-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy path03-uji_dengan_kode.Rmd
128 lines (75 loc) · 4.03 KB
/
03-uji_dengan_kode.Rmd
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
# Analisis dengan R
Untuk menguji model dengan model linear digunakan fungsi _lm_. Sebagai contoh akan digunakan model sederhana dengan 2 (dua) variabel independen, yaitu _cyl_ dan _disp_ untuk memprediksi variabel dependen _mpg_.
```{r analisis_r}
reg <- lm(mpg ~ cyl + disp, data=mtcars)
summary(reg)
```
Jika ditulis dalam notasi matematika maka model matematika perintah di atas adalah $mpg = \beta_0 + \beta_1 cyl + \beta_2 disp + \epsilon$.
Setelah dilakukan pemodelan, maka dapat dilakukan uji asumsi untuk menguji kelayakan model linear.
## Uji Normalitas
Pada uji normalitas terdapat beberapa metode dimana pada kali ini digunakan metode [Shapiro-Wilk yang telah dijelaskan sebelumnya](#ShapiroWilk).
### Kode R
Untuk menguji dengan metode Shapiro-Wilk digunakan fungsi `shapiro.test`.
```{r analisis_normalitas}
shapiro.test(residuals(reg))
```
### Hipotesis
Dari hasil pengujian dapat disimpulkan.
- $H_0$: Sampel berasal dari populasi berdistribusi normal
- $H_1$: Sampel tidak berasal dari populasi berdistribusi normal
- $\alpha = 0.05$
- Statistik Uji: $W = 0.9419, p-value = 0.08479$
#### Keputusan
Karena $p-value (0.08479) > \alpha (0.05)$, maka gagal tolak $H_0$.
#### Interpretasi
Dapat disimpulkan bahwa sampel berasal dari populasi yang berdistribusi normal.
## Uji Homoskedastisitas
Pada uji homokedastisitas terdapat beberapa metode dimana pada kali ini digunakan metode [Breush-Pagan yang telah dijelaskan sebelumnya](#BreushPagan).
### Kode R
Untuk menguji dengan metode Breush-Pagan digunakan fungsi `bptest` dari paket `lmtest`.
```{r analisis_homoskedastisitas}
lmtest::bptest(reg, studentize = FALSE)
```
### Hipotesis
Dari hasil pengujian dapat disimpulkan beberapa hal :
- $H_0$ : diterima bila variansi residu bersifat homoskedastis;
- $H_1$ : bila variansi residu bersifat heterokesdastis;
- $\alpha = 0.05$; dan
- Statistik Uji: $BP = 4.8994, p-value = 0.08632$.
### Keputusan
Karena $p-value (0.08632) > \alpha (0.05)$, maka $H_0$ ditolak.
### Interpretasi
Dari hasil uji dapat disimpulkan bahwa tidak terbukti adanya pelanggaran asumsi homogenitas ragam galat dalam model data.
## Uji Autokorelasi
Pada uji autokorelasi terdapat beberapa metode dimana pada kali ini digunakan metode [Durbin-Watson yang telah dijelaskan sebelumnya](#DurbinWatson).
### Kode R
Untuk menguji dengan metode Breush-Pagan digunakan fungsi `dwtest` dari paket `lmtest`.
```{r analisis_autokorelasi}
lmtest::dwtest(reg)
```
### Hipotesis
Dari tabel _Durbin-Watson Statistic: 5 Per Cent Significance Points of dL and dU_ diperoleh
- $\alpha = 0.05$;
- $n = 32$;
- $k = 2$ (cyl + disp);
- $d_L = 1.309$; dan
- $d_U = 1.574$.
Namun dapat juga dengan melihat dari nilai $p-value = 0.09521$ terhadap $\alpha = 0.05$.
### Keputusan
Karena $1.309 <= DW <= 1.574$, maka pengujian tidak menyakinkan. Namun bila melihat $p-value (0.09521) > \alpha (0.05)$, maka $H_0$ diterima.
### Interpretasi
Dalam percobaan pengujian ini memang belum menggunakan semua variabel, maka dimungkinkan adanya variabel independen lain yang mungkin bisa lebih baik menjelaskan variabel dependen. Namun bila dilihat dari $p-value$ maka tidak terdapat masalah autokorelasi dalam model data.
## Uji Multikolinearitas
Uji multikolinearitas dapat dilakukan mengingat variabel independen yang digunakan lebih dari 1.
### Kode R
Untuk menguji dengan VIF digunakan fungsi `vif` dari paket `car`.
```{r analisis_multikolinearitas}
car::vif(reg)
```
Karena variabel independen yang digunakan hanya 2 (dua) maka nilai masing-masing adalah sama.
### Hipotesis
Hipotesis yang berlaku pada pengujian adalah nilai $VIF$ diantara 5 dan 10 sehingga dalam cakupan nilai multikolinearitasnya cukup tinggi.
### Keputusan
Karena nilai multikolinearitas dalam batasan cukup tinggi maka variabel keduanya masih dapat dilakukan namun dapat juga digabungkan.
### Interpretasi
Dalam percobaan pengujian ini memang belum menggunakan semua variabel, maka dimungkinkan adanya variabel independen lain yang tidak memiliki nilai multikolinearitas yang tinggi karena bila dilihat dari nilai $VIF$ kedua variabel cukup tinggi.