{"id":1750,"date":"2023-07-25T03:37:36","date_gmt":"2023-07-25T03:37:36","guid":{"rendered":"https:\/\/statorials.org\/id\/aic-ke-r\/"},"modified":"2023-07-25T03:37:36","modified_gmt":"2023-07-25T03:37:36","slug":"aic-ke-r","status":"publish","type":"post","link":"https:\/\/statorials.org\/id\/aic-ke-r\/","title":{"rendered":"Cara menghitung aic di r (termasuk contoh)"},"content":{"rendered":"<p><\/p>\n<hr>\n<p><span style=\"color: #000000;\">Kriteria Informasi Akaike (AIC) adalah metrik yang digunakan untuk membandingkan kesesuaian model regresi berganda.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Ini dihitung sebagai berikut:<\/span><\/p>\n<p> <span style=\"color: #000000;\">AIC = 2K \u2013 2 <em>ln<\/em> (L)<\/span><\/p>\n<p> <span style=\"color: #000000;\">Emas:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\"><strong>K :<\/strong> Jumlah parameter model. Nilai default K adalah 2, sehingga model dengan hanya satu variabel prediktor akan memiliki nilai K 2+1 = 3.<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong><em>ln<\/em> (L)<\/strong> : Log-likelihood model. Kebanyakan perangkat lunak statistik dapat menghitung nilai ini secara otomatis untuk Anda.<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">AIC dirancang untuk menemukan model yang menjelaskan variasi data paling banyak, sekaligus memberi sanksi pada model yang menggunakan jumlah parameter berlebihan.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Setelah Anda memasang beberapa model regresi, Anda dapat membandingkan<\/span> <span style=\"color: #000000;\">nilai AIC setiap model. Semakin rendah AIC maka semakin cocok model tersebut.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Untuk menghitung AIC model regresi berganda di R, kita dapat menggunakan fungsi <strong>aictab()<\/strong> dari paket <strong>AICcmodavg<\/strong> .<\/span><\/p>\n<p> <span style=\"color: #000000;\">Contoh berikut menunjukkan cara menggunakan fungsi ini untuk menghitung dan menafsirkan AIC untuk berbagai model regresi di R.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Contoh: menghitung dan menafsirkan AIC di R<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Katakanlah kita ingin menyesuaikan tiga <a href=\"https:\/\/statorials.org\/id\/regresi-linier-berganda\/\" target=\"_blank\" rel=\"noopener\">model regresi linier berganda<\/a> yang berbeda menggunakan variabel dari kumpulan data <strong>mtcars<\/strong> .<\/span><\/p>\n<p> <span style=\"color: #000000;\">Berikut variabel prediktor yang akan kami gunakan di setiap model:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Variabel prediktor pada model 1: disp, hp, wt, qsec<\/span><\/li>\n<li> <span style=\"color: #000000;\">Variabel prediktor pada model 2: disp, qsec<\/span><\/li>\n<li> <span style=\"color: #000000;\">Variabel prediktor pada model 3: disp, wt<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Kode berikut menunjukkan cara menyesuaikan masing-masing model regresi ini:<\/span><\/p>\n<pre style=\"background-color: #ececec; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#fit three models\n<\/span>model1 &lt;- lm(mpg ~ disp + hp + wt + qsec, data = mtcars)\nmodel2 &lt;- lm(mpg ~ disp + qsec, data = mtcars)\nmodel3 &lt;- lm(mpg ~ disp + wt, data = mtcars)\n<\/strong><\/pre>\n<p> <span style=\"color: #000000;\">Selanjutnya, kita akan memasukkan model ke dalam daftar dan menggunakan fungsi <strong>aictab()<\/strong> untuk menghitung AIC setiap model:<\/span><\/p>\n<pre style=\"background-color: #ececec; font-size: 15px;\"> <strong><span style=\"color: #008080;\"><span style=\"color: #000000;\"><span style=\"color: #993300;\">library<\/span> (AICcmodavg)<\/span>\n\n#define list of models\n<\/span>models &lt;- list(model1, model2, model3)\n\n<span style=\"color: #008080;\">#specify model names\n<\/span>mod.names &lt;- c('disp.hp.wt.qsec', 'disp.qsec', 'disp.wt')\n\n<span style=\"color: #008080;\">#calculate AIC of each model\n<\/span>aictab(cand.set = models, modnames = mod.names)\n\nModel selection based on AICc:\n\n                K AICc Delta_AICc AICcWt Cum.Wt LL\ndisp.hp.wt.qsec 6 162.43 0.00 0.83 0.83 -73.53\navailable wt 4 165.65 3.22 0.17 1.00 -78.08\ndisp.qsec 4 173.32 10.89 0.00 1.00 -81.92\n<\/strong><\/pre>\n<p> <span style=\"color: #000000;\">Berikut cara menafsirkan hasilnya:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\"><b>K :<\/b> Jumlah parameter dalam model.