ANALISIS HUBUNGAN SEBAB AKIBAT ANTAR VARIABEL: KORELASI DAN

KAUSALITAS

Korelasi vs kausalitas
Sebelum kita berlanjut dalam pembahasan lebih lanjut dalam materi ANALISIS HUBUNGAN
SEBAB AKIBAT ANTAR VARIABEL: KORELASI DAN KAUSALITAS , ada baiknya kita memahami
perbedaan antar variable korelasi dan kausalitas dikarenakan hal tersebut sangat penting
untuk menarik kesimpulan dlam mengannalisis data statistic yang akurat.
Korelasi mengacu pada hubungan antara 2 variabel, dimana perubahan pada satu variabel
berhubungan dengan perubahan pada variabel lainnya. Ketika 2 variabel dikorelasikan, maka
cenderung bergerak ke arah tertentu, baik positif maupun negatif. Korelasi positif
menunjukkan kedua variabel meningkat atau menurun secara bersamaan. Sebaliknya,
korelasi negatif berarti jika satu variabel menurun, maka variabel lainnya meningkat, dan
sebaliknya. Penting untuk disebutkan bahwa korelasi tidak berarti sebab akibat tetapi
hanya menandakan hubungan antar variabel.
Kausalitas, mengacu pada hubungan sebab-akibat antara dua variabel. Dalam hubungan
sebab akibat, perubahan pada satu variabel secara langsung menyebabkan perubahan pada
variabel lainnya. Membangun hubungan sebab dan akibat lebih dari sekadar
mengidentifikasi korelasi. Hal ini memerlukan demonstrasi yang jelas bahwa satu variabel
mempengaruhi variabel lainnya, dengan mengesampingkan kemungkinan adanya faktor
eksternal atau sekadar kebetulan yang menyebabkan hubungan yang diamati.
korelasi
Secara umum, korelasi adalah cara untuk mencari suatu hubungan antara dua variabel.
Korelasi merupakan salah satu bentuk dan ukuran yang memiliki beberapa variabel dalam
hubungan yang menggunakan kata dari korelasi positif, sehingga terjadi perubahan
meningkat pada sebuah benda.
Menurut Kamus Besar Bahasa Indonesia (KBBI) adalah hubungan timbal balik atau sebab
akibat.
Pada konteks teknik analisis, korelasi biasa digunakan untuk mencari hubungan di antara dua
variabel yang memiliki sifat kuantitatif.
Ada pula statistik korelasi yang merupakan metode untuk mengetahui ada dan tidaknya
hubungan linear antara variabel. Jika ditemukan hubungan, maka perubahan yang terjadi
pada salah satu variabel (X) akan menyebabkan terjadinya perubahan pada variabel lain (Y).
Intinya, korelasi adalah teknik menganalisis statistik untuk mencari hubungan dari dua
variabel. Dua variabel bisa disebut berkorelasi, bila perubahan pada variabel yang lain ke
arah yang sama (korelasi positif) atau berlawanan (korelasi negatif) secara teratur. Korelasi
sendiri terbagi menjadi tiga, yakni korelasi sederhana, parsial dan ganda.
Macam macam korelasi
1. Korelasi sederhana
Korelasi sederhana adalah salah satu teknik statistik yang digunakan untuk mengukur
kekuatan hubungan antara dua variabel dan mencari tahu bentuk hubungan antara
keduanya yang bersifat kuantitatif.
Kekuatan hubungan antara dua variabel yang dimaksud adalah 2 variabel itu memiliki
hubungan yang lemah, erat atau tidak erat. Sedangkan, bentuk hubungan yang itu
maksudnya antara dua variabel memiliki bentuk korelasi linear positif atau linear negatif
yang mencakup teknik-teknik dari pengukuran asosiasi.
Ada 2 teknik pengukuran asosiasi yang paling populer meliputi korelasi pearson product
moment dan korelasi rank spearman. Korelasi pearson product moment adalah korelasi yang
digunakan untuk data kontinu dan data diskrit.
Teknik pengukuran asosiasi ini sangat cocok digunakan untuk statistik parametrik. Karena,
data berjumlah besar dan memiliki ukuran parameter, seperti mean dan standar deviasi
populasi.
Sedakan, korelasi rank spearman digunakan untuk data diskrit dan kontinu yang statistik
nonparametrik. Koefisien korelasi rank spearman lebih cocok digunakan untuk statistik
nonparametrik.
Statistik non parametrik adalah statistik yang digunakan ketika data tidak memiliki informasi
parameter, data tidak berdistribusi normal atau data diukur dalam bentuk ranking.
Berbeda dengan korelasi pearson, teknik pengukuran asosiasi ini tidak membutuhkan asumsi
normalitas. Sehingga, korelasi rank spearman lebih cocok digunakan untuk data dengan
sampel kecil.
Korelasi rank spearman mencari hubungan dengan menghitung ranking data terlebih
dahulu. Artinya, korelasi dihitung berdasarkan orde data. Anda bisa menggunakannya Ketika
menemui data kategori, seperti kategori pekerjaan, tingkat pendidikan, kelompok usia dan
contoh kategori data lainnya.
Dengan demikian korelasi sederhana dapat digunakan untuk statistik parametrik dengan
jumlah besaran dari ukuran parameter pada populasi.
2. Korelasi parsial
Korelasi parsial merupakan suatu metode yang digunakan untuk mengukur keeratan
hubungan antara dua variabel bebas dan variabel tak bebas. Caranya, mengontrol salah satu
variabel bebas untuk melihat korelasi natural antara variabel yang tidak terkontrol.
Analisis korelasi parsial ini akan melibatkan dua variabel. Satu variabel yang dianggap
berpengaruh akan dikendalikan atau dibuat tetap sebagai variabel kontrol.
Sehingga, korelasi parsial ini nantinya bisa digunakan untuk melakukan kontrol dari salah
satu variabel dengan mudah.
Selain itu, data yang digunakan dalam korelasi parsial biasanya memiliki skala interval atau
rasio. Berikut, pedoman untuk memberikan interpretasi dan analisis bagi koefisien korelasi
menurut Sugiyono.
Interval koefisien = tingkat hubungan
0,00 – 0,199 = sangat rendah
0,20 – 0,3999 = rendah
0,40 – 0,5999 = sedang
0,60 – 0,799 = kuat
0,80 – 1,000 = sangat kuat
3. Korelasi berganda
Korelasi ganda adalah bentuk korelasi yang biasanya digunakan untuk melihat hubungan
antara 3 atau lebih variabel (dua atau lebih variabel independen dan satu variabel
dependen). Korelasi ganda ini berkaitan dengan interkorelasi variabel independen, seperti
korelasinya dengan variabel dependen.
Oleh karena itu, korelasi ganda ini juga merupakan nilai yang bisa menentukan kuat atau
tidaknya pengaruh hubungan antara variabel secara bersama-sama. Korelasi ganda
merupakan korelasi yang terdiri dari 2 atau lebih variabel bebas (X1, X2, … Xn) dan satu
variabel terikat (Y). Apabila, perumusan masalahnya terdiri dari 3 masalah, maka hubungan
antar masing-masing variabel dilakukan dengan perhitungan korelasi sederhana.
Korelasi ganda juga memiliki koefisien dengan besar kecilnya antara hubungan variabel yang
akan dinyatakan dalam bilangan yang disimbolkan 1 – 0 dan +1.
Korelasi -1 adalah negatif sempurna, yakni ada hubungan di antara dua variabel atau lebih
tapi arahnya terbalik. Sedangkan, +1 adalah korelasi positif sempurna, yakni adanya sebuah
hubungan di antara dua variabel atau lebih.
Lalu, korelasi 0 dianggap tidak memiliki hubungan antara 2 variabel atau lebih yang diuji,
sehingga bisa dikatakan tidak ada hubungan sama sekali.
Bentuk analisis korelasi
Setelah melakukan analisis korelasi, maka akan menemukan hasil atau bentuk korelasi,
antara lain:

