Muhammad Sulthon.k_210605110033(Tugas Kelompok Regresi Linier)Data Pasien Positif Covid April 2021 dengan mobility index di DKI Jakarta
Muhammad Sulthon.k
3/28/2022
Dosen Pengampu: Prof. Dr. Suhartono, M.Kom
Lembaga: Universitas Islam Negeri Maulana Malik Ibrahim Malang
Jurusan: Teknik Informatika
Fakultas : Sains dan Teknologi
Penjelasan
Program ini dibuat untuk menganalisa Regresi Linier pada data pasien positif covid Mei 2021 yang disandingkan dengan data mobility index di daerah DKI Jakarta.
Langkah 1
Langkah pertama adalah memasukkan tabel data yang akan digunakan kedalam sebuah variable.
library(readxl)## Warning: package 'readxl' was built under R version 4.1.2April <- read_excel(path = "April_2021_Positif.xlsx")## New names:
## * `` -> ...10
## * `` -> ...11April## # A tibble: 31 x 11
## Nama_provinsi Tanggal Positif Retail Grocery Park Station Workplace
## <chr> <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 DKI Jakarta 44287 409546 -6 21 -19 -20 -36
## 2 DKI Jakarta 44288 410400 -7 19 -27 -22 -7
## 3 DKI Jakarta 44289 411157 -2 25 -9 -21 -24
## 4 DKI Jakarta 44290 411573 -3 26 -9 -16 -25
## 5 DKI Jakarta 44291 412418 -1 27 -7 -16 -26
## 6 DKI Jakarta 44292 413323 -2 26 -9 -31 -26
## 7 DKI Jakarta 44293 414106 -2 25 -12 -34 -23
## 8 DKI Jakarta 44294 414838 -4 25 -20 -33 -17
## 9 DKI Jakarta 44295 415647 -2 26 -23 -35 -6
## 10 DKI Jakarta 44296 416341 6 36 1 -31 -32
## # ... with 21 more rows, and 3 more variables: Residental <dbl>, ...10 <lgl>,
## # ...11 <lgl>Langkah 2
Perintah summary digunakan untuk menampilkan beberapa informasi terkait data yang diberikan seperti: panjang data (length), tipe data (mode), nilai minimal (Min), nilai Maksimal (Max), Quartil 1 (1st Qu), Quartil 3 (3rd Qu), nilai rata-rata (mean), dan nilai tengan (median) setiap kolomnya.
summary(April)## Nama_provinsi Tanggal Positif Retail
## Length:31 Length:31 Min. :409546 Min. :-13.000
## Class :character Class :character 1st Qu.:415243 1st Qu.: -5.000
## Mode :character Mode :character Median :419208 Median : -2.000
## Mean :419589 Mean : -2.161
## 3rd Qu.:424419 3rd Qu.: -1.000
## Max. :430059 Max. : 8.000
## Grocery Park Station Workplace
## Min. : 8.00 Min. :-27.000 Min. :-45.00 Min. :-73.00
## 1st Qu.:18.50 1st Qu.: -8.000 1st Qu.:-31.50 1st Qu.:-35.00
## Median :23.00 Median : 5.000 Median :-22.00 Median :-24.00
## Mean :23.87 Mean : 3.677 Mean :-24.32 Mean :-28.65
## 3rd Qu.:25.50 3rd Qu.: 14.500 3rd Qu.:-17.50 3rd Qu.:-19.50
## Max. :55.00 Max. : 34.000 Max. :-14.00 Max. : -4.00
## Residental ...10 ...11
## Min. : 2.000 Mode:logical Mode:logical
## 1st Qu.: 5.000 NA's:31 NA's:31
## Median : 6.000
## Mean : 6.129
## 3rd Qu.: 7.000
## Max. :12.000Langkah 3
Langkah 3 adalah menyeleksi data yang akan digunakan, yakni kolom Tanggal dan Positif.
library(dplyr)## Warning: package 'dplyr' was built under R version 4.1.3##
## Attaching package: 'dplyr'## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, unionApril1 <- select(April, Tanggal, Positif)
April1## # A tibble: 31 x 2
## Tanggal Positif
## <chr> <dbl>
## 1 44287 409546
## 2 44288 410400
## 3 44289 411157
## 4 44290 411573
## 5 44291 412418
## 6 44292 413323
## 7 44293 414106
## 8 44294 414838
## 9 44295 415647
## 10 44296 416341
## # ... with 21 more rowsLangkah 4
Langkah 4 digunakan untuk membuat graphical parameter
Langkah 5
Langkah 5 merupakan visualisasi dari tabel yang dibuat dimana x adalah kolom tanggal dan y adalah data pasien positf.
