Contoh Terbukti Korelasi Positif: Skenario Numerik yang Transparan

Jawaban langsung: apa yang ditunjukkan oleh contoh terbukti korelasi positif

Korelasi positif berarti bahwa ketika satu variabel cenderung meningkat, variabel lainnya juga cenderung meningkat (dan ketika satu cenderung menurun, yang lain juga cenderung menurun). Contoh terbukti membuatnya menjadi konkret dengan menggunakan nilai data berpasangan dan menunjukkan bagaimana perhitungan korelasi mencerminkan pola “pergerakan searah”.

Dalam praktiknya, gagasan utamanya bersifat deskriptif: korelasi merangkum seberapa kuat dua deret waktu yang selaras bergerak bersama. Korelasi tidak membuktikan sebab-akibat, dan korelasi tidak menjamin kemiripan di masa depan.

Mekanisme atau definisi: siapkan variabel dan ukuran korelasi

Untuk mengilustrasikan, anggap dua variabel generik yang selaras waktunya, diukur pada 5 titik waktu yang sama:

X: nilai variabel X pada waktu t1–t5
Y: nilai variabel Y pada waktu t1–t5

Ukuran numerik yang umum adalah koefisien korelasi Pearson, r, yang berkisar dari -1 hingga +1:

r > 0 menunjukkan korelasi positif (pergerakan searah)
r = 0 menunjukkan tidak ada hubungan linear
r < 0 menunjukkan korelasi negatif (pergerakan berlawanan arah)

Asumsi untuk perhitungan “contoh terbukti”:

X dan Y dipasangkan berdasarkan waktu (t1 dengan t1, dst.).
Hubungan yang dirangkum kira-kira bersifat linear.
Angka diperlakukan secara konsisten (satuan yang sama atau transformasi yang sebanding, jika ada).

Bukti atau contoh: skenario korelasi positif yang sepenuhnya numerik

Anggap 5 observasi berpasangan berikut (satuan bersifat sewenang-wenang):

X = [1, 2, 3, 4, 5]
Y = [2, 4, 6, 8, 10]

Kedua deret ini meningkat bersama pada laju proporsional yang konstan. Sekarang hitung r (Pearson correlation).

Langkah 1: cari rata-ratanya.

mean(X) = (1+2+3+4+5)/5 = 3
mean(Y) = (2+4+6+8+10)/5 = 6

Langkah 2: hitung penyimpangan dari rata-rata dan hasil kali keduanya.

Untuk X: X-mean(X) = [-2, -1, 0, 1, 2]
Untuk Y: Y-mean(Y) = [-4, -2, 0, 2, 4]

Hasil kali penyimpangan:

(X-mean(X))*(Y-mean(Y)) = [8, 2, 0, 2, 8]
Jumlah = 20

Langkah 3: hitung istilah standardisasi.

Jumlah kuadrat untuk penyimpangan X = (-2)^2+(-1)^2+0^2+1^2+2^2 = 10
Jumlah kuadrat untuk penyimpangan Y = (-4)^2+(-2)^2+0^2+2^2+4^2 = 40

Langkah 4: hitung r.

r = sum[(X-mean(X))(Y-mean(Y))] / sqrt[(sum(X-dev^2))*(sum(Y-dev^2))]
r = 20 / sqrt(10*40) = 20 / sqrt(400) = 20/20 = 1

Hasil: r = 1, yang menunjukkan korelasi linear positif sempurna berdasarkan data proporsional yang diasumsikan dan sepenuhnya sebanding ini.

Batasan materi yang ditunjukkan oleh contoh ini: hubungannya “dibangun di dalamnya.” Jika data dunia nyata berisik (bukan proporsional sempurna), r biasanya akan kurang dari 1 meskipun variabel sering bergerak ke arah yang sama.

Keterbatasan dan risiko: mengapa korelasi positif tetap bisa menyesatkan

Korelasi tidak menyiratkan sebab-akibat. Dua variabel bisa bergerak bersama karena faktor ketiga yang sama, kebetulan pergerakan bersamaan, atau artefak penyelarasan waktu.
Stabilitas bisa gagal di seluruh rezim pasar. Hubungan yang diukur pada satu periode mungkin tidak berlaku lagi nanti jika volatilitas, likuiditas, atau perilaku berubah. Pasangan variabel yang sama bisa menunjukkan korelasi positif yang tinggi pada satu rezim dan korelasi yang lebih lemah pada rezim lain.
Keterbatasan korelasi linear. Korelasi Pearson menangkap pergerakan bersama yang linear. Jika hubungan bersifat non-linear atau bentuknya berubah, r dapat meremehkan ketergantungan yang bermakna.
Masalah data dan pengukuran. Korelasi dihitung dari waktu pengambilan sampel tertentu. Mengubah frekuensi pengambilan sampel atau menggunakan cap waktu yang tidak selaras dapat mengubah r.
Biaya dan efek eksekusi (poin umum). Bahkan jika dua deret berkorelasi positif, menerjemahkan pola itu menjadi hasil nyata dapat dipengaruhi oleh biaya transaksi, timing, dan batasan eksekusi praktis. Korelasi menggambarkan pergerakan bersama; ia tidak memodelkan gesekan tambahan ini.

Verifikasi atau pertanyaan berikutnya: bagaimana memeriksa korelasi positif secara independen

Untuk memverifikasi korelasi positif bagi pasangan variabel Anda sendiri, Anda bisa:

Kumpulkan nilai berpasangan X(t) dan Y(t) untuk titik waktu yang sama.
Buat plot X vs. Y (scatter plot) untuk melihat apakah titik-titik cenderung naik.
Hitung Pearson r menggunakan langkah-langkah di atas (atau kalkulator/perangkat) dengan asumsi yang konsisten.
Uji sensitivitas dengan menghitung ulang r untuk jendela waktu yang berbeda dan memeriksa apakah tandanya tetap positif.

Pertanyaan berikutnya yang berguna adalah: “Apakah korelasi tetap positif ketika jendela waktu berubah?”