LKPD

Eksplorasi - Data Bivariat

Nama :
Kelas :
Hari, Tanggal :

Tujuan Pembelajaran
Peserta didik dapat menginterpretasikan diagram pencar atau diagram scatter data
bivariat, menerapkan interpolasi dan ekstrapolasi data berdasarkan suatu persamaan
garis regresi linear, dan dapat menginterpretasikan nilai korelasi product moment dan
koefisien determinasi dalam proses analisis regresi linear dengan menggunakan
Casio FX-CG50 / FX-9860GII.

Petunjuk Penggunaan LKPD

1. Siswa menggunakan bantuan kalkulator Casio FX-CG50 / FX-9860GII
(kalkulator fisik ataupun emulator) untuk mengerjakan soal-soal di dalam LKPD
berikut.
2. Siswa bersama guru mengerjakan contoh soal terlebih dahulu, dengan mengikuti
petunjuk penggunaan kalkulator yang diberikan dalam LKPD.
3. Siswa kemudian mengerjakan soal-soal latihan secara mandiri.

Contoh Soal

Disajikan suatu tabel data tinggi badan (dalam cm) dan berat badan (dalam kg) yang
diambil dari 11 pemain sepak bola yang dipilih secara acak.

TB (𝒉 cm) 161 173 154 181 172 184 176 169 165 180 173
BB (𝒘 kg) 74 76 61 80 76 88 79 76 75 83 75

a. Gambarlah diagram pencar dari data di atas

b. Tentukan koordinat dari titik !ℎ#, 𝑤
&' dan tandai pada grafik.
c. Tentukan persamaan garis best-fit
d. Tentukan prediksi berat badan pemain sepak bola yang mempunyai tinggi
badan 170 cm.
e. Tentukan koefisien korelasi Pearson berdasarkan data tersebut.
f. Berikan pendapatmu berdasarkan nilai korelasi dari jawaban e, dalam konteks
data pemain sepak bola.

FGCP, 2022
Gunakan menu Statistics (p2) pada kalkulator untuk menampilkan List Editor.
Kemudian input data tinggi badan pada kolom pertama. Tekan l untuk berpindah
ke cell selanjutnya.

Tekan $ untuk berpindah ke kolom selanjutnya, lalu input data berat badan pada
kolom kedua.

Sebelum memunculkan diagram pencar dari data-data tersebut, ubah pengaturan

grafik dengan menekan tombol qGRAPH1, kemudian uSET.
Pilih tipe grafik: qScatter, XList: List1 dan YList: List2.

Tekan d kemudian tekan q GRAPH1 untuk memunculkan diagram pencar.

Kalkulator akan menampilkan diagram pencar berdasarkan data-data yang telah
diinput.

FGCP, 2022
Tekan q CALC, kemudian tekan q 2-VAR. Kalkulator akan menampilkan nilai
dari 𝑥̅ = 171.6 (sebagai nilai dari ℎ#).

Gulir ke bawah menggunakan tombol N untuk menemukan data nilai 𝑦# = 76.6

(sebagai nilai dari 𝑤
&).

Untuk menghitung persamaan garis best-fit (persamaan garis regresi linear) tekan
d, q GRAPH1, q CALC, w X, q ax+b.

Berdasarkan data tersebut, persamaan garis regresi linear adalah 𝑦 = 0.678𝑥 − 39.8
Selanjutnya, tekan u DRAW. Kalkulator akan menampilkan diagram pencar dengan
garis regresinya.

FGCP, 2022
Pada diagram tersebut, kita bisa memprediksi berat badan pemain sepak bola yang
mempunyai tinggi badan 170 cm. Tekan Lq TRACE, kemudian tekan $ atau !
untuk bergerak di sepanjang garis regresi sampai sedekat mungkin dengan nilai 𝑥 =
170.

Berdasarkan pengecekan nilai regresi, didapatkan prediksi berat badan pemain sepak
bola yang mempunyai tinggi badan 170 cm adalah 75 kg.

Berdasarkan perhitungan persamaan garis regresi linear, dapat ditemukan bahwa

koefisien korelasi Pearson berdasarkan data tersebut adalah 0.9150 yang
mengindikasikan korelasi positif kuat, yang mengartikan bahwa semakin tinggi badan
pemain sepak bola, maka semakin tinggi pula berat badannya.

FGCP, 2022
Latihan Soal

1. Sebuah perusahaan manufaktur mobil ingin menyelidiki bagaimana harga salah

satu model mobilnya terdepresiasi (penurunan) seiring bertambahnya usia mobil.
Departemen riset di perusahaan mengambil sampel delapan mobil model ini dan
mengumpulkan informasi berikut tentang usia (dalam tahun) dan harga (dalam
jutaan rupiah) mobil-mobil ini.

Usia (tahun) 8 3 6 9 2 5 6 3
Harga (jutaan rupiah) 45 210 100 33 267 134 109 235

a. Gambarlah diagram pencar dari data di atas

b. Apakah diagram pencarnya memberikan indikasi bahwa ada hubungan linear
antara usia dan harga mobil?
c. Tentukan persamaan garis regresinya, dimana harga sebagai variabel
dependen dan usia sebagai variabel independen.
d. Tentukan prediksi harga mobil yang berusia 7 tahun dan 18 tahun.
e. Tentukan koefisien korelasi Pearson berdasarkan data tersebut.
f. Berikan pendapatmu berdasarkan nilai korelasi dari jawaban e, dalam konteks
data usia dan harga mobil.

2. Disajikan sebuah data nilai dari 10 siswa yang telah mengikuti ujian Matematika
dan Fisika.

Siswa 1 2 3 4 5 6 7 8 9 10
Matematika (%) 78 56 88 93 44 76 33 59 82 99
Fisika (%) 84 62 84 100 51 90 42 74 80 89

a. Gambarlah diagram pencar dari data di atas

b. Tentukan koordinat dari titik (𝑥̅ , 𝑦#) dan tentukan persamaan garis regresinya.
c. Tentukan prediksi nilai Fisika untuk siswa yang mendapat skor 65% pada mata
pelajaran Matematika.
d. Tentukan dan jelaskan apakah data-data tersebut mengindikasikan bahwa
siswa yang mendapatkan nilai baik pada mata pelajaran Matematika juga akan
mendapatkan nilai baik pada mata pelajaran Fisika.

FGCP, 2022