SMA · Kelas 11 · Analisis Data dan Peluang

Statistika Bivariat

Data bivariat adalah pasangan data (x,y)(x, y) dari dua variabel yang diamati pada objek yang sama, misalnya lama belajar dan nilai ujian. Diagram pencar memperlihatkan pola hubungannya, koefisien korelasi rr (antara −1-1 dan 11) mengukur kekuatan dan arah hubungan linear, dan garis regresi y^=a+bx\hat{y} = a + bx dipakai untuk memprediksi yy dari xx. Hubungan yang kuat belum tentu sebab-akibat, sehingga setiap laporan statistik perlu dibaca dengan kritis.

Daftar isi
  1. Konsep
  2. Rumus
  3. Contoh soal
  4. Kesalahan umum
  5. Coba sendiri
  6. Kuis 5 soal
  7. Tanya jawab
  8. Topik terkait
  9. Untuk guru

Konsep Statistika Bivariat

Diagram pencar dan pola hubungan

Setiap pasangan data digambar sebagai satu titik pada bidang koordinat: variabel penjelas xx di sumbu mendatar dan variabel respons yy di sumbu tegak. Dari sebaran titik itu kita membaca:

  • Arah: positif jika titik cenderung naik ke kanan (makin besar xx, makin besar yy), negatif jika cenderung turun.
  • Bentuk: linear (mendekati garis lurus) atau tidak linear (melengkung).
  • Kekuatan: makin rapat titik di sekitar sebuah garis, makin kuat hubungannya.
  • Pencilan: titik yang jauh dari pola umum. Pencilan perlu diperiksa, apakah salah catat atau memang kasus istimewa.

Contoh data berikut dipakai pada beberapa contoh soal di halaman ini.

Lama belajar per minggu, xx (jam)12345
Nilai ujian, yy5040608070

Titik-titiknya cenderung naik ke kanan meskipun tidak tepat segaris, jadi terlihat hubungan linear positif.

Koefisien korelasi Pearson

Koefisien korelasi rr dihitung dari simpangan setiap data terhadap rata-ratanya. Dengan Sxy=∑(x−xˉ)(y−yˉ)S_{xy} = \sum (x - \bar{x})(y - \bar{y}), Sxx=∑(x−xˉ)2S_{xx} = \sum (x - \bar{x})^{2}, dan Syy=∑(y−yˉ)2S_{yy} = \sum (y - \bar{y})^{2}:

r=SxySxx×Syy.r = \frac{S_{xy}}{\sqrt{S_{xx} \times S_{yy}}}.

Bentuk lain yang memakai jumlah-jumlah langsung adalah r=n∑xy−∑x∑y(n∑x2−(∑x)2)(n∑y2−(∑y)2)r = \frac{n\sum xy - \sum x \sum y}{\sqrt{\left(n\sum x^{2} - (\sum x)^{2}\right)\left(n\sum y^{2} - (\sum y)^{2}\right)}}.

Sifat-sifat rr:

  • Nilainya selalu −1≤r≤1-1 \leq r \leq 1. Nilai r=1r = 1 atau r=−1r = -1 berarti semua titik tepat pada satu garis.
  • Tanda menunjukkan arah, besar ∣r∣|r| menunjukkan kekuatan. Korelasi −0,9-0{,}9 lebih kuat daripada 0,60{,}6.
  • Sebagai panduan kasar, ∣r∣≥0,8|r| \geq 0{,}8 sering disebut sangat kuat, sekitar 0,40{,}4 sampai 0,60{,}6 sedang, dan di bawah 0,20{,}2 sangat lemah. Batas ini berbeda-beda antarbuku.
  • rr hanya mengukur hubungan linear. Nilai rr mendekati 0 tidak berarti tidak ada hubungan sama sekali; bisa saja polanya melengkung.

Kuadratnya, r2r^{2}, disebut koefisien determinasi: persentase variasi yy yang dapat dijelaskan oleh garis regresi.

Regresi linear sederhana

Garis regresi adalah garis lurus y^=a+bx\hat{y} = a + bx yang paling dekat dengan semua titik, dalam arti jumlah kuadrat residu (selisih y−y^y - \hat{y}) sekecil mungkin. Metode ini disebut metode kuadrat terkecil. Koefisiennya:

b=SxySxx=n∑xy−∑x∑yn∑x2−(∑x)2,a=yˉ−bxˉ.b = \frac{S_{xy}}{S_{xx}} = \frac{n\sum xy - \sum x \sum y}{n\sum x^{2} - (\sum x)^{2}}, \qquad a = \bar{y} - b\bar{x}.

