# Belajar Analisis Data – Hari 7: Korelasi dan Kausalitas

- Link: https://legawa.com/teknologi/belajar-analisis-data-hari-7-korelasi-dan-kausalitas/
- Published: 2026-11-17T09:00:00+07:00
- Author: Cahya

Ringkasan: Korelasi mengukur seberapa kuat dua variabel bergerak bersama, sedangkan
kausalitas menjawab apakah satu variabel benar-benar menyebabkan perubahan pada 
yang lain. Sebagai calon data analyst, saya ingin tahu kapan angka korelasi layak
dijadikan dasar keputusan dan kapan ia justru harus dicurigai.

## Tujuan belajar

 * Menghitung dan membaca koefisien korelasi Pearson (r), termasuk arah dan kekuatannya.
 * Menjelaskan mengapa korelasi tidak otomatis berarti sebab-akibat.
 * Mengenali variabel perancu (confounder) dan cara memeriksanya.

## Konsep inti

Koefisien korelasi Pearson mengukur kekuatan dan arah hubungan linear antara dua
variabel numerik. Nilainya berada di antara -1 dan +1. Nilai mendekati +1 berarti
keduanya cenderung naik bersama, nilai mendekati -1 berarti yang satu naik ketika
yang lain turun, dan nilai mendekati 0 berarti tidak ada hubungan linear yang berarti(
NIST/SEMATECH, 2012). Kuadrat dari r (r²) dapat dibaca sebagai proporsi variasi 
satu variabel yang dapat dijelaskan secara linear oleh variabel lainnya (NIST/SEMATECH,
2012).

Korelasi hanya menjawab pertanyaan “apakah dua hal bergerak bersama?”. Pertanyaan“
apakah yang satu menyebabkan yang lain?” membutuhkan lebih banyak syarat: urutan
waktu yang jelas, tidak adanya variabel ketiga yang menggerakkan keduanya, dan idealnya
desain studi yang memungkinkan intervensi. Kerangka berpikir kausal ini dibahas 
lebih dalam oleh Pearl (2009) dan Hernán dan Robins (2020). Saya masih pemula, jadi
bagian buku-buku itu saya baca pelan-pelan dan belum semuanya saya pahami.

![Diagram tiga kotak: suhu panas mengarah ke es krim dan ke kejadian tenggelam; 
es krim dan tenggelam tampak berkorelasi karena variabel ketiga](https://i0.wp.com/
legawa.com/wp-content/uploads/2026/11/belajar-analisis-data-hari-7-confounder-ilustrasi.
png?resize=1000%2C560&ssl=1)

Korelasi antara es krim dan kejadian tenggelam muncul karena suhu panas memengaruhi
keduanya.

Urutan pertanyaan yang sekarang saya pakai sebelum menulis kata “menyebabkan” adalah
sebagai berikut:

## Contoh dengan data sintetis

Agar hubungannya terlihat jelas, saya membuat data sintetis 30 siswa berisi jam 
belajar per minggu dan nilai ujian. Nilai dibentuk dari hubungan linear dengan jam
belajar ditambah derau acak. Hasilnya nilai r sebesar 0,818. Karena data ini sengaja
dibuat, ia tidak boleh dipakai sebagai bukti tentang siswa nyata.

    ```wp-block-code
    # Python (pandas): hitung korelasi Pearson
    import pandas as pd

    df = pd.read_csv("data_sintetis.csv")
    r = df["jam_belajar"].corr(df["nilai_ujian"])  # Pearson adalah metode default
    print(round(r, 3))  # hasil: 0.818

    # Matriks korelasi untuk semua kolom numerik
    print(df.select_dtypes("number").corr().round(3))
    ```

    ```wp-block-code
    -- SQL (PostgreSQL): corr() adalah agregat bawaan untuk korelasi Pearson
    SELECT corr(jam_belajar, nilai_ujian) AS r
    FROM nilai_siswa;
    ```

    ```wp-block-code
    # R (tidyverse): ringkasan korelasi dan uji signifikansinya
    library(tidyverse)

    df <- read_csv("data_sintetis.csv")
    df |> summarise(r = cor(jam_belajar, nilai_ujian))

    # Uji korelasi lengkap, termasuk nilai p dan interval kepercayaan
    cor.test(df$jam_belajar, df$nilai_ujian)
    ```

**Contoh kecil**

Pada data sintetis di atas, r = 0,818 dan r² = 0,669. Artinya sekitar 67% variasi
nilai ujian dapat dijelaskan secara linear oleh jam belajar dalam data ini. Namun,
data tersebut dibuat dengan hubungan sebab yang sudah disisipkan, sehingga angka
ini tidak membuktikan apa pun tentang kehidupan nyata.

