Kovarian adalah ukuran statistik yang membantu Anda memahami bagaimana dua variabel berubah secara bersamaan . Bayangkan Anda memiliki dua variabel, seperti suhu dan konsumsi es krim. Jika seiring dengan kenaikan suhu konsumsi es krim juga meningkat, maka variabel tersebut mempunyai kovarian positif. Sebaliknya, jika suhu meningkat dan konsumsi es krim menurun, maka es krim tersebut mempunyai kovarians negatif.
Kovarian memberi tahu Anda apakah variabel cenderung berubah ke arah yang sama (positif) atau berlawanan arah (negatif). Jika tidak ada pola yang jelas dalam perubahannya, maka kovariansnya akan mendekati nol, artinya tidak ada hubungan linier yang kuat antar variabel.
Bagaimana cara menghitung kovarians?
Untuk menghitung kovarians antara dua variabel, Anda harus memiliki kumpulan data yang mencakup nilai kedua variabel . Kemudian ikuti langkah-langkah berikut:
- Temukan mean (rata-rata) setiap variabel. Jumlahkan semua nilai setiap variabel dan bagi hasilnya dengan jumlah total titik data. Ini akan memberi Anda rata-rata setiap variabel.
- Kurangi rata-rata setiap variabel dari setiap nilai yang sesuai. Langkah ini terdiri dari mengurangkan rata-rata variabel X dari setiap nilai X dan melakukan hal yang sama untuk variabel Y.
- Lipat gandakan hasil dari langkah sebelumnya. Untuk setiap nilai yang dikurangi pada langkah sebelumnya, kalikan hasil yang sesuai dari variabel pengurangan lainnya.
- Tambahkan produk dari langkah sebelumnya. Jumlahkan semua produk yang diperoleh pada langkah sebelumnya untuk mendapatkan nilai total.
- Bagilah nilai yang diperoleh pada langkah sebelumnya dengan jumlah total data. Nilai tersebut merupakan kovarians antara kedua variabel.
Ingatlah bahwa kovariansnya bisa positif, negatif, atau mendekati nol. Kovarian positif menunjukkan bahwa variabel cenderung bergerak ke arah yang sama. Sebaliknya, kovarians negatif menunjukkan bahwa variabel cenderung berubah ke arah yang berlawanan. Terakhir, kovarians yang mendekati nol menunjukkan bahwa tidak ada pola yang jelas tentang bagaimana keduanya berubah secara bersamaan.
Mari kita lihat contohnya agar lebih memahami
Bayangkan kita mempunyai dua variabel, “jam belajar” (X) dan “nilai ujian” (Y), dan kita mempunyai data berikut untuk sekelompok 5 siswa:
Jam belajar (X): 4, 6, 3, 7, 5.
Hasil tes (Y): 85, 90, 80, 95, 88.
Langkah 1: Hitung rata-rata setiap variabel
Rata-rata X: (4 + 6 + 3 + 7 + 5) 5 = 5
Rata-rata Y: (85 + 90 + 80 + 95 + 88) 5 = 86
Langkah 2 : Kurangi mean setiap variabel dari setiap nilai yang sesuai
X – Rata-rata X: -1, 1, -2, 2, 0
Y – Rata-rata Y: -1, 4, -6, 9, 2
Langkah 3 : Kalikan hasil yang diperoleh pada langkah sebelumnya
(-1) · (-1) = 1
1 4 = 4
(-2) · (-6) = 12
2 9 = 18
0 2 = 0
Langkah 4 : Tambahkan produk yang diperoleh pada langkah sebelumnya
1 + 4 + 12 + 18 + 0 = 35
Langkah 5: Bagilah nilai yang diperoleh pada langkah sebelumnya dengan jumlah total data
35 5 = 7
Maka kovarians antara variabel “jam belajar” dan “nilai ujian” adalah 7.
Apa perbedaan antara varians dan kovarians?
Varians adalah ukuran yang menunjukkan penyebaran statistik atau variabilitas suatu kumpulan data. Ini dihitung sebagai rata-rata kuadrat deviasi nilai individu dari mean. Varians yang tinggi berarti data tersebar atau menjauhi mean , sedangkan varians yang rendah berarti data mendekati mean.
Di sisi lain, kovarians adalah ukuran yang menunjukkan bagaimana dua variabel bergerak bersama . Ini adalah ukuran variasi gabungan dua variabel. Jika kovariansnya positif, berarti kedua variabel tersebut cenderung meningkat atau menurun secara bersamaan. Jika kovariansnya negatif, hal ini menunjukkan bahwa variabel yang satu cenderung meningkat sedangkan variabel lainnya menurun. Kovariansi yang mendekati nol menunjukkan bahwa variabel-variabel tersebut tidak memiliki hubungan linier yang kuat.
Singkatnya, varians mengukur variabilitas kumpulan data itu sendiri, sedangkan kovarians mengukur hubungan variasi gabungan antara dua variabel.
Seberapa pentingkah kovarians?
Kovarian merupakan ukuran penting dalam statistik dan analisis data karena beberapa alasan. Umumnya digunakan untuk menilai kekuatan dan arah hubungan antara dua variabel. Nilai kovarians yang mendekati nol menunjukkan hubungan yang lemah atau tidak ada sama sekali , sedangkan nilai yang tinggi menunjukkan hubungan yang kuat antar variabel.
