UTILS.
Privat sejak awal
🔗

Kalkulator Koefisien Korelasi

Hitung koefisien korelasi Pearson r antara dua kumpulan data, dengan r-kuadrat, kovarians, dan label kekuatan.

File tetap di perangkat ini

File diproses di browser, tidak pernah diunggah. Situs mengunduh kode dan aset yang diperlukan alat. Tanpa akun atau pelacak.

Gunakan Unduh untuk menyimpan alat ini sebagai satu file HTML untuk penggunaan offline.

Privasi →

Masukkan jumlah nilai yang sama di setiap kotak — satu per baris, atau dipisahkan oleh koma atau spasi.

Tentang alat ini

Kalkulator Koefisien Korelasi mengukur seberapa kuat dua variabel bergerak bersama menggunakan r Pearson. Tempel nilai X Anda di kotak pertama dan nilai Y yang bersesuaian di kotak kedua, satu angka per baris (atau dipisahkan oleh koma, spasi, atau titik koma); perhitungan berjalan secara lokal di peramban Anda dan tidak ada yang dikirim ke mana pun.

Setelah menemukan rata-rata x̄ dan ȳ, alat menghitung Sxx = Σ(x − x̄)², Syy = Σ(y − ȳ)² dan Sxy = Σ(x − x̄)(y − ȳ). r Pearson = Sxy / √(Sxx·Syy) selalu berada antara −1 dan +1; r² adalah kuadratnya, dan kovarians sampel adalah Sxy / (n − 1). Sebuah label menjelaskan kekuatan dari |r| (≥0.9 sangat kuat, ≥0.7 kuat, ≥0.5 sedang, ≥0.3 lemah, selain itu dapat diabaikan) bersama dengan arahnya.

Kedua daftar harus memuat jumlah nilai yang sama, dan Anda memerlukan setidaknya dua pasangan. Jika panjangnya berbeda, alat memberi tahu Anda alih-alih menebak nilai mana yang dipasangkan.

Pertanyaan yang sering diajukan

Apa itu r Pearson?
Ini adalah ukuran terstandardisasi dari asosiasi linear: r = Sxy / √(Sxx·Syy). Nilainya berkisar dari −1 (negatif sempurna) melalui 0 (tidak ada) hingga +1 (hubungan linear positif sempurna).
Bagaimana label kekuatan ditentukan?
Dari nilai absolut r: 0.9 ke atas sangat kuat, 0.7–0.9 kuat, 0.5–0.7 sedang, 0.3–0.5 lemah, dan di bawah 0.3 dapat diabaikan. Tanda r memberi arah positif atau negatif.
Mengapa kedua daftar harus sama panjang?
Korelasi membandingkan pengamatan berpasangan, jadi setiap X harus memiliki tepat satu Y yang bersesuaian. Jika hitungannya berbeda, pemasangannya ambigu dan alat melaporkan ketidakcocokan panjang alih-alih menghitung.
Apakah korelasi berarti kausalitas?
Tidak. r yang tinggi hanya berarti kedua variabel cenderung berubah bersama; ini tidak membuktikan yang satu menyebabkan yang lain. Faktor ketiga yang tersembunyi atau kebetulan dapat menghasilkan korelasi yang kuat.

Alat lainnya