Korelasi Pearson merupakan alat analisis statistik yang digunakan untuk melihat hubungan linier yang kuat antara 2 variabel yang skala datanya berupa interval atau rasio.
Rumus koefisien korelasi pearson antara variabel x dan y adalahrxy=ni=1∑nxi2−(i=1∑nxi)2ni=1∑nyi2−(i=1∑nyi)2ni=1∑nxiyi−i=1∑nxii=1∑nyidimanarxy adalah koefisien korelasi.
Koefisien korelasi (rxy) bisa positif (+) atau negatif (-) dan berkisar dari -1 hingga 1. Jika rxysemakin mendekati -1 atau 1, semakin kuat hubungan antara kedua variabel tersebut. Jika nilainya mendekati 0 maka hubungan kedua variabel akan melemah. Berikut ini adalah interpretasi nilai koefisien korelasi.
0−0,2 menyatakan hubungan keeratan sangat lemah,
0,2−0,4 menyatakan hubungan keeratan lemah,
0,4−0,7 menyatakan hubungan keeratan cukup kuat,
0,7−0,9 menyatakan hubungan keeratan kuat,
0,9−1 menyatakan hubungan keeratan sangat kuat.
Tanda positif dan negatif pada koefisien korelasi menunjukkan arah hubungan. Koefisien korelasi bertanda positif yaitu hubungan proporsional, dimana semakin tinggi nilai variabel x maka semakin tinggi nilai variabel y, dan semakin rendah nilai variabel x maka semakin rendah nilai variabel y. Koefisien korelasi negatif berarti hubungan berbanding terbalik, dimana semakin tinggi nilai variabel x, semakin rendah nilai variabel y, dan semakin rendah nilai variabel x maka semakin tinggi nilai variabel y.
Contoh Penghitungan:
Pasangan data (x,y) adalah (1,2),(5,4)(4,6),(2,4) dan (3,2). Hitunglah koefisien korelasi antara x dan y tersebut!
Jawab:
Koefisien korelasi (rxy) dihitung menggunakan persamaan di atas untuk koefisien korelasi. Nilai komponen yang diperlukan dalam rumus di atas adalah:
n,i=1∑nxi,i=1∑nyi,i=1∑nxiyi,i=1∑nxi2 dan i=1∑nyi2.Untuk mendapatkan nilai komponen tersebut, dengan membuat tabel sebagai berikut.
x
y
xy
x2
y2
1
2
2
1
4
5
4
20
25
16
4
6
24
16
36
2
4
8
4
16
3
2
6
9
4
15
18
60
55
76
Dari tabel di atas, dapat diketahui nilai-nilai komponen pada rumus korelasi pearson, yaitu:
i=1∑nxii=1∑nyii=1∑nxiyii=1∑nxi2i=1∑nyi2n=5=15=18=60=55=76Nilai-nilai tersebut dimasukkan ke rumus koefisien korelasi, sehingga dapat dihitung nilai koefisien korelasi.rxy=ni=1∑nxi2−(i=1∑nxi)2ni=1∑nyi2−(i=1∑nyi)2ni=1∑nxiyi−i=1∑nxii=1∑nyi=(5)(55)−(15)2(5)(76)−(18)2(5)(60)−(15)(18)=(7,07)(7,48)300−270=0,57
Nilai koefisien korelasi spearman adalah 0,57, yang artinya terdapat hubungan yang cukup kuat dan positif antara variabel x dan variabel y.
Perbedaan antara VLSM (Variable Length Subnet Mask) dan FLSM (Fixed Length Subnet Mask) adalah topik yang sering dibicarakan dalam dunia jaringan. Meskipun keduanya memiliki kesamaan dalam hal pemotongan jaringan, namun beberapa perbedaan yang signifikan muncul ketika kita menggunakan keduanya dalam proyek jaringan. Dalam artikel ini, kita akan membahas secara detail perbedaan antara VLSM dan FLSM dan pentingnya memahami kedua konsep tersebut. Jika kamu seorang mahasiswa jaringan atau seorang profesional IT yang ingin memperdalam pengetahuanmu tentang jaringan, maka kamu tentu harus memahami perbedaan antara VLSM dan FLSM. Meskipun keduanya digunakan untuk memecah jaringan menjadi beberapa sub-jaringan, namun VLSM menawarkan fleksibilitas yang lebih besar dalam hal pemotongan jaringan. Dalam VLSM, kita dapat membagi jaringan menjadi sub-jaringan yang memiliki ukuran yang berbeda, sedangkan pada FLSM, kita harus membagi jaringan dalam ukuran tetap yang sama. Kamu mungkin bertanya-tanya ...
Korelasi Spearman merupakan analisis nonparametrik yang digunakan untuk mengetahui kekuatan hubungan antara dua variabel dengan menggunakan skala ordinal. Korelasi Spearman ini adalah versi khusus dari korelasi product-moment Pearson ketika salah satu asumsi tidak terpenuhi. Tidak seperti korelasi Pearson, yang mengukur hubungan berdasarkan data asli, korelasi Spearman mengukur hubungan antar variabel berdasarkan peringkat data asli. Kelebihan dari korelasi spearman: Dapat mengukur kekuatan hubungan antar variabel pada skala ordinal, Prosedur perhitungan cenderung lebih sederhana daripada korelasi Pearson, Asumsi normalitas tidak harus dipenuhi. Syarat Uji Korelasi Spearman: Skala pengukuran adalah skala berurutan dan dapat juga berupa interval atau rasio, Analisis data adalah pengamatan terhadap pasangan dari subjek/individu yang sama, Kedua variabel tersebut memiliki hubungan yang monoton. Artinya, ketika nilai variabel pertama meningkat, demikian juga ni...
Komentar
Posting Komentar