{"id":1168,"date":"2023-07-27T10:31:36","date_gmt":"2023-07-27T10:31:36","guid":{"rendered":"https:\/\/statorials.org\/id\/analisis-diskriminan-kuadrat-di-r\/"},"modified":"2023-07-27T10:31:36","modified_gmt":"2023-07-27T10:31:36","slug":"analisis-diskriminan-kuadrat-di-r","status":"publish","type":"post","link":"https:\/\/statorials.org\/id\/analisis-diskriminan-kuadrat-di-r\/","title":{"rendered":"Analisis diskriminan kuadrat dalam r (langkah demi langkah)"},"content":{"rendered":"<p><\/p>\n<hr>\n<p><span style=\"color: #000000;\"><a href=\"https:\/\/statorials.org\/id\/analisis-diskriminan-kuadrat\/\" target=\"_blank\" rel=\"noopener noreferrer\">Analisis diskriminan kuadrat<\/a> adalah metode yang dapat Anda gunakan ketika Anda memiliki sekumpulan variabel prediktor dan Anda ingin mengklasifikasikan <a href=\"https:\/\/statorials.org\/id\/variabel-tanggapan-penjelas\/\" target=\"_blank\" rel=\"noopener noreferrer\">variabel respons<\/a> ke dalam dua kelas atau lebih. Ini dianggap setara dengan <a href=\"https:\/\/statorials.org\/id\/analisis-diskriminan-linier-di-r\/\" target=\"_blank\" rel=\"noopener noreferrer\">analisis diskriminan linier<\/a> .<\/span><\/p>\n<p> <span style=\"color: #000000;\">Tutorial ini memberikan contoh langkah demi langkah tentang cara melakukan analisis diskriminan kuadrat di R.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Langkah 1: Muat Perpustakaan yang Diperlukan<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Pertama, kami akan memuat perpustakaan yang diperlukan untuk contoh ini:<\/span><\/p>\n<pre style=\"background-color: #ececec; font-size: 15px;\"> <span style=\"color: #000000;\"><b><span style=\"color: #993300;\">library<\/span> (MASS)\n<span style=\"color: #993300;\">library<\/span> (ggplot2)<\/b><\/span><\/pre>\n<h3> <span style=\"color: #000000;\"><strong>Langkah 2: Muat data<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Untuk contoh ini, kita akan menggunakan kumpulan data <strong>iris<\/strong> yang terpasang di R. Kode berikut menunjukkan cara memuat dan menampilkan kumpulan data ini:<\/span><\/p>\n<pre style=\"background-color: #ececec; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#attach <em>iris<\/em> dataset to make it easy to work with<\/span>\nattach(iris)\n\n<span style=\"color: #008080;\">#view structure of dataset\n<\/span>str(iris)\n\n'data.frame': 150 obs. of 5 variables:\n $ Sepal.Length: num 5.1 4.9 4.7 4.6 5 5.4 4.6 5 4.4 4.9 ...\n $ Sepal.Width: num 3.5 3 3.2 3.1 3.6 3.9 3.4 3.4 2.9 3.1 ...\n $Petal.Length: num 1.4 1.4 1.3 1.5 1.4 1.7 1.4 1.5 1.4 1.5 ...\n $Petal.Width: num 0.2 0.2 0.2 0.2 0.2 0.4 0.3 0.2 0.2 0.1 ...\n $ Species: Factor w\/ 3 levels \"setosa\",\"versicolor\",..: 1 1 1 1 1 1 1 ...\n<\/strong><\/pre>\n<p> <span style=\"color: #000000;\">Kita dapat melihat bahwa dataset tersebut berisi 5 variabel dan total 150 observasi.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Untuk contoh ini, kita akan membangun model analisis diskriminan kuadrat untuk mengklasifikasikan spesies yang dimiliki suatu bunga.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Kami akan menggunakan variabel prediktor berikut dalam model:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Sepal.panjang<\/span><\/li>\n<li> <span style=\"color: #000000;\">Sepal.Lebar<\/span><\/li>\n<li> <span style=\"color: #000000;\">Kelopak. Panjang<\/span><\/li>\n<li> <span style=\"color: #000000;\">Kelopak. Lebar<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Dan kita akan menggunakannya untuk memprediksi variabel respon <em>Spesies<\/em> , yang mendukung tiga kelas potensial berikut:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">setosa<\/span><\/li>\n<li> <span style=\"color: #000000;\">versikolor<\/span><\/li>\n<li> <span style=\"color: #000000;\">Virginia<\/span><\/li>\n<\/ul>\n<h3> <span style=\"color: #000000;\"><strong>Langkah 3: Buat sampel pelatihan dan pengujian<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Selanjutnya, kita akan membagi kumpulan data menjadi kumpulan pelatihan untuk melatih model dan kumpulan pengujian untuk menguji model:<\/span><\/p>\n<pre style=\"background-color: #ececec; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#make this example reproducible\n<\/span>set.seed(1)\n\n<span style=\"color: #008080;\">#Use 