Correlation (Korelasi)

📊 Apa Itu Korelasi?

Korelasi adalah ukuran statistik yang menunjukkan seberapa kuat hubungan antara dua variabel. Nilainya berkisar dari -1 sampai 1, dan bisa diartikan sebagai berikut:

• +1: Hubungan positif sempurna (jika X naik, Y juga naik secara proporsional)

• 0: Tidak ada hubungan linear

• -1: Hubungan negatif sempurna (jika X naik, Y turun secara proporsional)

Korelasi sering digunakan dalam analisis data untuk memahami pola hubungan antar variabel. Misalnya: apakah usia seseorang berhubungan dengan besar gajinya?

---

🔍 Contoh Matriks Korelasi

Berikut contoh matriks korelasi dari tiga variabel: Age, Years of Experience, dan Salary:

                         Age     Years of Experience    Salary
Age                     1.000000     0.979128             0.922335
Years of Experience      0.979128     1.000000             0.930338
Salary                  0.922335     0.930338             1.000000

Penjelasan:

---

1. 🧓 Korelasi antara Age dan Years of Experience = 0.979

• Ini menunjukkan hubungan yang sangat kuat dan positif.

• Artinya, semakin tua seseorang, biasanya semakin banyak pula pengalaman kerjanya.

• Nilai yang sangat mendekati 1 berarti hubungan ini hampir linear sempurna.

---

2. 💰 Korelasi antara Age dan Salary = 0.922

• Korelasi ini juga sangat kuat dan positif.

• Semakin tua seseorang, biasanya gajinya lebih tinggi — mungkin karena lebih berpengalaman dan punya posisi lebih senior.

---

3. 🧠 Korelasi antara Years of Experience dan Salary = 0.930

• Ini menunjukkan bahwa pengalaman kerja sangat berhubungan dengan tingkat gaji.

• Semakin banyak pengalaman, semakin tinggi kemungkinan gaji yang diterima.

---

📈 Interpretasi Nilai Korelasi:

Nilai Korelasi	Interpretasi
0.90 – 1.00	Sangat kuat
0.70 – 0.89	Kuat
0.50 – 0.69	Sedang
0.30 – 0.49	Lemah
0.00 – 0.29	Sangat lemah / tidak ada

---

✅ Kesimpulan:

Hubungan antar variabel dalam data ini sangat kuat:

• Usia ↔ Pengalaman kerja

• Usia ↔ Gaji

• Pengalaman kerja ↔ Gaji

Ini menunjukkan bahwa faktor-faktor seperti usia dan pengalaman kerja bisa digunakan untuk memodelkan atau memprediksi gaji, yang sangat berguna dalam analisis data HR atau ekonomi.