Pengujian Regresi dengan Q-Q Plot di R
Dalam analisis statistik, pengujian regresi adalah salah satu tahapan penting untuk mengetahui apakah data memiliki distribusi yang sesuai dengan hipotesis. Salah satu metode yang sering digunakan adalah Q-Q plot (Quantile-Quantile Plot). Q-Q plot adalah sebuah grafik yang membandingkan distribusi data dengan distribusi normal.
Dalam artikel ini, kita akan membahas cara membuat Q-Q plot di R dan beberapa contoh penggunaan. Sebelum kita mulai, mari kita lihat definisi dari Q-Q plot.
Q-Q plot adalah sebuah grafik yang membandingkan distribusi data dengan distribusi normal. Grafik ini terdiri atas dua bagian: y-axis (quantile) dan x-axis (probability). Distribusi data diwakili oleh garis, sedangkan distribusi normal diwakili oleh garis straight.
Cara Membuat Q-Q Plot di R
Di R, Anda dapat membuat Q-Q plot menggunakan beberapa fungsi yang tersedia. Berikut adalah contoh-contoh cara membuat Q-Q plot:
- Menggunakan fungsi
qqnorm()danqqline()
qqnorm(ToothGrowth$len)
qqline(ToothGrowth$len, lwd = 1, col = "red")
- Menggunakan fungsi
qqPlot()dari paketcar
library(car)
qqPlot(ToothGrowth$len)
- Menggunakan ggplot2
library(ggplot2)
ggplot(ToothGrowth, aes(sample = len)) + stat_qq()
- Menggunakan paket
ggpubr
library(ggpubr)
ggqqplot(ToothGrowth, x = "len")
- Menggunakan fungsi
plot()dari R
fit <- lm(len ~ 1, data = ToothGrowth)
plot(fit, which = 2)
Contoh-contoh di atas menunjukkan bahwa Q-Q plot dapat dibuat menggunakan beberapa cara yang berbeda. Pada dasarnya, fungsi-fungsi tersebut memiliki tujuan yang sama, yaitu untuk membandingkan distribusi data dengan distribusi normal.
Dalam analisis statistik, pengujian regresi dengan Q-Q plot sangat penting karena dapat membantu kita mengetahui apakah data memiliki distribusi yang sesuai dengan hipotesis. Dengan demikian, Q-Q plot dapat digunakan sebagai salah satu indikator untuk menguji hipotesis dalam analisis statistik.
Referensi:
- "Q-Q Plot" di Wikipedia
- "R: QQ Plot" di R Documentation
- "ggplot2: Q-Q Plot" di ggplot2 Documentation