70% of dataset as training set and remaining 30% as testing set\n<\/span>sample &lt;- sample(c( <span style=\"color: #008000;\">TRUE<\/span> , <span style=\"color: #008000;\">FALSE<\/span> ), <span style=\"color: #3366ff;\">nrow<\/span> (iris), <span style=\"color: #3366ff;\">replace<\/span> = <span style=\"color: #008000;\">TRUE<\/span> , <span style=\"color: #3366ff;\">prob<\/span> =c(0.7,0.3))\ntrain &lt;- iris[sample, ]\ntest &lt;- iris[!sample, ] \n<\/strong><\/pre>\n<h3> <span style=\"color: #000000;\"><strong>Langkah 4: Sesuaikan model QDA<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Selanjutnya, kita akan menggunakan <a href=\"https:\/\/www.rdocumentation.org\/packages\/MASS\/versions\/7.3-53\/topics\/qda\" target=\"_blank\" rel=\"noopener noreferrer\">fungsi qda()<\/a> dari paket <strong>MASS<\/strong> untuk mengadaptasi model QDA ke data kita:<\/span><\/p>\n<pre style=\"background-color: #ececec; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#fit QDA model\n<\/span>model &lt;- qda(Species~., data=train)\n\n<span style=\"color: #008080;\">#view model output<\/span>\nmodel\n\nCall:\nqda(Species ~ ., data = train)\n\nPrior probabilities of groups:\n    setosa versicolor virginica \n 0.3207547 0.3207547 0.3584906 \n\nGroup means:\n           Sepal.Length Sepal.Width Petal.Length Petal.Width\nsetosa 4.982353 3.411765 1.482353 0.2411765\nversicolor 5.994118 2.794118 4.358824 1.3676471\nvirginica 6.636842 2.973684 5.592105 2.0552632 \n<\/strong><\/pre>\n<p> <span style=\"color: #000000;\">Berikut cara menginterpretasikan hasil model:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>Kelompokkan probabilitas sebelumnya:<\/strong> Ini mewakili proporsi setiap spesies dalam set pelatihan. Misalnya, 35,8% dari seluruh observasi di set pelatihan ditujukan untuk spesies <em>virginica<\/em> .<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>Rata-rata kelompok:<\/strong> Ini menampilkan nilai rata-rata setiap variabel prediktor untuk setiap spesies.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Langkah 5: Gunakan model untuk membuat prediksi<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Setelah kita memasang model menggunakan data pelatihan, kita dapat menggunakannya untuk membuat prediksi pada data pengujian:<\/span><\/p>\n<pre style=\"background-color: #ececec; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#use QDA model to make predictions on test data\n<\/span>predicted &lt;- <span style=\"color: #3366ff;\">predict<\/span> (model, test)\n\nnames(predicted)\n\n[1] \"class\" \"posterior\" \"x\"   \n<\/strong><\/pre>\n<p> <span style=\"color: #000000;\">Ini mengembalikan daftar dengan dua variabel:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\"><strong>kelas:<\/strong> kelas yang diprediksi<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>posterior:<\/strong> <a href=\"https:\/\/statorials.org\/id\/probabilitas-posterior\/\" target=\"_blank\" rel=\"noopener noreferrer\">Probabilitas posterior<\/a> bahwa suatu observasi termasuk dalam setiap kelas<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Kami dapat dengan cepat memvisualisasikan masing-masing hasil ini untuk enam observasi pertama dalam kumpulan data pengujian kami:<\/span><\/p>\n<pre style=\"background-color: #ececec; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#view predicted class for first six observations in test set\n<\/span>head(predicted$class)\n\n[1] setosa setosa setosa setosa setosa setosa\nLevels: setosa versicolor virginica\n\n<span style=\"color: #008080;\">#view posterior probabilities for first six observations in test set<\/span>\nhead(predicted$posterior)\n\n   setosa versicolor virginica\n4 1 7.224770e-20 1.642236e-29\n6 1 6.209196e-26 8.550911e-38\n7 1 1.248337e-21 8.132700e-32\n15 1 2.319705e-35 5.094803e-50\n17 1 1.396840e-29 9.586504e-43\n18 1 7.581165e-25 8.611321e-37\n<\/strong><\/pre>\n<h3> <span style=\"color: #000000;\"><strong>Langkah 6: Evaluasi modelnya<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Kita dapat menggunakan kode berikut untuk melihat berapa persentase observasi model QDA yang memprediksi spesies dengan benar:<\/span><\/p>\n<pre style=\"background-color: #ececec; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#find accuracy of model\n<\/span>mean(predicted$class==test$Species)\n\n[1] 1<\/strong><\/pre>\n<p> <span style=\"color: #000000;\">Ternyata model tersebut memprediksi spesies dengan tepat untuk <strong>100%<\/strong> observasi dalam kumpulan data pengujian kami.