<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>AICc:<\/strong> nilai AIC model. Huruf kecil \u201cc\u201d menunjukkan bahwa AIC dihitung dari AIC yang dikoreksi untuk sampel kecil.<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>Delta_AICc:<\/strong> perbedaan antara AIC model terbaik dan model saat ini yang dibandingkan.<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>AICcWt:<\/strong> proporsi total daya prediksi yang dapat ditemukan dalam model.<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>Cum.Wt<\/strong> : Jumlah kumulatif bobot AIC.<\/span><\/li>\n<li> <span style=\"color: #000000;\"><span style=\"color: #000000;\"><b>LL:<\/b> Kemungkinan log model. Hal ini memberi tahu kami seberapa besar kemungkinan model tersebut, berdasarkan data yang kami gunakan.<\/span><\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Model dengan nilai AIC terendah selalu dicantumkan terlebih dahulu. Dari hasil tersebut kita dapat melihat bahwa model berikut memiliki nilai AIC terendah dan oleh karena itu merupakan model yang paling sesuai:<\/span><\/p>\n<p> <span style=\"color: #000000;\">mpg = \u03b2 <sub>0<\/sub> + \u03b2 <sub>1<\/sub> (tampilan) + \u03b2 <sub>2<\/sub> (hp) + \u03b2 <sub>3<\/sub> (berat) + \u03b2 <sub>4<\/sub> (qsec)<\/span><\/p>\n<p> <span style=\"color: #000000;\">Setelah kami mengidentifikasi model ini sebagai yang terbaik, kami dapat melanjutkan dengan penyesuaian model dan menganalisis hasilnya, termasuk nilai R-kuadrat dan koefisien beta, untuk menentukan hubungan yang tepat antara kumpulan variabel prediktif dan <a href=\"https:\/\/statorials.org\/id\/variabel-tanggapan-penjelas\/\" target=\"_blank\" rel=\"noopener\">variabel respons<\/a> .<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Sumber daya tambahan<\/strong><\/span><\/h3>\n<p> <a href=\"https:\/\/statorials.org\/id\/regresi-linier-sederhana-di-r\/\" target=\"_blank\" rel=\"noopener\">Cara melakukan regresi linier sederhana di R<\/a><br \/> <a href=\"https:\/\/statorials.org\/id\/regresi-linier-berganda-r\/\" target=\"_blank\" rel=\"noopener\">Cara melakukan regresi linier berganda di R<\/a><br \/> <a href=\"https:\/\/statorials.org\/id\/r-kotak-di-r-cocok\/\" target=\"_blank\" rel=\"noopener\">Cara menghitung R-kuadrat yang disesuaikan di R<\/a><br \/> <a href=\"https:\/\/statorials.org\/id\/cara-menghitung-cp-ungu-di-r\/\" target=\"_blank\" rel=\"noopener\">Cara menghitung Mallows Cp di R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Kriteria Informasi Akaike (AIC) adalah metrik yang digunakan untuk membandingkan kesesuaian model regresi berganda. Ini dihitung sebagai berikut: AIC = 2K \u2013 2 ln (L) Emas: K : Jumlah parameter model. Nilai default K adalah 2, sehingga model dengan hanya satu variabel prediktor akan memiliki nilai K 2+1 = 3. ln (L) : Log-likelihood model. [&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>Cara menghitung AIC di R (termasuk contoh) - Statologi<\/title>\n<meta name=\"description\" content=\"Tutorial ini menjelaskan cara menghitung Akaike Information Criterion (AIC) untuk model regresi di R, beserta contohnya.\" \/>\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\/aic-ke-r\/\" \/>\n<meta property=\"og:locale\" content=\"id_ID\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Cara menghitung AIC di R (termasuk contoh) - Statologi\" \/>\n<meta property=\"og:description\" content=\"Tutorial ini menjelaskan cara menghitung Akaike Information Criterion (AIC) untuk model regresi di R, beserta contohnya.