NAMA : NI PUTU JELITA AUDYA

KELAS : XII.2
MAPEL : MATEMATIKA WAJIB

DIAGRAM PENCAR DATA BIVARIAT

A. Pengertian Diagram Pencar

Diagram pencar atau diagram scatter biasa juga disebut diagram tebaran atau scatter
plot yaitu sebuah diagram yang digunakan saat kita perlu menyajikan data yang terdiri
dari atas dua variabel kuantitatif atau biasa disebut data bivariat.

Diagram pencar digunakan untuk menunjukkan ada atau tidaknya hubungan/korelasi

antara dua variabel kuantitatif pada data bivariat. Kedua variabel tersebut dinamkan
variable bebas yang disimbolkan dengan X dan variable terikat yang disimbolkan
dengan Y.
Catatan :
Nama lain dari variabel X dan Y diantaranya sebagai berikut
Variabel Nama Variabel
Variabel Variabel Variabel input Variabel Variabel
X
independen stimulus prediktor anteseden
Y Variabel Variabel Variabel output Variabel Variabel
dependen respon kriteria konsekuen
B. Menggambar Diagram Pencar
Secara manual, diagram pencar dapat digambar dengan langkah-langkah sebagai
berikut:
1. Menentukan variabel bebas (X) dan variabel terikat (Y)
2. Membuat sumbu mendatar (sebagai sumbu X) dan sumbu tegak (sebagai sumbu
Y)
3. Membagi kedua sumbu dengan skala sama pada setiap sumbu
4. Membagi skala angka yang memuat seluruh nilai data pada variabel X dan Y
5. Menggambarkan pasangan titik-titik (X, Y) pada bidang koordinat kartesius.
Cara Membuat Diagram Pencar
1) Kumpulkan data
2) Buat diagram.
Caranya, gambarkan titik-titik data kedalam sumbu tegak (y) dan sumbu datar (x)
3) Menghitung koefien regresi tersebut dengan persamaan
4) Pengujian hipotesis tentang r adalah :
H0 : r = 0 (tidak ada hubungan antara x dan y)
H1 : r > 0 (ada hubungan positif)
H1 : r < 0 (ada hubungan negative)
H1 : r1 0 (ada hubungan)

S( xy )
r= √ S ( xx ) . S ( yy )
Contoh
Informasi menganai banyak pengunjung yang hadir dan omzet penjualan buku di
beberapa stan pameran pada hari pertama disakilan dalam tabel berikut :
Banyak Pengunjung Pameran Omzet Penjualan Buku
Nama Stan
(Orang) (Puluh Ribuan Rupiah)
A 22 82
B 28 86
C 24 81
D 26 88
E 20 79
F 27 85
G 29 83
H 23 80
I 25 82
 J 29 86

C. Hubungan antara Variabel

Dikatakan juga bahwa Scatter diagram menunjukan hubungan antara dua variabel.
Scatter diagram sering digunakan sebagai analisis tindak lanjut untuk menentukan
apakah penyebab yang ada benar-benar memberikan dampak kepada karakteristik
kualitas. Pada contoh terlihat scatter diagram yang menggambarkan plot pengeluaran
untuk iklan dengan penjualan perusahaan yang mengindikasikan hubungan kuat
positif diantara dua variabel. Jika pengeluaran untuk iklan meningkat, penjualan
cenderung meningkat.
 Pada umumnya, bila kita berbicara tentang hubungan antara dua macam data, kita
sesungguhnya membicarakan tentang :
a). Hubungan penyebab dan akibatnya.
b). Hubungan antara satu penyebab dengan penyebab lainnya.
c). Hubungan antara satu penyebab dengan dua penyebab.
Secara grafis, jika kita menggambarkan "akibat pada sumbu vertikal dan "penyebab"
pada sumbu horisontal, maka kita akan mendapatkan sebuah peta yang disebut dengan
scatter diagram.

D. Jenis-Jenis Hubungan Arah dan Bentuk Diagram

1. Linear positif

Diagram pencar ini memiliki hubungan yang saling sejalan/ searah dan
membentuk garis lurus dari persamaan yang didapatkan . Dimana apabila nilai x
naik maka nilai y juga ikut naik.

2. Linear negatif
 Diagram pencar ini memiliki hubungan yang berhubungan dengan kedua
variabelnya. Dimana apabila nilai x meningkat maka nilai y nya menurun. Dan
persamaannya membentuk garis lurus. Oleh karena itu dikatakan diagram pencar
linear negatif.
3. Curve Linear Positif

Diagram pencar hampir sama dengan linear positif hanya saja garis yang
dihasilkan membentuk kurva karena persamaannya kuadrat.

4. Curve Linear Negatif

Diagram pencar ini hamper sama dengan linear negatif, hanya saja garis yang
dihasilkan membentuk kurva karena persamannya dari persamaan kuadrat.