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Di dunia nyata, model QDA jarang memprediksi dengan tepat hasil setiap kelas, tetapi kumpulan data iris ini dibuat sedemikian rupa sehingga algoritme pembelajaran mesin cenderung bekerja dengan sangat baik.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Anda dapat menemukan kode R lengkap yang digunakan dalam tutorial ini <a href=\"https:\/\/github.com\/Statorials\/R-Guides\/blob\/main\/quadratic_discriminant_analysis\" target=\"_blank\" rel=\"noopener noreferrer\">di sini<\/a> .<\/span><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Analisis diskriminan kuadrat adalah metode yang dapat Anda gunakan ketika Anda memiliki sekumpulan variabel prediktor dan Anda ingin mengklasifikasikan variabel respons ke dalam dua kelas atau lebih. Ini dianggap setara dengan analisis diskriminan linier . Tutorial ini memberikan contoh langkah demi langkah tentang cara melakukan analisis diskriminan kuadrat di R. Langkah 1: Muat Perpustakaan yang [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v21.5 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Analisis Diskriminan Kuadrat dalam R (langkah demi langkah)<\/title>\n<meta name=\"description\" content=\"Tutorial ini menjelaskan cara melakukan analisis diskriminan kuadrat di R, termasuk contoh langkah demi langkah.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/statorials.org\/id\/analisis-diskriminan-kuadrat-di-r\/\" \/>\n<meta property=\"og:locale\" content=\"id_ID\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Analisis Diskriminan Kuadrat dalam R (langkah demi langkah)\" \/>\n<meta property=\"og:description\" content=\"Tutorial ini menjelaskan cara melakukan analisis diskriminan kuadrat di R, termasuk contoh langkah demi langkah.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/statorials.org\/id\/analisis-diskriminan-kuadrat-di-r\/\" \/>\n<meta property=\"og:site_name\" content=\"Statorials\" \/>\n<meta property=\"article:published_time\" content=\"2023-07-27T10:31:36+00:00\" \/>\n<meta name=\"author\" content=\"Benjamin anderson\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Ditulis oleh\" \/>\n\t<meta name=\"twitter:data1\" content=\"Benjamin anderson\" \/>\n\t<meta name=\"twitter:label2\" content=\"Estimasi waktu membaca\" \/>\n\t<meta name=\"twitter:data2\" content=\"3 menit\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/statorials.org\/id\/analisis-diskriminan-kuadrat-di-r\/\",\"url\":\"https:\/\/statorials.org\/id\/analisis-diskriminan-kuadrat-di-r\/\",\"name\":\"Analisis Diskriminan Kuadrat dalam R (langkah demi langkah)\",\"isPartOf\":{\"@id\":\"https:\/\/statorials.org\/id\/#website\"},\"datePublished\":\"2023-07-27T10:31:36+00:00\",\"dateModified\":\"2023-07-27T10:31:36+00:00\",\"author\":{\"@id\":\"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81\"},\"description\":\"Tutorial ini menjelaskan cara melakukan analisis diskriminan kuadrat di R, termasuk contoh langkah demi langkah.\",\"breadcrumb\":{\"@id\":\"https:\/\/statorials.org\/id\/analisis-diskriminan-kuadrat-di-r\/#breadcrumb\"},\"inLanguage\":\"id\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/statorials.org\/id\/analisis-diskriminan-kuadrat-di-r\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/statorials.org\/id\/analisis-diskriminan-kuadrat-di-r\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/statorials.org\/id\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Analisis diskriminan kuadrat dalam r (langkah demi langkah)\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/statorials.org\/id\/#website\",\"url\":\"https:\/\/statorials.org\/id\/\",\"name\":\"Statorials\",\"description\":\"Panduan anda untuk kompetensi statistik!