R Markdown

This is an R Markdown document. Markdown is a simple formatting syntax for authoring HTML, PDF, and MS Word documents. For more details on using R Markdown see http://rmarkdown.rstudio.com.

When you click the Knit button a document will be generated that includes both content as well as the output of any embedded R code chunks within the document. You can embed an R code chunk like this:

summary(cars)
##      speed           dist       
##  Min.   : 4.0   Min.   :  2.00  
##  1st Qu.:12.0   1st Qu.: 26.00  
##  Median :15.0   Median : 36.00  
##  Mean   :15.4   Mean   : 42.98  
##  3rd Qu.:19.0   3rd Qu.: 56.00  
##  Max.   :25.0   Max.   :120.00

Including Plots

You can also embed plots, for example:

Note that the echo = FALSE parameter was added to the code chunk to prevent printing of the R code that generated the plot.

Decision Intelligence (DI) adalah pendekatan pengambilan keputusan yang menggabungkan data, kecerdasan buatan, analitik, dan pemahaman perilaku manusia untuk menghasilkan keputusan yang lebih tepat, cepat, dan minim risiko (bisa menjadi prediksi dengan dara yang ada).

Contoh nyata salah satunya dalam bidang kesehatan untuk diagnosis dan perawatan. Rumah sakit memakai DI untuk memprediksi risiko penyakit pasien berdasarkan data rekam medis, gaya hidup, dan faktor lingkungan.

Berdasarkan dataset Happiness World, metode analisis seperti regresi dan analisis faktor masuk ke proses Decision Intelligence (DI) dengan cara: regresi dipakai untuk memprediksi Happiness Score dari variabel seperti GDP, kesehatan, dan kebebasan sehingga memberi wawasan prediktif; sedangkan analisis faktor menyederhanakan banyak variabel menjadi beberapa dimensi inti (ekonomi, sosial, kesehatan) agar keputusan lebih fokus. Keduanya membantu mengubah data mentah menjadi insight yang bisa diuji lewat simulasi sebelum dijadikan dasar keputusan strategis.

Load library

library(ggplot2) library(plotly) library(car)

Read data

data <- read.csv(“Happiness World.csv”)

Struktur dan ringkasan data

str(data) summary(data)

Visualisasi distribusi skor kebahagiaan (interaktif)

p1 <- ggplot(data, aes(x = Happiness.Score)) + geom_histogram(binwidth = 0.2, fill = “steelblue”, color = “white”) + labs(title = “Distribusi Skor Kebahagiaan Dunia”, x = “Skor Kebahagiaan”, y = “Jumlah Negara”) ggplotly(p1)

Regresi linier untuk memprediksi skor kebahagiaan

model <- lm(Happiness.Score ~ Economy..GDP.per.Capita. + Family + Health..Life.Expectancy. + Freedom + Trust..Government.Corruption. + Generosity, data = data)

Ringkasan hasil regresi

summary(model)

Visualisasi hubungan GDP dan skor kebahagiaan (interaktif)

p2 <- ggplot(data, aes(x = Economy..GDP.per.Capita., y = Happiness.Score)) + geom_point(color = “darkgreen”) + geom_smooth(method = “lm”, se = FALSE, color = “red”) + labs(title = “Hubungan GDP per Kapita dan Skor Kebahagiaan”, x = “GDP per Kapita”, y = “Skor Kebahagiaan”) ggplotly(p2)

Mengecek multikolinearitas antar variabel

vif(model)

Plot diagnostik model regresi

par(mfrow = c(2, 2)) plot(model)

Korelasi antar variabel prediktor

cor(data[, c(“Economy..GDP.per.Capita.”, “Family”, “Health..Life.Expectancy.”, “Freedom”, “Trust..Government.Corruption.”, “Generosity”)])

Interpretasi Output Regresi

Hasil scatter plot menunjukkan hubungan positif antara GDP per kapita dan skor kebahagiaan.

Semakin tinggi GDP per kapita suatu negara, semakin tinggi pula tingkat kebahagiaannya.

Meski begitu, ada beberapa negara dengan GDP tinggi tetapi kebahagiaan sedang,

menandakan faktor non-ekonomi juga berpengaruh.

Uji Asumsi Klasik

Plot diagnostik menunjukkan bahwa model regresi memenuhi asumsi linearitas,

normalitas residual, dan homoskedastisitas.

Tidak ada outlier yang berpengaruh besar, sehingga model dapat dianggap valid dan reliabel.

Distribusi Skor Kebahagiaan

Sebagian besar negara memiliki skor kebahagiaan menengah hingga tinggi (sekitar 4–7),

dengan dua puncak utama di sekitar skor 5 dan 6.

Hanya sedikit negara yang memiliki skor kebahagiaan sangat rendah.

Kesimpulan

Terdapat hubungan positif yang signifikan antara GDP per kapita dan kebahagiaan dunia.

Negara dengan ekonomi lebih baik cenderung memiliki masyarakat yang lebih bahagia,

meski faktor sosial dan kualitas hidup juga tetap berperan penting.