Analisis ini bertujuan untuk memahami hubungan antara Angka Harapan Hidup dan GDP per Kapita, hubungan antara Angka Harapan Hidup dan Rata-Rata Lama Sekolah, dan hubungan antara GDP per Kapita dan Rata-Rata Lama Sekolah. Analisis korelasi dapat memberikan informasi tentang arah dan kekuatan hubungan antara variabel-variabel tersebut. Korelasi positif menunjukkan bahwa ketika salah satu variabel meningkat, variabel lainnya cenderung meningkat juga. Sebaliknya, korelasi negatif menunjukkan bahwa ketika salah satu variabel meningkat, variabel lainnya cenderung menurun.
Dengan memahami hubungan ini, analisis korelasi dapat memberikan wawasan tentang faktor-faktor yang mungkin berperan dalam mempengaruhi angka harapan hidup, rata-rata lama sekolah, dan GDP per kapita. Informasi ini dapat berguna dalam konteks kebijakan publik, perencanaan pembangunan ekonomi, dan penelitian di berbagai bidang, termasuk kesehatan, pendidikan, dan ekonomi.
Proses yang pertama dilakukan adalah persiapan library yang akan digunakan dalam analisis data menggunakan R. Dengan mempersiapkan library-library ini, kita dapat menggunakan berbagai fungsi dan alat yang diperlukan untuk melakukan analisis data dengan lebih efisien dan efektif.
library(readxl)
library(dplyr)
library(knitr)
library(psych)
library(DT)
Proses yang kedua adalah import data dari file Excel ke dalam R dan melakukan filter data pada tahun 2010 dengan mencakup tiga variabel, yaitu:
# Memuat data
data <- read_excel("dataset.xlsx")
# Memfilter data berdasarkan tahun 2010
data_filter <- data %>%
filter(Year == 2010) %>%
select(Country, Life_expectancy, GDP_per_capita, Schooling)
# Menampilkan data yang telah terpilih
datatable(
data_filter,
options = list(pageLength = 10),
rownames = FALSE,
colnames = c("Negara", "Angka Harapan Hidup", "GDP per Kapita", "Rata-Rata Lama Sekolah"),
class = 'display'
)
Proses yang utama adalah analisis data yang mana kita akan menggunakan analisis korelasi dengan rank Spearman antara masing-masing variabel. Lakukan analisis sebanyak tiga kali agar mendapatkan hasil yang diinginkan.
# Uji korelasi Spearman
cor.test(data_filter$Life_expectancy, data_filter$Schooling, method = "spearman", exact = FALSE)
##
## Spearman's rank correlation rho
##
## data: data_filter$Life_expectancy and data_filter$Schooling
## S = 253208, p-value < 2.2e-16
## alternative hypothesis: true rho is not equal to 0
## sample estimates:
## rho
## 0.7350991
cor.test(data_filter$Life_expectancy, data_filter$GDP_per_capita, method = "spearman", exact = FALSE)
##
## Spearman's rank correlation rho
##
## data: data_filter$Life_expectancy and data_filter$GDP_per_capita
## S = 147843, p-value < 2.2e-16
## alternative hypothesis: true rho is not equal to 0
## sample estimates:
## rho
## 0.8453299
cor.test(data_filter$GDP_per_capita, data_filter$Schooling, method = "spearman", exact = FALSE)
##
## Spearman's rank correlation rho
##
## data: data_filter$GDP_per_capita and data_filter$Schooling
## S = 206502, p-value < 2.2e-16
## alternative hypothesis: true rho is not equal to 0
## sample estimates:
## rho
## 0.7839621
Berdasarkan hasil analisis korelasi rank Spearman mengenai hubungan antara Angka Harapan Hidup, GDP per Kapita, dan Rata-Rata Lama Sekolah di 179 negara pada tahun 2010 diperoleh kesimpulan sebagai berikut.