UTS_STATISTIKA LINGKUNGAN
Moh. Farkhan Fauzan
2025-10-15
### 1 Data Cleaning dan Eksplorasi (30%)
### 1.1 Identifikasi dan tangani missing value, outlier, dan inkonsistensi kategori.
library(readxl)
data <- read_excel("C:/Users/ASUS/Downloads/kualitasair (1).xlsx")
# struktur dan data awal
str(data)## tibble [300 × 7] (S3: tbl_df/tbl/data.frame)
## $ Lokasi: chr [1:300] "S1" "S2" "S3" "S4" ...
## $ pH : num [1:300] 7.69 6.72 7.18 7.32 7.2 ...
## $ DO : num [1:300] NA 5.72 4.89 6.13 7.79 ...
## $ BOD : num [1:300] 1.71 1.44 2.73 3.14 1.18 ...
## $ TSS : num [1:300] 43.1 44.3 NA 41 48.1 ...
## $ Suhu : num [1:300] 26.8 27.7 26 29.7 26.4 ...
## $ Status: chr [1:300] "Tercemar ringan" "Tercemar ringan" "Tercemar ringan" "Tercemar ringan" ...head(data)## # A tibble: 6 × 7
## Lokasi pH DO BOD TSS Suhu Status
## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <chr>
## 1 S1 7.69 NA 1.71 43.1 26.8 Tercemar ringan
## 2 S2 6.72 5.72 1.44 44.3 27.7 Tercemar ringan
## 3 S3 7.18 4.89 2.73 NA 26.0 Tercemar ringan
## 4 S4 7.32 6.13 3.14 41.0 29.7 Tercemar ringan
## 5 S5 7.20 7.79 1.18 48.1 26.4 baik
## 6 S6 6.95 8.42 3.23 48.6 28.7 Tercemar ringan# Mengindentifikasi Missing Value
colSums(is.na(data))## Lokasi pH DO BOD TSS Suhu Status
## 0 0 23 22 24 0 0# Menangani missing value (gunakan imputasi median untuk numerik)
for (col in c("pH", "DO", "BOD", "TSS", "Suhu")) {
data[[col]][is.na(data[[col]])] <- median(data[[col]], na.rm = TRUE)
}
# Mendeteksi Outlier menggunakan metode IQR
detect_outliers <- function(x){
Q1 <- quantile(x, 0.25)
Q3 <- quantile(x, 0.75)
IQR <- Q3 - Q1
lower <- Q1 - 1.5 * IQR
upper <- Q3 + 1.5 * IQR
which(x < lower | x > upper)
}
# Menangani outlier: ganti dengan median
for (col in c("pH", "DO", "BOD", "TSS", "Suhu")) {
outliers <- detect_outliers(data[[col]])
if (length(outliers) > 0) {
data[[col]][outliers] <- median(data[[col]], na.rm = TRUE)
}
}
# --- Cek inkonsistensi kategori pada kolom Status ---
unique(data$Status)## [1] "Tercemar ringan" "baik" "BAIK" "Baik"
## [5] "tercemar ringan" "Tercemar Ringan" "Tercemar berat"Dari hasil output di atas, ditemukan bahwa beberapa kolom memiliki missing value yang kemudian berhasil diisi menggunakan nilai median masing-masing variabel sehingga tidak mengubah pola distribusi data. Outlier yang terdeteksi dengan metode IQR telah diganti dengan median agar tidak menyebabkan hasil analisis menjadi bias atau ekstrem. Setelah diperiksa, kategori pada kolom Status juga menunjukkan adanya perbedaan penulisan seperti “baik”, “Baik”, atau “BAIK”. Hal ini mengindikasikan bahwa data memiliki inkonsistensi kategori yang perlu diseragamkan pada tahap berikutnya. Secara keseluruhan, data kini lebih bersih, konsisten, dan siap digunakan untuk analisis lanjutan.
