{"id":2460,"date":"2023-07-22T04:29:06","date_gmt":"2023-07-22T04:29:06","guid":{"rendered":"https:\/\/statorials.org\/id\/analisis-bivariat-dengan-python\/"},"modified":"2023-07-22T04:29:06","modified_gmt":"2023-07-22T04:29:06","slug":"analisis-bivariat-dengan-python","status":"publish","type":"post","link":"https:\/\/statorials.org\/id\/analisis-bivariat-dengan-python\/","title":{"rendered":"Cara melakukan analisis bivariat dengan python: dengan contoh"},"content":{"rendered":"

<\/p>\n

\n

Istilah analisis bivariat<\/strong> mengacu pada analisis dua variabel. Anda dapat mengingat ini karena awalan \u201cbi\u201d berarti \u201cdua\u201d.<\/span><\/p>\n

Tujuan analisis bivariat adalah untuk memahami hubungan antara dua variabel<\/span><\/p>\n

Ada tiga cara umum untuk melakukan analisis bivariat:<\/span><\/p>\n

1.<\/strong> Titik awan<\/span><\/p>\n

2.<\/strong> Koefisien korelasi<\/span><\/p>\n

3.<\/strong> Regresi linier sederhana<\/span><\/p>\n

Contoh berikut menunjukkan cara melakukan masing-masing jenis analisis bivariat ini dengan Python menggunakan pandas DataFrame berikut yang berisi informasi tentang dua variabel: (1)<\/strong> Jam yang dihabiskan untuk belajar dan (2)<\/strong> Nilai ujian yang diperoleh 20 siswa berbeda:<\/span><\/p>\n

 import<\/span> pandas as<\/span> pd\n\n#createDataFrame<\/span>\ndf = pd. DataFrame<\/span> ({' hours<\/span> ': [1, 1, 1, 2, 2, 2, 3, 3, 3, 3,\n                             3, 4, 4, 5, 5, 6, 6, 6, 7, 8],\n                   ' score<\/span> ': [75, 66, 68, 74, 78, 72, 85, 82, 90, 82,\n                             80, 88, 85, 90, 92, 94, 94, 88, 91, 96]})\n\n#view first five rows of DataFrame\n<\/span>df. head<\/span> ()\n\n\thours score\n0 1 75\n1 1 66\n2 1 68\n3 2 74\n4 2 78<\/strong><\/pre>\n
 1. Titik awan<\/strong><\/span><\/h3>\n
 Kita dapat menggunakan sintaks berikut untuk membuat diagram sebar antara jam belajar versus hasil ujian:<\/span> <\/p>\n
 import<\/span> matplotlib. pyplot<\/span> as<\/span> plt\n\n#create scatterplot of hours vs. score<\/span>\nplt. scatter<\/span> (df. hours<\/span> , df. score<\/span> )\nplt. title<\/span> (' Hours Studied vs. Exam Score<\/span> ')\nplt. xlabel<\/span> (' Hours Studied<\/span> ')\nplt. ylabel<\/span> (' Exam Score<\/span> ')\n<\/strong><\/pre>\n
\"\"<\/p>\n
 Sumbu x menunjukkan jam belajar dan sumbu y menunjukkan nilai yang diperoleh pada ujian.<\/span><\/p>\n
 Grafik tersebut menunjukkan adanya hubungan positif antara kedua variabel: seiring bertambahnya jumlah jam belajar, nilai ujian juga cenderung meningkat.<\/span><\/p>\n
 2. Koefisien korelasi<\/strong><\/span><\/h3>\n
 Koefisien korelasi Pearson adalah cara untuk mengukur hubungan linier antara dua variabel.<\/span><\/p>\n
 Kita dapat menggunakan fungsi corr()<\/strong> di pandas untuk membuat matriks korelasi:<\/span><\/p>\n
 #create correlation matrix\n<\/span>df. corr<\/span> ()\n\n\thours score\nhours 1.000000 0.891306\nscore 0.891306 1.000000<\/strong><\/pre>\n
 Koefisien korelasinya ternyata 0,891<\/strong> . Hal ini<\/span> menunjukkan korelasi positif yang kuat antara jam belajar dan nilai ujian.<\/span><\/p>\n
 3. Regresi linier sederhana<\/strong><\/span><\/h3>\n
 Regresi linier sederhana adalah metode statistik yang dapat kita gunakan untuk mengukur hubungan antara dua variabel.<\/span><\/p>\n
 Kita dapat menggunakan fungsi OLS()<\/strong> dari paket statsmodels untuk dengan cepat menyesuaikan model regresi linier sederhana<\/a> selama berjam-jam belajar dan hasil ujian yang diterima:<\/span><\/p>\n
 import<\/span> statsmodels. api<\/span> as<\/span> sm\n\n#define response variable\n<\/span>y = df[' score<\/span> ']\n\n#define explanatory variable\n<\/span>x = df[[' hours<\/span> ']]\n\n#add constant to predictor variables\n<\/span>x = sm. add_constant<\/span> (x)\n\n#fit linear regression model\n<\/span>model = sm. OLS<\/span> (y,x). fit<\/span> ()\n\n#view model summary\n<\/span>print<\/span> ( model.summary<\/span> ())\n\n                            OLS Regression Results                            \n==================================================== ============================\nDept. Variable: R-squared score: 0.794\nModel: OLS Adj. R-squared: 0.783\nMethod: Least Squares F-statistic: 69.56\nDate: Mon, 22 Nov 2021 Prob (F-statistic): 1.35e-07\nTime: 16:15:52 Log-Likelihood: -55,886\nNo. Observations: 20 AIC: 115.8\nDf Residuals: 18 BIC: 117.8\nModel: 1                                         \nCovariance Type: non-robust                                         \n==================================================== ============================\n                 coef std err t P>|t| [0.025 0.975]\n-------------------------------------------------- ----------------------------\nconst 69.0734 1.965 35.149 0.000 64.945 73.202\nhours 3.8471 0.461 8.340 0.000 2.878 4.816\n==================================================== ============================\nOmnibus: 0.171 Durbin-Watson: 1.404\nProb(Omnibus): 0.918 Jarque-Bera (JB): 0.177\nSkew: 0.165 Prob(JB): 0.915\nKurtosis: 2.679 Cond. No. 9.37\n==================================================== ============================\n<\/strong><\/pre>\n
 Persamaan regresi yang dipasang ternyata menjadi:<\/span><\/p>\n
 Nilai ujian = 69,0734 + 3,8471*(jam belajar)<\/span><\/p>\n
 Hal ini menunjukkan bahwa setiap tambahan jam belajar dikaitkan dengan peningkatan rata-rata nilai ujian sebesar 3,8471<\/strong> .<\/span><\/p>\n
 Kita juga dapat menggunakan persamaan regresi yang disesuaikan untuk memprediksi skor yang akan diterima siswa berdasarkan jumlah jam belajar.<\/span><\/p>\n
 Misal seorang siswa yang belajar selama 3 jam seharusnya mendapat nilai 81.6147<\/strong> :<\/span><\/p>\n