Correlation Analysis

A. Introduction to Correlation Analysis

Analisis korelasi adalah teknik statistik yang digunakan untuk menemukan hubungan antara
dua variabel. Metode ini memberikan informasi tentang kekuatan dan arah hubungan antara
dua variabel. Korelasi digunakan untuk menunjukkan apakah ada hubungan antara dua variabel
dan seberapa kuat hubungannya.

Contoh grafik korelasi dua variabel. Sumber : diplayr.com

Contoh analisis korelasi adalah:

Misalkan kita memiliki data tentang pengeluaran per bulan dan pendapatan per bulan dari
sekelompok orang. Kita ingin melihat apakah ada hubungan antara pengeluaran dan
pendapatan mereka. Setelah menghitung korelasi antara kedua variabel, ditemukan bahwa terdapat
korelasi positif yang kuat antara pengeluaran dan pendapatan. Ini menunjukkan bahwa semakin
tinggi pendapatan seseorang, semakin besar kemungkinannya untuk mengeluarkan uang.

Korelasi ini dapat digunakan untuk membuat keputusan bisnis seperti menentukan harga produk
yang tepat untuk target pasar tertentu, menentukan jenis promosi yang akan dilakukan, dan
sebagainya.
Correlation vs Regretion
 Korelasi adalah ukuran kekuatan hubungan antara dua variabel. Ini mengukur seberapa
dekat hubungan antara dua variabel dalam sebuah data set. Korelasi dapat berupa positif
atau negatif. Korelasi positif terjadi ketika kedua variabel bergerak bersamaan, sedangkan
korelasi negatif terjadi ketika kedua variabel bergerak berlawanan arah.
 Regresi adalah metode statistik yang digunakan untuk mempelajari hubungan antara dua
variabel. Ini melibatkan memodelkan hubungan antara dua variabel dengan
menggunakan persamaan matematika. Regresi dapat digunakan untuk memprediksi nilai
variabel dependen dari nilai variabel independen. Ada beberapa jenis regresi, seperti
regresi linier sederhana, regresi linier berganda, dan regresi logistik.

Meskipun keduanya berhubungan dengan hubungan antara variabel, namun ada perbedaan yang
signifikan antara korelasi dan regresi.

Perbedaan korelasi dan regresi :

1. Tujuan analisis :

a. Tujuan dari korelasi adalah untuk menentukan apakah ada hubungan antara dua variabel dan
seberapa kuat hubungannya.

b. Tujuan dari regresi adalah untuk memprediksi nilai variabel respons (variabel dependen)
berdasarkan nilai variabel prediktor (variabel independen).

2. Arah hubungan :

a. Korelasi mengukur kekuatan dan arah hubungan antara dua variabel tanpa mempertimbangkan
peran masing-masing variabel.

b. Regresi mencoba untuk menemukan hubungan sebab-akibat antara variabel independen dan
variabel dependen.

3. Variabel :

a. Korelasi melibatkan dua variabel yang saling berhubungan

b. Regresi melibatkan setidaknya satu variabel independen dan satu variabel dependen.

4. Jenis analisis:

a. Korelasi dapat dilakukan dengan analisis korelasi sederhana atau analisis korelasi berganda.

b. Regresi dapat dilakukan dengan regresi linier sederhana atau regresi linier berganda.
5. Output :

a. Korelasi menghasilkan koefisien korelasi, yang menunjukkan kekuatan dan arah hubungan antara
dua variabel.

b. Regresi menghasilkan persamaan regresi, yang dapat digunakan untuk memprediksi nilai variabel
dependen berdasarkan nilai variabel independen.

B. Pearson Correlation & Coefficient Correlation

Koefisien korelasi Pearson adalah salah satu jenis koefisien korelasi yang paling sering digunakan,
terutama ketika data mengikuti distribusi normal. Selain Pearson, ada juga beberapa jenis
koefisien korelasi lainnya, seperti Spearman, Kendall, dan Point-Biserial, yang digunakan tergantung
pada karakteristik data yang diuji.

Korelasi Pearson adalah salah satu jenis koefisien korelasi yang digunakan untuk mengukur
hubungan linier antara dua variabel yang terukur dalam skala interval atau rasio. Ini mengukur
kekuatan hubungan antara dua variabel dan nilainya berkisar dari -1 hingga +1, di mana nilai -1
menunjukkan hubungan yang sempurna dan berlawanan arah antara dua variabel, nilai 0
menunjukkan tidak adanya hubungan, dan nilai+1 menunjukkan hubungan yang sempurna dan
searah antara dua variabel.

