Ringkasan Laporan: Laporan ini membangun dan mengevaluasi model regresi linear sederhana untuk memprediksi volume kayu (Volume) pohon ceri berdasarkan diameter batangnya (Girth), lengkap dengan eksplorasi data, pengujian signifikansi model, dan pemeriksaan asumsi klasik.

1 Pendahuluan

1.1 Latar Belakang

Kayu merupakan salah satu hasil hutan yang bernilai ekonomis tinggi dan banyak dimanfaatkan dalam industri konstruksi, mebel, hingga bahan bakar. Dalam praktik kehutanan, pengukuran volume kayu suatu pohon secara langsung (misalnya dengan menebang pohon) membutuhkan biaya, waktu, dan tenaga yang tidak sedikit, serta bersifat merusak (destruktif). Oleh karena itu, dibutuhkan suatu pendekatan statistika yang memungkinkan estimasi volume kayu tanpa harus menebang pohon, yaitu dengan memanfaatkan variabel lain yang lebih mudah diukur di lapangan, seperti diameter batang.

Diameter batang pohon (girth) merupakan variabel yang relatif mudah dan cepat diukur menggunakan pita ukur, tanpa merusak pohon. Jika terdapat hubungan yang kuat antara diameter batang dan volume kayu, maka model regresi dapat digunakan untuk memprediksi volume kayu suatu pohon hanya berdasarkan pengukuran diameternya. Laporan ini menggunakan dataset trees bawaan R sebagai studi kasus untuk membangun dan mengevaluasi model regresi linear sederhana antara diameter batang (Girth) dan volume kayu (Volume).

1.2 Rumusan Masalah

Berdasarkan latar belakang di atas, permasalahan yang dikaji dalam laporan ini dirumuskan sebagai berikut:

  1. Bagaimana pola dan kekuatan hubungan antara diameter batang (Girth) dengan volume kayu (Volume) pada pohon ceri?
  2. Bagaimana bentuk model regresi linear sederhana yang menggambarkan hubungan tersebut, dan apakah model tersebut signifikan secara statistik?
  3. Apakah model regresi yang terbentuk telah memenuhi asumsi klasik (linearitas, normalitas residual, homoskedastisitas, dan non-autokorelasi)?
  4. Seberapa besar kemampuan variabel Girth dalam menjelaskan keragaman Volume?

1.3 Tujuan

Tujuan dari analisis dalam laporan ini adalah:

  1. Mengeksplorasi karakteristik data Girth dan Volume secara deskriptif dan visual.
  2. Membentuk model regresi linear sederhana antara Girth (prediktor) dan Volume (respon).
  3. Menguji signifikansi model dan koefisien regresi yang dihasilkan.
  4. Melakukan pemeriksaan asumsi klasik terhadap model yang terbentuk.
  5. Menginterpretasikan hasil analisis dan menarik kesimpulan yang dapat digunakan sebagai dasar prediksi volume kayu berdasarkan diameter batang.

2 Dasar Teori

Regresi linear sederhana adalah metode statistika yang digunakan untuk memodelkan hubungan antara satu variabel respon (Y) dengan satu variabel prediktor (X) yang diasumsikan bersifat linear. Model umum regresi linear sederhana dituliskan sebagai:

\[Y_i = \beta_0 + \beta_1 X_i + \varepsilon_i\]

dengan:

  • \(Y_i\) : variabel respon (dependen) untuk pengamatan ke-\(i\)
  • \(X_i\) : variabel prediktor (independen) untuk pengamatan ke-\(i\)
  • \(\beta_0\) : intersep (nilai Y saat X = 0)
  • \(\beta_1\) : koefisien kemiringan (perubahan Y untuk setiap kenaikan satu satuan X)
  • \(\varepsilon_i\) : galat/error acak, diasumsikan menyebar normal dengan rata-rata 0

Parameter \(\beta_0\) dan \(\beta_1\) diestimasi menggunakan metode kuadrat terkecil (Ordinary Least Squares/OLS), yang meminimumkan jumlah kuadrat residual. Kebaikan model dievaluasi antara lain melalui koefisien determinasi (\(R^2\)), uji signifikansi parameter (uji-t), dan uji signifikansi model secara keseluruhan (uji-F), serta pemeriksaan asumsi klasik (linearitas, normalitas residual, homoskedastisitas, dan non-autokorelasi).

3 Deskripsi Data

Data yang digunakan adalah dataset bawaan R, yaitu trees, yang berisi hasil pengukuran 31 pohon ceri (black cherry trees): diameter batang (Girth, dalam inci), tinggi pohon (Height, dalam feet), dan volume kayu yang dihasilkan (Volume, dalam kaki kubik). Pada laporan ini, Volume diposisikan sebagai variabel respon dan Girth sebagai variabel prediktor.

data(trees)
str(trees)
## 'data.frame':    31 obs. of  3 variables:
##  $ Girth : num  8.3 8.6 8.8 10.5 10.7 10.8 11 11 11.1 11.2 ...
##  $ Height: num  70 65 63 72 81 83 66 75 80 75 ...
##  $ Volume: num  10.3 10.3 10.2 16.4 18.8 19.7 15.6 18.2 22.6 19.9 ...

Output str() di atas menunjukkan bahwa dataset trees terdiri dari 31 observasi (baris) dan 3 variabel numerik (kolom): Girth, Height, dan Volume, tanpa ada variabel kategorik. Tidak ditemukan indikasi missing value pada struktur data ini, sehingga data dapat langsung digunakan tanpa tahap pembersihan (data cleaning) tambahan.

3.1 Ringkasan Statistik Deskriptif

summary(trees)
##      Girth           Height       Volume     
##  Min.   : 8.30   Min.   :63   Min.   :10.20  
##  1st Qu.:11.05   1st Qu.:72   1st Qu.:19.40  
##  Median :12.90   Median :76   Median :24.20  
##  Mean   :13.25   Mean   :76   Mean   :30.17  
##  3rd Qu.:15.25   3rd Qu.:80   3rd Qu.:37.30  
##  Max.   :20.60   Max.   :87   Max.   :77.00

Fungsi summary() menampilkan lima ringkasan angka (five-number summary) beserta rata-rata untuk setiap variabel. Dari sini dapat dilihat gambaran awal rentang nilai Girth dan Volume, termasuk apakah rata-rata (mean) dan median berbeda jauh — yang menjadi indikasi awal kemencengan (skewness) distribusi data.

# Tabel ringkasan yang lebih rapi dan informatif, dilengkapi kableExtra bila tersedia
tabel_ringkasan <- data.frame(
  Statistik = c("Minimum", "Q1", "Median", "Mean", "Q3", "Maximum", "Std. Dev"),
  Girth  = c(min(trees$Girth), quantile(trees$Girth, 0.25), median(trees$Girth),
             round(mean(trees$Girth), 2), quantile(trees$Girth, 0.75),
             max(trees$Girth), round(sd(trees$Girth), 2)),
  Volume = c(min(trees$Volume), quantile(trees$Volume, 0.25), median(trees$Volume),
             round(mean(trees$Volume), 2), quantile(trees$Volume, 0.75),
             max(trees$Volume), round(sd(trees$Volume), 2))
)

if (requireNamespace("kableExtra", quietly = TRUE)) {
  library(kableExtra)
  knitr::kable(
    tabel_ringkasan,
    caption = "Ringkasan Statistik Deskriptif Variabel Girth dan Volume",
    align = "lcc"
  ) %>%
    kable_styling(bootstrap_options = c("striped", "hover", "condensed"),
                  full_width = FALSE, position = "center") %>%
    row_spec(0, bold = TRUE, background = "#40916c", color = "white")
} else {
  knitr::kable(
    tabel_ringkasan,
    caption = "Ringkasan Statistik Deskriptif Variabel Girth dan Volume",
    align = "lcc"
  )
}
Ringkasan Statistik Deskriptif Variabel Girth dan Volume
Statistik Girth Volume
Minimum 8.30 10.20
Q1 11.05 19.40
Median 12.90 24.20
Mean 13.25 30.17
Q3 15.25 37.30
Maximum 20.60 77.00
Std. Dev 3.14 16.44

Tabel di atas mempermudah perbandingan langsung antara Girth dan Volume pada setiap ukuran statistik. Selisih yang cukup besar antara Mean dan Median pada kedua variabel mengonfirmasi adanya sedikit kemencengan distribusi, sebagaimana juga akan terlihat pada visualisasi histogram berikut.

3.2 Visualisasi Data

Eksplorasi visual dilakukan secara bertahap: dimulai dari sebaran tiap variabel secara individu (histogram dan boxplot), dilanjutkan dengan hubungan antar variabel (scatter plot dan pairs plot), sehingga pola data dapat dipahami secara lebih menyeluruh sebelum masuk ke tahap pemodelan.

3.2.1 Distribusi Masing-Masing Variabel (Histogram + Kurva Densitas)

par(mfrow = c(1, 2))

# Histogram Girth dengan kurva densitas
hist(trees$Girth, freq = FALSE, main = "Distribusi Girth",
     xlab = "Girth / Diameter Batang (inci)", col = "lightgreen", border = "white")
lines(density(trees$Girth), col = "darkgreen", lwd = 2)
rug(trees$Girth, col = "darkgreen")

# Histogram Volume dengan kurva densitas
hist(trees$Volume, freq = FALSE, main = "Distribusi Volume",
     xlab = "Volume Kayu (kaki kubik)", col = "lightyellow", border = "white")
lines(density(trees$Volume), col = "orange4", lwd = 2)
rug(trees$Volume, col = "orange4")

Kurva densitas berwarna pada histogram membantu melihat bentuk sebaran data secara lebih halus dibandingkan histogram biasa, sedangkan rug() di bagian bawah menunjukkan posisi setiap titik data. Terlihat bahwa Girth dan Volume sama-sama cenderung menjulur ke kanan (right-skewed), yang wajar untuk data ukuran biologis seperti diameter dan volume pohon.

3.2.2 Deteksi Pencilan (Boxplot)

par(mfrow = c(1, 2))
boxplot(trees$Girth, main = "Boxplot Girth", ylab = "Girth (inci)",
        col = "lightgreen", horizontal = FALSE)
boxplot(trees$Volume, main = "Boxplot Volume", ylab = "Volume (kaki kubik)",
        col = "lightyellow", horizontal = FALSE)

Boxplot digunakan untuk mengidentifikasi kemungkinan adanya nilai pencilan (outlier) pada masing-masing variabel berdasarkan aturan 1.5×IQR. Adanya pencilan yang ekstrem berpotensi memengaruhi hasil estimasi model regresi, sehingga penting untuk diperiksa sejak tahap eksplorasi.

3.2.3 Hubungan Girth dan Volume (Scatter Plot dengan Garis Tren)

plot(trees$Girth, trees$Volume,
     main = "Scatter Plot: Diameter Batang vs Volume Kayu",
     xlab = "Girth / Diameter Batang (inci)", ylab = "Volume Kayu (kaki kubik)",
     pch = 19, col = "darkgreen")

# Garis tren linear (regresi awal) untuk melihat pola hubungan
abline(lm(Volume ~ Girth, data = trees), col = "red", lwd = 2, lty = 2)

# Garis tren non-parametrik (LOESS) sebagai pembanding kelinearan
lines(lowess(trees$Girth, trees$Volume), col = "blue", lwd = 2)

legend("topleft",
       legend = c("Garis Regresi Linear", "Garis Tren LOESS"),
       col = c("red", "blue"), lty = c(2, 1), lwd = 2, bty = "n", cex = 0.8)

Garis regresi linear (merah, putus-putus) dan garis tren LOESS (biru) ditampilkan bersamaan untuk mengecek asumsi linearitas secara visual: jika kedua garis relatif berimpit, maka hubungan linear merupakan pendekatan yang wajar untuk data ini.

