{"id":4265,"date":"2023-07-12T10:22:19","date_gmt":"2023-07-12T10:22:19","guid":{"rendered":"https:\/\/statorials.org\/id\/aku-memprediksi\/"},"modified":"2023-07-12T10:22:19","modified_gmt":"2023-07-12T10:22:19","slug":"aku-memprediksi","status":"publish","type":"post","link":"https:\/\/statorials.org\/id\/aku-memprediksi\/","title":{"rendered":"Cara menggunakan fungsi predict() dengan lm() di r"},"content":{"rendered":"<p><\/p>\n<hr>\n<p><span style=\"color: #000000;\">Fungsi <strong>lm()<\/strong> di R dapat digunakan untuk menyesuaikan model regresi linier.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Setelah kita memasang model, kita kemudian dapat menggunakan fungsi <strong>prediksi()<\/strong> untuk memprediksi nilai respons dari <a href=\"https:\/\/statorials.org\/id\/pengamatan-dalam-statistik\/\" target=\"_blank\" rel=\"noopener\">observasi<\/a> baru.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Fungsi ini menggunakan sintaks berikut:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>prediksi(objek, data baru, tipe = \u201crespons\u201d)<\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\">Emas:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\"><strong>objek:<\/strong> Nama penyesuaian model menggunakan fungsi glm()<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>data baru:<\/strong> Nama bingkai data baru yang akan dijadikan prediksi<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>type :<\/strong> Jenis prediksi yang akan dibuat.<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Contoh berikut menunjukkan cara menggunakan fungsi <strong>lm()<\/strong> agar sesuai dengan model regresi linier di R, lalu cara menggunakan fungsi <strong>prediksi()<\/strong> untuk memprediksi nilai respons observasi baru yang belum pernah dilihat model tersebut sebelumnya.<\/span><\/p>\n<h2> <span style=\"color: #000000;\"><strong>Contoh: Menggunakan fungsi Predict() dengan lm() di R<\/strong><\/span><\/h2>\n<p> <span style=\"color: #000000;\">Misalkan kita memiliki kerangka data berikut di R yang berisi informasi tentang berbagai pemain bola basket:<\/span><\/p>\n<pre style=\"background-color: #ececec; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#create data frame\n<\/span>df &lt;- data. <span style=\"color: #3366ff;\">frame<\/span> (minutes=c(5, 10, 13, 14, 20, 22, 26, 34, 38, 40),\n                 fouls=c(5, 5, 3, 4, 2, 1, 3, 2, 1, 1),\n                 points=c(6, 8, 8, 7, 14, 10, 22, 24, 28, 30))\n\n<span style=\"color: #008080;\">#view data frame\n<\/span>df\n\n   minutes fouls points\n1 5 5 6\n2 10 5 8\n3 13 3 8\n4 14 4 7\n5 20 2 14\n6 22 1 10\n7 26 3 22\n8 34 2 24\n9 38 1 28\n10 40 1 30\n<\/strong><\/pre>\n<p> <span style=\"color: #000000;\">Misalkan kita ingin menerapkan <a href=\"https:\/\/statorials.org\/id\/regresi-linier-berganda\/\" target=\"_blank\" rel=\"noopener\">model regresi linier berganda<\/a> berikut menggunakan menit bermain dan total pelanggaran untuk memprediksi jumlah poin yang dicetak oleh setiap pemain:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>poin = \u03b2 <sub>0<\/sub> + \u03b2 <sub>1<\/sub> (menit) + \u03b2 <sub>2<\/sub> (pelanggaran)<\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\"><span style=\"color: #000000;\">Kita dapat menggunakan fungsi <strong>lm()<\/strong> untuk mengadaptasi model ini:<\/span><\/span><\/p>\n<pre style=\"background-color: #ececec; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#fit multiple linear regression model\n<\/span>fit &lt;- lm(points ~ minutes + fouls, data=df)\n\n<span style=\"color: #008080;\">#view summary of model\n<\/span>summary(fit)\n\nCall:\nlm(formula = points ~ minutes + fouls, data = df)\n\nResiduals:\n    Min 1Q Median 3Q Max \n-3.5241 -1.4782 0.5918 1.6073 2.0889 \n\nCoefficients:\n            Estimate Std. Error t value Pr(&gt;|t|)    \n(Intercept) -11.8949 4.5375 -2.621 0.0343 *  \nminutes 0.9774 0.1086 9.000 4.26e-05 ***\nfouls 2.1838 0.8398 2.600 0.0354 *  \n---\nSignificant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1\n\nResidual standard error: 2.148 on 7 degrees of freedom\nMultiple R-squared: 0.959, Adjusted R-squared: 0.9473 \nF-statistic: 81.93 on 2 and 7 DF, p-value: 1.392e-05\n<\/strong><\/pre>\n<p> <span style=\"color: #000000;\">Dengan menggunakan koefisien dari hasil model, kita dapat menulis persamaan regresi yang sesuai:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>poin = -11.8949 + 0.9774 (menit) + 2.1838 (pelanggaran)<\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\">Kita kemudian dapat menggunakan fungsi <strong>prediksi()<\/strong> untuk memprediksi berapa banyak poin yang akan dicetak oleh pemain yang bermain selama 15 menit dan melakukan total 3 pelanggaran:<\/span><\/p>\n<pre style=\"background-color: #ececec; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#define new observation\n<span style=\"color: #000000;\">newdata = data. <span style=\"color: #3366ff;\">frame<\/span> (minutes=15, fouls=3)\n<\/span>\n#use model to predict points value\n<span style=\"color: #000000;\">predict(fit, newdata)\n\n       1 \n9.317731\n<\/span><\/span><\/strong><\/pre>\n<p> <span style=\"color: #000000;\">Model tersebut memperkirakan pemain ini akan mencetak <strong>9,317731<\/strong> poin.