{"id":505,"date":"2023-07-29T16:45:15","date_gmt":"2023-07-29T16:45:15","guid":{"rendered":"https:\/\/statorials.org\/id\/faktor-inflasi-varians-r\/"},"modified":"2023-07-29T16:45:15","modified_gmt":"2023-07-29T16:45:15","slug":"faktor-inflasi-varians-r","status":"publish","type":"post","link":"https:\/\/statorials.org\/id\/faktor-inflasi-varians-r\/","title":{"rendered":"Cara menghitung variance inflation factor (vif) di r"},"content":{"rendered":"<p><\/p>\n<hr>\n<p><span style=\"color: #000000;\">Multikolinearitas dalam analisis regresi terjadi ketika dua atau lebih variabel prediktor berkorelasi tinggi satu sama lain sehingga tidak memberikan informasi yang unik atau independen dalam model regresi.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Jika tingkat korelasi antar variabel cukup tinggi, hal ini dapat menimbulkan masalah saat menyesuaikan dan menafsirkan model regresi .<\/span><\/p>\n<p> <span style=\"color: #000000;\">Cara paling umum untuk mendeteksi multikolinearitas adalah dengan menggunakan variance inflasi faktor (VIF), yang mengukur <a href=\"https:\/\/statorials.org\/id\/koefisien-korelasi-pearson-1\/\" target=\"_blank\" rel=\"noopener\">korelasi<\/a> dan kekuatan korelasi antar variabel prediktor dalam model regresi.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Nilai VIF dimulai dari 1 dan tidak memiliki batas atas. Aturan umum untuk menafsirkan VIF adalah:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Nilai 1 menunjukkan bahwa tidak ada korelasi antara variabel prediktor tertentu dengan variabel prediktor lainnya dalam model.<\/span><\/li>\n<li> <span style=\"color: #000000;\">Nilai antara 1 dan 5 menunjukkan korelasi sedang antara variabel prediktor tertentu dan variabel prediktor lainnya dalam model, namun seringkali tidak cukup parah sehingga memerlukan perhatian khusus.<\/span><\/li>\n<li> <span style=\"color: #000000;\">Nilai yang lebih besar dari 5 menunjukkan kemungkinan adanya korelasi yang serius antara variabel prediktor tertentu dan variabel prediktor lainnya dalam model. Dalam hal ini, estimasi koefisien dan nilai p pada hasil regresi kemungkinan besar tidak dapat diandalkan.<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Perhatikan bahwa ada beberapa kasus di mana nilai VIF yang tinggi <a href=\"https:\/\/statisticalhorizons.com\/multicollinearity\" target=\"_blank\" rel=\"noopener\">dapat diabaikan dengan aman<\/a> .<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Cara menghitung VIF di R<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Untuk mengilustrasikan cara menghitung VIF untuk model regresi di R, kita akan menggunakan kumpulan data <em>mtcars<\/em> bawaan:<\/span><\/p>\n<pre style=\"background-color: #e5e5e5; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#view first six lines of <em>mtcars<\/em><\/span>\nhead(mtcars)\n\n# mpg cyl disp hp drat wt qsec vs am gear carb\n#Mazda RX4 21.0 6 160 110 3.90 2.620 16.46 0 1 4 4\n#Mazda RX4 Wag 21.0 6 160 110 3.90 2.875 17.02 0 1 4 4\n#Datsun 710 22.8 4 108 93 3.85 2.320 18.61 1 1 4 1\n#Hornet 4 Drive 21.4 6 258 110 3.08 3.215 19.44 1 0 3 1\n#Hornet Sportabout 18.7 8 360 175 3.15 3.440 17.02 0 0 3 2\n#Valiant 18.1 6 225 105 2.76 3.460 20.22 1 0 3 1<\/strong><\/pre>\n<p> <span style=\"color: #000000;\">Pertama, kita akan memasang model regresi menggunakan <em>mpg<\/em> sebagai variabel respon dan <em>disp<\/em> , <em>hp<\/em> , <em>wt<\/em> dan <em>drat<\/em> sebagai variabel prediktor:<\/span><\/p>\n<pre style=\"background-color: #e5e5e5; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#fit the regression model<\/span>\nmodel &lt;- lm(mpg ~ disp + hp + wt + drat, data = mtcars)\n\n<span style=\"color: #008080;\">#view the output of the regression model\n<\/span>summary(model)\n\n#Call:\n#lm(formula = mpg ~ disp + hp + wt + drat, data = mtcars)\n#\n#Residuals:\n# Min 1Q Median 3Q Max \n#-3.5077 -1.9052 -0.5057 0.9821 5.6883 \n#\n#Coefficients:\n#Estimate Std. Error t value Pr(&gt;|t|)    \n#(Intercept) 29.148738 6.293588 4.631 8.2e-05 ***\n#available 0.003815 0.010805 0.353 0.72675    \n#hp -0.034784 0.011597 -2.999 0.00576 ** \n#wt -3.479668 1.078371 -3.227 0.00327 ** \n#drat 1.768049 1.319779 1.340 0.19153    \n#---\n#Significant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1\n#\n#Residual standard error: 2.602 on 27 degrees of freedom\n#Multiple R-squared: 0.8376, Adjusted R-squared: 0.8136 \n#F-statistic: 34.82 on 4 and 27 DF, p-value: 2.704e-10\n<\/strong><\/pre>\n<p> <span style=\"color: #000000;\">Dari hasil tersebut terlihat bahwa nilai R kuadrat model adalah <strong>0,8376<\/strong> . Kita juga dapat melihat bahwa <a href=\"https:\/\/statorials.org\/id\/panduan-sederhana-untuk-memahami-uji-f-untuk-signifikansi-keseluruhan-dalam-regresi\/\" target=\"_blank\" rel=\"noopener\">statistik F keseluruhan<\/a> adalah <strong>34,82<\/strong> dan nilai p yang sesuai adalah <strong>2,704e-10<\/strong> , yang menunjukkan bahwa model regresi secara keseluruhan adalah signifikan. Selain itu,<\/span> <span style=\"color: #000000;\">variabel prediktor <em>hp<\/em> dan <em>wt<\/em> signifikan secara statistik pada tingkat signifikansi 0,05, sedangkan <em>disp<\/em> dan <em>drat<\/em> tidak signifikan.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Selanjutnya, kita akan menggunakan fungsi <strong>vive()<\/strong> perpustakaan <strong>untuk<\/strong> menghitung VIF untuk setiap variabel prediktor dalam model:<\/span><\/p>\n<pre style=\"background-color: #e5e5e5; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#load the <em>car<\/em> library<\/span>\nlibrary(car)\n\n<span style=\"color: #008080;\">#calculate the VIF for each predictor variable in the model\n<\/span>lively(model)\n\n# disp hp wt drat \n#8.209402 2.894373 5.096601 2.279547 \n<\/strong><\/pre>\n<p> <span style=\"color: #000000;\">Kita dapat melihat bahwa VIF untuk <em>disp<\/em> dan <em>wt<\/em> lebih besar dari 5, yang berpotensi menimbulkan kekhawatiran.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Melihat nilai VIF<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Untuk memvisualisasikan nilai VIF setiap variabel prediktor, kita dapat membuat diagram batang horizontal sederhana dan menambahkan garis vertikal pada angka 5 sehingga kita dapat melihat dengan jelas nilai VIF mana yang melebihi 5:<\/span><\/p>\n<pre style=\"background-color: #e5e5e5; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#create vector of VIF values<\/span>\nvive_values &lt;- vive(model)\n\n<span style=\"color: #008080;\">#create horizontal bar chart to display each VIF value\n<\/span>barplot(vif_values, main = \"VIF Values\", horiz = TRUE, col = \"steelblue\")\n\n<span style=\"color: #008080;\">#add vertical line at 5\n<\/span>abline(v = 5, lwd = 3, lty = 2)<\/strong><\/pre>\n<p> <span style=\"color: #000000;\">Perhatikan bahwa jenis bagan ini akan sangat berguna untuk model dengan banyak variabel prediktor, sehingga kita dapat dengan mudah melihat semua nilai VIF sekaligus. Namun, ini adalah bagan yang berguna dalam contoh ini.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Bergantung pada nilai VIF mana yang Anda anggap terlalu tinggi untuk dimasukkan ke dalam model, Anda dapat memilih untuk menghapus variabel prediktor tertentu dan melihat apakah nilai R-kuadrat yang sesuai atau kesalahan standar model terpengaruh.