← Kembali ke Alat

Kalkulator Korelasi Pearson

Masukkan data X dan Y dipisahkan dengan koma.
Contoh X : 1,2,3,4
Contoh Y : 2,4,5,6

Apa Itu Korelasi Pearson?

Korelasi Pearson adalah metode statistik yang digunakan untuk mengukur kekuatan dan arah hubungan linear antara dua variabel. Korelasi ini sering disebut juga sebagai Pearson Product Moment Correlation dan biasanya dilambangkan dengan huruf r.

Nilai korelasi Pearson berada pada rentang antara -1 hingga +1. Nilai tersebut menunjukkan seberapa kuat hubungan antara dua variabel serta arah hubungan tersebut.

Rentang Nilai Korelasi Pearson

Nilai korelasi Pearson memiliki interpretasi tertentu untuk menunjukkan kekuatan hubungan antara dua variabel.

r = +1 → hubungan positif sempurna
r = 0 → tidak ada hubungan
r = -1 → hubungan negatif sempurna

Semakin mendekati angka 1 atau -1 maka hubungan antar variabel semakin kuat. Jika nilai korelasi mendekati 0 maka hubungan antar variabel sangat lemah atau tidak ada hubungan linear.

Rumus Korelasi Pearson

Rumus korelasi Pearson digunakan untuk menghitung hubungan antara dua variabel kuantitatif.

r = ( nΣXY − ΣXΣY ) / √[( nΣX² − (ΣX)² )( nΣY² − (ΣY)² )]

Dimana:

X = variabel pertama
Y = variabel kedua
n = jumlah data
ΣXY = jumlah hasil perkalian X dan Y
ΣX = jumlah seluruh nilai X
ΣY = jumlah seluruh nilai Y

Contoh Perhitungan Korelasi Pearson

Misalnya terdapat dua variabel data sebagai berikut:

X : 1, 2, 3, 4
Y : 2, 4, 5, 6

Langkah pertama adalah menghitung nilai ΣX, ΣY, ΣXY, ΣX², dan ΣY². Setelah semua nilai tersebut diketahui, maka nilai korelasi dapat dihitung menggunakan rumus korelasi Pearson.

Hasil perhitungan akan menghasilkan nilai r yang menunjukkan kekuatan hubungan antara variabel X dan variabel Y.

Kegunaan Korelasi Pearson

Korelasi Pearson banyak digunakan dalam berbagai penelitian ilmiah untuk mengetahui apakah terdapat hubungan antara dua variabel yang diteliti. Metode ini sering digunakan dalam penelitian pendidikan, ekonomi, kesehatan, dan ilmu sosial.

Sebagai contoh, peneliti dapat menggunakan korelasi Pearson untuk mengetahui hubungan antara waktu belajar dan nilai ujian siswa, hubungan antara tingkat pendidikan dan pendapatan, atau hubungan antara aktivitas fisik dan kesehatan.

Interpretasi Nilai Korelasi

Setelah nilai korelasi diperoleh, langkah berikutnya adalah melakukan interpretasi terhadap kekuatan hubungan antar variabel.

0.00 – 0.19 → sangat lemah
0.20 – 0.39 → lemah
0.40 – 0.59 → sedang
0.60 – 0.79 → kuat
0.80 – 1.00 → sangat kuat

Interpretasi ini membantu peneliti memahami seberapa kuat hubungan yang terjadi antara dua variabel yang dianalisis.

Syarat Menggunakan Korelasi Pearson

Dalam analisis statistik, penggunaan korelasi Pearson memiliki beberapa syarat yang harus dipenuhi agar hasil analisis menjadi valid.

Beberapa syarat tersebut antara lain data berskala interval atau rasio, hubungan antar variabel bersifat linear, serta data memiliki distribusi yang mendekati normal.

Jika syarat tersebut tidak terpenuhi, peneliti biasanya menggunakan metode korelasi lain seperti korelasi Spearman.

Mengapa Menggunakan Kalkulator Korelasi Pearson

Perhitungan korelasi Pearson secara manual membutuhkan beberapa tahap perhitungan seperti menghitung jumlah X, jumlah Y, jumlah perkalian XY, serta kuadrat dari setiap variabel. Proses ini dapat menjadi cukup panjang jika jumlah data yang dianalisis sangat banyak.

Dengan menggunakan kalkulator korelasi Pearson online seperti pada halaman ini, pengguna hanya perlu memasukkan data X dan Y yang dipisahkan dengan koma. Sistem akan secara otomatis menghitung nilai korelasi serta menampilkan tabel perhitungan secara lengkap.

Kesimpulan

Korelasi Pearson merupakan metode statistik yang digunakan untuk mengukur kekuatan hubungan linear antara dua variabel. Nilai korelasi berada pada rentang -1 hingga +1 yang menunjukkan arah serta kekuatan hubungan antar variabel.

Dengan menggunakan kalkulator korelasi Pearson online, proses analisis hubungan antar variabel dapat dilakukan dengan lebih cepat, mudah, dan akurat tanpa perlu melakukan perhitungan manual yang rumit.