Skip to main content
FreeToolkit .ai

Kalkulator Korelasi Hitung koefisien korelasi Pearson dan Spearman dengan interpretasi R-squared.

Kalkulator Korelasi illustration
🔢

Kalkulator Korelasi

Hitung koefisien korelasi Pearson dan Spearman dengan interpretasi R-squared.

1

Masukkan Nilai X

Input dataset X Anda sebagai angka yang dipisahkan oleh koma atau spasi.

2

Masukkan Nilai Y

Input dataset Y Anda (jumlah nilai sama dengan X).

3

Lihat Korelasi

Lihat Pearson r, Spearman ρ, R-squared, dan interpretasinya.

Loading tool...

What Is Kalkulator Korelasi?

Kalkulator Korelasi menghitung koefisien korelasi Pearson dan Spearman untuk mengukur kekuatan dan arah hubungan antara dua variabel. r dari Pearson mengukur korelasi linier (seberapa baik data sesuai dengan garis lurus), sedangkan ρ dari Spearman mengukur korelasi monotonik (apakah variabel cenderung bergerak ke arah yang sama). R-squared (R²) menunjukkan proporsi varian dalam satu variabel yang dijelaskan oleh variabel lain. Kalkulator mengklasifikasikan kekuatan korelasi (lemah, sedang, kuat) dan arah (positif, negatif), memberikan interpretasi yang jelas tentang hubungan.

Why Use Kalkulator Korelasi?

  • Menghitung korelasi Pearson (linear) dan Spearman (rangking)
  • Menampilkan R-squared untuk interpretasi varians yang dijelaskan
  • Mengklasifikasikan kekuatan dan arah korelasi
  • Menampilkan rata-rata dan jumlah titik data

Common Use Cases

Analisis Penelitian

Mengukur hubungan antara variabel dalam studi ilmiah.

Inteligensi Bisnis

Mengidentifikasi korelasi antara metrik bisnis (penjualan vs iklan).

Pendidikan

Menjelajahi hubungan dalam data untuk mata pelajaran statistik.

Kontrol Kualitas

Menguji hubungan antara variabel proses dan hasil.

Technical Guide

Korelasi Pearson: r = Σ(xᵢ−x̄)(yᵢ−ȳ) / √(Σ(xᵢ−x̄)² × Σ(yᵢ−ȳ)²). Nilai berkisar dari -1 (negatif sempurna) hingga +1 (positif sempurna), dengan 0 menunjukkan tidak ada korelasi linier. Korelasi peringkat Spearman: ρ = 1 − 6Σdᵢ² / (n(n²−1)), di mana dᵢ adalah perbedaan peringkat. R-squared = r² mewakili proporsi varian dalam Y yang dijelaskan oleh X. Interpretasi kekuatan: |r| < 0,3 = lemah, 0,3-0,7 = sedang, > 0,7 = kuat. Penting: korelasi tidak menyiratkan kausalitas - dua variabel dapat berkorelasi tanpa satu menyebabkan yang lain.

Tips & Best Practices

  • 1
    Korelasi tidak berarti kausalitas - selalu pertimbangkan variabel pengganggu
  • 2
    Pearson sensitif terhadap outlier; Spearman lebih robust
  • 3
    Kedua variabel harus memiliki jumlah titik data yang sama
  • 4
    Gunakan Spearman untuk data ordinal atau hubungan monoton non-linear

Related Tools

Kalkulator Mean, Median & Modus - free online tool

Kalkulator Mean, Median & Modus

Hitung mean, median, modus, jangkauan, dan ukuran kecenderungan sentral lainnya untuk setiap dataset.

🔢 Math & Calculators
Kalkulator Selang Kepercayaan - free online tool

Kalkulator Selang Kepercayaan

Hitung selang kepercayaan dari statistik ringkas atau data mentah dengan beberapa tingkat kepercayaan.

🔢 Math & Calculators
Kalkulator Regresi Linier - free online tool

Kalkulator Regresi Linier

Lakukan regresi linier untuk menemukan persamaan garis terbaik dengan kemampuan prediksi.

🔢 Math & Calculators
Konverter Mata Uang - free online tool

Konverter Mata Uang

Mengonversi antara 30+ mata uang dunia dengan tingkat pertukaran yang aproximatif.

🔢 Math & Calculators

Frequently Asked Questions

Q Apa itu korelasi yang baik?
Tergantung pada bidangnya. Dalam fisika, r > 0,99 mungkin diharapkan. Dalam ilmu sosial, r > 0,5 sering dianggap kuat. Secara umum: |r| > 0,7 adalah kuat.
Q Apa perbedaan antara Pearson dan Spearman?
Pearson mengukur korelasi linear. Spearman mengukur korelasi monoton (berbasis rangking). Gunakan Spearman untuk hubungan non-linear atau data ordinal.
Q Bisakah korelasi negatif?
Ya. Korelasi negatif (r < 0) berarti bahwa ketika satu variabel meningkat, variabel lain cenderung menurun. r = -1 adalah korelasi negatif yang sempurna.
Q Apa arti R-squared?
R² menunjukkan persentase varians dalam Y yang dijelaskan oleh X. R² = 0,64 berarti 64% dari variasi dalam Y dapat dijelaskan oleh hubungan linear dengan X.
Q Berapa banyak titik data yang saya butuhkan?
Secara statistik, setidaknya 10-30 titik data disarankan. Semakin banyak data, semakin andal perkiraan korelasi.

About This Tool

Kalkulator Korelasi is a free online tool by FreeToolkit.ai. All processing happens directly in your browser — your data never leaves your device. No registration or installation required.