Diagram pencar atau scatter plot adalah diagram yang menggambarkan hubungan antara dua kelompok data dalam bentuk titik-titik pada bidang koordinat Cartesius. Pola sebaran titik-titik pada diagram ini menunjukkan tingkat keterkaitan antara kedua kelompok data tersebut. Semakin rapat titik-titiknya, semakin kuat hubungan antara kedua data, sedangkan jika titik-titik tersebar secara luas, hubungan antar data cenderung lebih lemah.
Jika titik-titik membentuk pola yang menyerupai garis lurus, hubungan tersebut disebut hubungan linear. Hubungan linear dapat bersifat positif atau negatif:
- Korelasi positif terjadi jika titik-titik membentuk garis lurus dengan kemiringan ke atas dari kiri ke kanan. Ini menunjukkan bahwa kedua variabel meningkat secara bersamaan.
- Korelasi negatif terjadi jika titik-titik membentuk garis lurus dengan kemiringan ke bawah dari kiri ke kanan. Artinya, saat satu variabel meningkat, variabel lainnya menurun.
Sebaliknya, jika titik-titik pada diagram tersebar secara acak tanpa membentuk pola yang jelas, maka hubungan antar dua kelompok data sangat lemah atau bahkan tidak memiliki korelasi sama sekali.
Selain hubungan linear, diagram pencar juga dapat menunjukkan hubungan nonlinear, yang terjadi ketika titik-titik membentuk pola berupa garis lengkung atau kurva, bukan garis lurus. Lihat gambar di bawah ini.
Paradoks Simpson adalah fenomena dalam statistik di mana tren yang terlihat dalam beberapa kelompok data bisa berbalik arah ketika kelompok-kelompok tersebut digabungkan. Contohnya, dalam analisis penerimaan mahasiswa di dua jurusan berbeda, terlihat bahwa laki-laki memiliki tingkat penerimaan lebih tinggi di masing-masing jurusan. Namun, saat data dari kedua jurusan digabungkan, ternyata perempuan memiliki tingkat penerimaan keseluruhan yang lebih tinggi. Penyebab utama paradoks ini adalah adanya variabel perancu (confounding variable), yaitu faktor tersembunyi yang memengaruhi hubungan antara variabel yang diamati. Dalam contoh tadi, perbedaan jumlah pendaftar laki-laki dan perempuan di tiap jurusan bisa menjadi variabel perancu yang menyebabkan perubahan arah kesimpulan. Paradoks ini menunjukkan betapa pentingnya menganalisis data secara hati-hati, terutama ketika ada pengelompokan atau kategori di dalamnya. Ini sangat krusial dalam berbagai bidang seperti epidemiologi, analisis kebijakan, hingga kecerdasan buatan, di mana keputusan yang salah bisa diambil jika konteks data diabaikan.
Gratis — tolong sebarkan
Materi dan latihan di sini bisa dipakai siapa saja tanpa membayar dan tanpa mendaftar. Aplikasi Fitri Learning membawa semuanya ke HP, lengkap dengan nilai dan pembahasan, dan jalan tanpa internet setelah diunduh sekali.
Gratis, tanpa akunUnduh aplikasinya → Ilmu yang bermanfaatBagikan ke WhatsApp