1. Korelasi Positif
Korelasi positif adalah perubahan nilai yang diikuti pada nilai variabel secara teratur pada
arah yang sama, sehingga mengalami kenaikan. Bentuk korelasi ini juga diartikan sebagai
perubahan nilai koefisien pada pasangan data dari variabel.
Korelasi positif juga merupakan hubungan antara variabel X dan variabel Y yang bisa
menggambarkan hubungan sebab akibat. Jika variabel X mengalami penambahan nilai maka
akan diikuti penambahan nilai variabel Y.
Contoh Korelasi Positif :
Apabila dilakukan penambahan jumlah pupuk (X), maka produksi jagung akan semakin
meningkat (Y).
2. Korelasi Negatif
Korelasi negatif adalah perubahan nilai yang diikuti pada nilai variabel secara teratur, tetapi
memiliki arah yang berlawanan dengan kenaikan variabel yang tidak teratur.
Nilai koefisien dalam korelasi negatif ini menunjukkan beberapa pasangan data memiliki
linear negatif yang cukup kuat.
Artinya, korelasi negatif ini berbanding terbalik dengan korelasi positif. Korelasi negatif
adalah hubungan antara variabel X dan variabel Y. Jika nilai variabel X meningkat, maka nilai
variabel Y akan menurun.
Contoh Korelasi Negatif :
Jika harga barang elektronik naik (X) maka permintaan terhadap barang tersebut akan
menurun (Y).
3. Tidak Ada Korelasi
Variabel yang tidak berkorelasi terjadi bila kenaikan nilai diikuti dengan penurunan data yang
berlawanan atau tidak saling berhubungan. Dalam bentuk korelasi ini, nilai koefisien
memiliki pasangan data dengan korelasi yang lemah.
Maksudnya, hasil analisis korelasi dari dua variabel (X dan Y) tidak menunjukkan adanya
hubungan linear. Maka, hal ini bisa disebut sebagai tidak ada korelasi.
Contoh:
Wanita itu memiliki rambut yang panjang (X) dengan badan yang tinggi semampai (Y).
Kedua variabel itu tidak dapat dihitung hubungannya atau tidak ada korelasinya sama sekali,
maka disebut hasil analisis tidak berkorelasi.
4. Korelasi Sempurna
Korelasi sempurna bisa terjadi bila kenaikan atau penurunan variabel X selalu sebanding
dengan kenaikan atau penurunan variabel Y. Umumnya, jumlah hubungan antara variabel
bebas dan variabel tidak bebas bisa diukur dengan koefisien korelasinya.
Bila digambarkan menggunakan diagram titik atau pencar, titik berderet yang menunjukkan
korelasi sempurna akan membentuk satu garis lurus yang hampir tidak ada pencaran.
Besarnya hubungan antara variabel bebas dan variabel tidak bebas biasanya diukur dengan
koefisien korelasi. Nilai koefisien korelasi berada antara -1 hingga +1.
Jika, koefisien korelasi bernilai 0, berarti tidak ada hubungan antara kedua variabel tersebut.
Bila, koefisien korelasi bernilai negatif, berarti hubungan antara kedua variabel itu negatif
atau saling berbanding terbalik.
Jika, koefisien korelasi bernilai positif, berarti hubungan antara kedua variabel itu positif atau
saling berbanding lurus.

