# ----------------------------------------------------
# Nomor 1. Pengujian Kenormalan Data Masa Putar Film
# ----------------------------------------------------
# Data masa putar film dari Perusahaan 1 dan Perusahaan 2
Perusahaan_1 <- c(102, 86, 98, 109, 92)
Perusahaan_2 <- c(81, 165, 97, 134, 92, 87, 114)
Perusahaan_1
## [1] 102 86 98 109 92
Perusahaan_2
## [1] 81 165 97 134 92 87 114
# PERUSAHAAN_1
# 1) Pengecekan Kenormalan dengan Grafik Perusahaan_1
# Histogram
hist(Perusahaan_1,
main = "Histogram Masa Putar Film Perusahaan 1",
xlab = "Nilai",
ylab = "Frekuensi",
col = "lightpink",
border = "black")
# Boxplot
boxplot(Perusahaan_1,
main = "Boxplot Masa Putar Film Perusahaan 1",
ylab = "Masa Putar (menit)",
col = "lightblue",
border = "black")
# Q-Q Plot
qqnorm(Perusahaan_1, main = "Q-Q Plot Masa Putar Film Perusahaan 1")
qqline(Perusahaan_1)
# 2) Pengujian Kenormalan Data Perusahaan_1
# Hipotesis:
# H0 : Data masa putar rata-rata film yang diproduksi berdistribusi normal.
# H1 : Data masa putar rata-rata film yang diproduksi tidak berdistribusi normal.
# Statistik Uji: Uji Shapiro-Wilk (SW)
# Kriteria Uji : Jika p-value lebih besar atau sama dengan α = 0.05, maka kita gagal menolak hipotesis nol (H0) yang menyatakan bahwa data berdistribusi normal.
# Pengujian Kenormalan Data: Uji Shapiro-Wilk Test_Perusahaan_1
shapiro_test_Perusahaan_1 <- shapiro.test(Perusahaan_1)
shapiro_test_Perusahaan_1
##
## Shapiro-Wilk normality test
##
## data: Perusahaan_1
## W = 0.99397, p-value = 0.9916
# Kesimpulan Perusahaan_1
# Hasil Uji Shapiro-Wilk menunjukkan bahwa p-value pengujian adalah 0.9916. Sehingga jika alpha yang digunakan α = 0.05 atau 5% dapat disimpulkan pengujian menunjukkan terima H0 yang berarti data masa putar rata-rata film yang diproduksi Perusahaan 1 berdistribusi normal.
# PERUSAHAAN 2
# 1) Pengecekan Kenormalan dengan Grafik Perusahaan_2
# Histogram
hist(Perusahaan_2,
main = "Histogram Masa Putar Film Perusahaan 2",
xlab = "Nilai",
ylab = "Frekuensi",
col = "lightpink",
border = "black")
# Boxplot
boxplot(Perusahaan_2,
main = "Boxplot Masa Putar Film Perusahaan 2",
ylab = "Masa Putar (menit)",
col = "lightblue",
border = "black")
# Q-Q Plot
qqnorm(Perusahaan_2, main = "Q-Q Plot Masa Putar Film Perusahaan 2")
qqline(Perusahaan_2)
# 2) Pengujian Kenormalan Data Perusahaan_2
# Hipotesis:
# H0 : Data masa putar rata-rata film yang diproduksi berdistribusi normal.
# H1 : Data masa putar rata-rata film yang diproduksi tidak berdistribusi normal.
# Statistik Uji: Uji Shapiro-Wilk (SW)
# Kriteria Uji : Jika p-value lebih besar atau sama dengan α = 0.05, maka kita gagal menolak hipotesis nol (H0) yang menyatakan bahwa data berdistribusi normal.
# Pengujian Kenormalan Data: Uji Shapiro-Wilk Test_Perusahaan_2
# Perusahaan_2
shapiro_test_Perusahaan_2 <- shapiro.test(Perusahaan_2)
shapiro_test_Perusahaan_2
##
## Shapiro-Wilk normality test
##
## data: Perusahaan_2
## W = 0.8862, p-value = 0.2554
# Kesimpulan Perusahaan_2
# Hasil Uji Shapiro-Wilk menunjukkan bahwa p-value pengujian adalah 0.2554. Sehingga jika alpha yang digunakan α = 0.05 atau 5% dapat disimpulkan pengujian menunjukkan terima H0 yang berarti data masa putar rata-rata film yang diproduksi Perusahaan 2 berdistribusi normal.
# Kesimpulan Akhir
# Dengan demikian, hasil Uji Shapiro-Wilk menunjukkan bahwa Perusahaan 1 dan Perusahaan 2 memiliki data masa putar rata-rata film yang diproduksi yang berdistribusi normal.
# -----------------------------------------------------------
# Nomor 2. Pengecekan dengan grafik dan Pengujian Kenormalan
# -----------------------------------------------------------
# Data faithful
faithful
## eruptions waiting
## 1 3.600 79
## 2 1.800 54
## 3 3.333 74
## 4 2.283 62
## 5 4.533 85
## 6 2.883 55
## 7 4.700 88
## 8 3.600 85
## 9 1.950 51
## 10 4.350 85
## 11 1.833 54
## 12 3.917 84
## 13 4.200 78
## 14 1.750 47
## 15 4.700 83
## 16 2.167 52
## 17 1.750 62
## 18 4.800 84
## 19 1.600 52
## 20 4.250 79
## 21 1.800 51
## 22 1.750 47
## 23 3.450 78
## 24 3.067 69
## 25 4.533 74
## 26 3.600 83
## 27 1.967 55
## 28 4.083 76
## 29 3.850 78
## 30 4.433 79
## 31 4.300 73
## 32 4.467 77
## 33 3.367 66
## 34 4.033 80
## 35 3.833 74
## 36 2.017 52
## 37 1.867 48
## 38 4.833 80
## 39 1.833 59
## 40 4.783 90
## 41 4.350 80
## 42 1.883 58
## 43 4.567 84
## 44 1.750 58
## 45 4.533 73
## 46 3.317 83
## 47 3.833 64
## 48 2.100 53
## 49 4.633 82
## 50 2.000 59
## 51 4.800 75
## 52 4.716 90
## 53 1.833 54
## 54 4.833 80
## 55 1.733 54
## 56 4.883 83
## 57 3.717 71
## 58 1.667 64
## 59 4.567 77
## 60 4.317 81
## 61 2.233 59
## 62 4.500 84
## 63 1.750 48
## 64 4.800 82
## 65 1.817 60
## 66 4.400 92
## 67 4.167 78
## 68 4.700 78
## 69 2.067 65
## 70 4.700 73
## 71 4.033 82
## 72 1.967 56
## 73 4.500 79
## 74 4.000 71
## 75 1.983 62
## 76 5.067 76
## 77 2.017 60
## 78 4.567 78
## 79 3.883 76
## 80 3.600 83
## 81 4.133 75
## 82 4.333 82
## 83 4.100 70
## 84 2.633 65
## 85 4.067 73
## 86 4.933 88
## 87 3.950 76
## 88 4.517 80
## 89 2.167 48
## 90 4.000 86
## 91 2.200 60
## 92 4.333 90
## 93 1.867 50
## 94 4.817 78
## 95 1.833 63
## 96 4.300 72
## 97 4.667 84
## 98 3.750 75
## 99 1.867 51
## 100 4.900 82
## 101 2.483 62
## 102 4.367 88
## 103 2.100 49
## 104 4.500 83
## 105 4.050 81
## 106 1.867 47
## 107 4.700 84
## 108 1.783 52
## 109 4.850 86
## 110 3.683 81
## 111 4.733 75
## 112 2.300 59
## 113 4.900 89
## 114 4.417 79
## 115 1.700 59
## 116 4.633 81
## 117 2.317 50
## 118 4.600 85
## 119 1.817 59
## 120 4.417 87
## 121 2.617 53
## 122 4.067 69
## 123 4.250 77
## 124 