3.2.4 Eksplorasi Antar Semua Variabel (Pairs Plot)

# Fungsi tambahan untuk menampilkan koefisien korelasi pada panel atas
panel.cor <- function(x, y, digits = 2, cex.cor = 1.3, ...) {
  usr <- par("usr"); on.exit(par(usr = usr))
  par(usr = c(0, 1, 0, 1))
  r <- cor(x, y)
  txt <- paste0("r = ", formatC(r, digits = digits, format = "f"))
  text(0.5, 0.5, txt, cex = cex.cor * abs(r) + 0.6, col = "darkblue")
}

pairs(trees,
      main = "Pairs Plot: Girth, Height, dan Volume",
      pch = 19, col = "darkgreen",
      lower.panel = panel.smooth,
      upper.panel = panel.cor)

Meskipun analisis regresi pada laporan ini difokuskan pada Girth sebagai prediktor tunggal, pairs plot di atas menampilkan seluruh variabel dalam dataset trees (Girth, Height, Volume) sekaligus. Panel bawah menampilkan scatter plot dengan garis pemulus (smooth line), sedangkan panel atas menampilkan koefisien korelasi Pearson antar pasangan variabel. Eksplorasi ini berguna untuk memastikan bahwa Girth memang merupakan prediktor yang paling relevan secara linear terhadap Volume, dibandingkan Height.

Rangkuman hasil eksplorasi visual:

  • Pola hubungan antara Girth dan Volume cenderung positif dan linear: semakin besar diameter batang pohon, semakin besar pula volume kayu yang dihasilkan.
  • Garis tren LOESS sedikit melengkung pada nilai Girth yang besar, mengindikasikan kemungkinan hubungan yang tidak sepenuhnya linear sempurna, namun pendekatan linear masih cukup representatif untuk rentang data yang ada.
  • Tidak terdapat pencilan yang sangat ekstrem pada boxplot kedua variabel, sehingga data cukup layak digunakan untuk pemodelan regresi linear tanpa perlakuan khusus terhadap pencilan.

4 Tahapan Analisis

Bagian ini menjelaskan tahapan inti analisis regresi secara berurutan: mulai dari pengukuran keeratan hubungan (korelasi), pembentukan model, penulisan persamaan regresi, hingga pemeriksaan kelayakan model melalui uji asumsi klasik.

4.1 Korelasi Antar Variabel

cor(trees$Girth, trees$Volume)
## [1] 0.9671194

Nilai korelasi Pearson di atas mengukur keeratan hubungan linear antara Girth dan Volume, dengan rentang nilai -1 sampai 1. Nilai korelasi sebesar 0.967 menunjukkan hubungan yang sangat kuat dan positif antara kedua variabel (semakin mendekati 1, semakin kuat hubungan linear positifnya). Hasil ini memperkuat dugaan awal dari scatter plot bahwa Girth layak digunakan sebagai prediktor Volume dalam model regresi linear.

4.2 Pembentukan Model Regresi

model <- lm(Volume ~ Girth, data = trees)
summary(model)
## 
## Call:
## lm(formula = Volume ~ Girth, data = trees)
## 
## Residuals:
##    Min     1Q Median     3Q    Max 
## -8.065 -3.107  0.152  3.495  9.587 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)    
## (Intercept) -36.9435     3.3651  -10.98 7.62e-12 ***
## Girth         5.0659     0.2474   20.48  < 2e-16 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 4.252 on 29 degrees of freedom
## Multiple R-squared:  0.9353, Adjusted R-squared:  0.9331 
## F-statistic: 419.4 on 1 and 29 DF,  p-value: < 2.2e-16

Fungsi lm() digunakan untuk mengestimasi parameter model regresi dengan metode kuadrat terkecil (OLS), sedangkan summary() menampilkan ringkasan lengkap hasil estimasi, meliputi nilai Estimate, Std. Error, t value, Pr(>|t|) untuk setiap koefisien, serta Multiple R-squared dan F-statistic untuk model secara keseluruhan. Dua nilai terakhir inilah yang mendasari dua uji hipotesis berikut.

Uji-t: Signifikansi Koefisien Girth

Uji-t digunakan untuk menguji apakah variabel Girth secara individual berpengaruh signifikan terhadap Volume.