Akibatnya garis regresi selalu melalui titik rata-rata (xˉ,yˉ)(\bar{x}, \bar{y}), dan tanda bb selalu sama dengan tanda rr.

Gradien bb ditafsirkan sebagai perubahan rata-rata yy untuk setiap kenaikan satu satuan xx. Pada data lama belajar, b=8b = 8 berarti setiap tambahan 1 jam belajar per minggu berkaitan dengan kenaikan nilai sekitar 8 poin. Konstanta aa hanya bermakna jika x=0x = 0 masuk akal dan dekat dengan data.

Mengevaluasi laporan statistik

Angka statistik di berita atau media sosial perlu diperiksa sebelum dipercaya. Pertanyaan yang berguna:

  1. Korelasi atau sebab-akibat? Penjualan es dan jumlah orang berenang sama-sama naik pada musim kemarau. Keduanya berkorelasi karena variabel perancu (cuaca panas), bukan karena es menyebabkan orang berenang.
  2. Seberapa besar dan bagaimana sampelnya? Lima responden atau sampel yang hanya diambil dari satu kelompok tidak mewakili populasi.
  3. Apakah ada ekstrapolasi? Prediksi di luar rentang data bisa menghasilkan angka mustahil, misalnya frekuensi negatif.
  4. Apakah ada pencilan? Satu titik ekstrem dapat mengubah rr dan garis regresi dengan drastis.
  5. Apakah grafiknya jujur? Sumbu tegak yang tidak dimulai dari nol dapat membuat perbedaan kecil terlihat besar.

Kalimat yang tepat untuk melaporkan hasil biasanya berbunyi "terdapat hubungan linear positif yang kuat", bukan "xx menyebabkan yy".

Rumus

Koefisien korelasi
r=SxySxxSyy=n∑xy−∑x∑y(n∑x2−(∑x)2)(n∑y2−(∑y)2)r = \frac{S_{xy}}{\sqrt{S_{xx} S_{yy}}} = \frac{n\sum xy - \sum x \sum y}{\sqrt{\left(n\sum x^{2} - (\sum x)^{2}\right)\left(n\sum y^{2} - (\sum y)^{2}\right)}}
Gradien regresi
b=SxySxx=n∑xy−∑x∑yn∑x2−(∑x)2b = \frac{S_{xy}}{S_{xx}} = \frac{n\sum xy - \sum x \sum y}{n\sum x^{2} - (\sum x)^{2}}
Konstanta regresi
a=yˉ−bxˉa = \bar{y} - b\bar{x}
Garis regresi dan residu
y^=a+bx,e=y−y^\hat{y} = a + bx, \qquad e = y - \hat{y}

Contoh soal statistika bivariat dan pembahasan

Contoh 1 · Mudah

Prediksi dengan garis regresi

Garis regresi hubungan lama belajar xx (jam per minggu) dan nilai ujian yy adalah y^=36+8x\hat{y} = 36 + 8x. Prediksikan nilai siswa yang belajar 4,5 jam per minggu.

Lihat langkah penyelesaian
  1. Substitusikan x=4,5x = 4{,}5: y^=36+8×4,5\hat{y} = 36 + 8 \times 4{,}5.
  2. y^=36+36=72\hat{y} = 36 + 36 = 72.
  3. 4,5 jam masih di dalam rentang data (1 sampai 5 jam), jadi prediksi ini wajar.

Nilai yang diprediksi adalah 72.

Contoh 2 · Sedang

Menghitung koefisien korelasi

Hitung koefisien korelasi rr untuk data lama belajar xx: 1, 2, 3, 4, 5 dan nilai ujian yy: 50, 40, 60, 80, 70.

Lihat langkah penyelesaian
  1. n=5n = 5, ∑x=15\sum x = 15, ∑y=300\sum y = 300, ∑x2=55\sum x^{2} = 55, ∑y2=19.000\sum y^{2} = 19.000.
  2. ∑xy=50+80+180+320+350=980\sum xy = 50 + 80 + 180 + 320 + 350 = 980.
  3. Pembilang: 5×980−15×300=4.900−4.500=4005 \times 980 - 15 \times 300 = 4.900 - 4.500 = 400.
  4. Penyebut: (5×55−152)(5×19.000−3002)=50×5.000=250.000=500\sqrt{(5 \times 55 - 15^{2})(5 \times 19.000 - 300^{2})} = \sqrt{50 \times 5.000} = \sqrt{250.000} = 500.
  5. r=400500=0,8r = \frac{400}{500} = 0{,}8, hubungan linear positif yang kuat.

r=0,8r = 0{,}8.

