{"id":1228,"date":"2023-07-27T05:25:49","date_gmt":"2023-07-27T05:25:49","guid":{"rendered":"https:\/\/statorials.org\/id\/lokasi-untuk-diukur\/"},"modified":"2023-07-27T05:25:49","modified_gmt":"2023-07-27T05:25:49","slug":"lokasi-untuk-diukur","status":"publish","type":"post","link":"https:\/\/statorials.org\/id\/lokasi-untuk-diukur\/","title":{"rendered":"Cara menafsirkan plot skala dan lokasi: dengan contoh"},"content":{"rendered":"

<\/p>\n

\n

Bagan lokasi berskala<\/strong> adalah jenis bagan yang menampilkan nilai pas model regresi<\/a> di sepanjang sumbu x dan akar kuadrat dari residu standar di sepanjang sumbu y.<\/span> <\/p>\n

\"Bagan<\/p>\n

Melihat grafik ini, kami memeriksa dua hal:<\/span><\/p>\n

1.<\/strong> Pastikan garis merah kira-kira horizontal pada plot. Jika hal ini terjadi, maka asumsi homoskedastisitas<\/a> kemungkinan terpenuhi untuk model regresi tertentu. Artinya, distribusi residu kira-kira sama untuk semua nilai yang dipasang.<\/span><\/p>\n

2.<\/strong> Periksa apakah tidak ada tren yang jelas di antara residu. Dengan kata lain, residu harus tersebar secara acak di sekitar garis merah dengan variabilitas yang kira-kira sama untuk semua nilai yang sesuai.<\/span><\/p>\n

Plot skala dan lokasi di R<\/strong><\/span><\/h3>\n

Kita dapat menggunakan kode berikut untuk menyesuaikan model regresi linier sederhana di R dan menghasilkan plot skala dan lokasi untuk model yang dihasilkan:<\/span> <\/p>\n

 #fit simple linear regression model\n<\/span>model <- lm(Ozone ~ Temp, data = airquality)\n\n#produce scale-location plot\n<\/span>plot(model)\n<\/strong><\/pre>\n
\"Plot<\/p>\n
 Dua hal berikut dapat kita amati dari plot skala-lokasi model regresi ini.<\/span><\/p>\n
 1.<\/strong> Garis merah kira-kira horizontal pada plot. Jika hal ini terjadi, maka asumsi homoskedastisitas<\/a> terpenuhi untuk model regresi tertentu. Artinya, distribusi residu kira-kira sama untuk semua nilai yang dipasang.<\/span><\/p>\n
 2.<\/strong> Periksa apakah tidak ada tren yang jelas di antara residu. Dengan kata lain, residu harus tersebar secara acak di sekitar garis merah dengan variabilitas yang kira-kira sama untuk semua nilai yang sesuai.<\/span><\/p>\n
\n
 Catatan teknis<\/strong><\/span><\/p>\n
 Tiga observasi dari kumpulan data dengan residu terstandar tertinggi diberi label dalam grafik.<\/span><\/p>\n
 Terlihat observasi pada baris 30, 62 dan 117 mempunyai standardized residual tertinggi.<\/span><\/p>\n
 Hal ini tidak berarti bahwa pengamatan ini merupakan outlier, namun Anda mungkin ingin melihat data asli untuk memeriksa pengamatan ini lebih dekat.<\/span><\/p>\n<\/blockquote>\n
 Meskipun kita dapat melihat bahwa garis merah kira-kira horizontal pada plot lokasi skala, ini hanya berfungsi sebagai cara visual untuk melihat apakah asumsi homoskedastisitas terpenuhi.<\/span><\/p>\n
 Uji statistik formal yang dapat kita gunakan untuk melihat apakah asumsi homoskedastisitas terpenuhi adalah uji Breusch-Pagan<\/a> .<\/span><\/p>\n
 Tes Breusch-Pagan di R<\/strong><\/span><\/h3>\n
 Kode berikut menunjukkan cara menggunakan fungsi bptest()<\/strong> dari paket lmtest<\/strong> untuk melakukan pengujian Breusch-Pagan di R:<\/span><\/p>\n
 #load lmtest package\n<\/span>library(lmtest)\n\n#perform Breusch-Pagan Test\n<\/span>bptest(model)\n\n\tstudentized Breusch-Pagan test\n\ndata: model\nBP = 1.4798, df = 1, p-value = 0.2238\n<\/strong><\/pre>\n
 Tes Breusch-Pagan menggunakan hipotesis nol dan alternatif berikut:<\/span><\/p>\n