Dalam Kamus Besar Bahasa Indonesia, korelasi memiliki arti hubungan timbal balik atau sebab-akibat. Sedangkan dalam statistika, uji korelasi sendiri merupakan teknik analisis yang digunakan untuk mengetahui ada tidaknya hubungan antar 2 variabel yang diuji. Ukuran keeratan dalam uji korelasi ini biasanya disebut dengan koefisien korelasi atau rho. Nilai rho berkisar dari -1 sampai dengan 1. Jika nilai rho mendekati -1 atau 1, maka kedua variabel tersebut memiliki korelasi yang kuat. Sebaliknya, jika nilai rho mendekati 0, maka kedua variabel cenderung memilki korelasi yang lemah atau bahkan tidak memiliki korelasi.
Dalam pengujian korelasi, kita dapat melihat arah hubungan antar 2 variabel tersebut. Hubungan antar dua variabel bisa memiliki korelasi positif maupun korelasi negatif.
Macam – Macam Korelasi
Korelasi Positif
Pada korelasi positif, nilai rho akan berada pada interval 0 ≤ ρ ≤ 1. Pada contoh plot di atas, terlihat bahwa jika nilai X mengalami peningkatan, maka nilai Y juga akan meningkat. Sebaliknya, jika nilai X mengalami penurunan, maka Y juga akan menurun.
Korelasi Negatif
Pada korelasi negatif, nilai rho akan berada pada interval -1 ≤ ρ ≤ 0. Pada contoh plot di atas, terlihat bahwa jika nilai X mengalami peningkatan, maka nilai Y akan menurun. Sebaliknya, jika nilai X mengalami penurunan, maka Y akan meningkat.
Dalam statistika, ada beberapa metode yang dapat digunakan untuk mengetahui ada tidaknya hubungan antar variabel. Metode tersebut dipilih berdasarkan jenis dan distribusi dari data yang akan diuji. Berikut bebarapa metode uji korelasi yang umum digunakan.
Korelasi Pearson
Korelasi Pearson merupakan salah satu ukuran korelasi yang digunakan untuk mengukur kekuatan dan arah hubungan linier dari dua variabel. Metode ini dikembangkan oleh Karl Pearson dan digunakan jika kedua variabel yang diuji merupakan data berskala interval atau rasio. Tidak hanya itu, karena merupakan statistika parametrik, maka kedua variabel tersebut harus memenuhi asumsi normalitas sebelum dilakukan uji korelasi Pearson. Uji korelasi person ini dapat digunakan untuk data berpasangan maupun tidak, asalkan memenuhi asumsi normalitas.
Korelasi Spearman Rho
Bagaimana jika data sudah berskala interval atau rasio namun tidak memenuhi asumsi normalitas? Maka kita bisa menggunakan uji korelasi spearman. Pada uji ini, nilai korelasi tidak dihitung berdasarkan nilai aktual data, melainkan melalui peringkat yang sudah diberikan pada data. Uji ini juga bisa digunakan untuk data berskala ordinal. Namun harus diperhatikan bahwa salah satu syarat uji spearman ini dapat dilakukan adalah kedua variabel yang diuji harus berasal dari sumber yang berbeda atau tidak berpasangan. Misal, akan dilakukan pengujian untuk mengetahui ada tidaknya hubungan antara tinggi tanaman dan tekanan udara di tempat tersebut. Karena tinggi tanaman berasal dari tanaman, dan tekanan udara tentu saja berasal dari udara, maka pengujian korelasi dapat dilakukan dengan uji korelasi spearman
Korelasi Kendall Tau
Uji korelasi Kendall sebenarnya hampir sama dengan korelasi spearman, yaitu dapat digunakan untuk data berskala ordinal dan berskala interval atau rasio yang tidak memenuhi asumsi normalitas. Namun yang membedakannya adalah pada uji ini data harus berasal dari 1 sumber yang sama atau berpasangan. Contoh data yang berasal dari sumber yang sama adalah data berat dan tinggi badan siswa. Di mana kedua data tersebut sama-sama berasal dari sumber yang sama, yaitu 1 orang siswa pasti memiliki berat dan tinggi badan.
Korelasi Chi Square
Bagaimana jika data yang diuji berskala nominal? Kita bisa menggunakan uji korelasi chi square untuk melakukan pengujian tersebut. Pada uji chi square akan dibuat tabel silang untuk menabulasi (menyusun dalam bentuk tabel) suatu variabel dalam kategori dan menguji hipotesis bahwa frekuensi yang diobservasi (data yang diamati) tidak berbeda dari frekuensi yang diharapkan (frekuensi teoritis). Berikut contoh tabelnya:
Nah, sekian penjelasan uji korelasi kali ini. Untuk langkah analisis atau penjelasan lebih lanjut mengenai uji korelasi akan dibahas pada artikel selanjutnya. Atau kamu bisa juga hubungi exsight jika masih ada kendala atau kebingungan seputar uji korelasi.
See you in the next article and don’t forget to always use the original software for a better generation!
Baca Juga : Uji Korelasi Pearson di R
Pingback: Tutorial Korelasi Kendall's Tau Dengan SPSS - Exsight