Contoh 3 · Sedang

Menyusun persamaan regresi

Dari data lama belajar dan nilai ujian di atas, tentukan persamaan garis regresi y^=a+bx\hat{y} = a + bx.

Lihat langkah penyelesaian
  1. b=5×980−15×3005×55−152=40050=8b = \frac{5 \times 980 - 15 \times 300}{5 \times 55 - 15^{2}} = \frac{400}{50} = 8.
  2. xˉ=155=3\bar{x} = \frac{15}{5} = 3 dan yˉ=3005=60\bar{y} = \frac{300}{5} = 60.
  3. a=yˉ−bxˉ=60−8×3=36a = \bar{y} - b\bar{x} = 60 - 8 \times 3 = 36.
  4. Cek: garis melalui (3,60)(3, 60) karena 36+8×3=6036 + 8 \times 3 = 60.

y^=36+8x\hat{y} = 36 + 8x.

Contoh 4 · Sedang

Korelasi negatif dengan metode simpangan

Data jarak rumah ke sekolah xx (km): 2, 4, 6, 8 dan banyak hari bersepeda ke sekolah dalam sebulan yy: 11, 13, 7, 9. Hitung koefisien korelasinya.

Lihat langkah penyelesaian
  1. xˉ=5\bar{x} = 5 dan yˉ=10\bar{y} = 10. Simpangan xx: −3,−1,1,3-3, -1, 1, 3. Simpangan yy: 1,3,−3,−11, 3, -3, -1.
  2. Sxy=(−3)(1)+(−1)(3)+(1)(−3)+(3)(−1)=−12S_{xy} = (-3)(1) + (-1)(3) + (1)(-3) + (3)(-1) = -12.
  3. Sxx=9+1+1+9=20S_{xx} = 9 + 1 + 1 + 9 = 20 dan Syy=1+9+9+1=20S_{yy} = 1 + 9 + 9 + 1 = 20.
  4. r=−1220×20=−1220=−0,6r = \frac{-12}{\sqrt{20 \times 20}} = \frac{-12}{20} = -0{,}6, hubungan linear negatif yang sedang sampai kuat.

r=−0,6r = -0{,}6.

Contoh 5 · Penalaran

Bahaya ekstrapolasi

Dari data jarak dan bersepeda di atas diperoleh garis regresi y^=13−0,6x\hat{y} = 13 - 0{,}6x. Seseorang memakainya untuk memprediksi siswa yang rumahnya 30 km dari sekolah. Hitung prediksinya dan nilai apakah prediksi itu layak.

Lihat langkah penyelesaian
  1. y^=13−0,6×30=13−18=−5\hat{y} = 13 - 0{,}6 \times 30 = 13 - 18 = -5.
  2. Banyak hari bersepeda tidak mungkin negatif, jadi hasil ini mustahil.
  3. Penyebabnya ekstrapolasi: 30 km jauh di luar rentang data (2 sampai 8 km). Pola linear hanya teruji di dalam rentang data.

Prediksinya −5-5 hari, tidak layak karena merupakan ekstrapolasi jauh di luar rentang data.

Contoh 6 · Penalaran

Membaca residu

Pada data lama belajar dengan garis y^=36+8x\hat{y} = 36 + 8x, siswa yang belajar 2 jam memperoleh nilai 40. Hitung residunya dan jelaskan artinya.

Lihat langkah penyelesaian
  1. Prediksi: y^=36+8×2=52\hat{y} = 36 + 8 \times 2 = 52.
  2. Residu: e=y−y^=40−52=−12e = y - \hat{y} = 40 - 52 = -12.
  3. Residu negatif berarti nilai sebenarnya 12 poin di bawah prediksi garis. Titik ini berada di bawah garis regresi.

Residunya −12-12.

Kesalahan yang sering terjadi

Menyimpulkan bahwa xx menyebabkan yy karena korelasinya kuat.
Korelasi hanya menunjukkan keterkaitan. Sebab-akibat perlu dibuktikan dengan percobaan terkontrol, dan selalu periksa kemungkinan variabel perancu.
Menganggap r=−0,9r = -0{,}9 lebih lemah daripada r=0,5r = 0{,}5 karena nilainya negatif.
Kekuatan dilihat dari ∣r∣|r|. Karena ∣−0,9∣=0,9>0,5|-0{,}9| = 0{,}9 > 0{,}5, korelasi −0,9-0{,}9 lebih kuat, hanya arahnya negatif.
Menyimpulkan tidak ada hubungan sama sekali karena rr mendekati 0.
rr hanya mengukur hubungan linear. Selalu gambar diagram pencar; pola melengkung bisa memberi r≈0r \approx 0.
Memakai garis regresi untuk nilai xx yang jauh di luar data.
Prediksi hanya dapat diandalkan di dalam atau sangat dekat dengan rentang data (interpolasi).

