Apa Jenis Korelasi yang Berbeda?

Berbagai jenis korelasi digunakan dalam statistik untuk mengukur cara variabel berhubungan satu sama lain. Misalnya, dengan menggunakan dua variabel -- peringkat kelas sekolah menengah atas dan IPK perguruan tinggi -- seorang pengamat dapat menggambar korelasi bahwa siswa dengan peringkat sekolah menengah di atas rata-rata biasanya mencapai perguruan tinggi di atas rata-rata IPK. Korelasi juga mengukur kekuatan hubungan dan apakah korelasi antar variabel positif atau negatif. Jenis korelasi yang dilakukan tergantung pada apakah variabel tersebut non-numerik atau data interval, seperti suhu.

Korelasi Momen Produk Pearson dinamai Karl Pearson, pendiri disiplin statistik matematika. Ini dianggap sebagai korelasi linier sederhana, yang berarti bahwa hubungan antara dua variabel bergantung pada mereka yang konstan. Pearson digunakan dengan data interval untuk mengukur kekuatan korelasi, yang diwakili oleh huruf r dalam persamaan. Korelasi ini juga menunjukkan apakah hubungan tersebut positif atau negatif; diwakili oleh angka yang bernilai antara +1 dan -1. Semakin dekat nilai r ke -1,00 atau +1,00, semakin kuat korelasinya. Semakin dekat nilai r ke angka 0, semakin lemah korelasinya. Misalnya, jika r sama dengan -.90 atau .90 itu akan menunjukkan hubungan yang lebih kuat dari -.09 atau .09.

Korelasi Peringkat Spearman dinamai menurut ahli statistik Charles Edward Spearman. Persamaan Spearman lebih sederhana dan sering digunakan dalam statistik menggantikan Pearson, meskipun kurang meyakinkan. Ilmuwan sosial juga dapat menggunakan Spearman untuk menggambarkan korelasi antara data kualitatif, seperti etnis atau gender, dan data kuantitatif, seperti jumlah kejahatan yang dilakukan. Korelasi dihitung dengan menggunakan hipotesis nol yang selanjutnya diterima atau ditolak. Hipotesis nol biasanya terdiri dari pertanyaan yang harus dijawab; misalnya, apakah jumlah kejahatan yang dilakukan sama untuk laki-laki dan perempuan.

Korelasi Peringkat Kendall, dinamai untuk ahli statistik Inggris Maurice Kendall, mengukur kekuatan ketergantungan antara himpunan dua variabel acak. Kendall dapat digunakan untuk analisis statistik lebih lanjut ketika Korelasi Spearman menolak hipotesis nol. Ini mencapai korelasi ketika nilai satu variabel menurun dan nilai variabel lainnya meningkat; korelasi ini disebut sebagai pasangan sumbang. Korelasi juga dapat terjadi ketika kedua variabel meningkat secara bersamaan, yang disebut sebagai pasangan konkordan.