forked from alfanugraha/tsa-handson
-
Notifications
You must be signed in to change notification settings - Fork 0
/
m04-p01-reglin.Rmd
343 lines (251 loc) · 8.05 KB
/
m04-p01-reglin.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
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
---
title: "Regresi Linier"
output:
html_notebook:
toc: yes
toc_depth: 4
toc_float: true
theme: flatly
highlight: zenburn
---
```{r setup, include=FALSE}
knitr::opts_chunk$set(echo = TRUE)
library(corrplot)
library(lmtest)
library(car)
library(MASS)
library(dplyr)
library(ggplot2)
# library(tidyverse)
```
## Persiapan Data
DBR atau Debt Burden Ratio merupakan perbandingan antara cicilan utang dengan pendapatan bersih per bulan
### Struktur dan ringkasan data
```{r}
datamodul4 <- read.csv(file="https://github.com/alfanugraha/tsa-handson/raw/master/datalatih4.csv",
header = T,
sep = ",")
str(datamodul4)
```
```{r}
head(datamodul4)
```
```{r}
skimr::skim(datamodul4)
```
Karena terdapat peubah kategorik yang terbaca sebagai numerik, maka dilakukan konversi terlebih dahulu
```{r}
datamodul4$PENDIDIKAN_KODE <- as.factor(datamodul4$PENDIDIKAN_KODE)
```
Melihat statistik deskriptif dari data
```{r}
summary(datamodul4)
```
### Korelasi antar peubah
Untuk melihat korelasi antara 2 peubah dapat menggunakan fungsi `cor` Jika ingin menghitung korelasi Spearman khususnya pada data rank, maka dapat mengatur argumen untuk parameter `method` dengan nilai `"spearman"`.
```{r}
cat("*************** KORELASI ***************\n\n")
cat(" Penghasilan & Limit Kredit -->",
round(cor(datamodul4$PENGHASILAN, datamodul4$LIMIT_KREDIT), 3), "\n",
"Penghasilan & Lama Bekerja -->",
round(cor(datamodul4$PENGHASILAN, datamodul4$LAMA_BEKERJA), 3), "\n",
"Waktu kredit & Limit Kredit -->",
round(cor(datamodul4$WAKTU_KREDIT, datamodul4$LIMIT_KREDIT), 3), "\n",
"Pendidikan & Penghasilan -->",
round(cor(as.integer(datamodul4$PENDIDIKAN_KODE), datamodul4$PENGHASILAN, method ="spearman"), 3), "\n",
"Pendidikan & Limit Kredit -->",
round(cor(as.integer(datamodul4$PENDIDIKAN_KODE), datamodul4$LIMIT_KREDIT, method ="spearman"), 3),"\n",
"Usia & Lama Bekerja -->",
round(cor(datamodul4$USIA, datamodul4$LAMA_BEKERJA), 3), "\n",
"\n****************************************\n")
```
```{r}
datamodul4 %>% select_if(is.numeric) %>% pairs()
```
Membuat matriks korelasi untuk setiap peubah numerik
```{r}
corr_matx <- datamodul4 %>% select_if(is.numeric) %>% cor() %>% round(3)
corr_matx
```
Menampilkan nilai korelasi dalam bentuk grafis menggunakan `corrplot`
```{r}
corrplot(corr_matx,
method = "color",
type = "lower",
tl.cex = 0.5,
tl.col = "black",
addCoef.col = "#2F2F2F",
addCoefasPercent = FALSE,
number.cex = 0.5,
diag=F)
```
## Regresi Linier Sederhana
Model regresi linear sederhana yaitu model regresi dimana terdapat 1 peubah respon dengan hanya 1 peubah penjelas. Contohnya, model untuk menghitung LIMIT KREDIT, sebagai peubah respon (Y), berdasarkan informasi mengenai PENGHASILAN, sebagai peubah penjelas (X)
```{r}
data_reg1 <- datamodul4[c("LIMIT_KREDIT", "PENGHASILAN")]
```
### Membangun model regresi linier sederhana
```{r}
reg1 <- lm(LIMIT_KREDIT ~ PENGHASILAN, data = data_reg1)
summary(reg1)
```
Berdasarkan summary model, dapat diketahui bahwa peubah PENGHASILAN memiliki pengaruh yang signifikan di dalam model (`p-value` sangat kecil `***`). Namun, jika dilihat dari nilai $R^2$ , sepertinya performa model belum cukup baik dimana Peubah PENGHASILAN hanya mampu menjelaskan sekitar 39% keragaman dari peubah respon.
Pak MADE: R2 besarnya keragaman Y yang bisa dijelaskan oleh X itu sekitar 80%. Makin besar makin bagus.
asumsi kenormalan, kebebasan, ragam konstan/homogen (lebar sama sebesar sigma2)
### Plot garis regresi
```{r}
# Membuat scatter plot
scatter_plot <- ggplot(data = data_reg1, aes(x = PENGHASILAN, y = LIMIT_KREDIT)) +
# Menambahkan titik-titik scatter plot
geom_point(color="darkred", size=4, alpha=0.3) +
# Menambahkan garis regresi
geom_smooth(method = "lm",
formula = y ~ x,
se = T, # Menambahkan C.I
color = "blue")
# Menampilkan scatter plot
scatter_plot
```
Jika melihat plot pencaran, tidak tergambarkan secara jelas hubungan antara peubah PENGHASILAN dan LIMIT_KREDIT. Sebagian besar data menumpuk pada nilai-nilai kecil, namun ada data-data lainnya yang menyebar pada rentang nilai yang sangat besar. Hal ini mengindikasikan juga bahwa terdapat kemenjuluran yang besar pada kedua peubah serta kemungkinan besar asumsi-asumsi model linear tidak terpenuhi.