\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/statorials.org\/id\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"id\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81\",\"name\":\"Benjamin anderson\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"id\",\"@id\":\"https:\/\/statorials.org\/id\/#\/schema\/person\/image\/\",\"url\":\"http:\/\/statorials.org\/id\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg\",\"contentUrl\":\"http:\/\/statorials.org\/id\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg\",\"caption\":\"Benjamin anderson\"},\"description\":\"Halo, saya Benjamin, pensiunan profesor statistika yang menjadi guru Statorial yang berdedikasi. Dengan pengalaman dan keahlian yang luas di bidang statistika, saya ingin berbagi ilmu untuk memberdayakan mahasiswa melalui Statorials. Baca selengkapnya\",\"sameAs\":[\"http:\/\/statorials.org\/id\"]}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Analisis Diskriminan Kuadrat dalam R (langkah demi langkah)","description":"Tutorial ini menjelaskan cara melakukan analisis diskriminan kuadrat di R, termasuk contoh langkah demi langkah.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/statorials.org\/id\/analisis-diskriminan-kuadrat-di-r\/","og_locale":"id_ID","og_type":"article","og_title":"Analisis Diskriminan Kuadrat dalam R (langkah demi langkah)","og_description":"Tutorial ini menjelaskan cara melakukan analisis diskriminan kuadrat di R, termasuk contoh langkah demi langkah.","og_url":"https:\/\/statorials.org\/id\/analisis-diskriminan-kuadrat-di-r\/","og_site_name":"Statorials","article_published_time":"2023-07-27T10:31:36+00:00","author":"Benjamin anderson","twitter_card":"summary_large_image","twitter_misc":{"Ditulis oleh":"Benjamin anderson","Estimasi waktu membaca":"3 menit"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/statorials.org\/id\/analisis-diskriminan-kuadrat-di-r\/","url":"https:\/\/statorials.org\/id\/analisis-diskriminan-kuadrat-di-r\/","name":"Analisis Diskriminan Kuadrat dalam R (langkah demi langkah)","isPartOf":{"@id":"https:\/\/statorials.org\/id\/#website"},"datePublished":"2023-07-27T10:31:36+00:00","dateModified":"2023-07-27T10:31:36+00:00","author":{"@id":"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81"},"description":"Tutorial ini menjelaskan cara melakukan analisis diskriminan kuadrat di R, termasuk contoh langkah demi langkah.","breadcrumb":{"@id":"https:\/\/statorials.org\/id\/analisis-diskriminan-kuadrat-di-r\/#breadcrumb"},"inLanguage":"id","potentialAction":[{"@type":"ReadAction","target":["https:\/\/statorials.org\/id\/analisis-diskriminan-kuadrat-di-r\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/statorials.org\/id\/analisis-diskriminan-kuadrat-di-r\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/statorials.org\/id\/"},{"@type":"ListItem","position":2,"name":"Analisis diskriminan kuadrat dalam r (langkah demi langkah)"}]},{"@type":"WebSite","@id":"https:\/\/statorials.org\/id\/#website","url":"https:\/\/statorials.org\/id\/","name":"Statorials","description":"Panduan anda untuk kompetensi statistik!","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/statorials.org\/id\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"id"},{"@type":"Person","@id":"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81","name":"Benjamin anderson","image":{"@type":"ImageObject","inLanguage":"id","@id":"https:\/\/statorials.org\/id\/#\/schema\/person\/image\/","url":"http:\/\/statorials.org\/id\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg","contentUrl":"http:\/\/statorials.org\/id\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg","caption":"Benjamin anderson"},"description":"Halo, saya Benjamin, pensiunan profesor statistika yang menjadi guru Statorial yang berdedikasi. Dengan pengalaman dan keahlian yang luas di bidang statistika, saya ingin berbagi ilmu untuk memberdayakan mahasiswa melalui Statorials. Baca selengkapnya","sameAs":["http:\/\/statorials.org\/id"]}]}},"yoast_meta":{"yoast_wpseo_title":"","yoast_wpseo_metadesc":"","yoast_wpseo_canonical":""},"_links":{"self":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/posts\/1168"}],"collection":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/comments?post=1168"}],"version-history":[{"count":0,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/posts\/1168\/revisions"}],"wp:attachment":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/media?parent=1168"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/categories?post=1168"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/tags?post=1168"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}