## Mengenali variabel perancu

Contoh klasiknya adalah es krim dan kejadian tenggelam. Keduanya cenderung meningkat
bersama dalam data yang dikumpulkan sepanjang musim panas, tetapi es krim tidak 
menyebabkan orang tenggelam. Suhu udara yang panas memengaruhi keduanya, dan suhu
itulah variabel perancu. Ada beberapa cara memeriksanya: membagi data ke dalam kelompok
suhu lalu melihat hubungannya di tiap kelompok, memasukkan suhu sebagai variabel
kontrol dalam regresi, atau merancang studi yang memungkinkan kita mengatur salah
satu variabel secara langsung.

**Kesalahan yang sering terjadi**

 * Menyimpulkan sebab hanya karena r tinggi. Angka korelasi tidak menyebutkan arah
   sebab.
 * Mengira r mendekati 0 berarti tidak ada hubungan. Pearson hanya mengukur hubungan
   linear, jadi hubungan melengkung bisa tampak lemah.
 * Membiarkan satu titik ekstrem mendominasi hasil. Selalu lihat scatter plot sebelum
   mempercayai angka r.

## Latihan

 1. Sebuah laporan menunjukkan r = -0,92 antara jam pelatihan staf per bulan dan jumlah
    keluhan pasien per bulan. Apa kesimpulan paling aman? _Kunci: Ini hubungan negatif
    yang kuat secara linear. Ia belum menunjukkan sebab. Periksa urutan waktu, variabel
    ketiga seperti jumlah pasien atau musim, dan bentuk scatter plot._
 2. Jika r = 0,5, berapa nilai r² dan apa maknanya? _Kunci: r² = 0,25, yang berarti
    sekitar 25% variasi satu variabel dapat dijelaskan secara linear oleh variabel 
    lainnya. Angka 0,5 bukan berarti “setengah sebab”._
 3. Anda menghitung r = 0,85, tetapi scatter plot memperlihatkan satu titik ekstrem
    di pojok kanan atas. Apa langkahmu? _Kunci: Telusuri asal data titik itu, hitung
    ulang r dengan dan tanpa titik tersebut, lalu bandingkan dengan korelasi Spearman
    yang berbasis peringkat. Laporkan keduanya beserta alasan pemilihan metode._

## Ringkasan

Korelasi adalah petunjuk, bukan putusan. Angka r membantu melihat pola, tetapi klaim
sebab membutuhkan pengetahuan tentang konteks, urutan waktu, dan desain data. Besok,
pada Hari 8, saya masuk ke spreadsheet: rumus dasar dan referensi sel, yang dijadwalkan
terbit pada 18 November 2026 pukul 09.00 WIB.

### Referensi

NIST/SEMATECH. (2012). _e-Handbook of Statistical Methods_. [https://www.itl.nist.gov/div898/handbook/](https://www.itl.nist.gov/div898/handbook/)

Hernán, M. A., & Robins, J. M. (2020). _Causal Inference: What If_. Chapman & Hall/
CRC.

Pearl, J. (2009). _Causality_ (2nd ed.). Cambridge University Press.

**Navigasi seri Belajar Analisis Data**

 * Berikutnya: Hari 8, Spreadsheet: rumus dasar dan referensi sel (terbit 18 November
   2026 pukul 09.00 WIB)
 * [Semua tulisan seri Belajar Analisis Data](https://legawa.com/tag/data-analyst/)
 * Sebelumnya: Hari 6, [Distribusi dan Skewness](https://legawa.com/teknologi/belajar-analisis-data-hari-6-distribusi-dan-skewness/)

Catatan data: seluruh contoh angka memakai data sintetis yang saya buat sendiri 
dengan generator acak ber-seed tetap (seed 2026). Tidak ada data pasien atau data
pribadi nyata di dalam tulisan ini.
