Tutorial R : Cara Menggunakan Chi Square Tests di Pemrograman R
Uji Chi-Square adalah metode statistik untuk menentukan apakah dua variabel kategori memiliki korelasi yang signifikan di antara keduanya. Kedua variabel tersebut harus dari populasi yang sama dan harus dikategorikan seperti - Ya / Tidak, Pria / Wanita, Merah / Hijau dll.
Misalnya, kami dapat membuat kumpulan data dengan observasi pola pembelian es krim orang-orang dan mencoba menghubungkan jenis kelamin seseorang dengan rasa es krim yang mereka sukai. Jika korelasi ditemukan, kami dapat merencanakan stok rasa yang sesuai dengan mengetahui jumlah jenis kelamin orang yang mengunjungi.
Sintaksis
Fungsi yang digunakan untuk melakukan uji chi-Square adalah chisq.test () .
Sintaks dasar untuk membuat uji chi-square di R adalah -
chisq.test(data)
Berikut adalah deskripsi parameter yang digunakan -
Data adalah data berupa tabel yang berisi nilai hitung dari variabel-variabel yang diamati.
Contoh
Kami akan mengambil data Cars93 di perpustakaan "MASS" yang mewakili penjualan berbagai model mobil di tahun 1993.
library("MASS") print(str(Cars93))
Ketika kita menjalankan kode di atas, hasilnya adalah sebagai berikut -
'data.frame': 93 obs. of 27 variables: $ Manufacturer : Factor w/ 32 levels "Acura","Audi",..: 1 1 2 2 3 4 4 4 4 5 ... $ Model : Factor w/ 93 levels "100","190E","240",..: 49 56 9 1 6 24 54 74 73 35 ... $ Type : Factor w/ 6 levels "Compact","Large",..: 4 3 1 3 3 3 2 2 3 2 ... $ Min.Price : num 12.9 29.2 25.9 30.8 23.7 14.2 19.9 22.6 26.3 33 ... $ Price : num 15.9 33.9 29.1 37.7 30 15.7 20.8 23.7 26.3 34.7 ... $ Max.Price : num 18.8 38.7 32.3 44.6 36.2 17.3 21.7 24.9 26.3 36.3 ... $ MPG.city : int 25 18 20 19 22 22 19 16 19 16 ... $ MPG.highway : int 31 25 26 26 30 31 28 25 27 25 ... $ AirBags : Factor w/ 3 levels "Driver & Passenger",..: 3 1 2 1 2 2 2 2 2 2 ... $ DriveTrain : Factor w/ 3 levels "4WD","Front",..: 2 2 2 2 3 2 2 3 2 2 ... $ Cylinders : Factor w/ 6 levels "3","4","5","6",..: 2 4 4 4 2 2 4 4 4 5 ... $ EngineSize : num 1.8 3.2 2.8 2.8 3.5 2.2 3.8 5.7 3.8 4.9 ... $ Horsepower : int 140 200 172 172 208 110 170 180 170 200 ... $ RPM : int 6300 5500 5500 5500 5700 5200 4800 4000 4800 4100 ... $ Rev.per.mile : int 2890 2335 2280 2535 2545 2565 1570 1320 1690 1510 ... $ Man.trans.avail : Factor w/ 2 levels "No","Yes": 2 2 2 2 2 1 1 1 1 1 ... $ Fuel.tank.capacity: num 13.2 18 16.9 21.1 21.1 16.4 18 23 18.8 18 ... $ Passengers : int 5 5 5 6 4 6 6 6 5 6 ... $ Length : int 177 195 180 193 186 189 200 216 198 206 ... $ Wheelbase : int 102 115 102 106 109 105 111 116 108 114 ... $ Width : int 68 71 67 70 69 69 74 78 73 73 ... $ Turn.circle : int 37 38 37 37 39 41 42 45 41 43 ... $ Rear.seat.room : num 26.5 30 28 31 27 28 30.5 30.5 26.5 35 ... $ Luggage.room : int 11 15 14 17 13 16 17 21 14 18 ... $ Weight : int 2705 3560 3375 3405 3640 2880 3470 4105 3495 3620 ... $ Origin : Factor w/ 2 levels "USA","non-USA": 2 2 2 2 2 1 1 1 1 1 ... $ Make : Factor w/ 93 levels "Acura Integra",..: 1 2 4 3 5 6 7 9 8 10 ...
Hasil di atas menunjukkan dataset memiliki banyak variabel Faktor yang dapat dianggap sebagai variabel kategori. Untuk model kami, kami akan mempertimbangkan variabel "AirBags" dan "Type". Di sini kami bertujuan untuk mengetahui korelasi yang signifikan antara jenis mobil yang dijual dan jenis kantong udara yang dimilikinya. Jika korelasinya diamati, kami dapat memperkirakan jenis mobil mana yang dapat terjual lebih baik dengan jenis kantung udara apa.
# Load the library. library("MASS") # Create a data frame from the main data set. car.data <- data.frame(Cars93$AirBags, Cars93$Type) # Create a table with the needed variables. car.data = table(Cars93$AirBags, Cars93$Type) print(car.data) # Perform the Chi-Square test. print(chisq.test(car.data))
Ketika kita menjalankan kode di atas, hasilnya adalah sebagai berikut -
Compact Large Midsize Small Sporty Van
Driver & Passenger 2 4 7 0 3 0
Driver only 9 7 11 5 8 3
None 5 0 4 16 3 6
Pearson's Chi-squared test
data: car.data
X-squared = 33.001, df = 10, p-value = 0.0002723
Warning message:
In chisq.test(car.data) : Chi-squared approximation may be incorrect
Kesimpulan
Hasilnya menunjukkan nilai p kurang dari 0,05 yang menunjukkan korelasi string.
Post a Comment for "Tutorial R : Cara Menggunakan Chi Square Tests di Pemrograman R "