plot(April1$Positif ~ April1$Tanggal, data = April1, main="Data Pasien Positif Covid April 2021")## Warning in xy.coords(x, y, xlabel, ylabel, log): NAs introduced by coercion
## Langkah 6 Langkah 6 digunakan untuk menguban kolom tanggal menjadi tipe numeric
April1$Tanggal <- as.numeric(April1$Tanggal)## Warning: NAs introduced by coercionApril1## # A tibble: 31 x 2
## Tanggal Positif
## <dbl> <dbl>
## 1 44287 409546
## 2 44288 410400
## 3 44289 411157
## 4 44290 411573
## 5 44291 412418
## 6 44292 413323
## 7 44293 414106
## 8 44294 414838
## 9 44295 415647
## 10 44296 416341
## # ... with 21 more rowsLangkah 7
Perintah disini adalah untuk menampilkan hubungan keterkatan (korelasi) antara data tanggal dan data pasien positif covid. dimanajika mendekati +1 maka korelasi nya sangat kuat.
cor(April1$Positif, April1$Tanggal)## [1] NALangkah 8
Di langkah ke 8 terdapat perintah untuk membuat regresi linier antara data tanggal dan pasien positif kemudian menampilkannya hasil koefisien dan kinerja model dengan summarry.
model <- lm(April1$Positif ~ April1$Tanggal)
summary(model)##
## Call:
## lm(formula = April1$Positif ~ April1$Tanggal)
##
## Residuals:
## Min 1Q Median 3Q Max
## -1020.63 -294.20 48.37 388.78 813.18
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -2.793e+07 4.490e+05 -62.21 <2e-16 ***
## April1$Tanggal 6.400e+02 1.014e+01 63.14 <2e-16 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 480.5 on 28 degrees of freedom
## (1 observation deleted due to missingness)
## Multiple R-squared: 0.993, Adjusted R-squared: 0.9928
## F-statistic: 3987 on 1 and 28 DF, p-value: < 2.2e-16Langkah 9
ANOVA adalah tes statistik untuk memperkirakan bagaimana variabel dependen kuantitatif berubah sesuai dengan tingkat satu atau lebih variabel independen kategoris.
anova(model)## Analysis of Variance Table
##
## Response: April1$Positif
## Df Sum Sq Mean Sq F value Pr(>F)
## April1$Tanggal 1 920625281 920625281 3987 < 2.2e-16 ***
## Residuals 28 6465313 230904
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1Langkah 10
Disini dilakukan visualisasi data dengan menampilkan abline (garis regresi) dimana semakin dekat dengan garis maka semakin bagus model.
plot(April1$Positif ~ April1$Tanggal, data = April1, col = "magenta", pch = 20, cex = 1.7, main = "Data Pasien Positif Covid April 2021")
abline(model, col="blue")
## Langkah 10 Disini dilakukan visualisasi perkiraan umum pengaruh titik data dalam regresi linier.
plot(cooks.distance(model), pch = 16, col = "magenta")
## Langkah 11 visualisasi model
plot(model)
Langkah 12
Membandingkan kesesuian beberapa model regresi
AIC(model)## [1] 459.5592Langkah 13
Membandingkan kesesuian beberapa model regresi namun dengan sensitifitas penalty pemasukan varible baru yang lebih tinggi.
BIC(model)## [1] 463.7628Langkah 15
Melakukan visualisasi dari prediksi nilai model
plot(head(predict(model), n = 11))
## Langkah 16 Menampilkan residual dari model. Dimana residual adalah selisih antara nilai sesungguhnya dengan nilai prediksi pada analisis regresi linear, baik berganda maupun sederhana
head(resid(model), n = 11)## 1 2 3 4 5 6 7
## -413.31828 -199.33541 -82.35254 -306.36967 -101.38680 163.59607 306.57894
## 8 9 10 11
## 398.56181 567.54468 621.52755 387.51042Langkah 17
Menciptakan estimasi kepadatan kernel warna halus dari scatterplot R.
scatter.smooth(x=April1$Positif, y=April1$Tanggal, main="Data Pasien Positif Covid April 2021")
## Langkah 18 Memebagi data dalam 3 Quartil dan melakukan pengecekan seberapa baik data didistribusikan
boxplot(April1$Positf, April1$Tanggal, main="Positif", boxplot.stats(April1$Positif)$out)## Warning: Unknown or uninitialised column: `Positf`.
## Langkah 20 Membuat visualisasi kepadatan variable dalam mengambil nilai tertentu.
plot(density(April1$Positif), main="Pasien Positif Covid April 2021", ylab="Frequency")
## Langkah 21 Memasukkan koefisien model dalam variable kemudian di visualisasikan dengan menyertakan garis lurus untuk membatu analisa regresi linieer
coefs <- coef(model)
plot(April1$Positif ~ April1$Tanggal, data = April1)
text(x = 12, y = 10, paste('expression = ', round(coefs[1], 2), '+', round(coefs[2], 2), '*Positif'))
abline(coefs, col="blue")
## Langkah 22 Mengubah variabel tanggal ke bentuk numerik dan melakukan test korelasi (hubungan) antara variable tanggal dan variable positif
April1$Tanggal <- as.numeric(April1$Tanggal)
cor.test(April1$Tanggal, April1$Positif)##
## Pearson's product-moment correlation
##
## data: April1$Tanggal and April1$Positif
## t = 63.143, df = 28, p-value < 2.2e-16
## alternative hypothesis: true correlation is not equal to 0
## 95 percent confidence interval:
## 0.9925874 0.9983557
## sample estimates:
## cor
## 0.996507