Statistik · Pelajaran 6 dari 9
Hubungan dua variabel
9 menit baca · BelajarCode
Apakah siswa yang belajar lebih lama mendapat nilai lebih tinggi? Untuk menjawabnya, kita melihat hubungan antara dua variabel angka.
Koefisien korelasi
Koefisien korelasi Pearson (r) mengukur kekuatan hubungan garis lurus antara dua variabel. Nilainya dari -1 sampai 1.
| Nilai r | Artinya |
|---|---|
| Mendekati 1 | Hubungan positif kuat: satu naik, yang lain cenderung naik |
| Sekitar 0 | Tidak ada hubungan garis lurus |
| Mendekati -1 | Hubungan negatif kuat: satu naik, yang lain cenderung turun |
1import statistics as st23jam_belajar = [1, 2, 2, 3, 4, 5, 6, 7]4nilai = [58, 62, 65, 70, 72, 80, 84, 88]5jam_main_game = [6, 5, 5, 4, 3, 2, 2, 1]67print("Jam belajar dan nilai:", round(st.correlation(jam_belajar, nilai), 3))8print("Jam main game dan nilai:", round(st.correlation(jam_main_game, nilai), 3))Jam belajar dan nilai: 0.993 Jam main game dan nilai: -0.984
Garis prediksi
Regresi linear mencari garis lurus yang paling dekat dengan semua titik data. Garis itu bisa dipakai untuk memperkirakan nilai.
1import statistics as st23jam_belajar = [1, 2, 2, 3, 4, 5, 6, 7]4nilai = [58, 62, 65, 70, 72, 80, 84, 88]56garis = st.linear_regression(jam_belajar, nilai)7print(f"nilai = {garis.slope:.2f} x jam + {garis.intercept:.2f}")8for jam in [4.5, 8]:9 perkiraan = garis.slope * jam + garis.intercept10 print(f"Perkiraan nilai jika belajar {jam} jam: {perkiraan:.1f}")nilai = 5.04 x jam + 53.48 Perkiraan nilai jika belajar 4.5 jam: 76.2 Perkiraan nilai jika belajar 8 jam: 93.8
Kemiringan 5,04 artinya setiap tambahan satu jam belajar berkaitan dengan kenaikan nilai sekitar 5 poin pada data ini.
Korelasi bukan sebab-akibat
Korelasi yang kuat tidak membuktikan bahwa yang satu menyebabkan yang lain. Mungkin ada faktor ketiga, misalnya siswa yang belajar lebih lama juga lebih sering bertanya ke guru. Untuk membuktikan sebab-akibat dibutuhkan percobaan yang dirancang khusus.
Hati-hati memperkirakan di luar data
Data di atas hanya sampai 7 jam. Perkiraan untuk 8 jam (93,8) masih masuk akal, tetapi perkiraan untuk 15 jam akan melebihi nilai maksimal 100. Garis lurus hanya berlaku di sekitar rentang data yang dipakai untuk membuatnya.
Cek pemahaman
Koefisien korelasi antara suhu harian dan penjualan es teh adalah 0,85. Kesimpulan mana yang paling tepat?
Latihan
Ukuran sepatu dan nilai
Hitung korelasi antara ukuran sepatu dan nilai ujian matematika berikut. Apa kesimpulanmu?
Ukuran sepatu: 37, 40, 38, 42, 39, 41, 36, 43. Nilai: 85, 70, 92, 78, 65, 88, 74, 82.
Pembahasan
1import statistics as st23sepatu = [37, 40, 38, 42, 39, 41, 36, 43]4nilai = [85, 70, 92, 78, 65, 88, 74, 82]5print(round(st.correlation(sepatu, nilai), 3))0.044
Korelasinya mendekati 0, jadi tidak ada hubungan garis lurus antara ukuran sepatu dan nilai matematika pada data ini. Hasil ini sesuai akal sehat. Korelasi yang mendekati 0 sama pentingnya untuk dilaporkan seperti korelasi yang kuat.
Jalankan contoh kode di pelajaran ini tanpa instalasi lewat compiler Python online.