library(tidyverse)
#install.packages("DT")
library(DT)

# Peubah No
No <- c(seq(500),seq(9001, 9500))

# Peubah ID
ID <- sprintf("G%04d", No)

#Peubah Kelas
Kelas <- factor(ifelse(No %% 2 == 0, "Paralel 1", "Paralel 2"))


#Peubah UTS
set.seed(5612) #set.seed dibuat 5612 menandakan STA561 kelompok 2
UTS <- round(rnorm(1000, 70, 5),4) #membangkitkan bilangan acak yang menyebar normal dengan 4 angka di belakang koma

#Peubah Indeks
set.seed(5612) #set.seed dibuat 5612 menandakan STA561 kelompok 2
Indeks <- round(rexp(1000, 1),4) #membangkitkan bilangan acak yang menyebar eksponensial dengan 4 angka di belakang koma

# Membuat Data Frame data.Populasi
data.Populasi <- data.frame(No, ID, Kelas, UTS, Indeks)

# Menampilkan data frame data populasi dengan menggunakan formatStyle
data.Populasi %>%  datatable(data.Populasi, class = 'cell-border stripe')  %>%
formatStyle('Indeks',  color = styleInterval(1, c('black', 'red')), backgroundColor = '#b3ffb3', fontWeight = 'bold',) 

#Mengubah data indeks > 1 menjadi NA
data.Populasi$Indeks <- ifelse(data.Populasi$Indeks >1, NA, data.Populasi$Indeks)

#Menampilkan tabel data populasi dengan formatStyle
data.Populasi %>%  datatable(data.Populasi, class = 'cell-border stripe')  %>%
formatStyle('Indeks',  color = styleInterval(1, c('black', '  ')), backgroundColor = '#b3ffb3', fontWeight = 'bold',) 

# Filter data untuk yang ada Indeks nya
data.adaindeks <- data.Populasi %>% 
  filter(!is.na(Indeks)) 

# Menghitung Rata-rata UTS yang ada indeksnya
rata2UTS <- mean(data.adaindeks$UTS)
cat("rata-rata dari UTS yang Indeks-nya ada sebesar", rata2UTS)

# Filter data untuk kelas Paralel 1
data.adaindekspar1 <- data.adaindeks %>% 
  filter(Kelas =="Paralel 1")

# Menarik sampel dari populasi dengan 100 amatan
set.seed(5612) #set.seed dibuat 5612 menandakan STA561 kelompok 2
data.sampel <- data.adaindekspar1 %>% 
  sample_n(100)

# Menampilkan data sampel dengan formatStyle
data.sampel %>%  datatable(data.sampel, class = 'cell-border stripe')  %>%
formatStyle('Kelas',  color = ' ', backgroundColor = '#b3ffb3', fontWeight = 'bold',) %>%
formatStyle('Indeks',  color = ' ', backgroundColor = '#b3ffb3', fontWeight = 'bold',) 

# Menghitung rata-rata UTS data sampel
rata2UTSsampel <- mean(data.sampel$UTS)
cat("rata-rata dari UTS pada data sampel yang terambil sebesar", rata2UTSsampel)

# Menghitung rata-rata UTS data populasi
rata2UTSpop <- mean(data.Populasi$UTS)
cat("rata-rata dari UTS pada data populasi sebesar", rata2UTSpop)

library(MASS) 
library(car)

# Misal Besar korelasi antarpeubah bebas adalah 0.96
b0 <- 10; b1 <- 3; b2 <- 5; b3 <- 7  #𝑌 = 10 + 3𝑋1 + 5𝑋2 + 7𝑋3 + 𝜀
b0topi <- NULL; b1topi <- NULL; b2topi <- NULL; b3topi <- NULL 
Sigma <- matrix(c(1,0.96,0.96,0.96,1,0.96,0.96,0.96,1),nrow=3,ncol=3) #matriks ragam peragam

#membangkitkan data sebanyak 1000
set.seed(5612) #set.seed dibuat 5612 menandakan STA561 kelompok 2
eps <- rnorm(1000) # membangkitkan e~N(0,1) sebanyak 1000
mu <- c(1, 1, 1)
x <- round(mvrnorm(1000,mu,Sigma),4) #membangkitkan peubah X dengan ketentuan 4 angka di belakang koma
y <- round((b0 + b1*x[,1] + b2*x[,2] + b3*x[,3]+ eps),4) #menghitung peubah y dengan ketentuan 4 angka di belakang koma
 

pembangkitandata <- data.frame(y,x) #peubah Y dan X yang telah dibangkitkan


# Menampilkan data yang telah dibangkitkan dengan datatable
datatable(pembangkitandata, class = 'cell-border stripe') 

#menampilkan nilai korelasi antar peubah bebas
data_cor <- cor(x)
korelasi <- function(data_cor){
  hasil <- data_cor %>% corrplot::corrplot(method="color",  
                      type="upper", 
                      order="hclust", 
                      addCoef.col = "white",
                      tl.col="black", 
                      insig = "blank",
                      diag=FALSE) 
  return(hasil)
}
korelasi(data_cor)

#Melakukan pengecekan multikolinieritas dengan VIF
cekmultikolinearitas <-lm(pembangkitandata$y~pembangkitandata$X1+pembangkitandata$X2+pembangkitandata$X3)
vif(cekmultikolinearitas)

#menghitung koefisien penduga parameter regresi komponen utama yang sudah ditransformasi balik menggunakan fungsi RKU yang sudah dibuat di soal nomor 2

PCR = RKU(x,y)

PCR$skor.KU

PCR