Kausalitas
Penelitian kausal adalah investigasi terhadap hubungan sebab-akibat. Untuk menentukan
kausalitas, penting untuk mengamati variasi dalam variabel penelitian yang dianggap
menyebabkan perubahan pada variabel lain, dan kemudian mengukur perubahan pada
variabel lain.
Pengaruh perancu lainnya harus dikontrol agar tidak mendistorsi hasil, baik dengan
mempertahankannya konstan dalam pembuatan data eksperimental, atau menggunakan
metode statistik.
Jenis metode penelitian ini sangat kompleks dan peneliti tidak pernah dapat sepenuhnya
yakin bahwa tidak ada faktor lain yang mempengaruhi hubungan kausal, terutama ketika
berhadapan dengan sikap dan motivasi orang. Sering ada pertimbangan psikologis yang jauh
lebih dalam yang bahkan responden mungkin tidak sad
Penelitian kausal adalah penelitian yang dilakukan untuk mengidentifikasi tingkat dan sifat
hubungan sebab-akibat. Penelitian kausal dapat dilakukan untuk menilai dampak dari
perubahan spesifik pada norma yang ada, berbagai proses dan lain-lain.
Studi kausal fokus pada analisis situasi atau rumusan masalah khusus untuk menjelaskan
pola hubungan antar variabel. Eksperimen adalah teknik pengumpulan data primer yang
paling populer dalam penelitian dengan rancangan penelitian kausal.
Pengertian kasualitas menurut para ahli
Adapun definisi penelitian kausal menurut para ahli, antara lain:
1. Business Dictionary, Penelitian kausan adalah penyelidikan terhadap masalah atau
topik yang melihat efek dari satu hal atau variabel pada yang lain. Misalnya,
penelitian kausal dapat digunakan dalam lingkungan bisnis untuk mengukur efek
yang akan terjadi pada perubahan pada operasinya saat ini pada tingkat produksi di
masa depan untuk membantu dalam proses perencanaan bisnis.
2. Fluid Surveys University, Penelitian kausal termasuk dalam kategori penelitian
konklusif, karena upayanya untuk mengungkap hubungan sebab dan akibat antara
dua variabel. Seperti penelitian deskriptif, bentuk penelitian ini mencoba untuk
membuktikan ide yang diajukan oleh individu atau organisasi. Namun, itu berbeda
secara signifikan pada metode dan tujuannya.
Tujuan analisis kausalitas
Uji kausalitas adalah suatu uji yang mengukur kekuatan hubungan antara dua variabel atau
lebih. Dengan kata lain, studi kausalitas mempertanyakan masalah sebab akibat. Uji
kausalitas dilakukan untuk mengetahui apakah suatu variable endogen dapat diperlakukan
sebagai variabel eksogen. Hal ini bermula dari ketidaktahuan pengaruh antar variabel. Jika
ada dua variabel Y dan X, maka apakah Y menyebabkan X atau X menyebabkan Y atau
berlaku keduanya atau tidak ada hubungan keduanya. Variabel Y menyebabkan variabel X
artinya berapa banyak nilai X pada periode sekarang dapat dijelaskan oleh nilai X pada
periode sebelumnya dan nilai Y pada periode sebelumnya.

