Nama : Muhammad Hafidlul Qolbi

NIM : 220605110063

Kelas : A

Mata Kuliah : Linear Algebra

Dosen Pengampuh : Prof. Dr. Suhartono, M.Kom

Jurusan : Teknik Informatika

Lembaga : Universitas Islam Negeri Maulana Malik Ibrahim Malang

===========================================================================================

Library “MASS” di RStudio adalah salah satu paket atau koleksi fungsi yang disediakan untuk analisis statistik. “MASS” adalah singkatan dari “Modern Applied Statistics with S”, yang mengacu pada buku dengan nama yang sama yang ditulis oleh penulis utama, Profesor Douglas Bates dan Profesor William S. Venables.

Paket “MASS” menyediakan berbagai fungsi yang digunakan untuk analisis statistik yang luas, termasuk regresi linear, regresi logistik, analisis diskriminan, analisis faktor, analisis kluster, analisis survival, estimasi parameter, dan lain-lain. Beberapa fungsi yang populer dalam paket ini meliputi glm(), lda(), kmeans(), survreg(), dan banyak lagi.

Paket “MASS” juga dikenal karena menyediakan dataset bawaan yang sering digunakan dalam analisis statistik, seperti dataset “Boston” yang digunakan dalam regresi linear, dataset “Pima.tr” yang digunakan dalam regresi logistik, dan dataset “Animals” yang digunakan dalam analisis faktor.

Untuk menggunakan paket “MASS” di RStudio, Anda perlu menginstalnya terlebih dahulu menggunakan perintah install.packages(“MASS”), kemudian memuatnya ke dalam lingkungan R dengan perintah library(MASS). Setelah itu, Anda dapat menggunakan fungsi-fungsi dan dataset yang disediakan oleh paket “MASS” dalam skrip R Anda.

library(MASS)
A <- matrix(c(1, -1, 4, 2, 0, -1, -1, -1, 5),
nrow=3, ncol=3, byrow=TRUE)
Null(t(A))
##           [,1]
## [1,] 0.1078328
## [2,] 0.9704950
## [3,] 0.2156655
library(MASS)
data(Boston)
head(Boston)
##      crim zn indus chas   nox    rm  age    dis rad tax ptratio  black lstat
## 1 0.00632 18  2.31    0 0.538 6.575 65.2 4.0900   1 296    15.3 396.90  4.98
## 2 0.02731  0  7.07    0 0.469 6.421 78.9 4.9671   2 242    17.8 396.90  9.14
## 3 0.02729  0  7.07    0 0.469 7.185 61.1 4.9671   2 242    17.8 392.83  4.03
## 4 0.03237  0  2.18    0 0.458 6.998 45.8 6.0622   3 222    18.7 394.63  2.94
## 5 0.06905  0  2.18    0 0.458 7.147 54.2 6.0622   3 222    18.7 396.90  5.33
## 6 0.02985  0  2.18    0 0.458 6.430 58.7 6.0622   3 222    18.7 394.12  5.21
##   medv
## 1 24.0
## 2 21.6
## 3 34.7
## 4 33.4
## 5 36.2
## 6 28.7
A <- matrix(c(1,1,0,0,0,0,1,1,1,0,1,0,0,1,0,1), 4, 4, byrow=TRUE)
b <- c(4, 4, 4, 4)
v <- Null(t(A))
v
##      [,1]
## [1,]  0.5
## [2,] -0.5
## [3,] -0.5
## [4,]  0.5
dhyper(4, 4, 4, 4)
## [1] 0.01428571
dhyper(3, 4, 4, 4)
## [1] 0.2285714

Sumber Referensi: Ruriko Yoshida - Linear Algebra and its Application with R