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Perhatikan bahwa kita juga dapat membuat beberapa prediksi sekaligus jika kita memiliki kerangka data yang berisi beberapa observasi baru.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Misalnya, kode berikut menunjukkan cara menggunakan model regresi yang disesuaikan untuk memprediksi nilai poin tiga pemain:<\/span><\/p>\n<pre style=\"background-color: #ececec; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#define new data frame of three cars\n<span style=\"color: #000000;\">newdata = data. <span style=\"color: #3366ff;\">frame<\/span> (minutes=c(15, 20, 25),\n                     fouls=c(3, 2, 1))\n\n<span style=\"color: #008080;\">#view data frame\n<\/span>newdata\n\n  minutes fouls\n1 15 3\n2 20 2\n3 25 1\n<\/span>\n#use model to predict points for all three players\n<span style=\"color: #000000;\">predict(model, newdata)\n\n        1 2 3 \n 9.317731 12.021032 14.724334 \n<\/span><\/span><\/strong><\/pre>\n<p> <span style=\"color: #000000;\">Berikut cara menafsirkan hasilnya:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Jumlah poin yang diharapkan untuk pemain dengan 15 menit dan 3 pelanggaran adalah <strong>9,32<\/strong> .<\/span><\/li>\n<li> <span style=\"color: #000000;\">Jumlah poin yang diharapkan untuk pemain dengan 20 menit dan 2 pelanggaran adalah <strong>12,02<\/strong> .<\/span><\/li>\n<li> <span style=\"color: #000000;\">Poin yang diharapkan untuk pemain dengan 25 menit dan 1 pelanggaran adalah <strong>14,72<\/strong> .<\/span><\/li>\n<\/ul>\n<h2> <span style=\"color: #000000;\"><strong>Catatan tentang penggunaan prediksi()<\/strong><\/span><\/h2>\n<p> <span style=\"color: #000000;\">Nama kolom dalam bingkai data baru harus sama persis dengan nama kolom dalam bingkai data yang digunakan untuk membuat model.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Perhatikan bahwa dalam contoh sebelumnya, bingkai data yang kami gunakan untuk membuat model berisi nama kolom berikut untuk variabel prediktor kami:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\"><strong>menit<\/strong><\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>kesalahan<\/strong><\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Jadi ketika kami membuat bingkai data baru yang disebut <strong>data baru,<\/strong> kami memastikan untuk memberi nama pada kolomnya juga:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\"><strong>menit<\/strong><\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>kesalahan<\/strong><\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Jika nama kolom tidak cocok, Anda akan menerima <a href=\"https:\/\/statorials.org\/id\/kesalahan-pada-objek-env-data-evalpredvars-tidak-ditemukan\/\" target=\"_blank\" rel=\"noopener\">pesan kesalahan<\/a> berikut:<\/span><\/p>\n<pre style=\"background-color: #ececec; font-size: 15px;\"> <strong><span style=\"color: #008080;\"><span style=\"color: #000000;\">Error in eval(predvars, data, env)<\/span><\/span><\/strong><\/pre>\n<p> <span style=\"color: #000000;\">Ingatlah hal ini saat menggunakan fungsi <strong>prediksi()<\/strong> .<\/span><\/p>\n<h2> <span style=\"color: #000000;\"><strong>Sumber daya tambahan<\/strong><\/span><\/h2>\n<p> <span style=\"color: #000000;\">Tutorial berikut menjelaskan cara melakukan tugas umum lainnya di R:<\/span><\/p>\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\/regresi-polinomial-r\/\" target=\"_blank\" rel=\"noopener\">Bagaimana melakukan regresi polinomial di R<\/a><br \/> <a href=\"https:\/\/statorials.org\/id\/interval-prediksi-r\/\" target=\"_blank\" rel=\"noopener\">Cara membuat interval prediksi di R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Fungsi lm() di R dapat digunakan untuk menyesuaikan model regresi linier. Setelah kita memasang model, kita kemudian dapat menggunakan fungsi prediksi() untuk memprediksi nilai respons dari observasi baru. Fungsi ini menggunakan sintaks berikut: prediksi(objek, data baru, tipe = \u201crespons\u201d) Emas: objek: Nama penyesuaian model menggunakan fungsi glm() data baru: Nama bingkai data baru yang akan [&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 menggunakan fungsi Predict() dengan lm() di R - Statorials<\/title>\n<meta name=\"description\" content=\"Tutorial ini menjelaskan cara menggunakan fungsi prediksi() di R untuk memprediksi nilai observasi baru menggunakan model regresi yang disesuaikan.