Belajar Stepwise Regresi Linear Menggunakan R

Sepertinya tak henti-hentinya saya menulis artikel terkait regresi linear. Pembahasannya tiada ujungnya. Selalu ada hal baru atau kasus baru yang menarik untuk dibahas. Padahal metode regresi ini relatif sangat “tradisional” (alias jadul). Tulisan ini terinspirasi dari kasus yang dibahas di komunitas R Indo.

Kali ini saya akan membahas topik terkait stepwise linear regression. Apa itu? Adakalanya kita hendak memprediksi satu variabel dari satu atau beberapa variabel yang ada dalam data. Namun kita tidak tahu, variabel mana yang membuat model regresi yang paling akurat. Oleh karena itu, kita harus mencoba satu-persatu kemungkinan kombinasi variabel untuk dijadikan model lalu kita hitung akurasinya untuk kemudian dibandingkan.

Sebagai contoh, misalkan saya memiliki data sebagai berikut:

data

##                      mpg cyl  disp  hp drat    wt  qsec
## Mazda RX4           21.0   6 160.0 110 3.90 2.620 16.46
## Mazda RX4 Wag       21.0   6 160.0 110 3.90 2.875 17.02
## Datsun 710          22.8   4 108.0  93 3.85 2.320 18.61
## Hornet 4 Drive      21.4   6 258.0 110 3.08 3.215 19.44
## Hornet Sportabout   18.7   8 360.0 175 3.15 3.440 17.02
## Valiant             18.1   6 225.0 105 2.76 3.460 20.22
## Duster 360          14.3   8 360.0 245 3.21 3.570 15.84
## Merc 240D           24.4   4 146.7  62 3.69 3.190 20.00
## Merc 230            22.8   4 140.8  95 3.92 3.150 22.90
## Merc 280            19.2   6 167.6 123 3.92 3.440 18.30
## Merc 280C           17.8   6 167.6 123 3.92 3.440 18.90
## Merc 450SE          16.4   8 275.8 180 3.07 4.070 17.40
## Merc 450SL          17.3   8 275.8 180 3.07 3.730 17.60
## Merc 450SLC         15.2   8 275.8 180 3.07 3.780 18.00
## Cadillac Fleetwood  10.4   8 472.0 205 2.93 5.250 17.98
## Lincoln Continental 10.4   8 460.0 215 3.00 5.424 17.82
## Chrysler Imperial   14.7   8 440.0 230 3.23 5.345 17.42
## Fiat 128            32.4   4  78.7  66 4.08 2.200 19.47
## Honda Civic         30.4   4  75.7  52 4.93 1.615 18.52
## Toyota Corolla      33.9   4  71.1  65 4.22 1.835 19.90
## Toyota Corona       21.5   4 120.1  97 3.70 2.465 20.01
## Dodge Challenger    15.5   8 318.0 150 2.76 3.520 16.87
## AMC Javelin         15.2   8 304.0 150 3.15 3.435 17.30
## Camaro Z28          13.3   8 350.0 245 3.73 3.840 15.41
## Pontiac Firebird    19.2   8 400.0 175 3.08 3.845 17.05
## Fiat X1-9           27.3   4  79.0  66 4.08 1.935 18.90
## Porsche 914-2       26.0   4 120.3  91 4.43 2.140 16.70
## Lotus Europa        30.4   4  95.1 113 3.77 1.513 16.90
## Ford Pantera L      15.8   8 351.0 264 4.22 3.170 14.50
## Ferrari Dino        19.7   6 145.0 175 3.62 2.770 15.50
## Maserati Bora       15.0   8 301.0 335 3.54 3.570 14.60
## Volvo 142E          21.4   4 121.0 109 4.11 2.780 18.60

Saya hendak memprediksi mpg dari variabel lainnya. Oleh karena itu saya perlu membuat model regresi dengan kombinasi variabel tertentu sehingga modelnya akurat.

Alih-alih mencobanya satu-persatu, saya akan menggunakan bantuan library(olsrr) untuk membuat semua kemungkinan model dari data tersebut. Caranya cukup mudah, yakni:

model = lm(mpg ~ ., data = data)

olsrr::ols_step_all_possible(model) %>% as_tibble() %>% arrange(desc(rsquare)) %>% head(15)

## # A tibble: 15 × 14
##    mindex     n predictors   rsquare  adjr predrsq    cp   aic  sbic   sbc  msep
##     <int> <int> <chr>          <dbl> <dbl>   <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
##  1     63     6 cyl disp hp…   0.855 0.820   0.767  7     159.  72.0  171.  211.
##  2     57     5 cyl disp hp…   0.851 0.823   0.780  5.60  158.  69.8  168.  207.
##  3     58     5 cyl disp hp…   0.850 0.821   0.782  5.80  158.  70.0  168.  209.
##  4     59     5 disp hp dra…   0.849 0.820   0.767  6.02  158.  70.1  169.  211.
##  5     42     4 cyl disp hp…   0.849 0.826   0.791  4.07  156.  67.7  165.  203.
##  6     60     5 cyl hp drat…   0.848 0.819   0.772  6.20  159.  70.3  169.  212.
##  7     61     5 cyl disp dr…   0.847 0.818   0.769  6.34  159.  70.3  169.  213.
##  8     43     4 hp drat wt …   0.845 0.822   0.780  4.63  157.  68.1  166.  207.
##  9     44     4 cyl hp drat…   0.845 0.822   0.787  4.67  157.  68.2  166.  207.
## 10     45     4 cyl hp wt q…   0.844 0.821   0.784  4.80  157.  68.3  166.  208.
## 11     46     4 cyl disp wt…   0.844 0.821   0.784  4.86  157.  68.3  166.  209.
## 12     22     3 cyl hp wt      0.843 0.826   0.796  3.01  155.  66.1  163.  202.
## 13     47     4 cyl drat wt…   0.842 0.819   0.773  5.21  158.  68.6  167.  212.
## 14     23     3 cyl wt qsec    0.840 0.822   0.785  3.62  156.  66.6  164.  207.
## 15     48     4 disp drat w…   0.838 0.814   0.764  5.84  158.  69.1  167.  217.
## # … with 3 more variables: fpe <dbl>, apc <dbl>, hsp <dbl>

Kita dapatkan ada 15 model terbaik yang terbentuk. Dari semua model tersebut, kita bisa pilih model yang menghasilkan tertinggi sebagai model final kita.

---

if you find this post useful, support this blog by clicking the ads