Korelasi vs Kausalitas
Korelasi mengukur kekuatan dan arah asosiasi antara dua variabel; kausalitas menyiratkan bahwa perubahan pada satu variabel secara langsung menghasilkan perubahan pada variabel lain. Korelasi yang kuat (misalnya, r = 0,9) tidak membuktikan kausalitas. Contoh klasik banyak ditemukan: ukuran sepatu dan kemampuan membaca berkorelasi pada anak-anak (dikacaukan oleh usia), tetapi ukuran sepatu tidak menyebabkan kemampuan membaca. Memahami kapan korelasi menyiratkan kausalitas memerlukan evaluasi desain studi, variabel pengganggu, keutamaan temporal, dan mekanisme. Eksperimen acak menawarkan bukti kausal terkuat; studi observasional harus mengontrol dengan hati-hati terhadap pengganggu.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- Pearl, J. (2009). Causality: Models, Reasoning, and Inference (2nd ed.). Cambridge University Press. ISBN: 978-0-521-89560-6
- Rubin, D. B. (1974). Estimating causal effects of treatments in randomized and nonrandomized studies. Journal of Educational Psychology, 66(5), 688–701. DOI: 10.1037/h0037350 ↗
- Hill, A. B. (1965). The Environment and Disease: Association or Causation? Proceedings of the Royal Society of Medicine, 58(5), 295–300. DOI: 10.1177/003591576505800503 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Understanding the Distinction Between Correlation and Causation in Research. ScholarGate. https://scholargate.app/id/research-statistics/correlation-vs-causation
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Ukuran EfekStatistika Penelitian↔ compare
- Masalah Perbandingan BergandaStatistika Penelitian↔ compare
- Pengujian Hipotesis NolStatistika Penelitian↔ compare
- Nilai-p dan Signifikansi StatistikStatistika Penelitian↔ compare
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →