Pada bagian ini, kita menggunakan fungsi read_excel()
dari paket readxl untuk memasukkan data dari file Excel ke
dalam R. Data yang dimasukkan akan diperiksa dengan fungsi
str() untuk melihat struktur data dan dim()
untuk mengecek dimensi dataset yang dimuat. Hal ini penting untuk
memastikan bahwa data yang digunakan dalam analisis regresi sudah
terimpor dengan benar. Peubah yang digunakan adalah sebagai berikut:
\(Y\) = Pertumbuhan Ekonomi
\(X_1\) = Ekspor
\(X_2\) = Investasi
\(X_3\) = Konsumsi Lembaga Sosial Nirlaba
\(X_4\) = Konsumsi Rumah Tangga
\(X_5\) = Pengeluaran Pemerintah
\(X_6\) = Perubahan Inventori
library(readxl) #Memasukkan Data ke R (Excel)
Data <- read_excel("D:/Pertumbuhan Ekonomi SS - 3.xlsx", sheet = "Sheet1")
as.data.frame(Data)## PertumbuhanEkonomi Ekspor Investasi KonsumsiLSNirlaba KonsumsiRT
## 1 24407.10 15443.83 6070.14 123.15 11919.53
## 2 25835.93 18961.48 5996.57 121.72 12057.78
## 3 26564.60 19064.53 6694.59 133.51 12360.51
## 4 27807.45 19400.01 7164.88 135.14 12394.40
## 5 26831.47 20312.28 4576.75 133.58 12414.77
## 6 28066.35 20089.67 5706.60 132.44 12528.48
## 7 28260.83 17901.09 7936.27 136.87 12866.39
## 8 28607.48 18055.58 10047.08 145.35 12901.03
## 9 29267.50 20468.57 6324.85 152.14 12948.86
## 10 29932.46 20470.82 6627.83 160.82 13072.90
## 11 30164.96 19766.90 7146.25 155.19 13432.43
## 12 30626.52 20225.28 8018.24 157.87 13469.81
## 13 30676.87 23085.90 5684.30 156.79 13477.12
## 14 31217.95 22886.98 6357.61 159.73 13634.46
## 15 31509.67 21722.74 7297.29 165.10 14002.85
## 16 31632.92 20778.02 8495.45 171.97 14020.96
## 17 31779.84 22767.92 6375.99 159.67 14069.16
## 18 32345.92 22689.53 6606.96 163.04 14256.73
## 19 32757.23 22858.57 7529.49 169.51 14630.15
## 20 33618.14 22840.99 8526.54 176.70 14653.54
## 21 33109.12 23727.00 6959.50 160.67 14676.13
## 22 33721.56 24337.50 7091.61 170.95 14946.31
## 23 34301.23 27288.60 7819.14 172.95 15273.60
## 24 35369.80 25198.34 8257.28 181.98 15270.03
## 25 34640.01 26152.61 7285.04 183.54 15292.48
## 26 35338.86 25271.13 7380.88 195.63 15687.74
## 27 35902.43 27907.24 7825.32 198.64 15883.81
## 28 37087.00 29358.29 8274.75 207.66 15921.27
## 29 36263.42 27566.04 7310.77 216.38 15924.14
## 30 37055.64 26926.97 7800.59 221.85 16251.61
## 31 37525.67 28608.31 8215.83 204.03 16490.36
## 32 38419.88 28916.06 8553.74 202.95 16631.70
## PengeluaranPemerintah PerubahanInventori
## 1 1388.04 1617.14
## 2 2083.34 -242.78
## 3 2267.53 -342.07
## 4 3243.64 417.87
## 5 1265.14 754.61
## 6 2137.20 -246.67
## 7 2355.18 681.65
## 8 3438.23 -2357.23
## 9 1540.24 850.70
## 10 2203.98 705.31
## 11 2490.68 809.50
## 12 3565.75 -897.09
## 13 1531.38 514.47
## 14 1792.01 708.80
## 15 2459.89 657.67
## 16 4058.88 -581.94
## 17 1550.05 470.39
## 18 1969.64 691.85
## 19 2244.14 645.95
## 20 3990.58 -551.56
## 21 1563.40 -259.63
## 22 2250.48 784.71
## 23 2393.26 -533.63
## 24 4025.44 689.47
## 25 1357.97 203.52
## 26 2653.49 279.64
## 27 2687.63 589.70
## 28 4043.09 -1070.49
## 29 1407.21 768.28
## 30 2890.90 859.11
## 31 3174.94 -816.81
## 32 4047.44 416.50str(Data)## tibble [32 × 7] (S3: tbl_df/tbl/data.frame)
## $ PertumbuhanEkonomi : num [1:32] 24407 25836 26565 27807 26831 ...
## $ Ekspor : num [1:32] 15444 18961 19065 19400 20312 ...
## $ Investasi : num [1:32] 6070 5997 6695 7165 4577 ...
## $ KonsumsiLSNirlaba : num [1:32] 123 122 134 135 134 ...
## $ KonsumsiRT : num [1:32] 11920 12058 12361 12394 12415 ...
## $ PengeluaranPemerintah: num [1:32] 1388 2083 2268 3244 1265 ...
## $ PerubahanInventori : num [1:32] 1617 -243 -342 418 755 ...dim(Data)## [1] 32 7Pada tahap ini, data distandarisasi menggunakan fungsi
scale() untuk mengubah setiap peubah ke dalam skala yang
sama, yaitu rata-rata 0 dan standar deviasi 1. Standarisasi penting
dilakukan terutama jika data memiliki skala yang sangat berbeda-beda,
agar tidak ada peubah yang dominan dalam model analisis.
