Seperti yang kita dapat perkirakan, Jika semakin lama bayi berada dalam kandungan, maka semakin berat badannya saat lahir. Dalam visualisasi data, scatter plot adalah salah satu jenis grafik yang paling populer digunakan untuk memvisualisasikan hubungan antara dua variabel. Namun, seperti halnya bayi di dalam kandungan, tidak semua situasi cocok menggunakan scatter plot.

Dalam artikel ini, kita akan membahas kapan Anda harus menghindari penggunaan scatter plot dan alasannya. Berikut adalah beberapa keputusan yang perlu Anda pertimbangkan sebelum menggunakan scatter plot:

1. Hindari Scatter Plot, Ketika Data Anda Tidak Terkait

Jika data Anda menunjukkan bahwa tidak ada korelasi antara dua variabel, maka scatter plot tidak akan berguna untuk memvisualisasikan data Anda.

Contohnya, jika Anda mengumpulkan survei acak pada audiens Anda, tentang tinggi tubuh audiens, dengan jumlah hewan peliharaan yang mereka miliki di rumah. Itu sangat tidak masuk akal untuk dihubungkan dalam scatter plot. Dalam situasi seperti ini, Anda lebih baik menggunakan diagram batang sebagai pilihan yang lebih tepat.

2. Hindari Scatter Plot, Ketika Anda Memiliki Kumpulan Data Yang Terlalu Besar

Jika Anda memiliki begitu banyak data, maka disarankan untuk menghindari penggunaan scatter plot. Dalam hal ini, Anda lebih baik menggunakan grafik dalam bentuk Heat Map atau diagram lain yang dapat menunjukkan di mana bagian paling banyak dari data Anda berada.

Saran ahli statistik Nathan Yau, "Jika Anda memiliki begitu banyak data, maka tidak ada gunanya menggunakannya." Dia juga menyarankan untuk menggunakan grafik dalam bentuk Heat Map yang dapat menunjukkan di mana bagian paling banyak dari data Anda berada.

3. Hindari Scatter Plot, Ketika Korelasi Data Tidak Signifikan

Jika korelasi antara dua variabel tidak signifikan, maka scatter plot tidak akan berguna untuk memvisualisasikan data Anda. Dalam hal ini, Anda lebih baik menggunakan metode lain yang dapat menunjukkan hubungan antara dua variabel.

Dalam beberapa kasus, scatter plot dapat membantu kita menemukan hubungan antara dua variabel, tetapi dalam beberapa kasus lain, scatter plot tidak akan berguna. Oleh karena itu, sebelum menggunakannya, Anda perlu mempertimbangkan situasi dan data yang Anda miliki.

4. Korelasi Data Menggunakan Scatter Plot dan Correl

Fungsi CORREL mengembalikan koefisien korelasi dua rentang sel. Gunakan koefisien korelasi untuk menetapkan hubungan antara dua properti. Misalnya, Anda bisa memeriksa hubungan antara suhu rata-rata suatu lokasi dan penggunaan AC.

Sintaks fungsi CORREL adalah sebagai berikut:

CORREL(array1, array2)

Argumen yang digunakan adalah array1 dan array2, yang harus memiliki jumlah titik data yang sama. Jika salah satu dari kedua array kosong, atau jika s (simpangan baku) nilainya sama dengan nol, fungsi CORREL akan mengembalikan nilai #DIV/0!.

Korelasi positif berarti bahwa jika nilai dalam satu array meningkat, nilai di array lain juga akan bertambah. Koefisien korelasi yang mendekati 0, menunjukkan tidak ada atau korelasi yang lemah.

Dalam beberapa kasus, scatter plot dapat membantu kita menemukan hubungan antara dua variabel, tetapi dalam beberapa kasus lain, scatter plot tidak akan berguna. Oleh karena itu, sebelum menggunakannya, Anda perlu mempertimbangkan situasi dan data yang Anda miliki.

Semoga artikel ini bermanfaat untuk Anda!