Coba sendiri

Tulis jawabanmu, tekan Periksa. Jika belum tepat, buka petunjuk satu per satu.

Soal 1Pemahaman
Garis regresi banyak hari bersepeda yy terhadap jarak rumah xx (km) adalah y^=13−0,6x\hat{y} = 13 - 0{,}6x. Prediksikan banyak hari bersepeda untuk siswa yang rumahnya 5 km dari sekolah.
Soal 2Aplikasi
Diketahui n=4n = 4, ∑x=20\sum x = 20, ∑y=40\sum y = 40, ∑xy=188\sum xy = 188, dan ∑x2=120\sum x^{2} = 120. Hitung gradien garis regresi bb.
Soal 3Penalaran
Untuk suatu data bivariat diketahui Sxy=45S_{xy} = 45, Sxx=25S_{xx} = 25, dan Syy=100S_{yy} = 100. Hitung koefisien korelasinya, lalu tentukan berapa persen variasi yy yang dijelaskan garis regresi.

Kuis 5 soal

Kerjakan semua soal, lalu periksa sekaligus.

Soal 1Aplikasi
Garis regresi nilai ujian terhadap lama belajar adalah y^=36+8x\hat{y} = 36 + 8x. Siswa yang belajar 1 jam per minggu memperoleh nilai 50. Residunya adalah …
Soal 2Penalaran
Sebuah laporan menemukan korelasi positif yang kuat antara penjualan es di sebuah kota dan banyak pengunjung kolam renang setiap bulan. Kesimpulan yang paling tepat adalah …
Soal 3Pemahaman
Pilih semua pernyataan yang benar tentang koefisien korelasi rr.
Pilih semua jawaban yang benar.
Soal 4Pemahaman
Garis regresi y^=a+bx\hat{y} = a + bx yang dihitung dengan metode kuadrat terkecil selalu melalui titik (xˉ,yˉ)(\bar{x}, \bar{y}). Benar atau salah?
Soal 5Aplikasi
Suatu data memiliki xˉ=4\bar{x} = 4, yˉ=20\bar{y} = 20, dan gradien regresi b=2,5b = 2{,}5. Tentukan konstanta aa pada y^=a+bx\hat{y} = a + bx.

Latihan tanpa batas

Soal kembar dengan angka baru, petunjuk bertingkat, dan catatan penguasaanmu.

Mulai latihan

Tanya jawab

Apa bedanya korelasi dan regresi?

Korelasi mengukur seberapa kuat dan ke arah mana hubungan linear dua variabel. Regresi memberikan persamaan garis untuk memprediksi satu variabel dari variabel lain.

Apakah boleh menukar $x$ dan $y$ pada regresi?

Nilai rr tetap sama, tetapi garis regresi yy atas xx berbeda dengan garis xx atas yy. Tentukan dulu variabel mana yang ingin diprediksi; variabel itulah yang menjadi yy.

Apakah perlu kalkulator untuk menghitung $r$?

Untuk data kecil, susun tabel kolom xx, yy, x2x^{2}, y2y^{2}, dan xyxy agar perhitungan rapi. Untuk data besar, gunakan kalkulator statistik atau lembar kerja.

Topik terkait

Ringkasan untuk guru

Tujuan pembelajaran

  • Peserta didik menyajikan data bivariat dalam diagram pencar dan mendeskripsikan arah, bentuk, serta kekuatan hubungannya.
  • Peserta didik menghitung dan menafsirkan koefisien korelasi serta persamaan regresi linear sederhana.
  • Peserta didik mengevaluasi laporan statistik, termasuk membedakan korelasi dan sebab-akibat serta mengenali ekstrapolasi.

Ide aktivitas kelas

  • Data kelas sendiri: siswa mengukur tinggi badan dan panjang rentang tangan teman sekelas, membuat diagram pencar, lalu menghitung rr.
  • Berburu klaim: kelompok mencari satu berita yang memuat klaim statistik dan menilainya dengan lima pertanyaan evaluasi.
  • Garis kira-kira: siswa menarik garis dengan penggaris pada diagram pencar, lalu membandingkannya dengan garis regresi hasil perhitungan.

Acuan: Capaian Pembelajaran Matematika Fase F (Keputusan Kepala BSKAP No. 046/H/KR/2025), elemen Analisis Data dan Peluang; TKA SMA Matematika — elemen Data dan Peluang.

Bagikan latihan ke kelas dengan kode tugas