Data <- as.data.frame(scale(Data))
Data## PertumbuhanEkonomi Ekspor Investasi KonsumsiLSNirlaba KonsumsiRT
## 1 -2.01351024 -2.028181931 -1.08734228 -1.59791967 -1.59271589
## 2 -1.62930451 -1.064257350 -1.15521863 -1.65064899 -1.49476539
## 3 -1.43336854 -1.036019058 -0.51121909 -1.21590864 -1.28028036
## 4 -1.09917197 -0.944089099 -0.07732530 -1.15580459 -1.25626920
## 5 -1.36160844 -0.694104172 -2.46515734 -1.21332749 -1.24183700
## 6 -1.02955496 -0.755104912 -1.42274756 -1.25536345 -1.16127316
## 7 -0.97726020 -1.354830882 0.63436606 -1.09201318 -0.92186300
## 8 -0.88404763 -1.312496736 2.58181836 -0.77932462 -0.89732047
## 9 -0.70657133 -0.651276781 -0.85234454 -0.52895252 -0.86343278
## 10 -0.52776668 -0.650660225 -0.57281247 -0.20888923 -0.77555010
## 11 -0.46524852 -0.843552011 -0.09451351 -0.41648789 -0.52082212
## 12 -0.34113718 -0.717944361 0.70999232 -0.31766650 -0.49433829
## 13 -0.32759830 0.065937474 -1.44332174 -0.35749005 -0.48915913
## 14 -0.18210441 0.011428390 -0.82211987 -0.24908151 -0.37768332
## 15 -0.10366226 -0.307602654 0.04483736 -0.05107001 -0.11667800
## 16 -0.07052091 -0.566479697 1.15027056 0.20225198 -0.10384701
## 17 -0.03101481 -0.021197044 -0.80516232 -0.25129393 -0.06969718
## 18 0.12120147 -0.042677876 -0.59206732 -0.12702973 0.06319667
## 19 0.23180081 0.003643336 0.25906717 0.11154279 0.32776576
## 20 0.46329549 -0.001174027 1.17895447 0.37666435 0.34433764
## 21 0.32642239 0.241615000 -0.26681074 -0.21442028 0.36034271
## 22 0.49110465 0.408907356 -0.14492486 0.16464085 0.55176598
## 23 0.64697521 1.217582987 0.52630086 0.23838815 0.78365183
## 24 0.93430871 0.644799169 0.93053277 0.57135722 0.78112248
## 25 0.73807158 0.906293152 0.03353540 0.62888012 0.79702836
## 26 0.92598908 0.664745460 0.12195824 1.07468256 1.07707115
## 27 1.07753043 1.387105908 0.53200259 1.18567225 1.21598728
## 28 1.39605578 1.784730107 0.94665075 1.51827258 1.24252779
## 29 1.17459896 1.293608525 0.05727413 1.83981082 1.24456119
## 30 1.38762323 1.118487270 0.50918647 2.04150969 1.47657458
## 31 1.51401210 1.579216722 0.89229063 1.38442123 1.64572960
## 32 1.75446100 1.663547963 1.20404944 1.34459769 1.74586938
## PengeluaranPemerintah PerubahanInventori
## 1 -1.23378386 1.8044167
## 2 -0.46383967 -0.5542618
## 3 -0.25987589 -0.6801775
## 4 0.82102476 0.2835490
## 5 -1.36987784 0.7105896
## 6 -0.40419751 -0.5591949
## 7 -0.16281619 0.6180646
## 8 1.03650504 -3.2357254
## 9 -1.06524438 0.8324472
## 10 -0.33024832 0.6480692
## 11 -0.01276954 0.7801990
## 12 1.17771500 -1.3840324
## 13 -1.07505554 0.4060534
## 14 -0.78644551 0.6524951
## 15 -0.04686501 0.5876540
## 16 1.72378515 -0.9843714
## 17 -1.05438122 0.3501528
## 18 -0.58974598 0.6309998
## 19 -0.28577693 0.5727912
## 20 1.64815278 -0.9458446
## 21 -1.03959803 -0.5756303
## 22 -0.27875630 0.7487613
## 23 -0.12064810 -0.9231065
## 24 1.68675519 0.6279816
## 25 -1.26708204 0.0117186
## 26 0.16751899 0.1082510
## 27 0.20532410 0.5014571
## 28 1.70630001 -1.6039315
## 29 -1.21255586 0.7279254
## 30 0.43041623 0.8431125
## 31 0.74494945 -1.2822244
## 32 1.71111701 0.2818116Pada bagian ini, dilakukan analisis regresi berganda menggunakan
fungsi lm() untuk membangun model regresi dengan
PertumbuhanEkonomi sebagai peubah respons dan beberapa peubah penjelas.
Hasil model akan diperiksa melalui fungsi summary() untuk
menilai seberapa baik model dalam menjelaskan variasi dalam peubah
respons.
Model_ARLB <- lm (PertumbuhanEkonomi ~ Ekspor + Investasi + KonsumsiRT + PengeluaranPemerintah
+ KonsumsiLSNirlaba + PerubahanInventori, data=Data)
summary (Model_ARLB)##
## Call:
## lm(formula = PertumbuhanEkonomi ~ Ekspor + Investasi + KonsumsiRT +
## PengeluaranPemerintah + KonsumsiLSNirlaba + PerubahanInventori,
## data = Data)
##
## Residuals:
## Min 1Q Median 3Q Max
## -0.31133 -0.07305 0.01199 0.09625 0.15641
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 4.284e-16 2.331e-02 0.000 1.000
## Ekspor 1.779e-01 1.050e-01 1.694 0.103
## Investasi 1.279e-02 6.105e-02 0.209 0.836
## KonsumsiRT 6.743e-01 1.373e-01 4.910 4.7e-05 ***
## PengeluaranPemerintah 6.195e-02 3.882e-02 1.596 0.123
## KonsumsiLSNirlaba 1.257e-01 8.376e-02 1.501 0.146
## PerubahanInventori 1.315e-02 3.654e-02 0.360 0.722
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.1319 on 25 degrees of freedom
## Multiple R-squared: 0.986, Adjusted R-squared: 0.9826
## F-statistic: 293 on 6 and 25 DF, p-value: < 2.2e-16Pada bagian ini, kita akan memanfaatkan paket olsrr
untuk melakukan seleksi subset model dalam analisis regresi. Paket ini
menyediakan berbagai metode untuk membantu dalam memilih model regresi
terbaik berdasarkan kriteria tertentu. Dengan menggunakan fungsi-fungsi
dari olsrr, kita dapat mengeksplorasi dan mengidentifikasi
model yang paling sesuai untuk data yang digunakan.
library(olsrr)##
## Attaching package: 'olsrr'## The following object is masked from 'package:datasets':
##
## riversDalam metode regresi forward, peubah penjelas ditambahkan satu per satu ke dalam model berdasarkan kriteria yang telah ditentukan. Pada bagian ini, kita menggunakan kriteria AIC (Akaike Information Criterion) untuk memilih model terbaik. AIC digunakan untuk membandingkan model-model yang berbeda, dengan memilih model yang memiliki nilai AIC terendah, yang menunjukkan keseimbangan antara kecocokan model dan kompleksitasnya.
FWDfit.aic<-ols_step_forward_aic(Model_ARLB,details=TRUE)## Forward Selection Method
## ------------------------
##
## Candidate Terms:
##
## 1. Ekspor
## 2. Investasi
## 3. KonsumsiRT
## 4. PengeluaranPemerintah
## 5. KonsumsiLSNirlaba
## 6. PerubahanInventori
##
##
## Step => 0
## Model => PertumbuhanEkonomi ~ 1
## AIC => 93.79611
##
## Initiating stepwise selection...
##
## Table: Adding New Variables
## ------------------------------------------------------------------------------------
## Predictor DF AIC SBC SBIC R2 Adj. R2
## ------------------------------------------------------------------------------------
## KonsumsiRT 1 -28.995 -24.597 -120.287 0.97975 0.97908
## KonsumsiLSNirlaba 1 14.388 18.785 -80.700 0.92145 0.91883
## Ekspor 1 23.178 27.575 -72.306 0.89662 0.89317
## Investasi 1 85.981 90.378 -10.637 0.26414 0.23961
## PengeluaranPemerintah 1 90.648 95.045 -5.996 0.14861 0.12023
## PerubahanInventori 1 95.612 100.009 -1.056 0.00574 -0.02740
## ------------------------------------------------------------------------------------
##
## Step => 1
## Added => KonsumsiRT
## Model => PertumbuhanEkonomi ~ KonsumsiRT
## AIC => -28.99469
##
## Table: Adding New Variables
## -----------------------------------------------------------------------------------
## Predictor DF AIC SBC SBIC R2 Adj. R2
## -----------------------------------------------------------------------------------
## PengeluaranPemerintah 1 -30.730 -24.867 -121.564 0.98198 0.98074
## KonsumsiLSNirlaba 1 -30.004 -24.141 -120.974 0.98157 0.98030
## Ekspor 1 -29.006 -23.143 -120.161 0.98099 0.97967
## PerubahanInventori 1 -27.829 -21.966 -119.198 0.98027 0.97891
## Investasi 1 -27.447 -21.584 -118.885 0.98004 0.97866
## -----------------------------------------------------------------------------------
##
## Step => 2
## Added => PengeluaranPemerintah
## Model => PertumbuhanEkonomi ~ KonsumsiRT + PengeluaranPemerintah
## AIC => -30.72977
##
## Table: Adding New Variables
## --------------------------------------------------------------------------------
## Predictor DF AIC SBC SBIC R2 Adj. R2
## --------------------------------------------------------------------------------
## Ekspor 1 -33.509 -26.181 -123.117 0.98448 0.98282
## KonsumsiLSNirlaba 1 -31.412 -24.083 -121.571 0.98343 0.98166
## Investasi 1 -30.073 -22.745 -120.577 0.98272 0.98087
## PerubahanInventori 1 -28.737 -21.409 -119.578 0.98199 0.98006
## --------------------------------------------------------------------------------
##
## Step => 3
## Added => Ekspor
## Model => PertumbuhanEkonomi ~ KonsumsiRT + PengeluaranPemerintah + Ekspor
## AIC => -33.50939
##
## Table: Adding New Variables
## --------------------------------------------------------------------------------
## Predictor DF AIC SBC SBIC R2 Adj. R2
## --------------------------------------------------------------------------------
## KonsumsiLSNirlaba 1 -34.584 -25.789 -122.811 0.98590 0.98382
## PerubahanInventori 1 -31.846 -23.052 -121.026 0.98465 0.98237
## Investasi 1 -31.513 -22.719 -120.805 0.98448 0.98219
## --------------------------------------------------------------------------------
##
## Step => 4
## Added => KonsumsiLSNirlaba
## Model => PertumbuhanEkonomi ~ KonsumsiRT + PengeluaranPemerintah + Ekspor + KonsumsiLSNirlaba
## AIC => -34.58368
##
## Table: Adding New Variables
## --------------------------------------------------------------------------------
## Predictor DF AIC SBC SBIC R2 Adj. R2
## --------------------------------------------------------------------------------
## PerubahanInventori 1 -32.693 -22.433 -120.327 0.98595 0.98325
## Investasi 1 -32.584 -22.324 -120.265 0.98590 0.98319
## --------------------------------------------------------------------------------
##
##
## No more variables to be added.
##
## Variables Selected:
##
## => KonsumsiRT
## => PengeluaranPemerintah
## => Ekspor
## => KonsumsiLSNirlabaFWDfit.aic##
##
## Stepwise Summary
## -------------------------------------------------------------------------------------
## Step Variable AIC SBC SBIC R2 Adj. R2
## -------------------------------------------------------------------------------------
## 0 Base Model 93.796 96.728 -0.909 0.00000 0.00000
## 1 KonsumsiRT -28.995 -24.597 -120.287 0.97975 0.97908
## 2 PengeluaranPemerintah -30.730 -24.867 -121.564 0.98198 0.98074
## 3 Ekspor -33.509 -26.181 -123.117 0.98448 0.98282
## 4 KonsumsiLSNirlaba -34.584 -25.789 -122.811 0.98590 0.98382
## -------------------------------------------------------------------------------------
##
## Final Model Output
## ------------------
##
## Model Summary
## --------------------------------------------------------------------
## R 0.993 RMSE 0.117
## R-Squared 0.986 MSE 0.014
## Adj. R-Squared 0.984 Coef. Var 2.801455e+16
## Pred R-Squared 0.980 AIC -34.584
## MAE 0.098 SBC -25.789
## --------------------------------------------------------------------
## RMSE: Root Mean Square Error
## MSE: Mean Square Error
## MAE: Mean Absolute Error
## AIC: Akaike Information Criteria
## SBC: Schwarz Bayesian Criteria
##
## ANOVA
## --------------------------------------------------------------------
## Sum of
## Squares DF Mean Square F Sig.
## --------------------------------------------------------------------
## Regression 30.563 4 7.641 472.111 0.0000
## Residual 0.437 27 0.016
## Total 31.000 31
## --------------------------------------------------------------------
##
## Parameter Estimates
## -----------------------------------------------------------------------------------------------
## model Beta Std. Error Std. Beta t Sig lower upper
## -----------------------------------------------------------------------------------------------
## (Intercept) 0.000 0.022 0.000 1.000 -0.046 0.046
## KonsumsiRT 0.694 0.106 0.694 6.547 0.000 0.476 0.911
## PengeluaranPemerintah 0.061 0.025 0.061 2.412 0.023 0.009 0.114
## Ekspor 0.158 0.073 0.158 2.176 0.038 0.009 0.307
## KonsumsiLSNirlaba 0.131 0.079 0.131 1.650 0.111 -0.032 0.294
## -----------------------------------------------------------------------------------------------Dalam regresi forward dengan pendekatan p-value, peubah penjelas ditambahkan berdasarkan signifikansi statistiknya. Hanya peubah yang memiliki p-value lebih kecil dari nilai ambang batas (misalnya 0.1) yang akan dimasukkan ke dalam model. Pendekatan ini digunakan untuk memilih peubah yang paling berpengaruh terhadap model.
FWDfit.p<-ols_step_forward_p(Model_ARLB,p_val = 0.1,details=TRUE)## Forward Selection Method