1.967 56
## 125 4.600 88
## 126 3.767 81
## 127 1.917 45
## 128 4.500 82
## 129 2.267 55
## 130 4.650 90
## 131 1.867 45
## 132 4.167 83
## 133 2.800 56
## 134 4.333 89
## 135 1.833 46
## 136 4.383 82
## 137 1.883 51
## 138 4.933 86
## 139 2.033 53
## 140 3.733 79
## 141 4.233 81
## 142 2.233 60
## 143 4.533 82
## 144 4.817 77
## 145 4.333 76
## 146 1.983 59
## 147 4.633 80
## 148 2.017 49
## 149 5.100 96
## 150 1.800 53
## 151 5.033 77
## 152 4.000 77
## 153 2.400 65
## 154 4.600 81
## 155 3.567 71
## 156 4.000 70
## 157 4.500 81
## 158 4.083 93
## 159 1.800 53
## 160 3.967 89
## 161 2.200 45
## 162 4.150 86
## 163 2.000 58
## 164 3.833 78
## 165 3.500 66
## 166 4.583 76
## 167 2.367 63
## 168 5.000 88
## 169 1.933 52
## 170 4.617 93
## 171 1.917 49
## 172 2.083 57
## 173 4.583 77
## 174 3.333 68
## 175 4.167 81
## 176 4.333 81
## 177 4.500 73
## 178 2.417 50
## 179 4.000 85
## 180 4.167 74
## 181 1.883 55
## 182 4.583 77
## 183 4.250 83
## 184 3.767 83
## 185 2.033 51
## 186 4.433 78
## 187 4.083 84
## 188 1.833 46
## 189 4.417 83
## 190 2.183 55
## 191 4.800 81
## 192 1.833 57
## 193 4.800 76
## 194 4.100 84
## 195 3.966 77
## 196 4.233 81
## 197 3.500 87
## 198 4.366 77
## 199 2.250 51
## 200 4.667 78
## 201 2.100 60
## 202 4.350 82
## 203 4.133 91
## 204 1.867 53
## 205 4.600 78
## 206 1.783 46
## 207 4.367 77
## 208 3.850 84
## 209 1.933 49
## 210 4.500 83
## 211 2.383 71
## 212 4.700 80
## 213 1.867 49
## 214 3.833 75
## 215 3.417 64
## 216 4.233 76
## 217 2.400 53
## 218 4.800 94
## 219 2.000 55
## 220 4.150 76
## 221 1.867 50
## 222 4.267 82
## 223 1.750 54
## 224 4.483 75
## 225 4.000 78
## 226 4.117 79
## 227 4.083 78
## 228 4.267 78
## 229 3.917 70
## 230 4.550 79
## 231 4.083 70
## 232 2.417 54
## 233 4.183 86
## 234 2.217 50
## 235 4.450 90
## 236 1.883 54
## 237 1.850 54
## 238 4.283 77
## 239 3.950 79
## 240 2.333 64
## 241 4.150 75
## 242 2.350 47
## 243 4.933 86
## 244 2.900 63
## 245 4.583 85
## 246 3.833 82
## 247 2.083 57
## 248 4.367 82
## 249 2.133 67
## 250 4.350 74
## 251 2.200 54
## 252 4.450 83
## 253 3.567 73
## 254 4.500 73
## 255 4.150 88
## 256 3.817 80
## 257 3.917 71
## 258 4.450 83
## 259 2.000 56
## 260 4.283 79
## 261 4.767 78
## 262 4.533 84
## 263 1.850 58
## 264 4.250 83
## 265 1.983 43
## 266 2.250 60
## 267 4.750 75
## 268 4.117 81
## 269 2.150 46
## 270 4.417 90
## 271 1.817 46
## 272 4.467 74
# DATA ERUPTIONS
# 1) Pengecekan Kenormalan dengan Grafik Data Eruptions
# Histogram
hist(faithful$eruptions, main = "Histogram Durasi Erupsi",
xlab = "Durasi Erupsi (menit)",
ylab = "Frekuensi",
col = "lightpink",
border = "black")
# Boxplot
boxplot(faithful$eruptions, main = "Boxplot Durasi Erupsi",
ylab = "Durasi Erupsi (menit)",
col = "lightblue",
border = "black")
# Q-Q Plot
qqnorm(faithful$eruptions, main = "Q-Q Plot Durasi Erupsi")
qqline(faithful$eruptions)
