# Nakafa Learning Content

> For AI agents: use [llms.txt](https://nakafa.com/llms.txt) for the site index. Markdown versions are available by appending `.md` to content URLs or sending `Accept: text/markdown`.

URL: https://nakafa.com/id/materi/matematika/regresi-statistik/diagram-pencar-atau-diagram-scatter
Source: https://raw.githubusercontent.com/nakafaai/nakafa.com/refs/heads/main/packages/contents/material/lesson/mathematics/statistics-regression/scatter-diagram/id.mdx

Buat diagram pencar untuk memvisualisasikan hubungan antar dua variabel. Identifikasi pola korelasi positif, negatif, dan tanpa korelasi dari titik data.

---

## Apa Itu Diagram Pencar?

Diagram Pencar (Scatter Diagram) itu seperti peta yang menunjukkan hubungan antara dua jenis data. Misalnya, kita mau lihat hubungan antara lama waktu belajar (sumbu $$x$$) dengan nilai ujian (sumbu $$y$$).

Visible text: Diagram Pencar (Scatter Diagram) itu seperti peta yang menunjukkan hubungan antara dua jenis data. Misalnya, kita mau lihat hubungan antara lama waktu belajar (sumbu ) dengan nilai ujian (sumbu ).

Setiap titik di diagram mewakili satu pasangan data (misalnya, data satu siswa). Dengan melihat pola titik-titiknya, kita bisa mengerti hubungannya.

### Kapan Diagram Pencar Digunakan?

Diagram Pencar paling cocok dipakai kalau kita ingin:

- Melihat apakah ada **hubungan (korelasi)** antara **dua variabel numerik (angka)**. (Contoh: hubungan antara tinggi badan dan berat badan, atau lama belajar dan nilai.)
- Melihat **pola** dari hubungan tersebut (apakah positif, negatif, atau tidak ada pola).

Ini berbeda dengan diagram lain:

- **Diagram Batang:** Bagus untuk membandingkan jumlah atau nilai antar **kategori** (misal: jumlah siswa per kelas).
- **Diagram Garis:** Bagus untuk melihat **tren** data seiring **waktu** atau urutan tertentu (misal: perubahan suhu harian).
- **Diagram Lingkaran (Pie Chart):** Bagus untuk menunjukkan **proporsi** atau bagian dari keseluruhan (misal: persentase jenis buah favorit).

Jadi, kalau fokus utamamu adalah **melihat hubungan antara dua set angka**, diagram pencar adalah pilihan yang tepat!

## Contoh Diagram Pencar dan Pola Korelasi

Mari kita lihat beberapa contoh diagram pencar dengan pola yang berbeda:

### Korelasi Positif

Kalau titik-titik cenderung naik dari kiri bawah ke kanan atas, itu artinya ada **korelasi positif**. Semakin besar nilai $$X$$, nilai $$Y$$ juga cenderung semakin besar.

Visible text: Kalau titik-titik cenderung naik dari kiri bawah ke kanan atas, itu artinya ada **korelasi positif**. Semakin besar nilai , nilai juga cenderung semakin besar.

Component: ScatterDiagram
Props:
- title: Hubungan Lama Belajar (Jam) dan Nilai Ujian
- description: Semakin lama belajar, nilai ujian cenderung semakin tinggi, meskipun tidak selalu sempurna.
- xAxisLabel: Lama Belajar (Jam)
- yAxisLabel: Nilai Ujian
- datasets: [
{
name: "Siswa",
color: "var(--chart-1)",
points: [
{ x: 1, y: 60 },
{ x: 1.5, y: 68 },
{ x: 2, y: 65 },
{ x: 2.5, y: 75 },
{ x: 3, y: 72 },
{ x: 3.5, y: 80 },
{ x: 4, y: 85 },
{ x: 4, y: 82 },
{ x: 4.5, y: 90 },
{ x: 5, y: 88 },
{ x: 5.5, y: 95 },
{ x: 6, y: 92 },
],
},
]

### Korelasi Negatif

Kalau titik-titik cenderung turun dari kiri atas ke kanan bawah, itu artinya ada **korelasi negatif**. Semakin besar nilai $$X$$, nilai $$Y$$ malah cenderung semakin kecil.

Visible text: Kalau titik-titik cenderung turun dari kiri atas ke kanan bawah, itu artinya ada **korelasi negatif**. Semakin besar nilai , nilai malah cenderung semakin kecil.

Component: ScatterDiagram
Props:
- title: Hubungan Usia Mobil (Tahun) dan Harga Jual (Puluh Juta)
- description: Semakin tua usia mobil, harga jualnya cenderung semakin rendah.
- xAxisLabel: Usia Mobil (Tahun)
- yAxisLabel: Harga Jual (Puluh Juta Rupiah)
- datasets: [
{
name: "Mobil Bekas",
color: "var(--chart-2)",
points: [
{ x: 1, y: 25 },
{ x: 2, y: 22 },
{ x: 2, y: 23 },
{ x: 3, y: 20 },
{ x: 4, y: 18 },
{ x: 4, y: 19 },
{ x: 5, y: 15 },
{ x: 6, y: 14 },
{ x: 7, y: 12 },
{ x: 8, y: 10 },
],
},
]

### Tidak Ada Korelasi dengan Dua Grup

Kalau titik-titiknya tersebar acak tanpa pola yang jelas, itu artinya **tidak ada korelasi** atau korelasinya sangat lemah. Kita juga bisa menampilkan grup yang berbeda dalam satu diagram.

Component: ScatterDiagram
Props:
- title: Hubungan Tinggi Badan ($$\text{cm}$$) dan Waktu Lari $$100 \text{ m}$$ (detik) untuk Dua Sekolah
  Visible text: Hubungan Tinggi Badan () dan Waktu Lari (detik) untuk Dua Sekolah
- description: Tidak ada korelasi antara tinggi badan dan kecepatan lari, dengan data dari dua sekolah berbeda.
- xAxisLabel: Tinggi Badan (cm)
- yAxisLabel: Waktu Lari Sprint (detik)
- xAxisDomain: min-max
- datasets: [
{
name: "Sekolah A",
color: "var(--chart-3)", // Warna untuk Sekolah A
points: [
{ x: 165, y: 13.5 },
{ x: 170, y: 13.1 },
{ x: 172, y: 13.8 },
{ x: 175, y: 12.9 },
{ x: 178, y: 13.3 },
{ x: 180, y: 12.8 },
{ x: 182, y: 13.6 },
],
},
{
name: "Sekolah B",
color: "var(--chart-5)", // Warna untuk Sekolah B
points: [
{ x: 168, y: 13.9 },
{ x: 171, y: 13.0 },
{ x: 174, y: 13.5 },
{ x: 176, y: 13.2 },
{ x: 179, y: 12.7 },
{ x: 181, y: 14.0 },
{ x: 185, y: 13.1 },
],
},
]

Jadi, dengan melihat arah sebaran titik-titik pada diagram pencar, kita bisa mendapatkan gambaran awal tentang bagaimana dua variabel saling berhubungan, bahkan untuk grup data yang berbeda sekalipun.