik asosiasi merupakan
sebuah alternatif. Ukuran nominal asosiasi digunakan untuk menilai kekuatan
hubungan dalam tabel klasifikasi silang. Ukuran- ukuran tersebut sering digunakan
dalam rangkaian dengan chi-square atau bisa didasarkan pada pendekatan
pengurangan error proporsional (proposional reduction error/PRE).
Lambda yaitu sebuah statistik PRE, didasarkan pada sebuah frekuensi dari sebuah
variabel nominal memberikan bukti prediksi mengenai frekuensi variable lainnya.
Goodman dan krukal’s menggunakan marginal tabel untuk mengurangi error
prediksi.
Ukuran untuk data ordinal meliputi Gamma, Kendals tau b dan tau c,
Somers’s dan Spearman’s rho. Seluruh ukuran, kecuali korelasi peringkat urutan
Spearman didasarkan pada konsep pasangan konkordasi dan diskordansi. Tidak
satupun dari statistik- statistik tersebut membutuhkan asumsi distribusi normal dua
variabel, meskipun dengan menggabungkan urutan dan sebagian besar
menghasilkan rentang dari -1 hingga + 1.
Nama – Nama Kelompok 6 (enam):