Ciri Penelitian Kausalitas

Jika penelitian deskriptif memiliki cakupan yang luas, berusaha untuk mendefinisikan dengan
lebih baik setiap opini, sikap, atau perilaku yang dimiliki oleh kelompok tertentu, penelitian
kausal dapat dibedakan dari penelitian deskriptif tersebut karena memiliki karakteristik
tersendiri yang ditinjau dari segi tujuannya, yaitu:

1. Memahami variabel mana yang menjadi penyebabnya, dan variabel mana yang
pengaruhnya
Misalnya, katakanlah pemerintah ingin mengurangi kecelakaan mobil di jalan raya. Mereka
mungkin menemukan melalui penelitian deskriptif dan eksplorasi awal bahwa kecelakaan
dan kemarahan di jalan terus meningkat selama 5 tahun terakhir.
Alih-alih secara otomatis mengasumsikan bahwa kemarahan di jalan adalah penyebab
kecelakaan-kecelakaan ini, penting untuk mengukur apakah yang sebaliknya bisa benar.
Mungkin kemarahan di jalan meningkat lebih banyak kecelakaan karena penutupan jalur dan
peningkatan lalu lintas.
Bisa juga karena pepatah lama ‘korelasi tidak menjamin penyebab.’ Mungkin keduanya
meningkat karena alasan lain seperti konstruksi, kurangnya kontrol lalu lintas yang tepat,
atau masuknya driver baru.
2. Menentukan sifat hubungan antara variabel kausal dan efek yang diprediksi
Melanjutkan dengan contoh di atas, katakanlah pemerintah membuktikan bahwa
kemarahan di jalan semakin meningkatkan jumlah kecelakaan mobil di daerah tersebut.
Penelitian kausal dapat digunakan untuk dua hal.
Pertama, mengukur signifikansi efeknya, seperti menghitung persentase peningkatan
kecelakaan yang dapat dikontribusikan oleh kemarahan di jalan. Kedua, mengamati
bagaimana hubungan antara variabel bekerja (yaitu: driver yang marah cenderung untuk
mempercepat berbahaya atau mengambil lebih banyak risiko, menghasilkan lebih banyak
kecelakaan).
Bagian Penelitian Kausalitas
Kehadiran hubungan sebab-akibat dapat dikonfirmasi hanya jika ada bukti kausal spesifik.
Bukti kausal memiliki tiga komponen penting:

