1. Kumpulkan data tinggi badan dan berat badan dari 10 teman sekelasmu Sajikan data tersebut dalam bentuk tabel frekuens dua arah. Buatlah diagram pencar dari data tersebut Apa yang dapat kamu simpulkan dari diagram pencar tersebut?

Karena saya tidak dapat berinteraksi langsung dengan dunia nyata, termasuk mengumpulkan data dari teman sekelas Anda, saya akan memberikan contoh data dan analisisnya. Anda dapat mengganti data contoh ini dengan data yang Anda kumpulkan sendiri.**1. Data Tinggi Badan dan Berat Badan (Contoh):**| No. | Tinggi Badan (cm) | Berat Badan (kg) ||---|---|---|| 1 | 165 | 55 || 2 | 170 | 60 || 3 | 160 | 50 || 4 | 175 | 70 || 5 | 168 | 65 || 6 | 155 | 45 || 7 | 180 | 75 || 8 | 172 | 68 || 9 | 162 | 52 || 10 | 178 | 72 |**2. Tabel Frekuensi Dua Arah (Contoh - Pengelompokan data diperlukan untuk tabel frekuensi dua arah yang berarti. Data contoh ini terlalu sedikit untuk pengelompokan yang bermakna. Tabel di bawah ini hanya contoh bagaimana tabel frekuensi dua arah akan terlihat jika kita memiliki lebih banyak data dan mengelompokkannya):**Karena jumlah data terbatas, tabel frekuensi dua arah kurang informatif. Untuk tabel yang lebih bermakna, kita perlu lebih banyak data dan mengelompokkan tinggi badan dan berat badan ke dalam interval kelas (misalnya, tinggi badan 150-160 cm, 160-170 cm, dst.).**3. Diagram Pencar:**(Sayangnya, saya tidak dapat membuat diagram pencar secara visual di sini. Anda perlu membuat diagram pencar sendiri menggunakan kertas grafik atau perangkat lunak seperti Microsoft Excel, Google Sheets, atau program statistik lainnya.)Untuk membuat diagram pencar:* **Sumbu X:** Tuliskan tinggi badan (cm).* **Sumbu Y:** Tuliskan berat badan (kg).* **Titik Data:** Untuk setiap individu, plot titik yang koordinatnya adalah tinggi badan dan berat badan mereka.**4. Kesimpulan dari Diagram Pencar:**Setelah Anda membuat diagram pencar, perhatikan pola yang muncul:* **Tren Umum:** Apakah ada kecenderungan umum bahwa semakin tinggi seseorang, semakin berat berat badannya? Jika titik-titik data cenderung membentuk garis naik dari kiri bawah ke kanan atas, ini menunjukkan korelasi positif antara tinggi badan dan berat badan.* **Kekuatan Korelasi:** Seberapa kuat korelasi tersebut? Jika titik-titik data tersebar sangat dekat dengan garis lurus imajiner, korelasinya kuat. Jika titik-titik tersebar jauh dari garis lurus, korelasinya lemah.* **Outlier:** Apakah ada titik data yang jauh dari pola umum? Ini disebut outlier dan mungkin perlu diselidiki lebih lanjut.**Kesimpulan Umum (berdasarkan data contoh):** Berdasarkan data contoh yang terbatas, kita mungkin akan melihat kecenderungan korelasi positif antara tinggi badan dan berat badan. Namun, untuk kesimpulan yang lebih kuat, dibutuhkan lebih banyak data. Analisis statistik yang lebih canggih (seperti perhitungan koefisien korelasi) dapat memberikan ukuran kuantitatif dari kekuatan dan arah korelasi.