{"id":529,"date":"2023-07-29T14:54:06","date_gmt":"2023-07-29T14:54:06","guid":{"rendered":"https:\/\/statorials.org\/id\/interval-prediksi-r\/"},"modified":"2023-07-29T14:54:06","modified_gmt":"2023-07-29T14:54:06","slug":"interval-prediksi-r","status":"publish","type":"post","link":"https:\/\/statorials.org\/id\/interval-prediksi-r\/","title":{"rendered":"Cara membuat interval prediksi di r"},"content":{"rendered":"<p><\/p>\n<hr>\n<p><span style=\"color: #000000;\">Model regresi linier dapat berguna untuk dua hal:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>(1)<\/strong> Mengukur hubungan antara satu atau lebih variabel prediktor dan variabel respon.<\/span><\/p>\n<p> <span style=\"color: #000000;\"><b>(2)<\/b> Gunakan model untuk memprediksi nilai masa depan.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Mengenai <strong>(2)<\/strong> , ketika kita menggunakan model regresi untuk memprediksi nilai di masa depan, kita sering kali ingin memprediksi baik <em>nilai eksak<\/em> maupun <em>interval<\/em> yang berisi rentang nilai yang mungkin. Interval ini disebut <strong>interval prediksi<\/strong> .<\/span><\/p>\n<p> <span style=\"color: #000000;\">Misalnya, kita menyesuaikan model regresi linier sederhana dengan menggunakan <em>jam belajar<\/em> sebagai variabel prediktor dan <em>nilai ujian<\/em> sebagai variabel respons. Dengan menggunakan model ini, kita dapat memperkirakan bahwa seorang siswa yang belajar selama 6 jam akan mendapat nilai <strong>91<\/strong> pada ujiannya.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Namun, karena terdapat ketidakpastian mengenai prediksi ini, kita dapat membuat interval prediksi yang menunjukkan bahwa terdapat kemungkinan 95% siswa yang belajar selama 6 jam akan memperoleh nilai ujian antara <strong>85<\/strong> dan <strong>97<\/strong> . Rentang nilai ini dikenal sebagai interval prediksi 95% dan seringkali lebih berguna bagi kita daripada sekadar mengetahui nilai prediksi secara pasti.<\/span><\/p>\n<h2> <span style=\"color: #000000;\"><strong>Cara membuat interval prediksi di R<\/strong><\/span><\/h2>\n<p> <span style=\"color: #000000;\">Untuk mengilustrasikan cara membuat interval prediksi di R, kita akan menggunakan kumpulan data <em>mtcars<\/em> bawaan, yang berisi informasi tentang karakteristik beberapa mobil berbeda:<\/span><\/p>\n<pre style=\"background-color: #e5e5e5; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#view first six rows of<\/span> <span style=\"color: #008080;\"><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\n<\/strong><\/pre>\n<p> <span style=\"color: #000000;\">Pertama, kita akan membuat model regresi linier sederhana dengan menggunakan <em>disp<\/em> sebagai variabel prediktor dan <em>mpg<\/em> sebagai variabel respon.<\/span><\/p>\n<pre style=\"background-color: #e5e5e5; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#fit simple linear regression model<\/span>\nmodel &lt;- lm(mpg ~ disp, data = mtcars)\n\n<span style=\"color: #008080;\">#view summary of fitted model<\/span>\nsummary(model)\n\n#Call:\n#lm(formula = mpg ~ availability, data = mtcars)\n#\n#Residuals:\n# Min 1Q Median 3Q Max \n#-4.8922 -2.2022 -0.9631 1.6272 7.2305 \n#\n#Coefficients:\n#Estimate Std. Error t value Pr(&gt;|t|)    \n#(Intercept) 29.599855 1.229720 24.070 &lt; 2e-16 ***\n#disp -0.041215 0.004712 -8.747 9.38e-10 ***\n#---\n#Significant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1\n#\n#Residual standard error: 3.251 on 30 degrees of freedom\n#Multiple R-squared: 0.7183, Adjusted R-squared: 0.709 \n#F-statistic: 76.51 on 1 and 30 DF, p-value: 9.38e-10\n<\/strong><\/pre>\n<p> <span style=\"color: #000000;\">Selanjutnya kita akan menggunakan model regresi yang dilengkapi untuk memprediksi nilai <em>mpg<\/em> berdasarkan tiga nilai baru untuk <em>disp<\/em> .<\/span><\/p>\n<pre style=\"background-color: #e5e5e5; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#create data frame with three new values for<\/span> <em><span style=\"color: #008080;\">avail\n<\/span><\/em>new_disp &lt;- data.frame(disp= c(150, 200, 250))\n<span style=\"color: #008080;\">\n#use the fitted model to predict the value for <em>mpg<\/em><\/span> <span style=\"color: #008080;\">based on the three new values<\/span>\n<span style=\"color: #008080;\">#for<\/span> <em><span style=\"color: #008080;\">avail<\/span>\n<\/em>predict(model, newdata = new_disp)\n\n#1 2 3 \n#23.41759 21.35683 19.29607 \n<\/strong><\/pre>\n<p> <span style=\"color: #000000;\">Cara memaknai nilai-nilai tersebut adalah sebagai berikut:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Untuk mobil baru dengan <em>EPA<\/em> 150, kami perkirakan memiliki <em>mpg<\/em> <strong>23.41759<\/strong> .<\/span><\/li>\n<li> <span style=\"color: #000000;\">Untuk mobil baru dengan <em>EPA<\/em> 200, kami perkirakan memiliki <em>mpg<\/em> <strong>21.35683<\/strong> .