## ------------------------
##
## Candidate Terms:
##
## 1. Ekspor
## 2. Investasi
## 3. KonsumsiRT
## 4. PengeluaranPemerintah
## 5. KonsumsiLSNirlaba
## 6. PerubahanInventori
##
##
## Step => 0
## Model => PertumbuhanEkonomi ~ 1
## R2 => 0
##
## Initiating stepwise selection...
##
## Selection Metrics Table
## ---------------------------------------------------------------------------
## Predictor Pr(>|t|) R-Squared Adj. R-Squared AIC
## ---------------------------------------------------------------------------
## KonsumsiRT 0.00000 0.980 0.979 -28.995
## KonsumsiLSNirlaba 0.00000 0.921 0.919 14.388
## Ekspor 0.00000 0.897 0.893 23.178
## Investasi 0.00262 0.264 0.240 85.981
## PengeluaranPemerintah 0.02934 0.149 0.120 90.648
## PerubahanInventori 0.68021 0.006 -0.027 95.612
## ---------------------------------------------------------------------------
##
## Step => 1
## Selected => KonsumsiRT
## Model => PertumbuhanEkonomi ~ KonsumsiRT
## R2 => 0.98
##
## Selection Metrics Table
## ---------------------------------------------------------------------------
## Predictor Pr(>|t|) R-Squared Adj. R-Squared AIC
## ---------------------------------------------------------------------------
## PengeluaranPemerintah 0.06812 0.982 0.981 -30.730
## KonsumsiLSNirlaba 0.10158 0.982 0.980 -30.004
## Ekspor 0.18067 0.981 0.980 -29.006
## PerubahanInventori 0.38870 0.980 0.979 -27.829
## Investasi 0.52561 0.980 0.979 -27.447
## ---------------------------------------------------------------------------
##
## Step => 2
## Selected => PengeluaranPemerintah
## Model => PertumbuhanEkonomi ~ KonsumsiRT + PengeluaranPemerintah
## R2 => 0.982
##
## Selection Metrics Table
## ------------------------------------------------------------------------
## Predictor Pr(>|t|) R-Squared Adj. R-Squared AIC
## ------------------------------------------------------------------------
## Ekspor 0.04265 0.984 0.983 -33.509
## KonsumsiLSNirlaba 0.12890 0.983 0.982 -31.412
## Investasi 0.28251 0.983 0.981 -30.073
## PerubahanInventori 0.93548 0.982 0.980 -28.737
## ------------------------------------------------------------------------
##
## Step => 3
## Selected => Ekspor
## Model => PertumbuhanEkonomi ~ KonsumsiRT + PengeluaranPemerintah + Ekspor
## R2 => 0.984
##
## Selection Metrics Table
## ------------------------------------------------------------------------
## Predictor Pr(>|t|) R-Squared Adj. R-Squared AIC
## ------------------------------------------------------------------------
## KonsumsiLSNirlaba 0.11052 0.986 0.984 -34.584
## PerubahanInventori 0.59732 0.985 0.982 -31.846
## Investasi 0.95661 0.984 0.982 -31.513
## ------------------------------------------------------------------------
##
##
## No more variables to be added.
##
## Variables Selected:
##
## => KonsumsiRT
## => PengeluaranPemerintah
## => EksporFWDfit.p##
##
## Stepwise Summary
## -------------------------------------------------------------------------------------
## Step Variable AIC SBC SBIC R2 Adj. R2
## -------------------------------------------------------------------------------------
## 0 Base Model 93.796 96.728 -0.909 0.00000 0.00000
## 1 KonsumsiRT -28.995 -24.597 -120.287 0.97975 0.97908
## 2 PengeluaranPemerintah -30.730 -24.867 -121.564 0.98198 0.98074
## 3 Ekspor -33.509 -26.181 -123.117 0.98448 0.98282
## -------------------------------------------------------------------------------------
##
## Final Model Output
## ------------------
##
## Model Summary
## --------------------------------------------------------------------
## R 0.992 RMSE 0.123
## R-Squared 0.984 MSE 0.015
## Adj. R-Squared 0.983 Coef. Var 2.886345e+16
## Pred R-Squared 0.979 AIC -33.509
## MAE 0.096 SBC -26.181
## --------------------------------------------------------------------
## RMSE: Root Mean Square Error
## MSE: Mean Square Error
## MAE: Mean Absolute Error
## AIC: Akaike Information Criteria
## SBC: Schwarz Bayesian Criteria
##
## ANOVA
## --------------------------------------------------------------------
## Sum of
## Squares DF Mean Square F Sig.
## --------------------------------------------------------------------
## Regression 30.519 3 10.173 592.144 0.0000
## Residual 0.481 28 0.017
## Total 31.000 31
## --------------------------------------------------------------------
##
## Parameter Estimates
## ------------------------------------------------------------------------------------------------
## model Beta Std. Error Std. Beta t Sig lower upper
## ------------------------------------------------------------------------------------------------
## (Intercept) 0.000 0.023 0.000 1.000 -0.047 0.047
## KonsumsiRT 0.817 0.077 0.817 10.556 0.000 0.658 0.976
## PengeluaranPemerintah 0.066 0.026 0.066 2.512 0.018 0.012 0.119
## Ekspor 0.159 0.075 0.159 2.124 0.043 0.006 0.312
## ------------------------------------------------------------------------------------------------Metode regresi backward memulai dengan model yang mencakup semua peubah penjelas dan kemudian secara bertahap mengeluarkan peubah berdasarkan kriteria tertentu. Dalam bagian ini, kita menggunakan AIC untuk mengevaluasi dan memilih model terbaik dengan mengeluarkan peubah yang paling sedikit memberikan kontribusi terhadap kecocokan model.
BWDfit.aic<-ols_step_backward_aic(Model_ARLB,details=TRUE)## Backward Elimination Method
## ---------------------------
##
## Candidate Terms:
##
## 1. Ekspor
## 2. Investasi
## 3. KonsumsiRT
## 4. PengeluaranPemerintah
## 5. KonsumsiLSNirlaba
## 6. PerubahanInventori
##
##
## Step => 0
## Model => PertumbuhanEkonomi ~ Ekspor + Investasi + KonsumsiRT + PengeluaranPemerintah + KonsumsiLSNirlaba + PerubahanInventori