# 2) Pengujian Kenormalan Data Eruptions
# Hipotesis:
# H0 : Data eruptions berdistribusi normal.
# H1 : Data eruptions tidak berdistribusi normal.
# Statistik Uji: Uji Shapiro-Wilk (SW)
# Kriteria Uji : Jika p-value lebih besar atau sama dengan α = 0.05, maka kita gagal menolak hipotesis nol (H0) yang menyatakan bahwa data berdistribusi normal.
# Pengujian Kenormalan Data: Uji Shapiro-Wilk Test
shapiro_test_eruptions <- shapiro.test(faithful$eruptions)
shapiro_test_eruptions
##
## Shapiro-Wilk normality test
##
## data: faithful$eruptions
## W = 0.84592, p-value = 9.036e-16
# Kesimpulan Data Eruptions
# Hasil Uji Shapiro-Wilk menunjukkan bahwa p-value pengujian adalah 9.036e-16. Sehingga jika alpha yang digunakan α = 0.05 atau 5% dapat disimpulkan pengujian menunjukkan terima H0 yang berarti data eruptions berdistribusi normal.
# DATA WAITING
# 1) Pengecekan Kenormalan dengan Grafik Data Waiting
# Histogram
hist(faithful$waiting, main = "Histogram Waktu Menunggu",
xlab = "Waktu Menunggu (menit)",
ylab = "Frekuensi",
col = "lightcoral",
border = "black")
# Boxplot
boxplot(faithful$waiting, main = "Boxplot Waktu Menunggu",
ylab = "Waktu Menunggu (menit)",
col = "lightgreen",
border = "black")
# Q-Q Plot
qqnorm(faithful$waiting, main = "Q-Q Plot Waktu Menunggu")
qqline(faithful$waiting)
# 2) Pengujian Kenormalan Data Waiting
# Hipotesis:
# H0 : Data waiting berdistribusi normal.
# H1 : Data waiting tidak berdistribusi normal.
# Statistik Uji: Uji Shapiro-Wilk (SW)
# Kriteria Uji : Jika p-value lebih besar atau sama dengan α = 0.05, maka kita gagal menolak hipotesis nol (H0) yang menyatakan bahwa data berdistribusi normal.
# Pengujian Kenormalan Data: Uji Shapiro-Wilk Test
shapiro_test_waiting <- shapiro.test(faithful$waiting)
shapiro_test_waiting
##
## Shapiro-Wilk normality test
##
## data: faithful$waiting
## W = 0.92215, p-value = 1.015e-10
# Kesimpulan Data Waiting
# Hasil Uji Shapiro-Wilk menunjukkan bahwa p-value pengujian adalah 1.015e-10. Sehingga jika alpha yang digunakan α = 0.05 atau 5% dapat disimpulkan pengujian menunjukkan terima H0 yang berarti data waiting berdistribusi normal.
# Kesimpulan Akhir
# Dengan demikian, hasil Uji Shapiro-Wilk menunjukkan bahwa data eruptions dan data waiting memiliki data yang berdistribusi normal.