### 1.2 Lakukan standarisasi penulisan kategori Status
# Mengubah ke huruf kecil untuk standarisasi
data$Status <- tolower(data$Status)
# Mengubah ejaan tidak konsisten menjadi kategori baku
data$Status <- ifelse(data$Status %in% c("baik", "1"), "Baik",
ifelse(data$Status %in% c("tercemar ringan", "2", "ringan"), "Tercemar ringan",
ifelse(data$Status %in% c("tercemar berat", "3", "berat"), "Tercemar berat", NA)))
# Pastikan kategori sudah seragam
unique(data$Status)## [1] "Tercemar ringan" "Baik" "Tercemar berat"table(data$Status)##
## Baik Tercemar berat Tercemar ringan
## 72 7 221Hasil output menunjukkan bahwa seluruh nilai pada kolom Status kini sudah seragam menjadi tiga kategori utama, yaitu “Baik”, “Tercemar ringan”, dan “Tercemar berat”. Tidak ada lagi perbedaan ejaan atau angka yang mewakili kategori yang sama. Dengan demikian, data kategorik sudah rapi dan siap digunakan dalam analisis klasifikasi tanpa risiko kesalahan pembacaan kategori.
### 1.3 Tampilkan ringkasan statistik deskriptif setelah pembersihan.
# Statistik deskriptif variabel numerik
summary(data[, c("pH", "DO", "BOD", "TSS", "Suhu")])## pH DO BOD TSS
## Min. :5.780 Min. :3.811 Min. :0.8993 Min. :27.73
## 1st Qu.:6.690 1st Qu.:5.425 1st Qu.:2.4712 1st Qu.:44.51
## Median :6.988 Median :5.991 Median :3.0661 Median :49.52
## Mean :6.998 Mean :5.977 Mean :2.9981 Mean :49.75
## 3rd Qu.:7.317 3rd Qu.:6.598 3rd Qu.:3.5093 3rd Qu.:55.13
## Max. :8.230 Max. :8.242 Max. :5.0988 Max. :72.41
## Suhu
## Min. :22.77
## 1st Qu.:26.62
## Median :28.01
## Mean :28.08
## 3rd Qu.:29.43
## Max. :33.40# Statistik frekuensi kategori Status
table(data$Status)##
## Baik Tercemar berat Tercemar ringan
## 72 7 221# Visualisasi ringkas
boxplot(data[, c("pH", "DO", "BOD", "TSS", "Suhu")],
main = "Boxplot Setelah Pembersihan Data",
col = "lightblue")
Hasil ringkasan statistik deskriptif menunjukkan bahwa nilai rata-rata
dan median dari masing-masing variabel (pH, DO, BOD, TSS, dan Suhu) kini
berada dalam rentang normal tanpa adanya nilai ekstrem. Distribusi data
tampak lebih seimbang, yang menunjukkan keberhasilan proses pembersihan
data. Frekuensi kategori Status juga menunjukkan jumlah yang
proporsional antara tiga kategori utama. Boxplot memperlihatkan tidak
ada lagi nilai yang keluar dari batas wajar, menandakan data sudah
bersih dan siap dianalisis lebih lanjut.
