Korelasi dianggap sebagai alat terbaik untuk mengukur dan mengekspresikan hubungan kuantitatif antara dua variabel dalam formula. Di sisi lain, kovarian adalah ketika dua item berbeda secara bersamaan. Baca artikel yang diberikan untuk mengetahui perbedaan antara kovarian dan korelasi.
Grafik perbandingan
| Dasar untuk Perbandingan | Kovarian | Korelasi |
|---|---|---|
| Berarti | Kovarian adalah ukuran yang menunjukkan sejauh mana dua variabel acak berubah bersama-sama. | Korelasi adalah ukuran statistik yang menunjukkan seberapa kuat dua variabel terkait. |
| Apa itu? | Mengukur korelasi | Versi kovarians yang diskalakan |
| Nilai-nilai | Berbaring di antara -∞ dan + ∞ | Berbohong antara -1 dan +1 |
| Ubah skala | Mempengaruhi kovarians | Tidak mempengaruhi korelasi |
| Satuan ukuran bebas | Tidak | iya nih |
Definisi Kovarian
Kovarian adalah istilah statistik, yang didefinisikan sebagai hubungan sistematis antara sepasang variabel acak di mana perubahan dalam satu variabel dibalas dengan perubahan setara dalam variabel lain.
Kovarian dapat mengambil nilai apa pun antara -∞ hingga + ∞, di mana nilai negatif adalah indikator hubungan negatif sedangkan nilai positif mewakili hubungan positif. Lebih lanjut, ini memastikan hubungan linear antara variabel. Oleh karena itu, ketika nilainya nol, ini menunjukkan tidak ada hubungan. Selain itu, ketika semua pengamatan dari kedua variabel sama, kovarians akan menjadi nol.
Dalam Covariance, ketika kita mengubah unit pengamatan pada salah satu atau kedua variabel, maka tidak ada perubahan dalam kekuatan hubungan antara dua variabel tetapi nilai kovarians berubah.
Definisi Korelasi
Korelasi digambarkan sebagai ukuran dalam statistik, yang menentukan sejauh mana dua atau lebih variabel acak bergerak bersama-sama. Selama studi dua variabel, jika telah diamati bahwa gerakan dalam satu variabel, dibalas oleh gerakan yang setara variabel lain, dalam beberapa cara atau yang lain, maka variabel tersebut dikatakan berkorelasi.
Korelasi ada dua jenis, yaitu korelasi positif atau korelasi negatif. Variabel dikatakan berkorelasi positif atau langsung ketika kedua variabel bergerak ke arah yang sama. Sebaliknya, ketika dua variabel bergerak berlawanan arah, korelasinya negatif atau terbalik.
Nilai korelasi terletak antara -1 hingga +1, di mana nilai yang mendekati +1 menunjukkan korelasi positif yang kuat dan nilai yang mendekati -1 adalah indikator korelasi negatif yang kuat. Ada empat ukuran korelasi:
- Diagram pencar
- Koefisien korelasi momen-produk
- Koefisien korelasi peringkat
- Koefisien penyimpangan bersamaan
Perbedaan Kunci Antara Kovarian dan Korelasi
Poin-poin berikut perlu diperhatikan sejauh perbedaan antara kovarians dan korelasi terkait:
- Ukuran yang digunakan untuk menunjukkan sejauh mana dua variabel acak berubah bersamaan dikenal sebagai kovarians. Ukuran yang digunakan untuk menggambarkan seberapa kuat dua variabel acak saling berhubungan yang dikenal sebagai korelasi.
- Kovarian tidak lain adalah ukuran korelasi. Sebaliknya, korelasi mengacu pada bentuk kovarians yang diskalakan.
- Nilai korelasi terjadi antara -1 dan +1. Sebaliknya, nilai kovarians terletak di antara -∞ dan + ∞.
- Kovarian dipengaruhi oleh perubahan skala, yaitu jika semua nilai dari satu variabel dikalikan dengan konstanta dan semua nilai dari variabel lain dikalikan, dengan konstanta yang sama atau berbeda, maka kovarians diubah. Terhadap ini, korelasi tidak dipengaruhi oleh perubahan skala.
- Korelasi tidak berdimensi, yaitu itu adalah ukuran unit bebas hubungan antara variabel. Tidak seperti kovarians, di mana nilai diperoleh oleh produk dari unit dari dua variabel.
Kesamaan
Keduanya hanya mengukur hubungan linear antara dua variabel, yaitu ketika koefisien korelasi nol, kovarian juga nol. Lebih lanjut, kedua langkah tersebut tidak terpengaruh oleh perubahan lokasi.
Kesimpulan
Korelasi adalah kasus khusus kovarians yang dapat diperoleh ketika data distandarisasi. Sekarang, ketika datang untuk membuat pilihan, yang merupakan ukuran yang lebih baik dari hubungan antara dua variabel, korelasi lebih disukai daripada kovarian, karena itu tetap tidak terpengaruh oleh perubahan lokasi dan skala, dan juga dapat digunakan untuk membuat perbandingan antara dua pasang variabel.