## AIC => -30.74936
##
## Initiating stepwise selection...
##
## Table: Removing Existing Variables
## -----------------------------------------------------------------------------------
## Predictor DF AIC SBC SBIC R2 Adj. R2
## -----------------------------------------------------------------------------------
## Investasi 1 -32.693 -22.433 -120.327 0.98595 0.98325
## PerubahanInventori 1 -32.584 -22.324 -120.265 0.98590 0.98319
## KonsumsiLSNirlaba 1 -29.988 -19.727 -118.770 0.98471 0.98177
## PengeluaranPemerintah 1 -29.644 -19.384 -118.569 0.98455 0.98158
## Ekspor 1 -29.274 -19.013 -118.351 0.98437 0.98136
## KonsumsiRT 1 -11.144 -0.884 -106.379 0.97245 0.96716
## -----------------------------------------------------------------------------------
##
## Step => 1
## Removed => Investasi
## Model => PertumbuhanEkonomi ~ Ekspor + KonsumsiRT + PengeluaranPemerintah + KonsumsiLSNirlaba + PerubahanInventori
## AIC => -32.69326
##
## Table: Removing Existing Variables
## -----------------------------------------------------------------------------------
## Predictor DF AIC SBC SBIC R2 Adj. R2
## -----------------------------------------------------------------------------------
## PerubahanInventori 1 -34.584 -25.789 -122.811 0.98590 0.98382
## KonsumsiLSNirlaba 1 -31.846 -23.052 -121.026 0.98465 0.98237
## PengeluaranPemerintah 1 -29.548 -20.753 -119.496 0.98350 0.98106
## Ekspor 1 -29.439 -20.644 -119.422 0.98345 0.98099
## KonsumsiRT 1 -4.424 4.371 -100.782 0.96382 0.95847
## -----------------------------------------------------------------------------------
##
## Step => 2
## Removed => PerubahanInventori
## Model => PertumbuhanEkonomi ~ Ekspor + KonsumsiRT + PengeluaranPemerintah + KonsumsiLSNirlaba
## AIC => -34.58368
##
## Table: Removing Existing Variables
## -----------------------------------------------------------------------------------
## Predictor DF AIC SBC SBIC R2 Adj. R2
## -----------------------------------------------------------------------------------
## KonsumsiLSNirlaba 1 -33.509 -26.181 -123.117 0.98448 0.98282
## Ekspor 1 -31.412 -24.083 -121.571 0.98343 0.98166
## PengeluaranPemerintah 1 -30.339 -23.010 -120.775 0.98287 0.98103
## KonsumsiRT 1 -6.164 1.165 -101.554 0.96353 0.95962
## -----------------------------------------------------------------------------------
##
##
## No more variables to be removed.
##
## Variables Removed:
##
## => Investasi
## => PerubahanInventoriBWDfit.aic##
##
## Stepwise Summary
## ----------------------------------------------------------------------------------
## Step Variable AIC SBC SBIC R2 Adj. R2
## ----------------------------------------------------------------------------------
## 0 Full Model -30.749 -19.023 -117.798 0.98598 0.98261
## 1 Investasi -32.693 -22.433 -120.843 0.98595 0.98325
## 2 PerubahanInventori -34.584 -25.789 -123.612 0.98590 0.98382
## ----------------------------------------------------------------------------------
##
## Final Model Output
## ------------------
##
## Model Summary
## --------------------------------------------------------------------
## R 0.993 RMSE 0.117
## R-Squared 0.986 MSE 0.014
## Adj. R-Squared 0.984 Coef. Var 2.801455e+16
## Pred R-Squared 0.980 AIC -34.584
## MAE 0.098 SBC -25.789
## --------------------------------------------------------------------
## RMSE: Root Mean Square Error
## MSE: Mean Square Error
## MAE: Mean Absolute Error
## AIC: Akaike Information Criteria
## SBC: Schwarz Bayesian Criteria
##
## ANOVA
## --------------------------------------------------------------------
## Sum of
## Squares DF Mean Square F Sig.
## --------------------------------------------------------------------
## Regression 30.563 4 7.641 472.111 0.0000
## Residual 0.437 27 0.016
## Total 31.000 31
## --------------------------------------------------------------------
##
## Parameter Estimates
## -----------------------------------------------------------------------------------------------
## model Beta Std. Error Std. Beta t Sig lower upper
## -----------------------------------------------------------------------------------------------
## (Intercept) 0.000 0.022 0.000 1.000 -0.046 0.046
## Ekspor 0.158 0.073 0.158 2.176 0.038 0.009 0.307
## KonsumsiRT 0.694 0.106 0.694 6.547 0.000 0.476 0.911
## PengeluaranPemerintah 0.061 0.025 0.061 2.412 0.023 0.009 0.114
## KonsumsiLSNirlaba 0.131 0.079 0.131 1.650 0.111 -0.032 0.294
## -----------------------------------------------------------------------------------------------Pendekatan regresi backward dengan p-value dimulai dengan model penuh dan mengeluarkan peubah penjelas satu per satu yang memiliki p-value lebih besar dari nilai ambang batas tertentu. Proses ini berlanjut sampai semua peubah yang tersisa dalam model memiliki signifikansi statistik yang cukup.
BWDfit.p<-ols_step_backward_p(Model_ARLB,p_val = 0.1,details=TRUE)## Backward Elimination Method
## ---------------------------
##
## Candidate Terms:
##
## 1. Ekspor
## 2. Investasi
## 3. KonsumsiRT
## 4. PengeluaranPemerintah
## 5. KonsumsiLSNirlaba
## 6. PerubahanInventori
##
##
## Step => 0
## Model => PertumbuhanEkonomi ~ Ekspor + Investasi + KonsumsiRT + PengeluaranPemerintah + KonsumsiLSNirlaba + PerubahanInventori
## R2 => 0.986
##
## Initiating stepwise selection...
##
## Step => 1
## Removed => Investasi
## Model => PertumbuhanEkonomi ~ Ekspor + KonsumsiRT + PengeluaranPemerintah + KonsumsiLSNirlaba + PerubahanInventori
## R2 => 0.98595
##
## Step => 2
## Removed => PerubahanInventori
## Model => PertumbuhanEkonomi ~ Ekspor + KonsumsiRT + PengeluaranPemerintah + KonsumsiLSNirlaba
## R2 => 0.9859
##
## Step => 3
## Removed => KonsumsiLSNirlaba
## Model => PertumbuhanEkonomi ~ Ekspor + KonsumsiRT + PengeluaranPemerintah
## R2 => 0.98448
##
##
## No more variables to be removed.
##
## Variables Removed:
##
## => Investasi
## => PerubahanInventori
## => KonsumsiLSNirlabaBWDfit.p##
##
## Stepwise Summary
## ----------------------------------------------------------------------------------
## Step Variable AIC SBC SBIC R2 Adj. R2
## ----------------------------------------------------------------------------------
## 0 Full Model -30.749 -19.023 -117.798 0.98598 0.98261
## 1 Investasi -32.693 -22.433 -120.327 0.98595 0.98325
## 2 PerubahanInventori -34.584 -25.789 -122.811 0.98590 0.98382
## 3 KonsumsiLSNirlaba -33.509 -26.181 -123.117 0.98448 0.98282
## ----------------------------------------------------------------------------------
##
## Final Model Output
## ------------------
##
## Model Summary
## --------------------------------------------------------------------
## R 0.992 RMSE 0.123
## R-Squared 0.984 MSE 0.015
## Adj. R-Squared 0.983 Coef. Var 2.886345e+16
## Pred R-Squared 0.979 AIC -33.509
## MAE 0.096 SBC -26.181
## --------------------------------------------------------------------
## RMSE: Root Mean Square Error
## MSE: Mean Square Error
## MAE: Mean Absolute Error
## AIC: Akaike Information Criteria
## SBC: Schwarz Bayesian Criteria
##
## ANOVA
## --------------------------------------------------------------------
## Sum of
## Squares DF Mean Square F Sig.
## --------------------------------------------------------------------
## Regression 30.519 3 10.173 592.144 0.0000
## Residual 0.481 28 0.017
## Total 31.000 31
## --------------------------------------------------------------------
##
## Parameter Estimates
## ------------------------------------------------------------------------------------------------
## model Beta Std. Error Std. Beta t Sig lower upper
## ------------------------------------------------------------------------------------------------
## (Intercept) 0.000 0.023 0.000 1.000 -0.047 0.047
## Ekspor 0.159 0.075 0.159 2.124 0.043 0.006 0.312
## KonsumsiRT 0.817 0.077 0.817 10.556 0.000 0.658 0.976
## PengeluaranPemerintah 0.066 0.026 0.066 2.512 0.018 0.012 0.119
## ------------------------------------------------------------------------------------------------Regresi stepwise menggunakan AIC adalah metode yang menggabungkan elemen dari regresi forward dan backward. Peubah-peubah penjelas ditambahkan atau dihapus dari model berdasarkan AIC. Dengan cara ini, kita mencari model dengan AIC terbaik, mempertimbangkan kedua aspek pengurangan peubah dan peningkatan kecocokan model.
Bothfit.aic<-ols_step_both_aic(Model_ARLB,details=TRUE)## Stepwise Selection Method