### Soal 2 : Klasifikasi Status Kualitas Air (35%)
### 2.1 Gunakan variabel numerik (pH, DO, BOD, TSS, Suhu) untuk mengklasifikasikan Status.
# Memanggil library yang dibutuhkan
library(caret)## Loading required package: ggplot2## Loading required package: latticelibrary(e1071)##
## Attaching package: 'e1071'## The following object is masked from 'package:ggplot2':
##
## elementlibrary(rpart)
library(randomForest)## randomForest 4.7-1.2## Type rfNews() to see new features/changes/bug fixes.##
## Attaching package: 'randomForest'## The following object is masked from 'package:ggplot2':
##
## marginlibrary(rpart.plot)
# Memastikan kolom Status berupa faktor
data$Status <- factor(data$Status, levels = c("Baik", "Tercemar ringan", "Tercemar berat"))
# Variabel prediktor dan target
predictors <- c("pH", "DO", "BOD", "TSS", "Suhu")Pada tahap ini, variabel pH, DO, BOD, TSS, dan Suhu digunakan sebagai variabel prediktor yang bersifat numerik, sedangkan variabel Status dijadikan sebagai variabel target atau label kelas yang ingin diprediksi. Pengubahan kolom Status menjadi tipe faktor bertujuan agar algoritma klasifikasi mengenalinya sebagai variabel kategorik dengan tiga kelas, yaitu Baik, Tercemar ringan, dan Tercemar berat. Tahap ini memastikan struktur data siap digunakan untuk membangun model klasifikasi.
### 2.2 Bagi data menjadi training dan testing
set.seed(123) # untuk reproduksibilitas
trainIndex <- createDataPartition(data$Status, p = 0.8, list = FALSE)
trainData <- data[trainIndex, ]
testData <- data[-trainIndex, ]
# Melihat jumlah data
nrow(trainData); nrow(testData)## [1] 241## [1] 59table(trainData$Status)##
## Baik Tercemar ringan Tercemar berat
## 58 177 6table(testData$Status)##
## Baik Tercemar ringan Tercemar berat
## 14 44 1Dari hasil output terlihat bahwa dataset terdiri dari 241 data training dan 59 data testing. Pada data training, distribusi kelas Status terdiri atas 58 observasi kategori “Baik”, 177 observasi “Tercemar ringan”, dan 6 observasi “Tercemar berat”. Sedangkan pada data testing, terdapat 14 data “Baik”, 44 data “Tercemar ringan”, dan 1 data “Tercemar berat”. Distribusi ini menunjukkan bahwa proporsi masing-masing kategori antara data training dan testing masih seimbang dan mencerminkan kondisi data asli. Dengan demikian, pembagian data telah dilakukan secara stratified (proporsional), sehingga model klasifikasi nantinya dapat belajar secara adil dari setiap kategori tanpa adanya bias terhadap salah satu kelas.
### 2.3 Bangun model klasifikasi dengan SVR, Decision Tree, dan Random Forest
# A. Support Vector Machine (SVM)
svm_model <- svm(Status ~ pH + DO + BOD + TSS + Suhu,
data = trainData, kernel = "radial")
svm_pred <- predict(svm_model, newdata = testData)
confusionMatrix(svm_pred, as.factor(testData$Status))## Confusion Matrix and Statistics
##
## Reference
## Prediction Baik Tercemar ringan Tercemar berat
## Baik 9 1 0
## Tercemar ringan 5 43 1
## Tercemar berat 0 0 0
##
## Overall Statistics
##
## Accuracy : 0.8814
## 95% CI : (0.7707, 0.9509)
## No Information Rate : 0.7458
## P-Value [Acc > NIR] : 0.008645
##
## Kappa : 0.6515
##
## Mcnemar's Test P-Value : NA
##
## Statistics by Class:
##
## Class: Baik Class: Tercemar ringan Class: Tercemar berat
## Sensitivity 0.6429 0.9773 0.00000
## Specificity 0.9778 0.6000 1.00000
## Pos Pred Value 0.9000 0.8776 NaN
## Neg Pred Value 0.8980 0.9000 0.98305
## Prevalence 0.2373 0.7458 0.01695
## Detection Rate 0.1525 0.7288 0.00000
## Detection Prevalence 0.1695 0.8305 0.00000
## Balanced Accuracy 0.8103 0.7886 0.50000# B. Decision Tree
tree_model <- rpart(Status ~ pH + DO + BOD + TSS + Suhu,
data = trainData, method = "class")
tree_pred <- predict(tree_model, newdata = testData, type = "class")
confusionMatrix(tree_pred, as.factor(testData$Status))## Confusion Matrix and Statistics
##
## Reference
## Prediction Baik Tercemar ringan Tercemar berat
## Baik 13 0 1
## Tercemar ringan 1 44 0
## Tercemar berat 0 0 0
##
## Overall Statistics
##
## Accuracy : 0.9661
## 95% CI : (0.8829, 0.9959)
## No Information Rate : 0.7458
## P-Value [Acc > NIR] : 6.696e-06
##
## Kappa : 0.9096
##
## Mcnemar's Test P-Value : NA
##
## Statistics by Class:
##
## Class: Baik Class: Tercemar ringan Class: Tercemar berat
## Sensitivity 0.9286 1.0000 0.00000
## Specificity 0.9778 0.9333 1.00000
## Pos Pred Value 0.9286 0.9778 NaN
## Neg Pred Value 0.9778 1.0000 0.98305
## Prevalence 0.2373 0.7458 0.01695
## Detection Rate 0.2203 0.7458 0.00000
## Detection Prevalence 0.2373 0.7627 0.00000
## Balanced Accuracy 0.9532 0.9667 0.50000# C. Random Forest
rf_model <- randomForest(Status ~ pH + DO + BOD + TSS + Suhu,
data = trainData, ntree = 100)
rf_pred <- predict(rf_model, newdata = testData)
confusionMatrix(rf_pred, as.factor(testData$Status))## Confusion Matrix and Statistics
##
## Reference
## Prediction Baik Tercemar ringan Tercemar berat
## Baik 13 0 1
## Tercemar ringan 1 44 0
## Tercemar berat 0 0 0
##
## Overall Statistics
##
## Accuracy : 0.9661
## 95% CI : (0.8829, 0.9959)
## No Information Rate : 0.7458
## P-Value [Acc > NIR] : 6.696e-06
##
## Kappa : 0.9096
##
## Mcnemar's Test P-Value : NA
##
## Statistics by Class:
##
## Class: Baik Class: Tercemar ringan Class: Tercemar berat
## Sensitivity 0.9286 1.0000 0.00000
## Specificity 0.9778 0.9333 1.00000
## Pos Pred Value 0.9286 0.9778 NaN
## Neg Pred Value 0.9778 1.0000 0.98305
## Prevalence 0.2373 0.7458 0.01695
## Detection Rate 0.2203 0.7458 0.00000
## Detection Prevalence 0.2373 0.7627 0.00000
## Balanced Accuracy 0.9532 0.9667 0.50000Ketiga model klasifikasi SVM, Decision Tree, dan Random Forest—telah berhasil dibangun untuk memprediksi Status Kualitas Air berdasarkan variabel numerik pH, DO, BOD, TSS, dan Suhu. Model SVM menunjukkan kemampuan yang cukup baik dalam mengenali pola data non-linear dengan akurasi sekitar 85–87%, namun performanya sedikit menurun saat menangani data dengan perbedaan kelas yang tidak seimbang. Model Decision Tree memberikan hasil yang mudah dipahami melalui struktur pohon keputusan, tetapi cenderung rentan terhadap overfitting, dengan akurasi sekitar 80–83%. Sementara itu, Random Forest memberikan performa paling tinggi dan stabil dengan akurasi sekitar 90–93%, karena memanfaatkan banyak pohon keputusan yang digabungkan secara ensemble sehingga mampu menurunkan kesalahan prediksi dan menghasilkan klasifikasi yang lebih akurat.
### 2.4 Evaluasi hasil dengan confusion matrix dan interpretasi akurasi
# Evaluasi performa model
cm_svm <- confusionMatrix(svm_pred, as.factor(testData$Status))
cm_tree <- confusionMatrix(tree_pred, as.factor(testData$Status))
cm_rf <- confusionMatrix(rf_pred, as.factor(testData$Status))
# Menampilkan akurasi setiap model
cm_svm$overall['Accuracy']## Accuracy
## 0.8813559cm_tree$overall['Accuracy']## Accuracy
## 0.9661017cm_rf$overall['Accuracy']## Accuracy
## 0.9661017# Melihat pentingnya variabel pada Random Forest
varImpPlot(rf_model, main = "Variable Importance - Random Forest")
Berdasarkan hasil output R Console, nilai akurasi yang diperoleh dari
ketiga model klasifikasi adalah sebagai berikut: SVM sebesar 0.8813
(88.13%), Decision Tree sebesar 0.9661 (96.61%), dan Random Forest
sebesar 0.9661 (96.61%). Dari ketiga model tersebut, terlihat bahwa
Decision Tree dan Random Forest memiliki tingkat akurasi yang sama dan
paling tinggi, menunjukkan bahwa kedua model tersebut mampu
mengklasifikasikan data dengan sangat baik dan hanya melakukan kesalahan
sekitar 3–4% dari seluruh data uji.
Sementara itu, model SVM juga memiliki performa yang baik dengan akurasi 88.13%, namun masih sedikit di bawah dua model lainnya. Perbedaan ini menunjukkan bahwa metode berbasis pohon keputusan seperti Decision Tree dan Random Forest lebih efektif dalam menangkap hubungan non-linear antar variabel lingkungan (pH, DO, BOD, TSS, dan Suhu) terhadap Status Kualitas Air.
Secara keseluruhan, hasil ini menegaskan bahwa Random Forest tetap menjadi model yang paling direkomendasikan karena selain memberikan akurasi tinggi seperti Decision Tree, model ini lebih stabil dan tahan terhadap overfitting berkat mekanisme ensemble dari banyak pohon keputusan. Dengan akurasi mencapai 96.61%, model Random Forest dapat dikatakan sangat andal dalam memprediksi status kualitas air secara ilmiah dan statistik.
### Prediksi Variabel DO (35%)
### 3.1 Gunakan Regresi Linear dan Regresi Spline untuk memprediksi nilai DO berdasarkan pH, BOD, TSS, dan Suhu.
# Memanggil library
library(caret)
library(splines)
library(ggplot2)
library(Metrics)##
## Attaching package: 'Metrics'## The following objects are masked from 'package:caret':
##
## precision, recall# Model 1: Regresi Linear
lm_model <- lm(DO ~ pH + BOD + TSS + Suhu, data = trainData)
summary(lm_model)##
## Call:
## lm(formula = DO ~ pH + BOD + TSS + Suhu, data = trainData)
##
## Residuals:
## Min 1Q Median 3Q Max
## -2.16276 -0.51049 0.03018 0.61517 2.40013
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 5.599387 1.293584 4.329 2.22e-05 ***
## pH 0.043533 0.127898 0.340 0.734
## BOD -0.006736 0.075306 -0.089 0.929
## TSS 0.007329 0.006750 1.086 0.279
## Suhu -0.010369 0.029430 -0.352 0.725
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.8983 on 236 degrees of freedom
## Multiple R-squared: 0.006156, Adjusted R-squared: -0.01069
## F-statistic: 0.3654 on 4 and 236 DF, p-value: 0.8331# Prediksi pada data uji
lm_pred <- predict(lm_model, newdata = testData)
# Model 2: Regresi Spline (menggunakan spline natural)
spline_model <- lm(DO ~ ns(pH, df=3) + ns(BOD, df=3) + ns(TSS, df=3) + ns(Suhu, df=3),
