Metode Pengolahan Data : Kenali Jenis-Jenis Korelasi, Yuk!
Metode pengolahan data menjadi salah satu hal yang harus dipahami oleh praktisi data. Hal ini akan sangat mempengaruhi hasil analisa dari suatu data. Pada dasarnya semua metode kedudukannya seimbang, tidak ada metode yang lebih baik dari metode lain secara keseluruhan, pasti ada kekurangan dan kelebihan dari setiap metode. Namun tidak semua metode bisa diterapkan untuk data yang sama, itulah mengapa kita perlu memahami metode pengolahan data sehingga dapat menentukan metode mana yang akan digunakan.
Salah satu metode pengolahan data yang ada adalah analisis korelasi. Analisis korelasi merupakan sebuah metode yang digunakan untuk melihat hubungan antara satu variabel dengan variabel lainnya. Misalkan variabel x dan variabel y saling berkorelasi, maka ketika ada penambahan jumlah dari variabel x akan mempengaruhi variabel y.
Nah, ternyata analisis korelasi itu jika dipecah terbagi menjadi beberapa jenis, loh. Dalam artikel ini, kita akan membahas jenis-jenis dari analisis korelasi yang ada. Penasaran kan? Yuk, simak artikelnya!
1. Analisis Korelasi Sederhana
Analisis korelasi sederhana merupakan analisis statistika yang digunakan untuk mengukur kekuatan hubungan antara dua variabel. Hasil analisis ini akan berbentuk numerik, namun dapat dikategorikan ke dalam beberapa jenis, yaitu korelasi positif (jika nilai x naik, maka y juga akan naik), korelasi negatif (jika nilai x naik, nilai y akan turun), tidak berkorelasi (jika kedua variabel tidak menunjukkan adanya hubungan). Catatan yang harus diingat, jika kedua variabel tersebut berkorelasi, maka nilainya adalah -1 untuk korelasi negatif, 1 untuk korelasi positif, dan 0 jika tidak berkorelasi sama sekali.
Baca juga : Ini yang Akan Kamu Pelajari di Kelas Data Science DQLab!
2. Analisis Korelasi Parsial
Korelasi parsial sebenarnya merupakan perluasan dari korelasi sederhana, jika pada korelasi sederhana hanya akan melihat dan mengukur hubungan antara satu variabel dependen (biasa disebut sebagai variabel Y) dengan satu variabel independen (variabel X), maka pada korelasi parsial, kita akan melibatkan lebih dari satu variabel X (X1, X2, dst).
Biasanya akan ada variabel independen yang dijadikan sebagai variabel kontrol, bisa hanya satu variabel atau lebih. Sehingga variabel X dalam analisis ini memiliki dua fungsi, yaitu digunakan untuk melihat keeratan hubungan dengan variabel Y dan juga berfungsi sebagai variabel kontrol.
3. Analisis Korelasi Berganda
Korelasi berganda merupakan salah satu metode yang digunakan untuk melihat hubungan dari tiga variabel atau bahkan lebih, dimana 2 variabel merupakan variabel independen dan satu lagi merupakan variabel dependen.
Bedanya dengan analisis korelasi parsial, dalam metode ini tidak ada variabel independen yang dijadikan sebagai variabel kontrol. Jika ingin melakukan perhitungan manual tanpa bantuan software, maka kita harus menghitung korelasi sederhana antara satu variabel dengan variabel lainnya barulah bisa dilakukan perhitungan korelasi berganda.
Baca juga : Mengenal Profesi Data Scientist
4. Yuk Mulai Belajar Menjadi Data Scientist Bersama DQLab!
Gunakan Kode Voucher "DQTRIAL", dan simak informasi di bawah ini mendapatkan 30 Hari FREE TRIAL:
Buat Akun Gratis dengan Signup di DQLab.id/signup
Buka academy.dqlab.id dan pilih menu redeem voucher
Redeem voucher "DQTRIAL" dan check menu my profile untuk melihat masa subscription yang sudah terakumulasi.
Selamat, akun kamu sudah terupgrade, dan kamu bisa mulai Belajar Data Science GRATIS 1 bulan.
Penulis : Gifa Delyani
Editor : Annissa Widya Davita