<\/p>\n
Anda dapat menggunakan metode berikut untuk menghitung koefisien korelasi di R ketika satu atau lebih variabel memiliki nilai yang hilang:<\/span><\/p>\n Metode 1: Hitung koefisien korelasi dengan nilai yang hilang<\/strong><\/span><\/p>\n Metode 2: Hitung matriks korelasi dengan nilai yang hilang<\/strong><\/span><\/p>\n Contoh berikut menunjukkan cara menggunakan masing-masing metode dalam praktik.<\/span><\/span><\/p>\n Misalkan kita mencoba menggunakan fungsi cor()<\/strong> untuk menghitung koefisien korelasi Pearson antara dua variabel ketika ada nilai yang hilang:<\/span><\/span><\/p>\n Fungsi cor()<\/strong> mengembalikan NA<\/strong> karena kita belum menentukan cara menangani nilai yang hilang.<\/span><\/p>\n Untuk menghindari masalah ini, kita dapat menggunakan argumen use=’complete.obs’<\/strong> sehingga R mengetahui untuk hanya menggunakan observasi berpasangan jika kedua nilai ada:<\/span><\/p>\n Koefisien korelasi kedua variabel tersebut ternyata sebesar -0,488749<\/strong> .<\/span><\/span><\/p>\n Perhatikan bahwa fungsi cor()<\/strong> hanya menggunakan kedua kombinasi berpasangan yang nilainya ada saat menghitung koefisien korelasi.<\/span><\/p>\n Misalkan kita mencoba menggunakan fungsi cor()<\/strong> untuk membuat matriks korelasi<\/a> untuk bingkai data dengan tiga variabel ketika ada nilai yang hilang:<\/span><\/p>\n Fungsi cor()<\/strong> mengembalikan NA<\/strong> di beberapa tempat karena kita belum menentukan cara menangani nilai yang hilang.<\/span><\/p>\n Untuk menghindari masalah ini, kita dapat menggunakan argumen use=’pairwise.complete.obs’<\/strong> sehingga R mengetahui untuk hanya menggunakan observasi berpasangan jika kedua nilai ada:<\/span><\/p>\n Koefisien korelasi untuk setiap kombinasi berpasangan variabel dalam database kini ditampilkan.<\/span><\/p>\n Tutorial berikut menjelaskan cara melakukan tugas umum lainnya di R:<\/span><\/p>\n Cara mencari nilai P koefisien korelasi pada R<\/a> Anda dapat menggunakan metode berikut untuk menghitung koefisien korelasi di R ketika satu atau lebih variabel memiliki nilai yang hilang: Metode 1: Hitung koefisien korelasi dengan nilai yang hilang cor(x, y, use=’ complete.obs ‘) Metode 2: Hitung matriks korelasi dengan nilai yang hilang cor(df, use=’ pairwise.complete.obs ‘) Contoh berikut menunjukkan cara menggunakan masing-masing metode dalam […]<\/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":"\n cor(x, y, use=' complete.obs<\/span> ')<\/strong><\/span><\/pre>\n cor(df, use=' pairwise.complete.obs<\/span> ')<\/strong><\/span><\/pre>\n Contoh 1: Hitung koefisien korelasi dengan nilai yang hilang<\/strong><\/span><\/h2>\n
#create two variables\n<\/span>x <- c(70, 78, 90, 87, 84, NA, 91, 74, 83, 85)\ny <- c(90, NA, 79, 86, 84, 83, 88, 92, 76, 75)\n\n#attempt to calculate correlation coefficient between x and y\n<\/span>cor(x, y)\n\n[1] NA<\/strong><\/span><\/pre>\n #create two variables\n<\/span>x <- c(70, 78, 90, 87, 84, NA, 91, 74, 83, 85)\ny <- c(90, NA, 79, 86, 84, 83, 88, 92, 76, 75)\n\n#calculate correlation coefficient between x and y\n<\/span>cor(x, y, use=' complete.obs<\/span> ')\n\n[1] -0.4888749\n<\/strong><\/span><\/pre>\n Contoh 2: Hitung matriks korelasi dengan nilai yang hilang<\/strong><\/span><\/h2>\n
#create data frame with some missing values\n<\/span>df <- data. frame<\/span> (x=c(70, 78, 90, 87, 84, NA, 91, 74, 83, 85),\n y=c(90, NA, 79, 86, 84, 83, 88, 92, 76, 75),\n z=c(57, 57, 58, 59, 60, 78, 81, 83, NA, 90))\n\n#attempt to create correlation matrix for variables in data frame\n<\/span>cor(df)\n\n X Y Z\nx 1 NA NA\ny NA 1 NA\nz NA NA 1\n<\/strong><\/span><\/pre>\n #create data frame with some missing values\n<\/span>df <- data. frame<\/span> (x=c(70, 78, 90, 87, 84, NA, 91, 74, 83, 85),\n y=c(90, NA, 79, 86, 84, 83, 88, 92, 76, 75),\n z=c(57, 57, 58, 59, 60, 78, 81, 83, NA, 90))\n\n#create correlation matrix for variables using only pairwise complete observations\ncor(df, use=' pairwise.complete.obs<\/span> ')\n\n X Y Z\nx 1.0000000 -0.4888749 0.1311651\ny -0.4888749 1.0000000 -0.1562371\nz 0.1311651 -0.1562371 1.0000000\n<\/span><\/span><\/strong><\/span><\/pre>\n Sumber daya tambahan<\/strong><\/span><\/h2>\n
Cara menghitung korelasi Spearman di R<\/a>
Cara menghitung korelasi geser di R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"