Ringkasan Uji-t Koefisien Girth
Komponen Keterangan
Hipotesis Nol (\(H_0\)) \(\beta_1 = 0\) (Girth tidak berpengaruh signifikan terhadap Volume)
Hipotesis Alternatif (\(H_1\)) \(\beta_1 \neq 0\) (Girth berpengaruh signifikan terhadap Volume)
Taraf Signifikansi (\(\alpha\)) 0.05
Statistik Uji t-hitung = 20.478
p-value < 1e-04
Keputusan Tolak \(H_0\) (karena p-value < 0.05)
Kesimpulan Girth berpengaruh signifikan terhadap Volume.

Uji-F: Signifikansi Model Secara Keseluruhan

Uji-F digunakan untuk menguji apakah model regresi (dalam hal ini diwakili oleh variabel Girth) secara keseluruhan signifikan dalam menjelaskan Volume.

Ringkasan Uji-F Model
Komponen Keterangan
Hipotesis Nol (\(H_0\)) \(\beta_1 = 0\) (model tidak signifikan menjelaskan Volume)
Hipotesis Alternatif (\(H_1\)) Minimal ada satu \(\beta_j \neq 0\) (model signifikan menjelaskan Volume)
Taraf Signifikansi (\(\alpha\)) 0.05
Statistik Uji F-hitung = 419.36 (df1 = 1, df2 = 29)
p-value < 1e-04
Keputusan Tolak \(H_0\) (karena p-value < 0.05)
Kesimpulan Model regresi signifikan secara keseluruhan.

4.3 Persamaan Regresi

Berdasarkan hasil estimasi, persamaan regresi umum adalah:

\[\hat{Y} = \hat{\beta}_0 + \hat{\beta}_1 X\]

dengan nilai koefisien hasil estimasi model:

coef(model)
## (Intercept)       Girth 
##  -36.943459    5.065856

Kedua nilai di atas masing-masing merupakan estimasi intersep (\(\hat{\beta}_0\)) dan slope (\(\hat{\beta}_1\)) yang langsung diambil dari objek model, sehingga persamaan berikut akan otomatis menyesuaikan bila data berubah:

Sehingga model akhirnya (nilai diambil otomatis dari output di atas):

\[\hat{Volume} = -36.943 + 5.066 \times Girth\]

plot(trees$Girth, trees$Volume,
     main = "Garis Regresi: Volume ~ Girth",
     xlab = "Girth / Diameter Batang (inci)", ylab = "Volume Kayu (kaki kubik)",
     pch = 19, col = "darkgreen")
abline(model, col = "red", lwd = 2)

# Pita kepercayaan 95% untuk garis regresi (interval keyakinan rata-rata prediksi)
girth_seq <- seq(min(trees$Girth), max(trees$Girth), length.out = 100)
pred_ci <- predict(model, newdata = data.frame(Girth = girth_seq),
                    interval = "confidence", level = 0.95)
lines(girth_seq, pred_ci[, "lwr"], col = "red", lty = 3)
lines(girth_seq, pred_ci[, "upr"], col = "red", lty = 3)

legend("topleft", legend = c("Garis Regresi", "Pita Kepercayaan 95%"),
       col = c("red", "red"), lty = c(1, 3), lwd = c(2, 1), bty = "n", cex = 0.8)

Garis merah utuh menunjukkan garis regresi hasil estimasi, sedangkan dua garis putus-putus di sekitarnya adalah pita kepercayaan 95% untuk nilai rata-rata prediksi Volume pada setiap nilai Girth. Semakin sempit pita tersebut, semakin presisi model dalam mengestimasi rata-rata Volume pada rentang Girth yang bersangkutan (biasanya pita paling sempit di sekitar nilai tengah data dan melebar di kedua ujungnya).

4.4 Pemeriksaan Asumsi Klasik (Diagnostik Model)

Empat asumsi klasik regresi linear — linearitas, homoskedastisitas, normalitas residual, dan tidak adanya observasi berpengaruh berlebihan (leverage) — diperiksa satu per satu menggunakan empat diagnostic plot bawaan plot.lm() di bawah ini.

