Korelasi adalah ukuran statistik antara -1 dan +1 yang menunjukkan kekuatan serta arah hubungan linear antara dua variabel, misalnya imbal hasil dua aset.
Korelasi
Korelasi, yang biasanya dihitung sebagai koefisien korelasi Pearson dan dilambangkan dengan r atau huruf Yunani rho (ρ), adalah ukuran statistik yang menunjukkan seberapa kuat dua variabel bergerak bersama mengikuti pola linear atau garis lurus. Secara konsep, korelasi dihitung sebagai kovarians(X, Y) dibagi dengan hasil kali deviasi standar X dan deviasi standar Y. Pembagian ini penting karena kovarians sendiri bisa bernilai apa saja tergantung satuan dan skala variabel yang diukur sehingga sulit diinterpretasikan langsung, sedangkan korelasi selalu dipaksa berada dalam rentang tetap -1 sampai +1.
Skala ini mudah dipahami begitu kita tahu titik ekstremnya. Korelasi +1 berarti dua variabel bergerak dalam sinkronisasi sempurna — saat satu naik, yang lain naik secara proporsional, setiap saat. Korelasi -1 berarti kebalikannya: keduanya selalu bergerak berlawanan arah. Korelasi 0 menunjukkan tidak ada hubungan linear sama sekali — nilai satu variabel tidak memberi informasi apa pun secara linear tentang variabel lainnya. Dalam praktiknya, korelasi antar-aset riil jarang berada di titik ekstrem ini; koefisien sekitar 0,2 hingga 0,3 dianggap rendah, sementara di atas 0,7 umumnya dianggap tinggi.
Satu catatan penting harus diingat: korelasi hanya menangkap hubungan yang bersifat linear, sehingga dua variabel yang berhubungan secara lebih kompleks, melengkung, atau siklikal bisa saja menunjukkan korelasi mendekati nol padahal jelas ada keterkaitan di antara keduanya. Selain itu, korelasi bukanlah sifat tetap dan permanen dari dua aset — nilainya diestimasi dari data historis dan bisa berubah signifikan seiring kondisi pasar dan periode waktu, sehingga sebaiknya ditinjau ulang secara berkala, bukan dianggap berlaku selamanya.
Contoh Perhitungan
Seorang investor memegang dua saham. Saham A adalah saham teknologi yang lebih fluktuatif dengan deviasi standar tahunan 25%. Saham B adalah saham konsumsi kebutuhan pokok yang lebih stabil dengan deviasi standar 12%. Data imbal hasil historis menunjukkan korelasi 0,3 antara keduanya — korelasi positif yang tergolong rendah, artinya keduanya cenderung bergerak ke arah yang sama secara umum, tetapi tidak terlalu erat kaitannya. Jika dikonversi menjadi kovarians: kovarians = korelasi x deviasi standar A x deviasi standar B = 0,3 x 0,25 x 0,12 = 0,009.
Misalkan investor tersebut menanamkan total dana Rp 100.000.000, dengan alokasi Rp 60.000.000 (60%) di saham A dan Rp 40.000.000 (40%) di saham B. Jika dihitung sederhana dengan rata-rata tertimbang dari kedua deviasi standar, volatilitas portofolio akan menjadi 60% x 25% + 40% x 12% = 19,8%. Namun karena korelasi antara A dan B hanya 0,3, pergerakan keduanya hanya tumpang tindih sebagian. Dengan menerapkan rumus varians portofolio yang memperhitungkan korelasi ini, deviasi standar portofolio yang sebenarnya menjadi sekitar 17,06% — jauh lebih rendah dari perkiraan sederhana 19,8%.
Selisih 2,74 poin persentase ini adalah manfaat diversifikasi, dan itu terjadi murni karena A dan B tidak berkorelasi tinggi. Jika korelasi antara kedua saham tersebut adalah 1,0 (berkorelasi sempurna), diversifikasi sama sekali tidak akan mengurangi risiko dan volatilitas portofolio akan sama persis dengan rata-rata tertimbang 19,8%. Semakin rendah — bahkan negatif — korelasinya, semakin besar manfaat diversifikasi yang diperoleh.