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Memvisualisasikan korelasi antar variabel prediktor<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Untuk lebih memahami mengapa suatu variabel prediktor mungkin memiliki nilai VIF yang tinggi, kita dapat membuat matriks korelasi untuk menampilkan koefisien korelasi linier antara setiap pasangan variabel:<\/span><\/p>\n<pre style=\"background-color: #e5e5e5; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#define the variables we want to include in the correlation matrix<\/span>\ndata &lt;- mtcars[, c(\"disp\", \"hp\", \"wt\", \"drat\")]\n\n<span style=\"color: #008080;\">#create correlation matrix<\/span>\ncor(data)\n\n# disp hp wt drat\n#available 1.0000000 0.7909486 0.8879799 -0.7102139\n#hp 0.7909486 1.0000000 0.6587479 -0.4487591\n#wt 0.8879799 0.6587479 1.0000000 -0.7124406\n#drat -0.7102139 -0.4487591 -0.7124406 1.0000000\n<\/strong><\/pre>\n<p> <span style=\"color: #000000;\">Ingatlah bahwa variabel <em>disp<\/em> memiliki nilai VIF lebih besar dari 8, yang merupakan nilai VIF tertinggi di antara semua variabel prediktor dalam model. Dari matriks korelasi terlihat bahwa <em>disp<\/em> berkorelasi tinggi dengan ketiga variabel prediktor lainnya, hal ini menjelaskan mengapa nilai VIF-nya sangat tinggi.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Dalam kasus ini, Anda mungkin ingin menghapus <em>disp<\/em> dari model karena nilai VIF-nya tinggi <em>dan<\/em> tidak signifikan secara statistik pada tingkat signifikansi 0,05.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Perhatikan bahwa matriks korelasi dan VIF akan memberi Anda informasi serupa: keduanya memberi tahu Anda kapan suatu variabel berkorelasi tinggi dengan satu atau lebih variabel lain dalam model regresi.<\/span><\/p>\n<p> <strong><span style=\"color: #000000;\">Bacaan lebih lanjut:<\/span><\/strong><br \/> <strong>Panduan Multikolinearitas dan VIF dalam Regresi<br \/> Berapa nilai R-kuadrat yang bagus?<\/strong><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Multikolinearitas dalam analisis regresi terjadi ketika dua atau lebih variabel prediktor berkorelasi tinggi satu sama lain sehingga tidak memberikan informasi yang unik atau independen dalam model regresi. Jika tingkat korelasi antar variabel cukup tinggi, hal ini dapat menimbulkan masalah saat menyesuaikan dan menafsirkan model regresi . Cara paling umum untuk mendeteksi multikolinearitas adalah dengan menggunakan [&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 Variance Inflation Factor (VIF) di R - Statorials<\/title>\n<meta name=\"description\" content=\"Tutorial ini menjelaskan cara menghitung VIF di R, sebuah metrik yang dapat digunakan untuk mendeteksi multikolinearitas dalam model regresi.\" \/>\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\/faktor-inflasi-varians-r\/\" \/>\n<meta property=\"og:locale\" content=\"id_ID\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Cara Menghitung Variance Inflation Factor (VIF) di R - Statorials\" \/>\n<meta property=\"og:description\" content=\"Tutorial ini menjelaskan cara menghitung VIF di R, sebuah metrik yang dapat digunakan untuk mendeteksi multikolinearitas dalam model regresi.