Koefisien korelasi adalah ukuran statistik yang digunakan untuk mengevaluasi kekuatan
hubungan antara dua variabel. Untuk mengukur sejauh mana dua variabel berubah bersama-
sama, dan dapat digunakan untuk mengidentifikasi apakah ada hubungan positif atau negatif
antara kedua variabel. Koefisien korelasi juga dapat digunakan untuk memprediksi nilai salah satu
variabel dari nilai yang diketahui dari variabel lainnya.

Contoh Studi Kasus Korelasi Pearson

Permasalahan : Sebuah perusahaan ingin mengetahui apakah ada hubungan antara pengalaman
kerja karyawan dengan performa kerja mereka.

Untuk menghitung korelasi antara pengalaman kerja dan performa kerja karyawan menggunakan
korelasi Pearson, kita dapat menggunakan rumus:
Rumus Korelasi Pearson. Sumber : teknikelektronika.com

dengan penjelasan rumus pada kasus ini sebagai berikut :

- r = koefisien korelasi Pearson

- n = jumlah pasangan data

- Σxy = jumlah hasil perkalian antara setiap pasangan data pada kedua variabel

- Σx = jumlah seluruh nilai pada variabel pengalaman kerja

- Σy = jumlah seluruh nilai pada variabel performa kerja

- Σx² = jumlah kuadrat dari setiap nilai pada variabel pengalaman kerja

- Σy² = jumlah kuadrat dari setiap nilai pada variabel performa kerja

Data Karyawan (Studi Kasus)

Cara Penyelesaian :

Σxy = (2x5) + (4x7) + (6x8) + (8x9) + (10x10) = 270

Σx = 2 + 4 + 6 + 8 + 10 = 30
Σy = 5 + 7 + 8 + 9 + 10 = 39
Σx² = (2²) + (4²) + (6²) + (8²) + (10²) = 220
Σy² = (5²) + (7²) + (8²) + (9²) + (10²) = 423

n = 5
r = (nΣxy — ΣxΣy) / sqrt([nΣx² — (Σx)²][nΣy² — (Σy)²])
= (5x270 — (30x39)) / sqrt([(5x220) — (30²)][(5x423) — (39²)])
= 0.984
Dari perhitungan di atas, diperoleh nilai koefisien korelasi Pearson sebesar 0.984. Hal ini
menunjukkan adanya hubungan yang kuat antara pengalaman kerja dengan performa kerja
karyawan.

C. Statistical Significance in Correlation

Tes signifikansi atau significance test adalah metode statistik untuk menguji apakah perbedaan
antara dua atau lebih kelompok data adalah signifikan atau hanya disebabkan oleh kebetulan
semata. Tujuannya adalah untuk mengetahui apakah perbedaan antara kelompok-kelompok tersebut
tidak terjadi secara acak atau terjadi karena adanya faktor-faktor lain yang mempengaruhi.

Contoh penerapan tes signifikansi :

Dalam penelitian medis untuk mengetahui apakah suatu pengobatan benar-benar efektif atau hanya
kebetulan semata.

Misalnya, jika ada dua kelompok pasien yang diberi pengobatan yang berbeda, tes signifikansi
dapat digunakan untuk mengetahui apakah perbedaan hasil pengobatan antara kedua kelompok
tersebut signifikan atau tidak.

Contoh penerapan tes signifikansi 2 :

Tes signifikansi juga sering digunakan dalam penelitian bisnis untuk menguji apakah suatu strategi
pemasaran atau produk baru benar-benar berdampak positif terhadap penjualan atau hanya
kebetulan semata.

Misalnya, jika ada dua kelompok pasar (target market) yang dikenai strategi pemasaran yang
berbeda, tes signifikansi dapat digunakan untuk mengetahui apakah perbedaan penjualan antara
kedua kelompok tersebut signifikan atau tidak.

T- test

Tes signifikansi t-test merupakan salah satu jenis tes statistik yang digunakan untuk menentukan
apakah perbedaan antara dua kelompok atau sampel signifikan secara statistik atau tidak.

Contoh penggunaan t-test

Dalam perbedaan rata-rata gaji antara karyawan laki-laki dan perempuan di sebuah perusahaan.
Dalam hal ini, kita dapat menggunakan t-test untuk menguji apakah perbedaan rata-rata gaji tersebut
signifikan secara statistik atau tidak.

Learn More via : https://myskill.id/course/correlation-analysis/