5. Curve Linear
 Diagram pencar ini mengambarkan kondisi dimana didapatkan hubungan antara
variabel x dan variabel y yang meningkat namun saat mencapai keadaan
maksimum keduanya mengalami penurunan. Jadi garis yang dihasilkan
membentuk kurva persamaan kuadrat juga.

6. Tak Tentu

Diagram pencar ini menggambarkan seolah-olah tidak ada hubungan antara

variabel x dan y seolah-olah keduanya tidak saling mempengaruhi, karena
diagram yang didapatkan tersebar secara acak dan tidak berpola.

E. Tren Data Bivariat Dari Diagram Pencar

1. Tren data
Tren data adalah pola atau arah Yang ditunjukkan Oleh data sepanjang periode
waktu tertentu. Tren ini bisa naik, turun, atau tetap stabil. Tren data dapat
digunakan untuk mengidentifikasi pola atau kecenderungan Yang mungkin terjadi
dalam data statistik atau dalam data Iainnya.
Berdasarkan pola penyebaran data, tren data terdiri dari 3 bentuk:
a. Linear, jika pola penyebaran datanya berbentuk atau mendekati garis lurus.
b. Kurva/Non-Linear, jika pola penyebaran datanya berbentuk kurva atau
mendekati garis tidak lurus.
 c. Korelasi Nol (Tidak berkolerasi) yaitu ketika tidak adanya hubungan antara
dua variabel.
2. Korelasi
Korelasi adalah ukuran sejauh mana dua variabel berkaitan. Pada dasarnya, fungsi
korelasi yaitu untuk melakukan standarisasi pada hasil kovarians (u kuran
hubungan antara dua variabel) Yang didapat.
Berdasarkan arah tren data, jenis korelasi terdiri dari 3 bentuk:
a. Korelasi Positif yaitu hubungan antara dua variabel ketika kedua variabel itu
bergerak dalam arah Yang sama. Oleh karenanya, satu variabel meningkat
jika variabel Iainnya meningkat, atau satu variabel menurun sementara yang
lainnya juga menurun.
b. Korelasi Negatif yaitu hubungan antara dua variabel, ketika peningkatan satu
variabel dikaitkan dengan penurunan variabel Iainnya.
c. Tidak berbentuk, jika pola penyebaran datanya tidak beraturan.
3. Interpretasi
Interpretasi adalah penjelasan yang memuat makna atau sudut pandang teoritis
dari suatu objek. interpretasi pada data, bertujuan dalam menafsirkan data yang
sebelumnya sudah dianalisis
F. Contoh Soal
1. Suhu udara dan kelembapan udara disajikan dalam diagram pencar berikut.:

a. Bagaimana tren data pada diagram?

b. Bagaimana korelasi suhu udara dan kelembapan udara?
c. Bagaimana pengaruh korelasi suhu udara dan kelembapan udara?
Jawab :
a) Non-Linear
b) Negatif
c) Tingginya suhu udara dapat menurunkan kelembapan udara
Pola Penyebaran Data (a) Tren Data Arah Garis (b) Korelasi Data (c) Interpretasi Data
Arah
Makin tinggi suhu
Berbentuk kurva / garis
udara, makin
mendekati garis tidak Non-Linear turun Negatif
rendah
lurus dari kiri
kelembapan udara.
ke kanan

2. Ukuran sepatu dan usia sejumlah siswa disajikan dalam diagram pencar berikut.
 a. Bagaimana tren data pada diagram?
b. Bagaimana korelasi antara ukuran sepatu dan usia siswa?
c. Bagaimana pengaruh usia terhadap ukuran sepatu siswa?
Jawab :
a) Linear
b) Positif
c) Bertambahnya usia siswa dapat memperbesar ukuran sepatu.
Pola Penyebaran Data (a) Tren Data Arah Garis (b) Korelasi Data (c) Interpretasi Data
Arah Makin bertambah usia
Berbentuk/ mendekati Linear garis naik siswa, makin besar
Positif
garis lurus dari kiri ukuran sepatu.
ke kanan

3. Harga barang dan banyak barang terjual di beberapa toko disajikan dalam
diagram pencar berikut.

a. Bagaimana tren data pada diagram?

b. Bagaimana korelasi harga barang dan banyak barang terjual?
c. Bagaimana pengaruh harga barang terhadap terhadap banyak barang
terjual?
Jawab :
a) Linear
b) Negatif
 c) Peningkatan harga barang dapat menurunkan banyak barang
terjual.
Pola Penyebaran Data (a) Tren Data Arah Garis (b) Korelasi Data (c) Interpretasi Data
Makin naik harga
Arah garis
Berbentuk/ mendekati Linear barang, makin
turun dari Negatif
garis lurus menurun banyak
kiri ke kanan
barang yang terjual.