### Normal Q-Q Plot
Dari Normal Q-Q Plot maupun uji formal menggunakan Shapiro-Wilk maka dapat disimpulkan dengan sangat jelas bahwa residual model tidak menyebar normal.
Asumsi normalitas pada model regresi linier: residual menyebar $Normal(0, \sigma^2)$
```{r}
# Menghitung nilai residual dari model reg1
res <- residuals(reg1)
# Membuat Kurva Normal QQ Plot
qqnorm(res)
qqline(res, col="red")
# Mengecek apakah residual menyebar Normal
shapiro.test(res)
```
### Shapiro-Wilk test
Menguji apakah sisaan (residual) menyebar normal
```{r}
shapiro.test(res)
```
### Plot sisaan
```{r}
fits <- fitted(reg1)
plot(fits, res, col="orange", cex=1.5, lwd=2)
abline(h=0, col="red", lty=5)
```
* nilai sisaan tidak menyebar secara acak
* membentuk pola seperti corong mengindikasikan bahwa semakin besar nilai Y maka sisaannya semakin besar
### Uji Homogenitas
```{r}
library(car)
ncvTest(reg1)
```
### Uji autokorelasi
Uji Durbin-Watson
```{r}
library(lmtest)
dwtest(reg1)
```
## Model regresi linier dengan transformasi (LOG)
```{r}
data_reg2 <- log(data_reg1)
data_reg2
```
```{r}
# Y ~ X1 + X2 + X3
reg2 <- lm(LIMIT_KREDIT ~ PENGHASILAN, data_reg2)
summary(reg2)
```
QQ Plot
```{r}
ggplot(data=data_reg2, aes(x=PENGHASILAN, y=LIMIT_KREDIT)) +
# menambahkan titik amatan
geom_point(color="darkred", size=4, alpha=0.3) +
# menambahkan garis regresi
geom_smooth(method = "lm",
formula = y ~ x,
se = T, # menambahkan selang kepercayaan
color = "blue")
```
```{r}
# mengambil sisaan dari model reglin
res2 <- residuals(reg2)
# membuat kurva normal Q-Q plot
qqnorm(res2)
qqline(res2, col="red")
```
```{r}
shapiro.test(res2)
```
```{r}
# plot sisaan
fits2 <- fitted(reg2)
plot(fits2, res2, col="orange", cex=1.5, lwd=2)
abline(h=0, col="red", lty=5)
```
## Prediksi
Tujuan lain dari membangun suatu model untuk melakukan prediksi
```{r}
# contoh terdapat dua orang baru sebagai amatan dengan penghasilan berbeda
income <- data.frame("PENGHASILAN"=c(15000000, 9000000))
# prediksi pada model regresi linier tanpa transformasi
pred_reg1 <- predict(reg1, income)
t(pred_reg1)
```
```{r}
# prediksi pada model regresi linier dengan transformasi
pred_reg2 <- predict(reg2, income)
t(pred_reg2)
```
## Regresi linear berganda
* Hasil sebelumnya $R^2$ tidak begitu tinggi
* Indikasinya perlu tambahan peubah penjelas lain agar dapat menjelaskan keragaman peubah Y dengan lebih baik
```{r}
nama_col <- c("LIMIT_KREDIT", "PENGHASILAN", "PEKERJAAN", "LAMA_BEKERJA", "STATUS_TT",
"USIA", "STATUS_NIKAH", "JML_TANGGUNGAN", "WAKTU_KREDIT")
data_mul1 <- datamodul4[nama_col]
head(data_mul1)
```
```{r}
reg_mul1 <- lm(LIMIT_KREDIT ~ ., data_mul1)
summary(reg_mul1)
```
## Multikolinearitas
Untuk memeriksa ada tidaknya kondisi multikolinearitas pada peubah penjelas.
```{r}
car::vif(reg_mul1)
```
```{r}
plot(reg_mul1)
```
```{r}
reg_stepwise <- MASS::stepAIC(reg_mul1, direction = "both")
```
```{r}
summary(reg_stepwise)
```
```{r}
reg_mul2 <- lm(log(LIMIT_KREDIT) ~ ., data_mul1)
summary(reg_mul2)
```
```{r}
data.baru <- data.frame(
PENGHASILAN = c(9000000, 15000000),
PEKERJAAN = c("Pegawai swasta", "Pegawai BUMN"),
LAMA_BEKERJA = c(14, 6),
STATUS_TT = c("Milik Sendiri", "Milik Sendiri"),
USIA = c(36, 25),
STATUS_NIKAH = c("MENIKAH", "TIDAK MENIKAH"),
JML_TANGGUNGAN = c(3, 0),
WAKTU_KREDIT = c(48, 36) # dalam bulan
)
pred_limitkredit1 <- predict(reg_mul1, data.baru)
pred_limitkredit2 <- predict(reg_mul2, data.baru)
```
```{r}
# linier berganda dengan stepwise
t(pred_limitkredit1)
```
* orang-1 diberikan kredit 80juta, orang-2 125juta
```{r}
# linier berganda dengan transformasi
t(exp(pred_limitkredit2))
```
* orang-1 diberikan kredit 48juta, orang-2 69juta