Aplikasi Praktis
Korelasi menjadi inti dari Teori Portofolio Modern dan merupakan salah satu statistik yang paling sering dirujuk dalam penyusunan portofolio investasi. Manajer investasi dan penasihat keuangan sengaja mencari kelas aset yang berkorelasi rendah atau negatif satu sama lain — misalnya memadukan saham dengan obligasi, atau menggabungkan saham dari sektor, wilayah, dan kapitalisasi pasar yang berbeda — dengan tujuan khusus mengurangi volatilitas portofolio secara keseluruhan tanpa harus mengorbankan ekspektasi imbal hasil.
Dalam manajemen risiko, investor institusional dan tim trading kuantitatif secara rutin menghitung matriks korelasi atas kumpulan aset yang besar untuk mengukur seberapa terdiversifikasi sebenarnya sebuah portofolio, sekaligus mengidentifikasi posisi yang tersembunyi risiko konsentrasinya. Bank dan perusahaan asuransi juga memantau bagaimana korelasi berubah dalam skenario tekanan pasar, karena aset yang tampak kurang berkaitan saat pasar tenang sering kali bergerak bersamaan ketika risiko sistemik meningkat.
Bagi investor perorangan, memahami korelasi membantu menghindari jebakan umum: memiliki beberapa reksa dana atau saham yang terlihat berbeda di permukaan tetapi sebenarnya sangat berkorelasi — misalnya beberapa reksa dana yang sama-sama didominasi sektor teknologi — dan keliru mengira portofolio sudah terdiversifikasi padahal sebenarnya terkonsentrasi pada satu faktor risiko yang sama.
Kesalahan Umum
Kesalahan paling umum adalah menyamakan korelasi dengan hubungan sebab-akibat. Dua variabel bisa menunjukkan korelasi kuat tanpa berarti salah satu menyebabkan yang lain — hubungan tersebut bisa saja didorong oleh faktor ketiga yang sama, atau sekadar kebetulan selama periode yang diamati.
Kesalahan umum kedua adalah menganggap korelasi sebagai angka tetap dan permanen. Korelasi diestimasi dari data historis dan berubah seiring kondisi pasar. Yang penting untuk diperhatikan, banyak pasangan aset yang berkorelasi rendah pada masa pasar tenang cenderung mendekati 1 saat krisis, karena aksi jual panik menyeret hampir semua aset berisiko turun bersamaan — fenomena yang sering diringkas sebagai korelasi menuju 1 saat krisis — dan ini bisa melemahkan efek diversifikasi justru ketika investor paling membutuhkannya.
Sebagian investor mengira korelasi 0 berarti dua variabel sama sekali tidak berhubungan, padahal itu hanya menunjukkan tidak adanya hubungan linear. Hubungan yang lebih kompleks dan non-linear tetap bisa ada tanpa tercermin dalam koefisien korelasi yang signifikan, sehingga analis biasanya melengkapi analisis korelasi dengan diagram sebar atau uji statistik lain.
Terakhir, orang sering mengabaikan pengaruh panjang periode data terhadap hasil estimasi korelasi. Korelasi yang dihitung dari periode historis yang sangat pendek rentan terdistorsi oleh fluktuasi jangka pendek, sehingga umumnya lebih andal menggunakan periode pengamatan yang lebih panjang dan memperbarui perhitungan secara berkala daripada mengandalkan satu angka yang sudah usang.
