Dalam analisis statistik, scatter plot regresi, juga dikenal sebagai plot aduan variabel, merupakan salah satu cara untuk menunjukkan bagaimana perubahan dalam suatu variabel prediktor mempengaruhi respons. Dalam artikel ini, kita akan membahas cara membuat scatter plot regresi dengan menggunakan Matlab dan library matplotlib.
Mengapa Scatter Plot Regresi Penting?
Scatter plot regresi sangat penting karena dapat membantu kita untuk mengetahui bagaimana perubahan dalam suatu variabel prediktor mempengaruhi respons. Dengan menggunakan scatter plot regresi, kita dapat melihat hubungan antara variabel prediktor dan respons, serta mengetahui bagaimana perubahan dalam variabel prediktor mempengaruhi respons.
Cara Membuat Scatter Plot Regresi dengan Matlab
Matplotlib adalah library yang sangat populer digunakan untuk membuat plot di Matlab. Berikut cara membuat scatter plot regresi dengan menggunakan Matlab dan library matplotlib:
- Pertama, Anda perlu mengimpor library matplotlib dengan menggunakan perintah
import matplotlib.pyplot as plt. - Kemudian, Anda perlu memuat data yang akan digunakan sebagai variabel prediktor dan respons. Misalnya, kita memiliki data variabel X dan Y, maka Anda perlu memuat data tersebut dengan menggunakan perintah
X = ...danY = .... - Selanjutnya, Anda perlu membuat scatter plot regresi dengan menggunakan perintah
plt.scatter(X, Y). Perintah ini akan membuat scatter plot dari data X dan Y. - Kemudian, Anda perlu menambahkan garis regresi ke dalam scatter plot dengan menggunakan perintah
plt.plot(np.polyfit(X, Y, 1)[0]*X + np.polyfit(X, Y, 1)[1], 'r'). Perintah ini akan membuat garis regresi yang sesuai dengan data X dan Y. - Selanjutnya, Anda perlu menambahkan batas konfiden 95% ke dalam scatter plot dengan menggunakan perintah
plt.fill_between(X, np.polyval(np.polyfit(X, Y, 1), X), alpha=0.3). Perintah ini akan membuat batas konfiden 95% yang sesuai dengan data X dan Y.
Berikut adalah contoh kode Matlab untuk membuat scatter plot regresi:
import matplotlib.pyplot as plt
X = [1, 2, 3, 4, 5];
Y = [2, 4, 6, 8, 10];
plt.scatter(X, Y)
plt.plot(np.polyfit(X, Y, 1)[0]*X + np.polyfit(X, Y, 1)[1], 'r')
plt.fill_between(X, np.polyval(np.polyfit(X, Y, 1), X), alpha=0.3)
plt.xlabel('Variabel Prediktor (X)')
plt.ylabel('Respons (Y)')
plt.show()
Kesimpulan
Dalam artikel ini, kita telah membahas cara membuat scatter plot regresi dengan menggunakan Matlab dan library matplotlib. Scatter plot regresi sangat penting karena dapat membantu kita untuk mengetahui bagaimana perubahan dalam suatu variabel prediktor mempengaruhi respons. Dengan menggunakan scatter plot regresi, kita dapat melihat hubungan antara variabel prediktor dan respons, serta mengetahui bagaimana perubahan dalam variabel prediktor mempengaruhi respons.
Referensi
- [1] added variable plot: https://www.mathworks.com/help/stats/added-variable-plot.html
- [2] partial regression leverage plot: https://www.mathworks.com/help/stats/partial-regression-leverage-plot.html