<\/span><\/li>\n<li> <span style=\"color: #000000;\">Untuk mobil baru dengan <em>EPA<\/em> 250, kami perkirakan memiliki <em>mpg<\/em> <strong>19.29607<\/strong> .<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Selanjutnya, kita akan menggunakan model regresi yang sesuai untuk membuat interval prediksi di sekitar nilai prediksi berikut:<\/span><\/p>\n<pre style=\"background-color: #e5e5e5; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#create prediction intervals around the predicted values<\/span>\n<span style=\"color: #000000;\">predict(model, newdata = new_disp, interval = \" <span style=\"color: #ff0000;\">predict<\/span> \")<\/span>\n\n# fit lwr upr\n#1 23.41759 16.62968 30.20549\n#2 21.35683 14.60704 28.10662\n#3 19.29607 12.55021 26.04194\n<\/strong><\/pre>\n<p> <span style=\"color: #000000;\">Cara memaknai nilai-nilai tersebut adalah sebagai berikut:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Interval prediksi 95% <em>mpg<\/em> untuk mobil dengan <em>EPA<\/em> 150 adalah antara <strong>16.62968<\/strong> dan <strong>30.20549<\/strong> .<\/span><\/li>\n<li> <span style=\"color: #000000;\">Interval prediksi 95% <em>mpg<\/em> untuk mobil dengan <em>EPA<\/em> 200 adalah antara <b>14.60704<\/b> dan <strong>28.10662<\/strong> .<\/span><\/li>\n<li> <span style=\"color: #000000;\">Interval prediksi 95% <em>mpg<\/em> untuk mobil dengan <em>EPA<\/em> 250 adalah antara <b>12.55021<\/b> dan <strong>26.04194<\/strong> .<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Secara default, R menggunakan interval prediksi 95%. Namun, kita dapat mengubahnya sesuai keinginan menggunakan perintah <strong>level<\/strong> . Misalnya, kode berikut menunjukkan cara membuat interval prediksi 99%:<\/span><\/p>\n<pre style=\"background-color: #e5e5e5; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#create 99% prediction intervals around the predicted values\n<\/span>predict(model, newdata = new_disp, <span style=\"color: #800080;\"><span style=\"color: #000000;\">interval = \" <span style=\"color: #ff0000;\">predict<\/span> \", level = <span style=\"color: #008000;\">0.99<\/span><\/span><\/span> <span style=\"color: #000000;\">)<\/span>\n\n# fit lwr upr\n#1 23.41759 14.27742 32.55775\n#2 21.35683 12.26799 30.44567\n#3 19.29607 10.21252 28.37963\n<\/strong><\/pre>\n<p> <span style=\"color: #000000;\">Perhatikan bahwa interval prediksi 99% lebih lebar dari interval prediksi 95%. Hal ini masuk akal karena semakin lebar intervalnya, semakin besar kemungkinannya mengandung nilai prediksi.<\/span><\/p>\n<h2> <span style=\"color: #000000;\"><strong>Cara memvisualisasikan interval prediksi di R<\/strong><\/span><\/h2>\n<p> <span style=\"color: #000000;\">Kode berikut menunjukkan cara membuat bagan dengan fungsi berikut:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Plot sebar titik data untuk <em>ketersediaan<\/em> dan <em>mpg<\/em><\/span><\/li>\n<li> <span style=\"color: #000000;\">Garis biru untuk garis regresi yang dipasang<\/span><\/li>\n<li> <span style=\"color: #000000;\">Pita kepercayaan diri berwarna abu-abu<\/span><\/li>\n<li> <span style=\"color: #000000;\">Pita prediksi berwarna merah<\/span><\/li>\n<\/ul>\n<pre style=\"background-color: #e5e5e5; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#define dataset<\/span>\ndata &lt;- mtcars[, c(\"mpg\", \"disp\")]\n\n<span style=\"color: #008080;\">#create simple linear regression model\n<\/span>model &lt;- lm(mpg ~ disp, data = mtcars)\n\n<span style=\"color: #008080;\">#use model to create prediction intervals\n<\/span>predictions &lt;- predict(model, interval = \" <span style=\"color: #ff0000;\">predict<\/span> \")\n\n<span style=\"color: #008080;\">#create dataset that contains original data along with prediction intervals\n<\/span>all_data &lt;- cbind(data, predictions)\n\n<span style=\"color: #008080;\">#load <em>ggplot2<\/em> library\n<\/span>library(ggplot2)\n\n<span style=\"color: #008080;\">#createplot\n<\/span>ggplot(all_data, aes(x = disp, y = mpg)) + <span style=\"color: #008080;\">#define x and y axis variables<\/span>\n  geom_point() + <span style=\"color: #008080;\">#add scatterplot points<\/span>\n  stat_smooth(method = lm) + <span style=\"color: #008080;\">#confidence bands<\/span>\n  geom_line(aes(y = lwr), col = \"coral2\", linetype = \"dashed\") + <span style=\"color: #008080;\">#lwr pred interval<\/span>\n  geom_line(aes(y = upr), col = \"coral2\", linetype = \"dashed\") <span style=\"color: #008080;\">#upr pred interval<\/span><\/strong><\/pre>\n<h2> <strong><span style=\"color: #000000;\">Kapan menggunakan interval kepercayaan versus interval prediksi<\/span><\/strong><\/h2>\n<p> <span style=\"color: #000000;\"><strong>Interval prediksi<\/strong> menangkap ketidakpastian di sekitar suatu nilai. <strong>Interval kepercayaan<\/strong> menangkap ketidakpastian di sekitar nilai rata-rata yang diprediksi. Dengan demikian, interval prediksi akan selalu lebih lebar dari interval kepercayaan untuk nilai yang sama.