1. Urutan sementara. Penyebabnya harus terjadi sebelum efek. Misalnya, tidak akan
pantas untuk mengkredit kenaikan penjualan untuk upaya rebranding jika kenaikan
telah dimulai sebelum rebranding.
2. Variasi yang bersamaan. Variasi harus sistematis antara dua variabel. Misalnya, jika
perusahaan tidak mengubah pelatihan karyawan dan praktik pengembangannya,
maka perubahan dalam kepuasan pelanggan tidak dapat disebabkan oleh pelatihan
dan pengembangan karyawan.
3. Asosiasi tidak palsu. Setiap kovarioaton antara sebab dan akibat harus benar dan
bukan hanya karena variabel lain. Dengan kata lain, seharusnya tidak ada faktor
‘sepertiga’ yang terkait dengan keduanya, menyebabkan, serta, efek.

Komponen Penelitian Kausal

Hanya informasi kausal spesifik yang dapat menunjukkan adanya hubungan sebab-akibat.
Tiga komponen kunci penelitian kausal adalah sebagai berikut:

1. Urutan temporal
Sebelum efek, penyebabnya harus terjadi. Jika sebab terjadi sebelum munculnya akibat,
sebab dan akibat hanya dapat dihubungkan. Misalnya, jika peningkatan laba terjadi sebelum
iklan ditayangkan, tidak dapat dikaitkan dengan peningkatan belanja iklan.
2. Asosiasi Tidak Palsu
Fluktuasi terkait antara dua variabel hanya diperbolehkan jika tidak ada variabel lain yang
terkait dengan sebab dan akibat. Misalnya, produsen notebook telah menemukan korelasi
antara notebook dan musim gugur. Mereka melihat bahwa selama musim ini, lebih banyak
orang membeli notebook karena siswa membelinya untuk semester mendatang.
Selama musim panas, perusahaan meluncurkan kampanye iklan untuk notebook. Untuk
menguji asumsi mereka, mereka dapat mencari data kampanye untuk melihat apakah
peningkatan penjualan notebook disebabkan oleh ritme alami siswa untuk membeli
notebook atau iklan.
3. Variasi bersamaan
Variasi penyerta didefinisikan sebagai perubahan kuantitatif akibat yang terjadi semata-mata
sebagai akibat dari perubahan kuantitatif pada penyebabnya. Ini berarti bahwa harus ada
perubahan yang stabil antara kedua variabel. Anda dapat memeriksa validitas hubungan
sebab-akibat dengan melihat apakah variabel independen menyebabkan perubahan pada
variabel dependen.
Cara untuk Menerapkan Penelitian Kausal
Penelitian kausal seringkali merupakan jenis penelitian terakhir yang dilakukan selama
proses penelitian, dan dianggap definitif. Akibatnya, sangat penting untuk merencanakan
penelitian dengan parameter dan tujuan tertentu dalam pikiran. Berikut adalah beberapa
tips untuk melakukan penelitian kausal dengan sukses:
1. Pahami parameter penelitian Anda
Identifikasi strategi desain apa pun yang mengubah cara Anda memahami data Anda.
Tentukan bagaimana Anda memperoleh data dan apakah kesimpulan Anda lebih dapat
diterapkan dalam praktik dalam beberapa kasus daripada yang lain.
2. Pilih strategi pengambilan sampel secara acak
Sangat penting untuk memilih teknik yang paling cocok untuk Anda ketika Anda memiliki
peserta atau subjek. Anda dapat menggunakan database untuk membuat daftar acak,
memilih pilihan acak dari kategori yang sudah diurutkan, atau melakukan survei.
3. Tentukan semua hubungan yang mungkin
Periksa hubungan yang berbeda antara variabel independen dan dependen Anda untuk
membangun wawasan dan kesimpulan yang lebih canggih.