Di sisi lain, perlu disebutkan bahwa ini adalah alat yang berguna dalam pemodelan dan prediksi data . Hal ini dapat digunakan dalam teknik analisis data tingkat lanjut, seperti regresi linier dan analisis deret waktu, untuk memahami bagaimana perubahan dalam satu variabel dapat mempengaruhi variabel lainnya.
Ini juga sangat penting dalam manajemen risiko keuangan. Hal ini memungkinkan untuk mengevaluasi bagaimana dua aset keuangan bergerak bersama, yang merupakan hal mendasar dalam diversifikasi portofolio investasi dan dalam evaluasi risiko dan pengembalian aset yang berbeda.
Apa kegunaan utama kovarians?
Kovarian adalah alat penting dalam analisis data dan memiliki beberapa kegunaan. Salah satu kegunaan utama kovarians adalah dalam statistik dan ekonometrik . Ini digunakan untuk mengukur hubungan variasi gabungan antara dua variabel, yang dapat membantu kita memahami bagaimana keduanya berubah secara bersamaan.
Di bidang keuangan, kovarians digunakan untuk menilai hubungan antara pengembalian berbagai aset keuangan , seperti saham, obligasi, atau real estat. Hal ini membantu investor memahami bagaimana aset bekerja sama dan bagaimana investasi dapat didiversifikasi untuk mengelola risiko.
Dalam analisis risiko dan manajemen portofolio, kovarians digunakan untuk menghitung diversifikasi risiko , yaitu bagaimana pengembalian berbagai aset dikorelasikan. Kovarian yang rendah antara dua aset menunjukkan bahwa kecil kemungkinannya untuk bergerak ke arah yang sama, sehingga dapat bermanfaat untuk mengurangi risiko portofolio.
Selain itu, kovarians juga digunakan dalam bidang-bidang seperti ilmu lingkungan, biologi, psikologi, dan teknik, di mana hubungan antara berbagai variabel dipelajari untuk memahami perilakunya dan membuat prediksi.
Penting untuk dicatat bahwa kovarians memiliki beberapa keterbatasan, seperti tidak menjadi ukuran standar dan tidak menangkap hubungan nonlinier antar variabel. Namun, ini tetap menjadi alat yang berharga dalam analisis data untuk memahami bagaimana dua variabel berevolusi bersama dan hubungan variasi gabungannya.
Properti Kovarian
Mari kita lihat beberapa sifat terpenting dari kovarians di bawah ini:
- Kovarian antara dua variabel bisa bernilai positif , menunjukkan bahwa keduanya cenderung bergerak ke arah yang sama. Sebaliknya jika kovariansnya negatif berarti cenderung bergerak berlawanan arah . Jika kovariansnya nol, tidak ada hubungan linier antar variabel.
- Berbeda dengan korelasi, kovarians tidak terbatas pada rentang tertentu dan tidak memiliki satuan pengukuran yang terstandarisasi . Hal ini dapat mempersulit perbandingan kovarians dari skala atau unit yang berbeda.
- Adanya nilai ekstrim atau outlier pada data dapat memberikan dampak yang signifikan terhadap kovarians. Hal ini dapat mengakibatkan tinggi atau rendahnya kovarians, meskipun hubungan antar variabel tidak kuat .
- Kovariansi antara dua variabel bersifat simetris , artinya kovarians X terhadap Y sama dengan kovarians Y terhadap X. Sebenarnya, kovarians didasarkan pada variasi gabungan kedua variabel.
- Penting untuk dicatat bahwa kovarians tidak selalu berarti hubungan sebab akibat antar variabel . Hal ini hanya menunjukkan arah dan besarnya variasi gabungan antar variabel, namun tidak membentuk hubungan sebab akibat secara langsung.
contoh kovarians
Seperti yang telah kita ketahui, semuanya menjadi lebih jelas jika kita menggunakan contoh. Oleh karena itu, kami akan menganalisis contoh kovarians sederhana ini untuk pemahaman yang lebih baik.
Perhatikan dua variabel baru, A dan B, dengan data berikut:
SEBUAH = (a1, a2, a3) = (2, 5, 7)
B = (b1, b2, b3) = (6, 3, 1)
Pertama, kita akan menghitung mean aritmatika dari masing-masing variabel:
A’ = (2 + 5 + 7) 3 = 4,67
B’ = (6 + 3 + 1) 3 = 3,33
Setelah kami menghitung rata-rata aritmatika, kami melanjutkan untuk menghitung kovarians:
Cov(A, B) = (2 – 4,67) · (6 – 3,33) + (5 – 4,67) · (3 – 3,33) + (7 – 4,67) · (1 – 3,33) 3 = -2,33
Dalam hal ini nilai kovariansnya negatif. Hal ini menunjukkan bahwa variabel A dan B mempunyai hubungan negatif, artinya jika salah satu variabel meningkat maka variabel lainnya cenderung menurun. Namun untuk lebih memahami hubungan antara A dan B, perlu dilakukan perhitungan korelasi linier .
Penting juga untuk memperhitungkan bahwa kovarians dari variabel yang berbeda tidak dapat dibandingkan , karena unit pengukuran kovariansnya sama dengan unit pengukuran variabel yang bersangkutan. Oleh karena itu, Anda tidak dapat membandingkan kovarians variabel seperti pendapatan dan usia, misalnya, karena perbedaan satuan pengukurannya.