## -------------------------
##
## Candidate Terms:
##
## 1. Ekspor
## 2. Investasi
## 3. KonsumsiRT
## 4. PengeluaranPemerintah
## 5. KonsumsiLSNirlaba
## 6. PerubahanInventori
##
##
## Step => 0
## Model => PertumbuhanEkonomi ~ 1
## AIC => 93.79611
##
## Initiating stepwise selection...
##
## Table: Adding New Variables
## ------------------------------------------------------------------------------------
## Predictor DF AIC SBC SBIC R2 Adj. R2
## ------------------------------------------------------------------------------------
## Ekspor 1 23.178 27.575 -72.306 0.89662 0.89317
## Investasi 1 85.981 90.378 -10.637 0.26414 0.23961
## KonsumsiRT 1 -28.995 -24.597 -120.287 0.97975 0.97908
## PengeluaranPemerintah 1 90.648 95.045 -5.996 0.14861 0.12023
## KonsumsiLSNirlaba 1 14.388 18.785 -80.700 0.92145 0.91883
## PerubahanInventori 1 95.612 100.009 -1.056 0.00574 -0.02740
## ------------------------------------------------------------------------------------
##
## Step => 1
## Added => KonsumsiRT
## Model => PertumbuhanEkonomi ~ KonsumsiRT
## AIC => -28.99469
##
## Table: Adding New Variables
## -----------------------------------------------------------------------------------
## Predictor DF AIC SBC SBIC R2 Adj. R2
## -----------------------------------------------------------------------------------
## Ekspor 1 -29.006 -23.143 -120.161 0.98099 0.97967
## Investasi 1 -27.447 -21.584 -118.885 0.98004 0.97866
## PengeluaranPemerintah 1 -30.730 -24.867 -121.564 0.98198 0.98074
## KonsumsiLSNirlaba 1 -30.004 -24.141 -120.974 0.98157 0.98030
## PerubahanInventori 1 -27.829 -21.966 -119.198 0.98027 0.97891
## -----------------------------------------------------------------------------------
##
## Step => 2
## Added => PengeluaranPemerintah
## Model => PertumbuhanEkonomi ~ KonsumsiRT + PengeluaranPemerintah
## AIC => -30.72977
##
## Table: Removing Existing Variables
## -----------------------------------------------------------------------------------
## Predictor DF AIC SBC SBIC R2 Adj. R2
## -----------------------------------------------------------------------------------
## KonsumsiRT 1 90.648 95.045 -5.996 0.14861 0.12023
## PengeluaranPemerintah 1 -28.995 -24.597 -120.287 0.97975 0.97908
## -----------------------------------------------------------------------------------
##
## Table: Adding New Variables
## --------------------------------------------------------------------------------
## Predictor DF AIC SBC SBIC R2 Adj. R2
## --------------------------------------------------------------------------------
## Ekspor 1 -33.509 -26.181 -123.117 0.98448 0.98282
## Investasi 1 -30.073 -22.745 -120.577 0.98272 0.98087
## KonsumsiLSNirlaba 1 -31.412 -24.083 -121.571 0.98343 0.98166
## PerubahanInventori 1 -28.737 -21.409 -119.578 0.98199 0.98006
## --------------------------------------------------------------------------------
##
## Step => 3
## Added => Ekspor
## Model => PertumbuhanEkonomi ~ KonsumsiRT + PengeluaranPemerintah + Ekspor
## AIC => -33.50939
##
## Table: Removing Existing Variables
## -----------------------------------------------------------------------------------
## Predictor DF AIC SBC SBIC R2 Adj. R2
## -----------------------------------------------------------------------------------
## KonsumsiRT 1 15.863 21.726 -80.734 0.92273 0.91740
## PengeluaranPemerintah 1 -29.006 -23.143 -120.161 0.98099 0.97967
## Ekspor 1 -30.730 -24.867 -121.564 0.98198 0.98074
## -----------------------------------------------------------------------------------
##
## Table: Adding New Variables
## --------------------------------------------------------------------------------
## Predictor DF AIC SBC SBIC R2 Adj. R2
## --------------------------------------------------------------------------------
## Investasi 1 -31.513 -22.719 -120.805 0.98448 0.98219
## KonsumsiLSNirlaba 1 -34.584 -25.789 -122.811 0.98590 0.98382
## PerubahanInventori 1 -31.846 -23.052 -121.026 0.98465 0.98237
## --------------------------------------------------------------------------------
##
## Step => 4
## Added => KonsumsiLSNirlaba
## Model => PertumbuhanEkonomi ~ KonsumsiRT + PengeluaranPemerintah + Ekspor + KonsumsiLSNirlaba
## AIC => -34.58368
##
## Table: Removing Existing Variables
## -----------------------------------------------------------------------------------
## Predictor DF AIC SBC SBIC R2 Adj. R2
## -----------------------------------------------------------------------------------
## KonsumsiRT 1 -6.164 1.165 -101.554 0.96353 0.95962
## PengeluaranPemerintah 1 -30.339 -23.010 -120.775 0.98287 0.98103
## Ekspor 1 -31.412 -24.083 -121.571 0.98343 0.98166
## KonsumsiLSNirlaba 1 -33.509 -26.181 -123.117 0.98448 0.98282
## -----------------------------------------------------------------------------------
##
## Table: Adding New Variables
## --------------------------------------------------------------------------------
## Predictor DF AIC SBC SBIC R2 Adj. R2
## --------------------------------------------------------------------------------
## Investasi 1 -32.584 -22.324 -120.265 0.98590 0.98319
## PerubahanInventori 1 -32.693 -22.433 -120.327 0.98595 0.98325
## --------------------------------------------------------------------------------
##
##
## No more variables to be added or removed.
##
## Variables Selected:
##
## => KonsumsiRT
## => PengeluaranPemerintah
## => Ekspor
## => KonsumsiLSNirlabaBothfit.aic##
##
## Stepwise Summary
## -----------------------------------------------------------------------------------------
## Step Variable AIC SBC SBIC R2 Adj. R2
## -----------------------------------------------------------------------------------------
## 0 Base Model 93.796 96.728 -0.909 0.00000 0.00000
## 1 KonsumsiRT (+) -28.995 -24.597 -120.287 0.97975 0.97908
## 2 PengeluaranPemerintah (+) -30.730 -24.867 -121.564 0.98198 0.98074
## 3 Ekspor (+) -33.509 -26.181 -123.117 0.98448 0.98282
## 4 KonsumsiLSNirlaba (+) -34.584 -25.789 -122.811 0.98590 0.98382
## -----------------------------------------------------------------------------------------
##
## Final Model Output
## ------------------
##
## Model Summary
## --------------------------------------------------------------------
## R 0.993 RMSE 0.117
## R-Squared 0.986 MSE 0.014
## Adj. R-Squared 0.984 Coef. Var 2.801455e+16
## Pred R-Squared 0.980 AIC -34.584
## MAE 0.098 SBC -25.789
## --------------------------------------------------------------------
## RMSE: Root Mean Square Error
## MSE: Mean Square Error
## MAE: Mean Absolute Error
## AIC: Akaike Information Criteria
## SBC: Schwarz Bayesian Criteria
##
## ANOVA
## --------------------------------------------------------------------
## Sum of
## Squares DF Mean Square F Sig.
## --------------------------------------------------------------------
## Regression 30.563 4 7.641 472.111 0.0000
## Residual 0.437 27 0.016
## Total 31.000 31
## --------------------------------------------------------------------
##
## Parameter Estimates
## -----------------------------------------------------------------------------------------------
## model Beta Std. Error Std. Beta t Sig lower upper
## -----------------------------------------------------------------------------------------------
## (Intercept) 0.000 0.022 0.000 1.000 -0.046 0.046
## KonsumsiRT 0.694 0.106 0.694 6.547 0.000 0.476 0.911
## PengeluaranPemerintah 0.061 0.025 0.061 2.412 0.023 0.009 0.114
## Ekspor 0.158 0.073 0.158 2.176 0.038 0.009 0.307
## KonsumsiLSNirlaba 0.131 0.079 0.131 1.650 0.111 -0.032 0.294
## -----------------------------------------------------------------------------------------------Regresi stepwise menggunakan p-value mengikuti prinsip yang sama dengan metode stepwise lainnya, tetapi dalam hal ini, pemilihan peubah dilakukan berdasarkan signifikansi statistik p-value. Peubah ditambahkan atau dihapus sesuai dengan ambang batas p-value yang telah ditentukan.