data = trainData)
summary(spline_model)##
## Call:
## lm(formula = DO ~ ns(pH, df = 3) + ns(BOD, df = 3) + ns(TSS,
## df = 3) + ns(Suhu, df = 3), data = trainData)
##
## Residuals:
## Min 1Q Median 3Q Max
## -2.19087 -0.52905 0.04011 0.59946 2.37784
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 4.84370 0.80165 6.042 6.14e-09 ***
## ns(pH, df = 3)1 0.07887 0.26910 0.293 0.770
## ns(pH, df = 3)2 0.76765 0.93771 0.819 0.414
## ns(pH, df = 3)3 0.23020 0.37204 0.619 0.537
## ns(BOD, df = 3)1 0.18537 0.26407 0.702 0.483
## ns(BOD, df = 3)2 1.19948 0.85267 1.407 0.161
## ns(BOD, df = 3)3 -0.08055 0.43584 -0.185 0.854
## ns(TSS, df = 3)1 0.05834 0.25955 0.225 0.822
## ns(TSS, df = 3)2 0.81441 0.78265 1.041 0.299
## ns(TSS, df = 3)3 0.52807 0.36614 1.442 0.151
## ns(Suhu, df = 3)1 -0.40783 0.26826 -1.520 0.130
## ns(Suhu, df = 3)2 0.06603 0.88011 0.075 0.940
## ns(Suhu, df = 3)3 0.31781 0.38571 0.824 0.411
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.8978 on 228 degrees of freedom
## Multiple R-squared: 0.04091, Adjusted R-squared: -0.009567
## F-statistic: 0.8105 on 12 and 228 DF, p-value: 0.6395# Prediksi pada data uji
spline_pred <- predict(spline_model, newdata = testData)Dua model prediksi digunakan untuk memperkirakan nilai DO (Dissolved Oxygen) berdasarkan variabel pH, BOD, TSS, dan Suhu. Model pertama adalah Regresi Linear, yang mengasumsikan hubungan linier antar variabel. Model ini sederhana, interpretatif, dan umum digunakan dalam analisis awal. Model kedua adalah Regresi Spline, yang bersifat non-linear dan menggunakan fungsi potongan (piecewise polynomial) untuk menangkap hubungan yang lebih kompleks antara DO dan variabel prediktor. Dengan demikian, kedua model ini dibandingkan untuk mengetahui mana yang memberikan hasil prediksi paling akurat.
### 3.2 Evaluasi performa model (R²/MSE/RMSE).
# Hitung metrik evaluasi Regresi Linear
R2_lm <- cor(testData$DO, lm_pred)^2
MSE_lm <- mean((testData$DO - lm_pred)^2)
RMSE_lm <- sqrt(MSE_lm)
# Hitung metrik evaluasi Regresi Spline
R2_spline <- cor(testData$DO, spline_pred)^2
MSE_spline <- mean((testData$DO - spline_pred)^2)
RMSE_spline <- sqrt(MSE_spline)
# Tampilkan hasil evaluasi
cat("Regresi Linear:\n", "R² =", R2_lm, "MSE =", MSE_lm, "RMSE =", RMSE_lm, "\n\n")## Regresi Linear:
## R² = 0.0002651623 MSE = 0.8994472 RMSE = 0.9483919cat("Regresi Spline:\n", "R² =", R2_spline, "MSE =", MSE_spline, "RMSE =", RMSE_spline)## Regresi Spline:
## R² = 0.000396436 MSE = 0.9091771 RMSE = 0.9535078Berdasarkan hasil output, Regresi Linear memiliki R² = 0.00026, sedangkan Regresi Spline memiliki R² = 0.00039. Nilai R² yang sangat kecil menunjukkan bahwa kedua model hampir tidak mampu menjelaskan variasi nilai DO berdasarkan variabel pH, BOD, TSS, dan Suhu. Nilai MSE dan RMSE yang hampir sama (sekitar 0.9) juga menandakan bahwa tingkat kesalahan prediksi keduanya tinggi. Dengan demikian, baik Regresi Linear maupun Regresi Spline belum efektif dalam memprediksi nilai DO, dan kemungkinan diperlukan variabel lain atau model yang lebih kompleks agar hasil prediksi menjadi lebih akurat.
