Analisis Korelasi Rank Spearman GDP per Kapita, Rata-Rata Lama Sekolah, dan Angka Harapan Hidup di Negara Afrika Pada Tahun 2015

Silvera Novitasari - M0722073(A)

Analisis ini bertujuan untuk mengetahui hubungan antara GDP per Kapita dengan Rata-Rata Lama Sekolah, hubungan antara GDP per Kapita dengan Angka Harapan Hidup, dan hubungan antara Rata-Rata Lama Sekolah dengan Angka Harapan Hidup di Negara Afrika Pada Tahun 2015. Analisis Korelasi dapat memberikan informasi tentang arah dan kekuatan hubungan antara variabel-variabel tersebut. Korelasi positif menunjukkan ketika salah satu variabel meningkat maka variabel lainnya cenderung meningkat. Sebaliknya, korelasi negatif menunjukkan bahwa ketika salah satu variabel meningkat maka variabel lainnya cenderung menurun.

Library

Proses yang pertama dilakukan adalah persiapan library yang akan digunakan dalam analisis data menggunakan R. Dengan mempersiapkan library-library ini diharapkan dalam melakukan analisis data akan lebih baik dan efektif.

library(rmarkdown)
library(knitr)
library(readxl)
library(dplyr)
library(ggplot2)
library(ppcor)
library(psych)
library(DT)
library(prettydoc)

Impor Data

Proses selanjutnya adalah import data dari file Excel ke dalam R.

Variabel-variabel yang digunakan, yaitu:

  1. Country : Daftar Negara di Afrika
  2. GDP_per_Capita : Produk Domestik Bruto (GDP) per Kapita dalam USD saat ini
  3. Schooling : Rata-rata tahun yang dihabiskan oleh orang berusia 15 tahun ke atas dalam pendidikan formal
  4. Life_Expectancy : Angka harapan hidup rata-rata dari kedua jenis kelamin

# Memuat Data
Case_Method_2_SIM <- read_excel("Case Method 2 SIM.xlsx")
# Membuat Data Frame
SIM <- Case_Method_2_SIM
# Menampilkan Data
datatable(SIM, class = 'display')

Statistik Deskriptif

Proses ini dilakukan analisis statistik deskriptif lima angka untuk memberikan gambaran tentang data yang digunakan dalam analisis ini.

summary(SIM$GDP_per_Capita)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##     306     657    1338    2705    3346   15158
summary(SIM$Schooling)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   1.400   3.500   5.000   5.257   6.600  10.100
summary(SIM$Life_Expectancy)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   50.90   58.45   62.00   62.47   64.95   76.10

Analisis Data

Proses yang utama adalah analisis data dengan menggunakan korelasi rank Spearman antara masing-masing variabel.

Korelasi Rank Spearman Variabel GDP per Kapita dan Rata-Rata Lama Sekolah
cor.test(SIM$GDP_per_Capita, SIM$Schooling, method = "spearman")
## 
##  Spearman's rank correlation rho
## 
## data:  SIM$GDP_per_Capita and SIM$Schooling
## S = 7075.7, p-value = 4.107e-08
## alternative hypothesis: true rho is not equal to 0
## sample estimates:
##       rho 
## 0.6798326
ggplot(SIM, aes(x = GDP_per_Capita, y = Schooling)) + geom_point() + labs(x = "GDP_per_Capita", y = "Schooling")

Korelasi Rank Spearman Variabel GDP per Kapita dan Angka Harapan Hidup
cor.test(SIM$GDP_per_Capita, SIM$Life_Expectancy, method = "spearman")
## 
##  Spearman's rank correlation rho
## 
## data:  SIM$GDP_per_Capita and SIM$Life_Expectancy
## S = 11713, p-value = 0.0005013
## alternative hypothesis: true rho is not equal to 0
## sample estimates:
##       rho 
## 0.4700186
ggplot(SIM, aes(x = GDP_per_Capita, y = Life_Expectancy)) + geom_point() + labs(x = "GDP_per_Capita", y = "Life_Expectancy")

Korelasi Rank Spearman Variabel Rata-Rata Lama Sekolah dan Angka Harapan Hidup
cor.test(SIM$Schooling, SIM$Life_Expectancy, method = "spearman")
## 
##  Spearman's rank correlation rho
## 
## data:  SIM$Schooling and SIM$Life_Expectancy
## S = 12897, p-value = 0.002368
## alternative hypothesis: true rho is not equal to 0
## sample estimates:
##       rho 
## 0.4164479
ggplot(SIM, aes(x = Schooling, y = Life_Expectancy)) + geom_point() + labs(x = "Scholling", y = "Life_Expectancy")

Korelasi Parsial (Spearman)
pcor.test(SIM$GDP_per_Capita, SIM$Schooling, SIM$Life_Expectancy, method = "spearman")
##    estimate      p.value statistic  n gp   Method
## 1 0.6032511 3.539093e-06  5.240348 51  1 spearman

Kesimpulan

Berdasarkan hasil analisis korelasi rank Spearman mengenai hubungan antara variabel-variabel tersebut diperoleh kesimpulan sebagai berikut:

  1. Hasil nilai korelasi rank Spearman pada variabel GDP per Kapita dan Rata-Rata Lama Sekolah sebesar 0.6798326 atau p-value sebesar 4.107e-08 yang artinya terdapat hubungan antara GDP per Kapita dan Rata-Rata Lama Sekolah di Negara Afrika Pada Tahun 2015.
  2. Hasil nilai korelasi rank Spearman pada variabel GDP per Kapita dan Angka Harapan Hidup sebesar 0.4700186 atau p-value sebesar 0.0005013 yang artinya terdapat hubungan antara GDP per Kapita dan Angka Harapan Hidup di Negara Afrika Pada Tahun 2015.
  3. Hasil nilai korelasi rank Spearman pada variabel Rata-Rata Lama Sekolah dan Angka Harapan Hidup sebesar 0.4164479 atau p-value sebesar 0.002368 yang artinya terdapat hubungan antara Rata-Rata Lama Sekolah dan Angka Harapan Hidup di Negara Afrika Pada Tahun 2015.

Hasil analisis korelasi menunjukkan bahwa terdapat hubungan yang cukup kuat antara GDP per Kapita, Rata-Rata Lama Sekolah, dan Angka Harapan Hidup. Rata-rata lama sekolah menunjukkan rata-rata tahun yang dihabiskan untuk menempuh pendidikan formal dimana pendidikan yang lebih tinggi memiliki kaitannya dengan harapan hidup yang lebih lama karena pendidikan memberikan akses pengetahuan dan keterampilan yang diperlukan. Selain itu, GDP per kapita menunjukkan tingkat ekonomi suatu negara. Hal itu tentu memiliki keterkaitan dengan harapan hidup, dimana tingkat ekonomi akan berdampak pada kualitas hidup untuk kesejahteraan ekonomi.