Sebelum menghitung apa pun, plot dulu datamu. Scatter plot (diagram pencar) mengubah dua kolom angka menjadi satu gambar yang langsung menunjukkan apakah dua variabel saling berkaitan — dan seberapa erat hubungan itu.
Apa Itu Scatter Plot?
Scatter plot menempatkan setiap pasangan data (x, y) sebagai satu titik pada bidang koordinat. Sumbu X biasanya diisi variabel yang diduga memengaruhi, sedangkan sumbu Y diisi variabel hasilnya.
Yang dicari bukan angka lebih dulu, tapi bentuk sebaran titik: apakah naik bersama, turun berlawanan, atau tidak membentuk pola sama sekali. Bentuk inilah yang disebut korelasi.
Membaca Pola Korelasi
Ada empat bentuk sebaran yang paling sering muncul dalam praktik:
1. Korelasi Positif Kuat (r mendekati +1) Titik-titik naik rapi dari kiri bawah ke kanan atas. Saat X naik, Y hampir selalu ikut naik. Contoh: jam belajar dengan nilai ujian.
2. Korelasi Positif Lemah (r sekitar +0.3) Kecenderungan naik masih terlihat, tapi sebarannya lebih acak dan berserakan. X naik, Y cenderung naik, tapi tidak konsisten.
3. Tidak Ada Korelasi (r mendekati 0) Titik-titik tersebar acak tanpa arah yang jelas. Perubahan pada X tidak memberi petunjuk apa pun tentang Y.
4. Korelasi Negatif Kuat (r mendekati -1) Titik-titik turun rapi dari kiri atas ke kanan bawah. Saat X naik, Y hampir selalu turun. Contoh klasik: suhu udara dengan penjualan mantel.
Rumus di Balik Angka: Koefisien Korelasi Pearson
Nilai koefisien korelasi (r) meringkas bentuk sebaran menjadi satu angka antara -1 dan 1:
r = Σ(xi − x̄)(yi − ȳ) / √[Σ(xi − x̄)² · Σ(yi − ȳ)²]
di mana x̄ dan ȳ adalah rata-rata dari masing-masing variabel.
Intinya sederhana: bandingkan setiap titik terhadap rata-ratanya, lalu lihat apakah keduanya konsisten bergerak searah (r mendekati +1), berlawanan arah (r mendekati -1), atau tidak konsisten sama sekali (r mendekati 0). Sebagai patokan kasar:
| Nilai |r| | Kekuatan hubungan | |—|—| | 0.7 – 1.0 | Kuat | | 0.4 – 0.7 | Sedang | | 0.15 – 0.4 | Lemah | | < 0.15 | Hampir tidak ada |
Tutorial Membuat Koefisien Korelasi Pearson Dua Variabel
Sekarang, kita akan Mencontohkan cara membuat Koefisien Korelasi Pearson Dua Variabel dengan menggunakan Excel.
Pertama, kita butuh data yang memiliki 2 variabel x dan y jika kamu tidak ada data untuk di praktekan kamu bisa mencari Data di Kaggle, nah jadi 2 variabel yang dimaksud itu adalah kolom Jam Tidur sebagai (x) dan Produktivitas sebagai (y) seperti contoh dibawah ini :
Kedua, jika sudah ada datanya kita akan memulai membuat Scallet plotnya ikutin Langkah – langkah ini
Cari tulisan Sisipkan dibagian Tab atas nanti ada bagan(charts) jika sudah masuk ke sebar kamu bisa memilih tipenya seperti ini :
Jika sudah tampilan pertama mu masih putih (Blank) seperti dibawah ini,kamu harus memilih Data yang ingin dimasukan dulu
Berikut cara menambahkan data ke chartsnya:
Pergi kebagian Tab Desain Bagan disitu ada tulisan Pilih Data, sihlakan di click
Jika sudah nanti akan muncul pop up sepert ini :
disitu ada tulisan “Tambahkan” click itu nanti muncul pop up seperti ini :
nah ini nama seri bebas kalian isi apa saja namun untuk Nilai seri X dan Y kamu bisa menambahkan kolom dari datamu yang tadi, kamu bisa click tombol dengan gambar unggah lalu click kiri tahan di kolom datamu tadi seperti ini :
Nanti jika sudah mengisi semuanya maka hasil akhirnya akan seperti ini :
Click tombol “OK” dan data scallet plot mu sudah siap!
dibagian kanan juga ada beberapa tools itu untuk mengedit chartsmu
Studi Kasus: Hubungan Jam Tidur dengan Produktivitas
Sebagai contoh sederhana, dilakukan analisis korelasi terhadap 10 responden untuk mengetahui hubungan antara jam tidur per malam dengan tingkat produktivitas. Produktivitas diukur menggunakan skor dengan rentang 0–100.