Bothfit.p<-ols_step_both_p(Model_ARLB,p_val = 0.1,details=TRUE)## Stepwise Selection Method
## -------------------------
##
## Candidate Terms:
##
## 1. Ekspor
## 2. Investasi
## 3. KonsumsiRT
## 4. PengeluaranPemerintah
## 5. KonsumsiLSNirlaba
## 6. PerubahanInventori
##
##
## Step => 0
## Model => PertumbuhanEkonomi ~ 1
## R2 => 0
##
## Initiating stepwise selection...
##
## Step => 1
## Selected => KonsumsiRT
## Model => PertumbuhanEkonomi ~ KonsumsiRT
## R2 => 0.98
##
## Step => 2
## Selected => PengeluaranPemerintah
## Model => PertumbuhanEkonomi ~ KonsumsiRT + PengeluaranPemerintah
## R2 => 0.982
##
## Step => 3
## Selected => Ekspor
## Model => PertumbuhanEkonomi ~ KonsumsiRT + PengeluaranPemerintah + Ekspor
## R2 => 0.984
##
##
## No more variables to be added or removed.Bothfit.p##
##
## Stepwise Summary
## -----------------------------------------------------------------------------------------
## Step Variable AIC SBC SBIC R2 Adj. R2
## -----------------------------------------------------------------------------------------
## 0 Base Model 93.796 96.728 -0.909 0.00000 0.00000
## 1 KonsumsiRT (+) -28.995 -24.597 -120.287 0.97975 0.97908
## 2 PengeluaranPemerintah (+) -30.730 -24.867 -121.564 0.98198 0.98074
## 3 Ekspor (+) -33.509 -26.181 -123.117 0.98448 0.98282
## -----------------------------------------------------------------------------------------
##
## Final Model Output
## ------------------
##
## Model Summary
## --------------------------------------------------------------------
## R 0.992 RMSE 0.123
## R-Squared 0.984 MSE 0.015
## Adj. R-Squared 0.983 Coef. Var 2.886345e+16
## Pred R-Squared 0.979 AIC -33.509
## MAE 0.096 SBC -26.181
## --------------------------------------------------------------------
## RMSE: Root Mean Square Error
## MSE: Mean Square Error
## MAE: Mean Absolute Error
## AIC: Akaike Information Criteria
## SBC: Schwarz Bayesian Criteria
##
## ANOVA
## --------------------------------------------------------------------
## Sum of
## Squares DF Mean Square F Sig.
## --------------------------------------------------------------------
## Regression 30.519 3 10.173 592.144 0.0000
## Residual 0.481 28 0.017
## Total 31.000 31
## --------------------------------------------------------------------
##
## Parameter Estimates
## ------------------------------------------------------------------------------------------------
## model Beta Std. Error Std. Beta t Sig lower upper
## ------------------------------------------------------------------------------------------------
## (Intercept) 0.000 0.023 0.000 1.000 -0.047 0.047
## KonsumsiRT 0.817 0.077 0.817 10.556 0.000 0.658 0.976
## PengeluaranPemerintah 0.066 0.026 0.066 2.512 0.018 0.012 0.119
## Ekspor 0.159 0.075 0.159 2.124 0.043 0.006 0.312
## ------------------------------------------------------------------------------------------------Pada bagian ini, kita mengeksplorasi semua kemungkinan subset model yang dapat dibentuk dari peubah-peubah yang tersedia. Pendekatan ini memungkinkan kita untuk melihat berbagai kombinasi model yang dapat memberikan hasil terbaik, tanpa mengandalkan prosedur forward atau backward.
modcompare<-ols_step_all_possible(Model_ARLB)
modcompare## Index N
## 3 1 1
## 5 2 1
## 1 3 1
## 2 4 1
## 4 5 1
## 6 6 1
## 16 7 2
## 17 8 2
## 8 9 2
## 18 10 2
## 12 11 2
## 10 12 2
## 7 13 2
## 21 14 2
## 19 15 2
## 14 16 2
## 9 17 2
## 11 18 2
## 15 19 2
## 13 20 2
## 20 21 2
## 26 22 3
## 38 23 3
## 27 24 3
## 22 25 3
## 32 26 3
## 40 27 3
## 39 28 3
## 33 29 3
## 28 30 3
## 34 31 3
## 24 32 3
## 29 33 3
## 25 34 3
## 31 35 3
## 23 36 3
## 30 37 3
## 41 38 3
## 37 39 3
## 35 40 3
## 36 41 3
## 48 42 4
## 49 43 4
## 42 44 4
## 43 45 4
## 52 46 4
## 50 47 4
## 56 48 4
## 44 49 4
## 53 50 4
## 54 51 4
## 47 52 4
## 45 53 4
## 51 54 4
## 46 55 4
## 55 56 4
## 61 57 5
## 57 58 5
## 58 59 5
## 59 60 5
## 62 61 5
## 60 62 5
## 63 63 6
## Predictors
## 3 KonsumsiRT
## 5 KonsumsiLSNirlaba
## 1 Ekspor
## 2 Investasi
## 4 PengeluaranPemerintah
## 6 PerubahanInventori
## 16 KonsumsiRT PengeluaranPemerintah
## 17 KonsumsiRT KonsumsiLSNirlaba
## 8 Ekspor KonsumsiRT
## 18 KonsumsiRT PerubahanInventori
## 12 Investasi KonsumsiRT
## 10 Ekspor KonsumsiLSNirlaba
## 7 Ekspor Investasi
## 21 KonsumsiLSNirlaba PerubahanInventori
## 19 PengeluaranPemerintah KonsumsiLSNirlaba
## 14 Investasi KonsumsiLSNirlaba
## 9 Ekspor PengeluaranPemerintah
## 11 Ekspor PerubahanInventori
## 15 Investasi PerubahanInventori
## 13 Investasi PengeluaranPemerintah
## 20 PengeluaranPemerintah PerubahanInventori
## 26 Ekspor KonsumsiRT PengeluaranPemerintah
## 38 KonsumsiRT PengeluaranPemerintah KonsumsiLSNirlaba
## 27 Ekspor KonsumsiRT KonsumsiLSNirlaba
## 22 Ekspor Investasi KonsumsiRT
## 32 Investasi KonsumsiRT PengeluaranPemerintah
## 40 KonsumsiRT KonsumsiLSNirlaba PerubahanInventori
## 39 KonsumsiRT PengeluaranPemerintah PerubahanInventori
## 33 Investasi KonsumsiRT KonsumsiLSNirlaba
## 28 Ekspor KonsumsiRT PerubahanInventori
## 34 Investasi KonsumsiRT PerubahanInventori
## 24 Ekspor Investasi KonsumsiLSNirlaba
## 29 Ekspor PengeluaranPemerintah KonsumsiLSNirlaba
## 25 Ekspor Investasi PerubahanInventori
## 31 Ekspor KonsumsiLSNirlaba PerubahanInventori
## 23 Ekspor Investasi PengeluaranPemerintah
## 30 Ekspor PengeluaranPemerintah PerubahanInventori
## 41 PengeluaranPemerintah KonsumsiLSNirlaba PerubahanInventori
## 37 Investasi KonsumsiLSNirlaba PerubahanInventori
## 35 Investasi PengeluaranPemerintah KonsumsiLSNirlaba
## 36 Investasi PengeluaranPemerintah PerubahanInventori
## 48 Ekspor KonsumsiRT PengeluaranPemerintah KonsumsiLSNirlaba
## 49 Ekspor KonsumsiRT PengeluaranPemerintah PerubahanInventori
## 42 Ekspor Investasi KonsumsiRT PengeluaranPemerintah
## 43 Ekspor Investasi KonsumsiRT KonsumsiLSNirlaba
## 52 Investasi KonsumsiRT PengeluaranPemerintah KonsumsiLSNirlaba
## 50 Ekspor KonsumsiRT KonsumsiLSNirlaba PerubahanInventori
## 56 KonsumsiRT