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/statorials.org\/id\/aic-ke-r\/\" \/>\n<meta property=\"og:site_name\" content=\"Statorials\" \/>\n<meta property=\"article:published_time\" content=\"2023-07-25T03:37:36+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=\"2 menit\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/statorials.org\/id\/aic-ke-r\/\",\"url\":\"https:\/\/statorials.org\/id\/aic-ke-r\/\",\"name\":\"Cara menghitung AIC di R (termasuk contoh) - Statologi\",\"isPartOf\":{\"@id\":\"https:\/\/statorials.org\/id\/#website\"},\"datePublished\":\"2023-07-25T03:37:36+00:00\",\"dateModified\":\"2023-07-25T03:37:36+00:00\",\"author\":{\"@id\":\"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81\"},\"description\":\"Tutorial ini menjelaskan cara menghitung Akaike Information Criterion (AIC) untuk model regresi di R, beserta contohnya.\",\"breadcrumb\":{\"@id\":\"https:\/\/statorials.org\/id\/aic-ke-r\/#breadcrumb\"},\"inLanguage\":\"id\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/statorials.org\/id\/aic-ke-r\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/statorials.org\/id\/aic-ke-r\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/statorials.org\/id\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Cara menghitung aic di r (termasuk contoh)\"}]},{\"@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":"Cara menghitung AIC di R (termasuk contoh) - Statologi","description":"Tutorial ini menjelaskan cara menghitung Akaike Information Criterion (AIC) untuk model regresi di R, beserta contohnya.","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\/aic-ke-r\/","og_locale":"id_ID","og_type":"article","og_title":"Cara menghitung AIC di R (termasuk contoh) - Statologi","og_description":"Tutorial ini menjelaskan cara menghitung Akaike Information Criterion (AIC) untuk model regresi di R, beserta contohnya.","og_url":"https:\/\/statorials.org\/id\/aic-ke-r\/","og_site_name":"Statorials","article_published_time":"2023-07-25T03:37:36+00:00","author":"Benjamin anderson","twitter_card":"summary_large_image","twitter_misc":{"Ditulis oleh":"Benjamin anderson","Estimasi waktu membaca":"2 menit"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/statorials.org\/id\/aic-ke-r\/","url":"https:\/\/statorials.org\/id\/aic-ke-r\/","name":"Cara menghitung AIC di R (termasuk contoh) - Statologi","isPartOf":{"@id":"https:\/\/statorials.org\/id\/#website"},"datePublished":"2023-07-25T03:37:36+00:00","dateModified":"2023-07-25T03:37:36+00:00","author":{"@id":"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81"},"description":"Tutorial ini menjelaskan cara menghitung Akaike Information Criterion (AIC) untuk model regresi di R, beserta contohnya.","breadcrumb":{"@id":"https:\/\/statorials.org\/id\/aic-ke-r\/#breadcrumb"},"inLanguage":"id","potentialAction":[{"@type":"ReadAction","target":["https:\/\/statorials.org\/id\/aic-ke-r\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/statorials.org\/id\/aic-ke-r\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/statorials.org\/id\/"},{"@type":"ListItem","position":2,"name":"Cara menghitung aic di r (termasuk contoh)"}]},{"@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\/1750"}],"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=1750"}],"version-history":[{"count":0,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/posts\/1750\/revisions"}],"wp:attachment":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/media?parent=1750"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/categories?post=1750"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/tags?post=1750"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}