Korelasi: Perbedaan antara revisi

Jelajahi riwayat secara interaktif

← Revisi sebelumnya

Konten dihapus Konten ditambahkan

VisualTeks wiki

Revisi per 18 Desember 2014 12.34 sunting 2001:df0:e9:10:c181:2baf:b692:1b4b (bicara) Tidak ada ringkasan suntingan Tag: VisualEditor ← Revisi sebelumnya		Revisi terkini sejak 20 Desember 2022 00.19 sunting balikkan InternetArchiveBot (bicara \| kontrib) Bot 688.879 suntingan Rescuing 1 sources and tagging 0 as dead.) #IABot (v2.0.9.2
(9 revisi perantara oleh 7 pengguna tidak ditampilkan)
Baris 1: Dalam [[teori probabilitas]] dan [[statistika]], '''korelasi''', juga disebut '''koefisien korelasi''', adalah nilai yang menunjukkan kekuatan dan arah hubungan linier antara dua [[peubah acak]] (''random variable''). {\|class="wikitable" style="text-align: center;" Baris 15: === Sifat-sifat matematis === [[Berkas:Korelasi.png\|~~thumb~~jmpl\|350px\|Korelasi linier antara 1000 pasang pengamatan. Data digambarkan pada bagian kiri bawah dan koefisien korelasinya ditunjukkan pada bagian kanan atas. Setiap titik pengamatan berkorelasi maksimum dengan dirinya sendiri, sebagaimana ditunjukkan pada diagonal (seluruh korelasi = +1).]] Korelasi ρ<sub>''X, Y''</sub> antara dua [[peubah acak]] ''X'' dan ''Y'' dengan nilai yang diharapkan μ<sub>''X''</sub> dan μ<sub>''Y''</sub> dan [[simpangan baku]] σ<sub>''X''</sub> dan σ<sub>''Y''</sub> didefinisikan sebagai: Baris 21: \rho_{X,Y}={\mathrm{cov}(X,Y) \over \sigma_X \sigma_Y} ={E((X-\mu_X)(Y-\mu_Y)) \over \sigma_X\sigma_Y}.</math> Karena μ<sub>''X''</sub> = E(''X''), σ<sub>''X''</sub><sup>2</sup> = E(''X''<sup>2</sup>) − E<sup>2</sup>(''X'') dan demikian pula untuk ''Y'', maka dapat pula ditulis Baris 33: == Koefisien korelasi non-parametrik == Koefisien korelasi Pearson merupakan [[Statistika parametrik\|statistik parametrik]], dan ia kurang begitu menggambarkan korelasi bila asumsi dasar [[Distribusi normal\|normalitas]] suatu data dilanggar. Metode korelasi [[Statistika non-parametrik\|non-parametrik]] seperti [[Koefisien korelasi rank Spearman\|ρ Spearman]] and [[Tau Kendall\|τ Kendall]] berguna ketika distribusi tidak normal. Koefisien korelasi non-parametrik masih kurang ''kuat'' bila dibandingkan dengan metode parametrik jika asumsi normalitas data terpenuhi, ~~namun~~tetapi cenderung memberikan hasil distrosi ketika asumsi tersebut tak terpenuhi. == Metode pengukuran yang lain untuk mengetahui dependensi antara dua peubah acak == Baris 58: == Pranala luar == * [http://www.mega.nu:8080/ampp/rummel/uc.htm Understanding Correlation] - Materi pegantar * [http://www.statsoft.com/textbook/stathome.html Statsoft Electronic Textbook] {{Webarchive\|url=https://web.archive.org/web/20090227054024/http://www.statsoft.com/textbook/stathome.html \|date=2009-02-27 }} * [http://www.vias.org/tmdatanaleng/cc_corr_coeff.html Pearson's Correlation Coefficient] * [http://www.vias.org/simulations/simusoft_rdistri.html Learning by Simulations] - Distribusi koefisien korelasi * [http://www.analistat.com Jasa analisis statistik penelitian] {{Webarchive\|url=https://web.archive.org/web/20070514090155/http://analistat.com/ \|date=2007-05-14 }} - Jasa analisis statistik penelitian == Rujukan == {{references}} [[Kategori:Statistika]]