Dasar Analisa Variance pada Bahasa R - Masnaato
Skip to content Skip to sidebar Skip to footer

Dasar Analisa Variance pada Bahasa R

Dasar Analisa Variance pada R



Paket stats pada R berisi berbagia fungsi dasar analisa statistik seperti tes klasik, modle linear, distribusi, summary statistik, analisa time series dan analisa multivariate. Sebagai contoh, kita gunakan data set dari R bernama InsectSprays serta 6 insektisida yang ada pada R, dan digunakan untuk melihat response insects dan digunaan untuk analisa variance menggunakan fungis aov.

>   data(InsectSprays)

>      aov.spray <- aov(sqrt(count) ~ spray, data = InsectSprays)

>   aov.spray

Call:

aov(formula   =    sqrt(count)    ~    spray,    data    = InsectSprays)

 

Terms:

spray Residuals

Sum of Squares 88.43787 26.05798

Deg. of Freedom         5        66

 

Residual standard error: 0.6283453 Estimated effects may be unbalanced

 

>  summary(aov.spray)

 

Df Sum Sq Mean Sq F value Pr(>F) spray          5 88.44 17.688  44.8 <2e-16 ***

Residuals 66 26.06        0.395

---

Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 1

 

Lalu kita dapat membuat grafik dengan mempartisi menjadi 4 sebagai berikut:

>  opar <- par()

>  par(mfcol = c(2, 2))

>  plot(aov.spray)

>  par(opar)

>termplot(aov.spray, se=TRUE, partial.resid=TRUE, rug=TRUE)


 

 

Hasil program di atas berupa plot grafik ditampilkan pada gambar 5.1:

Gambar 5.1 hasil penerapan fungsi aov dengan plot.

Gambar 5.1 hasil penerapan fungsi aov dengan plot.

 

 

5.3 Analisa Regresi Linear

 

Bentuk matematis dari model regresi linier sederhana dapat dinyatakan sebagai berikut (Draper dan Smith, 1981)

 


atau

 

dengan

Y = nilai pengamatan dari peubah atau variabel tak bebas (response)


X = nilai pengamatan dari peubah atau variabel bebas (prediktor)

= nilai ramalan atau prediksi dari peubah atau

 

variabel tak bebas (respon)

ε = nilai kesalahan ramalan  = intersep atau konstanta

= slope atau koefisien kemiringan model regresi.

 

Sebagai contoh, gunakan data berikut:

 

>  age=18:29

 

>height=c(76.1,77,78.1,78.2,78.8,79.7,79.9,81.1,81.2,81. 8,82.8,83.5)

Lalu, gunakan fungsi lm untuk menghitung linear model berikut :

 

>  res=lm(height~age)

 

>  res

 

Call:

 

lm(formula = height ~ age) Coefficients:

(Intercept)                             age 64.928  0.635


Lalu digunakan fungsi abline untuk menghasilkan garis “Line of best fit”

>  abline(res)
 
Figure 2. fungsi abline yang membuat "Line of Best Fit" pada scaterplot.

Figure 2. fungsi abline yang membuat "Line of Best Fit" pada scaterplot.

Post a Comment for "Dasar Analisa Variance pada Bahasa R "