\" \/>\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\/aku-memprediksi\/\" \/>\n<meta property=\"og:locale\" content=\"id_ID\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Cara menggunakan fungsi Predict() dengan lm() di R - Statorials\" \/>\n<meta property=\"og:description\" content=\"Tutorial ini menjelaskan cara menggunakan fungsi prediksi() di R untuk memprediksi nilai observasi baru menggunakan model regresi yang disesuaikan.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/statorials.org\/id\/aku-memprediksi\/\" \/>\n<meta property=\"og:site_name\" content=\"Statorials\" \/>\n<meta property=\"article:published_time\" content=\"2023-07-12T10:22:19+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\/aku-memprediksi\/\",\"url\":\"https:\/\/statorials.org\/id\/aku-memprediksi\/\",\"name\":\"Cara menggunakan fungsi Predict() dengan lm() di R - Statorials\",\"isPartOf\":{\"@id\":\"https:\/\/statorials.org\/id\/#website\"},\"datePublished\":\"2023-07-12T10:22:19+00:00\",\"dateModified\":\"2023-07-12T10:22:19+00:00\",\"author\":{\"@id\":\"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81\"},\"description\":\"Tutorial ini menjelaskan cara menggunakan fungsi prediksi() di R untuk memprediksi nilai observasi baru menggunakan model regresi yang disesuaikan.\",\"breadcrumb\":{\"@id\":\"https:\/\/statorials.org\/id\/aku-memprediksi\/#breadcrumb\"},\"inLanguage\":\"id\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/statorials.org\/id\/aku-memprediksi\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/statorials.org\/id\/aku-memprediksi\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/statorials.org\/id\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Cara menggunakan fungsi predict() dengan lm() di r\"}]},{\"@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 menggunakan fungsi Predict() dengan lm() di R - Statorials","description":"Tutorial ini menjelaskan cara menggunakan fungsi prediksi() di R untuk memprediksi nilai observasi baru menggunakan model regresi yang disesuaikan.","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\/aku-memprediksi\/","og_locale":"id_ID","og_type":"article","og_title":"Cara menggunakan fungsi Predict() dengan lm() di R - Statorials","og_description":"Tutorial ini menjelaskan cara menggunakan fungsi prediksi() di R untuk memprediksi nilai observasi baru menggunakan model regresi yang disesuaikan.","og_url":"https:\/\/statorials.org\/id\/aku-memprediksi\/","og_site_name":"Statorials","article_published_time":"2023-07-12T10:22:19+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\/aku-memprediksi\/","url":"https:\/\/statorials.org\/id\/aku-memprediksi\/","name":"Cara menggunakan fungsi Predict() dengan lm() di R - Statorials","isPartOf":{"@id":"https:\/\/statorials.org\/id\/#website"},"datePublished":"2023-07-12T10:22:19+00:00","dateModified":"2023-07-12T10:22:19+00:00","author":{"@id":"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81"},"description":"Tutorial ini menjelaskan cara menggunakan fungsi prediksi() di R untuk memprediksi nilai observasi baru menggunakan model regresi yang disesuaikan.","breadcrumb":{"@id":"https:\/\/statorials.org\/id\/aku-memprediksi\/#breadcrumb"},"inLanguage":"id","potentialAction":[{"@type":"ReadAction","target":["https:\/\/statorials.org\/id\/aku-memprediksi\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/statorials.org\/id\/aku-memprediksi\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/statorials.org\/id\/"},{"@type":"ListItem","position":2,"name":"Cara menggunakan fungsi predict() dengan lm() di r"}]},{"@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\/4265"}],"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=4265"}],"version-history":[{"count":0,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/posts\/4265\/revisions"}],"wp:attachment":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/media?parent=4265"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/categories?post=4265"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/tags?post=4265"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}