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Anda harus menggunakan interval prediksi bila Anda tertarik pada prediksi individu tertentu, karena interval kepercayaan akan menghasilkan rentang nilai yang terlalu sempit, sehingga menghasilkan kemungkinan lebih besar bahwa interval tersebut tidak berisi nilai sebenarnya.<\/span><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Model regresi linier dapat berguna untuk dua hal: (1) Mengukur hubungan antara satu atau lebih variabel prediktor dan variabel respon. (2) Gunakan model untuk memprediksi nilai masa depan. Mengenai (2) , ketika kita menggunakan model regresi untuk memprediksi nilai di masa depan, kita sering kali ingin memprediksi baik nilai eksak maupun interval yang berisi rentang [&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 membuat interval prediksi di R - Statorials<\/title>\n<meta name=\"description\" content=\"Tutorial ini menjelaskan cara mudah membuat interval prediksi di R.\" \/>\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\/interval-prediksi-r\/\" \/>\n<meta property=\"og:locale\" content=\"id_ID\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Cara membuat interval prediksi di R - Statorials\" \/>\n<meta property=\"og:description\" content=\"Tutorial ini menjelaskan cara mudah membuat interval prediksi di R.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/statorials.org\/id\/interval-prediksi-r\/\" \/>\n<meta property=\"og:site_name\" content=\"Statorials\" \/>\n<meta property=\"article:published_time\" content=\"2023-07-29T14:54:06+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\/interval-prediksi-r\/\",\"url\":\"https:\/\/statorials.org\/id\/interval-prediksi-r\/\",\"name\":\"Cara membuat interval prediksi di R - Statorials\",\"isPartOf\":{\"@id\":\"https:\/\/statorials.org\/id\/#website\"},\"datePublished\":\"2023-07-29T14:54:06+00:00\",\"dateModified\":\"2023-07-29T14:54:06+00:00\",\"author\":{\"@id\":\"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81\"},\"description\":\"Tutorial ini menjelaskan cara mudah membuat interval prediksi di R.\",\"breadcrumb\":{\"@id\":\"https:\/\/statorials.org\/id\/interval-prediksi-r\/#breadcrumb\"},\"inLanguage\":\"id\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/statorials.org\/id\/interval-prediksi-r\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/statorials.org\/id\/interval-prediksi-r\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/statorials.org\/id\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Cara membuat interval prediksi 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 membuat interval prediksi di R - Statorials","description":"Tutorial ini menjelaskan cara mudah membuat interval prediksi di R.","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\/interval-prediksi-r\/","og_locale":"id_ID","og_type":"article","og_title":"Cara membuat interval prediksi di R - Statorials","og_description":"Tutorial ini menjelaskan cara mudah membuat interval prediksi di R.","og_url":"https:\/\/statorials.org\/id\/interval-prediksi-r\/","og_site_name":"Statorials","article_published_time":"2023-07-29T14:54:06+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\/interval-prediksi-r\/","url":"https:\/\/statorials.org\/id\/interval-prediksi-r\/","name":"Cara membuat interval prediksi di R - Statorials","isPartOf":{"@id":"https:\/\/statorials.org\/id\/#website"},"datePublished":"2023-07-29T14:54:06+00:00","dateModified":"2023-07-29T14:54:06+00:00","author":{"@id":"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81"},"description":"Tutorial ini menjelaskan cara mudah membuat interval prediksi di R.","breadcrumb":{"@id":"https:\/\/statorials.org\/id\/interval-prediksi-r\/#breadcrumb"},"inLanguage":"id","potentialAction":[{"@type":"ReadAction","target":["https:\/\/statorials.org\/id\/interval-prediksi-r\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/statorials.org\/id\/interval-prediksi-r\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/statorials.org\/id\/"},{"@type":"ListItem","position":2,"name":"Cara membuat interval prediksi 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\/529"}],"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=529"}],"version-history":[{"count":0,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/posts\/529\/revisions"}],"wp:attachment":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/media?parent=529"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/categories?post=529"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/tags?post=529"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}