{=html}
<style>
body {
  text-align: justify;
}
</style>
{r setup, include=FALSE}
knitr::opts_chunk$set(echo = TRUE)

Deskripsi Aplikasi Regression Models App

Aplikasi ini dibuat menggunakan R Shiny untuk keperluan UAS mata kuliah Regression Models. Tujuannya adalah memberikan antarmuka interaktif untuk proses eksplorasi data, membangun model regresi linier, dan melakukan prediksi pada data baru.

Desain Aplikasi

Aplikasi ini menggunakan navbarPage dengan tema flatly dan terdiri atas 5 tab utama:

  1. Data Preview
  2. Correlation Matrix
  3. Exploratory Analysis
  4. Model Regresi
  5. Prediksi Data Baru

Setiap tab memiliki fungsi tersendiri yang saling terhubung secara alur kerja.

Alur Aplikasi

  1. Data Preview
    • Pengguna mengunggah data training (CSV).
    • Data ditampilkan dalam bentuk tabel dan ringkasan statistik.
  2. Correlation Matrix
    • Pengguna memilih variabel numerik.
    • Ditampilkan korelasi antar variabel menggunakan corrplot.
  3. Exploratory Analysis
    • Scatter plot antar dua variabel (X dan Y) dapat dipilih oleh pengguna.
    • Warna titik berdasarkan intensitas nilai Y.
  4. Model Regresi
    • Pengguna memilih target (Y) dan prediktor (X).
    • Model regresi linier dibangun dan disimpan ke dalam file secara manual.
    • Output berupa ringkasan model (summary), statistik ringkasan (glance), dan plot aktual vs prediksi.
  5. Prediksi Data Baru
    • Pengguna mengunggah data testing.
    • Hasil prediksi ditampilkan dalam bentuk tabel.

Fungsionalitas

  • fileInput(): Digunakan pada tab Data Preview dan Prediksi Data Baru untuk membaca dua file CSV yang berbeda (training dan testing).
  • DTOutput(): Untuk menampilkan data dalam tabel interaktif.
  • plotOutput(): Menampilkan scatterplot, plot korelasi, dan plot prediksi.
  • reactive() dan eventReactive(): Untuk memproses data dan model berdasarkan aksi pengguna.
  • saveRDS(): Untuk menyimpan dan membaca model regresi.
  • validasi input: Menggunakan req() dan tryCatch() untuk menangani kesalahan input.

Catatan Penting

  • Kolom pada data testing harus sesuai dengan variabel prediktor (X) yang digunakan saat pelatihan model.
  • Model regresi disimpan sebagai file .rds untuk keperluan prediksi.
  • Aplikasi menyediakan notifikasi kesalahan apabila terjadi mismatch atau input tidak valid.

Kesimpulan

Aplikasi ini membantu pengguna:

  • Mengeksplorasi data secara visual dan statistik
  • Membangun model regresi linier berdasarkan variabel pilihan
  • Menyimpan model dan menggunakannya untuk memprediksi data baru