### 3.3 Visualisasikan hasil prediksi vs aktual.
# Gabungkan hasil prediksi dan data aktual
plot_data <- data.frame(
Actual = testData$DO,
Linear_Pred = lm_pred,
Spline_Pred = spline_pred
)
# Visualisasi hasil prediksi vs aktual
ggplot(plot_data, aes(x = Actual, y = Linear_Pred)) +
geom_point(color = "blue") +
geom_abline(intercept = 0, slope = 1, color = "red") +
ggtitle("Prediksi vs Aktual - Regresi Linear") +
xlab("Nilai Aktual DO") + ylab("Nilai Prediksi DO")
ggplot(plot_data, aes(x = Actual, y = Spline_Pred)) +
geom_point(color = "green") +
geom_abline(intercept = 0, slope = 1, color = "red") +
ggtitle("Prediksi vs Aktual - Regresi Spline") +
xlab("Nilai Aktual DO") + ylab("Nilai Prediksi DO")
Visualisasi hasil prediksi menunjukkan bahwa titik-titik pada model Regresi Linear cenderung tersebar lebih jauh dari garis diagonal merah (yang menandakan prediksi sempurna), sementara pada Regresi Spline, titik-titik prediksi lebih dekat dengan garis tersebut. Artinya, prediksi dari model Spline lebih mendekati nilai aktual dibandingkan model Linear. Dengan kata lain, Regresi Spline memiliki kemampuan yang lebih baik dalam menyesuaikan diri terhadap variasi data DO, terutama ketika hubungan antarvariabel tidak sepenuhnya linier.
### 3.4 Jelaskan variabel yang paling memengaruhi DO.
# Melihat koefisien model linear
summary(lm_model)$coefficients## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 5.599386544 1.293584474 4.32858206 2.218241e-05
## pH 0.043533392 0.127898063 0.34037569 7.338764e-01
## BOD -0.006736478 0.075306489 -0.08945415 9.287969e-01
## TSS 0.007328687 0.006749775 1.08576755 2.786897e-01
## Suhu -0.010369383 0.029429627 -0.35234504 7.248940e-01# Melihat pentingnya variabel (melalui nilai koefisien spline atau korelasi)
cor(data[, c("DO", "pH", "BOD", "TSS", "Suhu")])## DO pH BOD TSS Suhu
## DO 1.000000000 0.014408517 0.003720023 0.054863050 -0.038650022
## pH 0.014408517 1.000000000 -0.050436205 -0.001332863 -0.069127870
## BOD 0.003720023 -0.050436205 1.000000000 -0.023060107 0.056224074
## TSS 0.054863050 -0.001332863 -0.023060107 1.000000000 -0.007509463
## Suhu -0.038650022 -0.069127870 0.056224074 -0.007509463 1.000000000Berdasarkan hasil output regresi, nilai intercept sebesar 5.599 menunjukkan bahwa ketika pH, BOD, TSS, dan Suhu bernilai nol, nilai perkiraan DO berada di sekitar 5.6. Namun, dari hasil uji signifikansi, terlihat bahwa semua variabel prediktor — pH (p = 0.734), BOD (p = 0.929), TSS (p = 0.279), dan Suhu (p = 0.725) — memiliki nilai p lebih besar dari 0.05. Artinya, tidak ada variabel yang berpengaruh signifikan terhadap DO secara statistik pada model ini. Hasil korelasi juga mendukung temuan tersebut karena hubungan antara DO dengan variabel lain sangat lemah (semua nilai korelasi di bawah 0.1). Korelasi positif kecil antara DO dan TSS (0.054) menunjukkan sedikit kecenderungan DO naik saat TSS meningkat, sedangkan korelasi negatif kecil dengan Suhu (-0.039) menunjukkan penurunan DO saat suhu naik, meskipun efeknya tidak signifikan. Secara keseluruhan, model regresi ini menunjukkan bahwa pH, BOD, TSS, dan Suhu tidak memiliki pengaruh yang signifikan terhadap DO, sehingga diperlukan variabel lain atau model yang lebih kompleks untuk menjelaskan variasi kadar oksigen terlarut secara lebih akurat.