PengeluaranPemerintah KonsumsiLSNirlaba PerubahanInventori
## 44 Ekspor Investasi KonsumsiRT PerubahanInventori
## 53 Investasi KonsumsiRT PengeluaranPemerintah PerubahanInventori
## 54 Investasi KonsumsiRT KonsumsiLSNirlaba PerubahanInventori
## 47 Ekspor Investasi KonsumsiLSNirlaba PerubahanInventori
## 45 Ekspor Investasi PengeluaranPemerintah KonsumsiLSNirlaba
## 51 Ekspor PengeluaranPemerintah KonsumsiLSNirlaba PerubahanInventori
## 46 Ekspor Investasi PengeluaranPemerintah PerubahanInventori
## 55 Investasi PengeluaranPemerintah KonsumsiLSNirlaba PerubahanInventori
## 61 Ekspor KonsumsiRT PengeluaranPemerintah KonsumsiLSNirlaba PerubahanInventori
## 57 Ekspor Investasi KonsumsiRT PengeluaranPemerintah KonsumsiLSNirlaba
## 58 Ekspor Investasi KonsumsiRT PengeluaranPemerintah PerubahanInventori
## 59 Ekspor Investasi KonsumsiRT KonsumsiLSNirlaba PerubahanInventori
## 62 Investasi KonsumsiRT PengeluaranPemerintah KonsumsiLSNirlaba PerubahanInventori
## 60 Ekspor Investasi PengeluaranPemerintah KonsumsiLSNirlaba PerubahanInventori
## 63 Ekspor Investasi KonsumsiRT PengeluaranPemerintah KonsumsiLSNirlaba PerubahanInventori
## R-Square Adj. R-Square Mallow's Cp
## 3 0.979752269 0.97907734 8.096981
## 5 0.921448743 0.91883037 112.038563
## 1 0.896617853 0.89317178 156.306248
## 2 0.264138584 0.23960987 1283.869217
## 4 0.148608834 0.12022913 1489.831805
## 6 0.005741471 -0.02740048 1744.530980
## 16 0.981982894 0.98074033 6.120297
## 17 0.981569386 0.98029831 6.857484
## 8 0.980985976 0.97967466 7.897569
## 18 0.980273221 0.97891275 9.168244
## 12 0.980036425 0.97865963 9.590396
## 10 0.956316601 0.95330395 51.877308
## 7 0.944402546 0.94056824 73.117288
## 21 0.923721552 0.91846097 109.986675
## 19 0.923520306 0.91824584 110.345451
## 14 0.923205284 0.91790910 110.907061
## 9 0.922726715 0.91739752 111.760239
## 11 0.896989718 0.88988556 157.643299
## 15 0.329230005 0.28297000 1169.826400
## 13 0.264581431 0.21386291 1285.079724
## 20 0.167819070 0.11042728 1457.584437
## 26 0.984482656 0.98282008 3.663805
## 38 0.983431522 0.98165633 5.537730
## 27 0.982866586 0.98103086 6.544880
## 22 0.982796391 0.98095315 6.670021
## 32 0.982723751 0.98087272 6.799521
## 40 0.982252841 0.98035136 7.639045
## 39 0.981987186 0.98005724 8.112646
## 33 0.981776731 0.97982424 8.487837
## 28 0.981463527 0.97947748 9.046207
## 34 0.980285633 0.97817338 11.146117
## 24 0.968574580 0.96520757 32.024191
## 29 0.963529119 0.95962152 41.019071
## 25 0.960980642 0.95680000 45.562411
## 31 0.957427774 0.95286646 51.896346
## 23 0.944451280 0.93849963 75.030408
## 30 0.928044287 0.92033475 104.280247
## 41 0.924289100 0.91617722 110.974870
## 37 0.923958314 0.91581099 111.564585
## 35 0.923672058 0.91549406 112.074912
## 36 0.329443295 0.25759793 1171.446152
## 48 0.985904058 0.98381577 3.129776
## 49 0.984645172 0.98237038 5.374076
## 42 0.984484389 0.98218578 5.660715
## 43 0.984481737 0.98218273 5.665442
## 52 0.984121935 0.98176963 6.306886
## 50 0.983501666 0.98105747 7.412681
## 56 0.983445451 0.98099293 7.512898
## 44 0.983031123 0.98051721 8.251549
## 53 0.982818217 0.98027277 8.631109
## 54 0.982258906 0.97963060 9.628231
## 47 0.972276493 0.96816931 27.424544
## 45 0.968616846 0.96396749 33.948841
## 51 0.963824437 0.95846509 42.492588
## 46 0.961099892 0.95533691 47.349817
## 55 0.924290043 0.91307375 112.973188
## 61 0.985952244 0.98325075 5.043871
## 57 0.985904201 0.98319347 5.129521
## 58 0.984712832 0.98177299 7.253454
## 59 0.984547844 0.98157628 7.547588
## 62 0.984367848 0.98136167 7.868479
## 60 0.972453415 0.96715599 29.109134
## 63 0.985976853 0.98261130 7.000000Di bagian ini, kita memilih subset model terbaik berdasarkan kriteria yang telah ditentukan sebelumnya. Metode ini memberikan cara efisien untuk memilih model yang optimal dengan mempertimbangkan kombinasi peubah yang paling relevan.
modcompare<-ols_step_best_subset(Model_ARLB)
modcompare## Best Subsets Regression
## -----------------------------------------------------------------------------------------------------
## Model Index Predictors
## -----------------------------------------------------------------------------------------------------
## 1 KonsumsiRT
## 2 KonsumsiRT PengeluaranPemerintah
## 3 Ekspor KonsumsiRT PengeluaranPemerintah
## 4 Ekspor KonsumsiRT PengeluaranPemerintah KonsumsiLSNirlaba
## 5 Ekspor KonsumsiRT PengeluaranPemerintah KonsumsiLSNirlaba PerubahanInventori
## 6 Ekspor Investasi KonsumsiRT PengeluaranPemerintah KonsumsiLSNirlaba PerubahanInventori
## -----------------------------------------------------------------------------------------------------
##
## Subsets Regression Summary
## -------------------------------------------------------------------------------------------------------------------------------
## Adj. Pred
## Model R-Square R-Square R-Square C(p) AIC SBIC SBC MSEP FPE HSP APC
## -------------------------------------------------------------------------------------------------------------------------------
## 1 0.9798 0.9791 0.9761 8.0970 -28.9947 -120.2865 -24.5975 0.6696 0.0222 7e-04 0.0229
## 2 0.9820 0.9807 0.978 6.1203 -30.7298 -121.5643 -24.8668 0.6171 0.0211 7e-04 0.0217
## 3 0.9845 0.9828 0.9791 3.6638 -33.5094 -123.1166 -26.1807 0.5512 0.0193 6e-04 0.0200
## 4 0.9859 0.9838 0.9796 3.1298 -34.5837 -122.8113 -25.7893 0.5200 0.0187 6e-04 0.0193
## 5 0.9860 0.9833 0.9781 5.0439 -32.6933 -120.3265 -22.4331 0.5389 0.0199 7e-04 0.0205
## 6 0.9860 0.9826 0.9771 7.0000 -30.7494 -117.7982 -19.0235 0.5604 0.0212 7e-04 0.0219
## -------------------------------------------------------------------------------------------------------------------------------
## AIC: Akaike Information Criteria
## SBIC: Sawa's Bayesian Information Criteria
## SBC: Schwarz Bayesian Criteria
## MSEP: Estimated error of prediction, assuming multivariate normality
## FPE: Final Prediction Error
## HSP: Hocking's Sp
## APC: Amemiya Prediction Criteria