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/statorials.org\/id\/faktor-inflasi-varians-r\/\" \/>\n<meta property=\"og:site_name\" content=\"Statorials\" \/>\n<meta property=\"article:published_time\" content=\"2023-07-29T16:45:15+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=\"4 menit\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/statorials.org\/id\/faktor-inflasi-varians-r\/\",\"url\":\"https:\/\/statorials.org\/id\/faktor-inflasi-varians-r\/\",\"name\":\"Cara Menghitung Variance Inflation Factor (VIF) di R - Statorials\",\"isPartOf\":{\"@id\":\"https:\/\/statorials.org\/id\/#website\"},\"datePublished\":\"2023-07-29T16:45:15+00:00\",\"dateModified\":\"2023-07-29T16:45:15+00:00\",\"author\":{\"@id\":\"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81\"},\"description\":\"Tutorial ini menjelaskan cara menghitung VIF di R, sebuah metrik yang dapat digunakan untuk mendeteksi multikolinearitas dalam model regresi.\",\"breadcrumb\":{\"@id\":\"https:\/\/statorials.org\/id\/faktor-inflasi-varians-r\/#breadcrumb\"},\"inLanguage\":\"id\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/statorials.org\/id\/faktor-inflasi-varians-r\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/statorials.org\/id\/faktor-inflasi-varians-r\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/statorials.org\/id\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Cara menghitung variance inflation factor (vif) 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 Menghitung Variance Inflation Factor (VIF) di R - Statorials","description":"Tutorial ini menjelaskan cara menghitung VIF di R, sebuah metrik yang dapat digunakan untuk mendeteksi multikolinearitas dalam model regresi.","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\/faktor-inflasi-varians-r\/","og_locale":"id_ID","og_type":"article","og_title":"Cara Menghitung Variance Inflation Factor (VIF) di R - Statorials","og_description":"Tutorial ini menjelaskan cara menghitung VIF di R, sebuah metrik yang dapat digunakan untuk mendeteksi multikolinearitas dalam model regresi.","og_url":"https:\/\/statorials.org\/id\/faktor-inflasi-varians-r\/","og_site_name":"Statorials","article_published_time":"2023-07-29T16:45:15+00:00","author":"Benjamin anderson","twitter_card":"summary_large_image","twitter_misc":{"Ditulis oleh":"Benjamin anderson","Estimasi waktu membaca":"4 menit"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/statorials.org\/id\/faktor-inflasi-varians-r\/","url":"https:\/\/statorials.org\/id\/faktor-inflasi-varians-r\/","name":"Cara Menghitung Variance Inflation Factor (VIF) di R - Statorials","isPartOf":{"@id":"https:\/\/statorials.org\/id\/#website"},"datePublished":"2023-07-29T16:45:15+00:00","dateModified":"2023-07-29T16:45:15+00:00","author":{"@id":"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81"},"description":"Tutorial ini menjelaskan cara menghitung VIF di R, sebuah metrik yang dapat digunakan untuk mendeteksi multikolinearitas dalam model regresi.","breadcrumb":{"@id":"https:\/\/statorials.org\/id\/faktor-inflasi-varians-r\/#breadcrumb"},"inLanguage":"id","potentialAction":[{"@type":"ReadAction","target":["https:\/\/statorials.org\/id\/faktor-inflasi-varians-r\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/statorials.org\/id\/faktor-inflasi-varians-r\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/statorials.org\/id\/"},{"@type":"ListItem","position":2,"name":"Cara menghitung variance inflation factor (vif) 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\/505"}],"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=505"}],"version-history":[{"count":0,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/posts\/505\/revisions"}],"wp:attachment":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/media?parent=505"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/categories?post=505"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/tags?post=505"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}