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

Penjelasan tiap panel:

  1. Residuals vs Fitted (kiri atas) — memeriksa asumsi linearitas dan homoskedastisitas. Jika titik-titik residual tersebar acak di sekitar garis nol tanpa pola melengkung atau corong, asumsi linearitas dan varians konstan (homoskedastisitas) terpenuhi.
  2. Normal Q-Q (kanan atas) — memeriksa asumsi normalitas residual. Jika titik-titik mengikuti garis diagonal lurus, residual dianggap menyebar normal.
  3. Scale-Location (kiri bawah) — versi lain dari pengecekan homoskedastisitas, menampilkan akar kuadrat residual terstandarisasi. Garis pemulus yang relatif datar (horizontal) mengindikasikan varians residual konstan di sepanjang nilai fitted.
  4. Residuals vs Leverage (kanan bawah) — mengidentifikasi observasi yang berpotensi berpengaruh besar (high leverage atau influential point) terhadap model, dengan bantuan garis kontur jarak Cook. Observasi yang berada jauh di luar garis putus-putus jarak Cook perlu diperiksa lebih lanjut karena berpotensi mendistorsi hasil estimasi.
# Uji normalitas residual
shapiro.test(residuals(model))
## 
##  Shapiro-Wilk normality test
## 
## data:  residuals(model)
## W = 0.97889, p-value = 0.7811

Uji Shapiro-Wilk digunakan sebagai pelengkap kuantitatif dari plot Normal Q-Q di atas, untuk menguji normalitas residual secara formal.

Ringkasan Uji Shapiro-Wilk
Komponen Keterangan
Hipotesis Nol (\(H_0\)) Residual model menyebar normal
Hipotesis Alternatif (\(H_1\)) Residual model tidak menyebar normal
Taraf Signifikansi (\(\alpha\)) 0.05
Statistik Uji W = 0.9789
p-value 0.7811
Keputusan Gagal tolak \(H_0\) (karena p-value \(\geq\) 0.05)
Kesimpulan Residual model dapat dianggap menyebar normal.

5 Interpretasi

  • Intersep (\(\beta_0\)) sebesar -36.943 menunjukkan estimasi volume kayu ketika diameter batang bernilai 0 (secara praktis nilai ini hanya bermakna matematis, karena diameter 0 tidak realistis untuk sebuah pohon).
  • Koefisien kemiringan (\(\beta_1\)) sebesar 5.066 menunjukkan bahwa setiap kenaikan 1 inci diameter batang, volume kayu diperkirakan meningkat sebesar 5.066 kaki kubik, dengan asumsi faktor lain tetap.
  • Nilai p-value pada uji-t untuk Girth (lihat Tabel Ringkasan Uji-t Koefisien Girth) jauh lebih kecil dari 0.05, artinya variabel Girth berpengaruh signifikan terhadap Volume.
  • Nilai R-squared (lihat summary(model)) menunjukkan proporsi keragaman Volume yang dapat dijelaskan oleh variabel Girth, didukung oleh hasil uji-F pada Tabel Ringkasan Uji-F Model yang menunjukkan model signifikan secara keseluruhan.
  • Hasil uji Shapiro-Wilk (lihat Tabel Ringkasan Uji Shapiro-Wilk, p-value = 0.7811) digunakan untuk mengevaluasi apakah residual model menyebar normal.

(Catatan: nilai-nilai numerik pada poin di atas sudah diambil otomatis dari summary(model) dan shapiro.test() menggunakan inline code R, sehingga akan selalu sesuai dengan hasil terbaru setiap kali dokumen ini di-knit ulang. Anda tetap dapat menambahkan narasi tambahan sesuai kebutuhan.)

6 Kesimpulan

Berdasarkan analisis regresi linear sederhana antara diameter batang (Girth) dan volume kayu (Volume) pada data trees, diperoleh model regresi yang signifikan secara statistik, dengan arah hubungan positif — semakin besar diameter batang pohon, semakin besar volume kayu yang dihasilkan. Model ini dapat digunakan sebagai dasar prediksi sederhana volume kayu berdasarkan pengukuran diameter batang, dengan tetap memperhatikan hasil pemeriksaan asumsi klasik yang telah dilakukan.