Plot sebar

Artikel ini menjelaskan apa itu plot sebar. Oleh karena itu, Anda akan menemukan kegunaan point cloud, cara membuat point cloud, cara menafsirkannya, dan contoh point cloud.

Apa itu awan titik?

Scatterplot , atau scatterplot , adalah jenis diagram statistik di mana kumpulan data dua variabel digambarkan pada dua sumbu koordinat Cartesian.

Oleh karena itu, scatter plot digunakan untuk menganalisis hubungan antara dua variabel statistik.

Scatterplot memiliki beberapa nama berbeda, seperti diagram korelasi atau scatterplot .

Perlu dicatat bahwa diagram sebar dianggap sebagai salah satu alat dasar pengendalian kualitas, seperti halnya diagram Pareto, diagram sebab dan akibat, diagram alur, dll.

Cara membuat plot pencar

Untuk membuat plot sebar, Anda perlu mengikuti langkah-langkah berikut:

1. Kumpulkan data statistik dari sampel yang ingin Anda analisis. Perlu diingat bahwa untuk membuat plot sebar, setidaknya harus ada dua variabel kuantitatif.
2. Plot kedua sumbu plot pencar.
3. Tentukan dua variabel statistik yang akan dibuat grafiknya.
4. Kalibrasi skala setiap sumbu grafik. Untuk melakukan ini, disarankan untuk terlebih dahulu mencari minimum dan maksimum setiap variabel dan, berdasarkan nilai-nilai ini, menskalakan setiap sumbu.
5. Mewakili setiap pasangan data pada diagram sebar dengan sebuah titik.
6. Menganalisis dan menafsirkan diagram sebar yang diperoleh.

Contoh plot sebar

Setelah melihat pengertian diagram sebar dan teori pembuatannya, bagian ini akan menyajikan diagram jenis ini sebagai contoh.

• Pada tabel frekuensi berikut, nilai matematika dan statistik dari sampel 20 siswa dikumpulkan sebagai data. Plot kumpulan data pada plot sebar dan analisis.

Untuk merepresentasikan rangkaian data dalam plot sebar, kita hanya perlu memplot dua sumbu, mengkalibrasinya, dan memplot sebuah titik pada grafik untuk setiap pasangan data. Ingatlah bahwa sebuah titik pada grafik ditempatkan pada perpotongan garis imajiner yang bersesuaian dengan masing-masing nilainya.

Setiap sumbu plot sebar mewakili sebuah variabel. Lebih tepatnya, sumbu horizontal milik nilai yang diperoleh dalam matematika dan, sebaliknya, sumbu vertikal sesuai dengan nilai yang diperoleh dalam statistik.

Terlihat dari scatterplot kedua variabel mempunyai korelasi positif, karena variabel yang satu meningkat seiring dengan kenaikan variabel yang lain. Oleh karena itu, dapat disimpulkan bahwa jika seorang siswa mendapat nilai matematika yang lebih baik, kemungkinan besar dia juga akan mendapat nilai statistik yang lebih baik, dan sebaliknya.

Namun kesimpulan sebelumnya tidak berarti bahwa satu variabel menjadi penyebab variabel lainnya, karena memperoleh nilai bagus dalam matematika tidak serta merta menjamin mendapat nilai bagus dalam statistika tanpa melakukan apa pun, melainkan harus mempelajari kedua mata pelajaran tersebut. Pada bagian selanjutnya, kita akan membahas lebih detail tentang konsep ini.

Plot sebar dan korelasinya

Dari diagram sebar, dimungkinkan untuk mengidentifikasi jenis korelasi antara dua variabel:

• Korelasi langsung (atau korelasi positif) : satu variabel meningkat ketika variabel lainnya juga meningkat.
• Korelasi terbalik (atau korelasi negatif) : jika satu variabel meningkat maka variabel lainnya menurun, dan sebaliknya jika satu variabel menurun maka variabel lainnya meningkat.
• Korelasi Nol (Tidak Ada Korelasi) : Tidak ada hubungan antara kedua variabel.

Begitu pula korelasi kedua variabel bersifat langsung atau terbalik, korelasi tersebut juga dapat diklasifikasikan berdasarkan kuat lemahnya hubungan kedua variabel tersebut.

• Korelasi kuat: kedua variabel mempunyai hubungan yang erat. Titik-titik tersebut disatukan pada titik cloud. Hal ini memudahkan untuk mengidentifikasi hubungan antar variabel.
• Korelasi rendah : Terdapat hubungan antara kedua variabel, namun sulit diidentifikasi. Titik-titiknya berjauhan satu sama lain di titik cloud.

Di sisi lain, korelasi juga dapat dihitung secara numerik menggunakan rumus, sehingga Anda dapat mengetahui secara matematis seberapa erat hubungan dua variabel berbeda. Untuk melihat cara kerjanya, klik tautan berikut:

Perlu diingat bahwa walaupun ada korelasi antara dua variabel, bukan berarti ada hubungan sebab akibat di antara keduanya, yaitu korelasi antara dua variabel tidak berarti bahwa perubahan pada satu variabel menjadi penyebab perubahan pada variabel yang lain. variabel.

Jadi seperti scatterplot pada bagian sebelumnya, walaupun ada korelasi positif antara nilai matematika dan nilai statistika, namun mendapat nilai bagus di matematika bukan berarti mendapat nilai bagus di statistika, karena kalau hanya belajar matematika pasti gagal. dalam statistik. Oleh karena itu, kedua variabel tersebut saling berhubungan tetapi bukan sebab akibat.

Untuk mengetahui lebih lanjut, Anda dapat melanjutkan postingan berikut ini:

Kelebihan dan kekurangan point cloud

Karena karakteristik scatterplot, grafik statistik jenis ini memiliki kelebihan dan kekurangan.

Keuntungan:

• Merepresentasikan serangkaian data pada plot sebar cukup sederhana.
• Plot sebar memungkinkan Anda menganalisis hubungan antara dua variabel secara visual, sehingga memudahkan dalam menarik kesimpulan.
• Scatterplot juga dapat digunakan dalam studi statistik mendalam sebagai eksplorasi data awal.

Kekurangan:

• Diagram jenis ini tidak berguna untuk merepresentasikan variabel kualitatif.
• Menafsirkan plot sebar dapat menyebabkan kesimpulan sebab dan akibat yang salah antara dua variabel.
• Scatterplot tidak memungkinkan Anda menganalisis hubungan antara lebih dari dua variabel.