Berdasarkan data tersebut diperoleh hasil sebagai berikut:
| Variabel | Korelasi terhadap Produktivitas (r) | Kekuatan |
|---|---|---|
| Jam Tidur | 0,99 | Positif sangat kuat |
Interpretasi
Hasil analisis menunjukkan bahwa nilai koefisien korelasi (r) = 0,99, yang berarti terdapat hubungan positif sangat kuat antara jam tidur dan produktivitas.
Artinya, semakin lama seseorang tidur (dalam rentang data penelitian), maka tingkat produktivitasnya cenderung semakin tinggi. Hal ini juga terlihat pada scatter plot yang membentuk pola naik dari kiri bawah menuju kanan atas.
Namun, perlu diperhatikan bahwa korelasi tidak selalu menunjukkan hubungan sebab-akibat (kausalitas). Faktor lain seperti pola makan, kesehatan, tingkat stres, dan lingkungan kerja juga dapat memengaruhi produktivitas seseorang.
Kesimpulan
Berdasarkan hasil analisis korelasi, dapat disimpulkan bahwa:
- Nilai korelasi (r) = 0,99
- Arah hubungan positif
- Tingkat hubungan sangat kuat
- Jam tidur memiliki hubungan yang sangat erat dengan produktivitas pada data yang dianalisis.
Kategori Interpretasi Korelasi
Kategori Interpretasi Korelasi
| Nilai r | Interpretasi |
|---|---|
| 0,00 – 0,19 | Sangat lemah |
| 0,20 – 0,39 | Lemah |
| 0,40 – 0,59 | Sedang |
| 0,60 – 0,79 | Kuat |
| 0,80 – 1,00 | Sangat kuat ✅ |
Interpretasi Hasil Analisis
Kategori Interpretasi Korelasi
| Nilai r | Interpretasi |
|---|---|
| 0,00 – 0,19 | Sangat lemah |
| 0,20 – 0,39 | Lemah |
| 0,40 – 0,59 | Sedang |
| 0,60 – 0,79 | Kuat |
| 0,80 – 1,00 | Sangat kuat ✅ |
Berdasarkan hasil analisis korelasi, diperoleh nilai r = 0,99. Nilai tersebut berada pada rentang 0,80–1,00, sehingga termasuk dalam kategori korelasi positif sangat kuat.
Hal ini menunjukkan bahwa terdapat hubungan yang sangat erat antara jam tidur dan produktivitas. Semakin lama jam tidur seseorang (sesuai dengan rentang data yang dianalisis), maka produktivitasnya cenderung semakin meningkat.
Scatter plot juga memperlihatkan pola titik-titik yang membentuk tren naik dari kiri bawah ke kanan atas, sehingga memperkuat adanya hubungan positif yang sangat kuat antara kedua variabel.
Namun demikian, perlu diingat bahwa korelasi tidak menunjukkan hubungan sebab-akibat (kausalitas). Produktivitas juga dapat dipengaruhi oleh faktor lain, seperti kualitas tidur, pola makan, kondisi kesehatan, tingkat stres, motivasi, dan lingkungan kerja atau belajar.
Langkah Membuat Scatter Plot dari Data Mentah
1. Tentukan dua variabel numerik Pastikan keduanya berupa angka dan berasal dari pasangan pengamatan yang sama — misalnya luas tanah dan harga dari rumah yang sama.
2. Letakkan setiap pasangan sebagai satu titik Variabel bebas (yang diduga memengaruhi) diletakkan di sumbu X, variabel hasil di sumbu Y. Satu baris data menjadi satu titik.
3. Amati bentuk sebarannya Naik bersama, turun berlawanan, melengkung, atau acak tanpa pola — bentuk ini menentukan jenis analisis lanjutan yang tepat.
4. Hitung koefisien korelasi bila perlu Gunakan rumus Pearson di atas, atau fungsi CORREL() di Excel/Google Sheets, untuk mengonfirmasi kekuatan hubungan yang terlihat secara visual.
Scatter plot menunjukkan korelasi, bukan sebab-akibat — dua variabel bisa bergerak bersama karena faktor ketiga yang tidak terlihat di grafik.