Perbandingan
Aspek
Korelasi
Kovarians
Definisi
Ukuran terstandardisasi kekuatan dan arah hubungan linear antara dua variabel
Ukuran tidak terstandardisasi apakah dua variabel bergerak searah atau berlawanan arah
Rentang / cara hitung
Kovarians / (deviasi standar X x deviasi standar Y); selalu tetap antara -1 dan +1
Rata-rata hasil kali selisih tiap variabel dari rata-ratanya sendiri; tidak ada rentang tetap
Yang ditunjukkan
+1 hubungan positif sempurna, -1 negatif sempurna, 0 tidak ada hubungan linear
Positif = bergerak bersama, negatif = berlawanan arah, tetapi besarannya sulit diinterpretasikan sendiri
Penggunaan umum
Membandingkan kekuatan hubungan antar-pasangan aset; menilai efektivitas diversifikasi
Variabel perantara untuk menghitung korelasi dan rumus varians (risiko) portofolio
Keterbatasan utama
Hanya menangkap hubungan linear dan bisa berubah signifikan seiring waktu atau kondisi pasar
Besarannya bergantung pada satuan dan skala variabel, sehingga tidak bisa dibandingkan langsung antar-pasangan
Apakah korelasi 0 berarti dua aset sama sekali tidak berhubungan?
Belum tentu. Korelasi 0 hanya menunjukkan tidak adanya hubungan linear antara kedua variabel, artinya pergerakan bersama keduanya tidak bisa digambarkan dengan garis lurus. Jika ada hubungan yang lebih kompleks, non-linear, atau siklikal di antara keduanya, korelasi tetap bisa mendekati nol meskipun sebenarnya ada hubungan nyata. Untuk memeriksa hal ini, analis biasanya melihat diagram sebar data selain angka korelasinya, bukan hanya mengandalkan satu angka saja.
Mengapa manajer portofolio mencari aset dengan korelasi rendah?
Karena korelasi yang lebih rendah berarti imbal hasil dua aset tidak bergerak serentak — saat satu turun, yang lain bisa tetap stabil atau bahkan naik, sehingga sebagian kerugian dapat terimbangi. Efek saling mengimbangi ini membuat volatilitas aktual portofolio menjadi lebih rendah dibandingkan sekadar rata-rata tertimbang dari volatilitas masing-masing aset. Mekanisme pengurangan risiko inilah yang menjadi inti gagasan diversifikasi dalam Teori Portofolio Modern.
Bisakah korelasi antara dua aset berubah seiring waktu?
Bisa, dan terkadang perubahannya cukup signifikan. Korelasi dihitung dari data imbal hasil historis, sehingga bergeser seiring perubahan kondisi makroekonomi, dinamika sektor, dan sentimen investor. Pola yang sangat penting untuk diperhatikan adalah banyak pasangan aset yang berkorelasi rendah di pasar normal cenderung bergerak jauh lebih serempak saat krisis keuangan, ketika tekanan jual yang meluas menghantam hampir semua aset sekaligus — sebuah keterbatasan yang perlu dipertimbangkan saat menyusun strategi diversifikasi.
Mana yang lebih baik untuk membandingkan pasangan aset, korelasi atau kovarians?
Korelasi umumnya lebih cocok untuk perbandingan karena sudah terstandardisasi dalam rentang tetap -1 sampai +1 terlepas dari satuan atau tingkat volatilitas asetnya, sehingga kekuatan hubungan antar-pasangan aset yang berbeda bisa langsung dibandingkan. Besaran kovarians justru bergantung pada seberapa fluktuatif masing-masing variabel, sehingga dua pasangan dengan kekuatan hubungan yang sama bisa menunjukkan nilai kovarians yang jauh berbeda. Meski begitu, kovarians tetap penting sebagai komponen dasar untuk menghitung korelasi maupun risiko portofolio.
Apakah korelasi hanya digunakan untuk saham?
Tidak — korelasi adalah alat statistik serbaguna yang bisa diterapkan pada pasangan data numerik apa pun. Selain imbal hasil saham, korelasi umum digunakan untuk mempelajari hubungan antara obligasi, mata uang, komoditas, properti, bahkan indikator makroekonomi seperti suku bunga dan inflasi. Dalam penyusunan portofolio multi-aset, investor sering mengevaluasi korelasi antara saham, obligasi, dan investasi alternatif secara bersamaan untuk membangun alokasi yang benar-benar terdiversifikasi.