Untitled

# Simulasi 1000 variabel random dari distribusi uniform
set.seed(123)  # Set seed untuk reproducibility
n <- 1000
uniform_data <- runif(n, min = 0, max = 1)

# Plot histogram
hist(uniform_data, breaks = 30, main = "Histogram Distribusi Uniform", xlab = "Nilai", col = "lightblue")

# Simulasi 1000 variabel random dari distribusi binomial
n_trials <- 10  # Jumlah percobaan
p_success <- 0.5  # Probabilitas sukses
binomial_data <- rbinom(n, size = n_trials, prob = p_success)

# Plot histogram
hist(binomial_data, breaks = 30, main = "Histogram Distribusi Binomial", xlab = "Jumlah Sukses", col = "lightgreen")

# Simulasi 1000 variabel random dari distribusi normal
mu <- 0  # Mean
sigma <- 1  # Standar deviasi
normal_data <- rnorm(n, mean = mu, sd = sigma)

# Plot histogram
hist(normal_data, breaks = 30, main = "Histogram Distribusi Normal", xlab = "Nilai", col = "lightpink")

lambda <- 3  # Parameter lambda
poisson_data <- rpois(n, lambda)
hist(poisson_data, breaks = 30, main = "Histogram Distribusi Poisson", xlab = "Jumlah Kejadian", col = "lightyellow")

rate <- 1  # Parameter rate
exp_data <- rexp(n, rate)
hist(exp_data, breaks = 30, main = "Histogram Distribusi Eksponensial", xlab = "Nilai", col = "lightcoral")

#Tugas Tambahan
# Set seed untuk reproducibility
set.seed(123)

# Parameter simulasi
n_days <- 30           
# Jumlah hari simulasi
lambda_production <- 200  
# Rata-rata produksi harian (Poisson)
prob_defect <- 0.02    
# Probabilitas barang cacat (Binomial)
rate_production <- 1/2 
# Rata-rata waktu produksi per unit (Eksponensial)

# Simulasi jumlah produksi harian
production_data <- rpois(n_days, lambda_production)

# Simulasi jumlah barang cacat per hari
defect_data <- rbinom(n_days, size = production_data, prob = prob_defect)

# ** Perbaikan bagian waktu produksi **
# Buat daftar indeks hari untuk setiap unit yang diproduksi
day_indices <- rep(1:n_days, times = production_data)

# Simulasi waktu produksi untuk setiap unit
time_data <- rexp(length(day_indices), rate = rate_production)

# Total waktu produksi per hari
time_per_day <- tapply(time_data, day_indices, sum)

# ** Hasil Analisis **
# 1. Rata-rata produksi barang per hari
mean_production <- mean(production_data)
cat("Rata-rata produksi barang per hari:", mean_production, "\n")

## Rata-rata produksi barang per hari: 199.2333

# 2. Probabilitas produksi lebih dari 220 unit dalam sehari
prob_above_220 <- sum(production_data > 220) / n_days
cat("Probabilitas produksi lebih dari 220 unit dalam sehari:", prob_above_220, "\n")

## Probabilitas produksi lebih dari 220 unit dalam sehari: 0.03333333

# 3. Rata-rata jumlah barang cacat per hari
mean_defect <- mean(defect_data)
cat("Rata-rata jumlah barang cacat per hari:", mean_defect, "\n")

## Rata-rata jumlah barang cacat per hari: 3.966667

# 4. Rata-rata waktu produksi harian
mean_time_per_day <- mean(time_per_day)
cat("Rata-rata waktu produksi per hari (menit):", mean_time_per_day, "\n")

## Rata-rata waktu produksi per hari (menit): 400.0626

# ** Plot hasil simulasi **
par(mfrow=c(2,2))
hist(production_data, breaks=20, col="lightblue", main="Distribusi Produksi Harian", xlab="Jumlah Produksi")
hist(defect_data, breaks=10, col="lightgreen", main="Distribusi Barang Cacat", xlab="Jumlah Cacat")
hist(time_per_day, breaks=20, col="lightcoral", main="Distribusi Waktu Produksi Harian", xlab="Waktu (menit)")
plot(production_data, time_per_day, col="blue", pch=19, main="Produksi vs Waktu Produksi", xlab="Jumlah Produksi", ylab="Waktu Produksi (menit)")