Lintang Puspita

D/18611088
Jawaban Responsi
1. Sintaka NO 1
#input data
data_lintang = read.table(pipe("pbpaste"), sep="\t", header=T)
View(data_lintang)
summary(data_lintang[2:4])
attach(data_lintang)

#pengecekan multiko
#tolak H0 vif>10
#gagal tolak H0, tidak terjadi multiko = asumsi terpenuhi
library(car)
multi.lintang1=vif(lm(Air~Tanah+Udara))
multi.lintang1
multi.lintang2=vif(lm(Tanah~Air+Udara))
multi.lintang2
multi.lintang3=vif(lm(Udara~Air+Tanah))
multi.lintang3

#Analisis Kluster Hirarki

lintang=data_lintang[,2:4]
rownames(lintang) <- data_lintang$Provinsi[1:34]
head(lintang) #perubahan nama kolom menjadi index

#ward
metode_ward<-hclust(dist(scale(lintang)),method="ward.D")
plot(metode_ward)

rect.hclust(metode_ward,4)
#mengelompokkan data dalam format data frame
anggota<-cutree(metode_ward,4)
tabel=data.frame(lintang,anggota)
table
2. Nomer 3
library(factoextra)
lintang=read.table(pipe("pbpaste"), sep="\t", header=T)

#Pengecekan Data Missing

lintang3<-lintang[2:13]
head(lintang3)
summary(lintang3)

#Pengecekan Data Outlier

library(MVN)
data.no.out<- mvn(lintang3, multivariateOutlierMethod = "adj",
showNewData = TRUE)
data.no.out

#Pengecekan Korelasi Parsial Antar Variabel

View(cor(lintang3))

#Uji Kecukupan Data dan Uji Kelayakan Model

library(psych)
KMO(lintang3)
lintang3_data<-lintang3[,c(1:4,7,9,10,11,12)]
head(lintang3_data)

#Uji Korelasi Antar Variabel (Multikolinearitas)

library(REdaS)
bart_spher(lintang3_data)

#Menentukan banyak faktor yang terbentuk

R <- cor(lintang3_data)
eigen<- eigen(R)
eigen$values

#Proses pembentukan komponen utama

pcadata<- princomp(lintang3_data, cor=TRUE, score=TRUE)
summary(pcadata)

loadings(pcadata)
plot(pcadata, type="lines")
#Korelasi antar komponen utama
View(cor(pcadata$scores))

#Data baru hasil pembentukan komponen utama

pcadata$scores