Tugas Kelompok Prosta

Instal Library

Beberapa library yang perlu diinstal sebagai berikut :

library(ggplot2)
library(readxl)
library(ggthemes)
library(gridExtra)

Input Data

Data diinput dari Microsoft Excel dengan syntax sebagai berikut :

setwd("~/Semester 2/Probabilitas dan Statiska/Pertemuan 3")
data <- read_excel("data_kesehatan.xlsx")
head(data)

## # A tibble: 6 × 5
##    Umur `Jenis Kelamin` `Jumlah Anak` `Status Perokok` `Biaya Asuransi`
##   <dbl> <chr>                   <dbl> <chr>                       <dbl>
## 1    19 Wanita                      0 Ya                          16885
## 2    18 Pria                        1 Tidak                        1726
## 3    28 Pria                        3 Tidak                        4449
## 4    33 Pria                        0 Tidak                       21984
## 5    32 Pria                        0 Tidak                        3867
## 6    31 Wanita                      0 Tidak                        3757

Pie Chart

Dari data tersebut akan disajikan visualisasi data dalam bentuk Pie Chart. Berikut terlampir hasil visualisasi datanya :

pie_chart <- ggplot(data, aes(x = "", fill = `Jenis Kelamin` )) +
  geom_bar(width = 1) +
  coord_polar("y", start = 0) +
  theme_minimal() +
  labs(title = "Distribusi Jenis Kelamin") +
  theme(axis.text.x = element_blank())

pie_chart

Visualisasi tersebut menggambarkan distribusi jumlah pria dan wanita dalam dataset yang telah diinputkan. Dari visualisasi tersebut dapat dijelaskan bahwa jumlah jenis kelamin pria lebih banyak daripada jumlah jenis kelamin wanita sebagai faktor-faktor yang akan mempengaruhi biaya asuransi.

Bar Chart

Dari data tersebut akan disajikan visualisasi data dalam bentuk Bar Chart. Berikut terlampir hasil visualisasi datanya :

bar_chart <- ggplot(data, aes(x = `Status Perokok`, fill = `Status Perokok`)) +
  geom_bar() +
  theme_minimal() +
  labs(title = "Distribusi Status Perokok", x = "Status Perokok", y = "Frekuensi")
bar_chart

Visualisasi tersebut menggambarkan distribusi jumlah status perokok dalam dataset yang telah diinputkan. Dari visualisasi data tersebut dapat dijelaskan bahwa dari total seluruh individu dalam data, jumlah individu yang tidak merokok lebih banyak dibandingkan jumlah individu yang merokok.

Density Plot

Dari data tersebut akan disajikan visualisasi data dalam bentuk Histogram. Berikut terlampir hasil visualisasi datanya :

density_plot <- ggplot(data, aes(x = `Umur`,fill = "Umur")) +
  geom_density(alpha = 0.5) +
  theme_minimal() +
  labs(title = "Density Plot: Umur", x = "Umur", y = "Density")

density_plot

Hasil visualisasi tersebut menggambarkan distribusi umur dari dataset yang telah diinputkan. Dari visualisasi data tersebut dapat dijelaskan bahwa individu berumur 30 tahun dengan skala 0.029 merupakan responden terbanyak di antara umur 18-62 tahun.

Ukuran Pemusatan

1. Menghitung Rata-Rata (Mean)

Rata-rata umur nya adalah :

mean(data$Umur)

## [1] 35.72

2. Menghitung Median

Median dari umur adalah :

median(data$Umur)

## [1] 32

3. Menghitung Modus

Modus dari umur adalah :

modus <- function(x) {
  uniqx <- unique(x)
  uniqx[which.max(tabulate(match(x, uniqx)))]
}

modus(data$Umur)

## [1] 37

Menampilkan Ringkasan Data (Statistik 5 Serangkai)

Berikut adalah statistik 5 serangkai dari umur :

summary(data$Umur)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   18.00   25.00   32.00   35.72   46.00   62.00

Ukuran Penyebaran Data

1. Menghitung Keragaman Data

Berikut adalah keragaman data pada variabel umur :

var(data$Umur)

## [1] 205.8767

2. Menghitung Standar Devisiasi dari Data

Berikut adalah standar devisiasi data pada variabel umur :

sd(data$Umur)

## [1] 14.3484

Dot Plot

Dari data tersebut akan disajikan visualisasi data dalam bentuk Dot Plot. Berikut terlampir hasil visualisasi datanya :

dot_plot <- ggplot(data, aes(x = `Umur`, y = `Jumlah Anak`)) +
  geom_point(color = "pink", size = 2) +
  theme_minimal() +
  labs(title = "Dot Plot: Umur dan Jumlah Anak", x = "Umur", y = "Jumlah Anak")

dot_plot

Hasil visualisasi tersebut menggambarkan distribusi umur dan jumlah anak dari dataset yang telah diinputkan. Dari visualisasi data tersebut dapat dijelaskan bahwa sebagian besar individu yang tidak memiliki anak berada dikisaran umur 18-33 tahun.

Ukuran Pemusatan

1. Menghitung Rata-Rata (mean)

Rata-rata dari jumlah anak adalah :

mean(data$`Jumlah Anak`)

## [1] 0.64

2. Menghitung Median

Median dari jumlah anak adalah :

median(data$`Jumlah Anak`)

## [1] 0

3. Menghitung Modus

Modus dari jumlah anak adalah :

modus <- function(x) {
  uniqx <- unique(x)
  uniqx[which.max(tabulate(match(x, uniqx)))]
}
modus(data$`Jumlah Anak`)

## [1] 0

Menampilkan Ringkasan Data (Statistik 5 Serangkai)

Berikut adalah statistik 5 serangkai dari umur :

summary(data$`Jumlah Anak`)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##    0.00    0.00    0.00    0.64    1.00    3.00

Ukuran Penyebaran Data

1. Menghitung Keragaman Data

Berikut adalah keragaman data pada variabel jumlah anak :

var(data$`Jumlah Anak`)

## [1] 0.9066667

2. Menghitung Standar Devisiasi dari Data

Berikut adalah standar devisiasi data pada variabel jumlah anak :

sd(data$`Jumlah Anak`)

## [1] 0.9521905

Histogram

histogram <- ggplot(data, aes(x = `Biaya Asuransi`)) +
  geom_histogram(binwidth = 5000, fill = "pink", color = "black") +
  theme_minimal() +
  labs(title = "Histogram Biaya Asuransi", x = "Biaya Asuransi", y = "Frekuensi")

histogram

Dari hasil visualisasi data tersebut dapat dijelaskan bahwa jumlah biaya asuransi memiliki pentilan pada range 30000-40000 dan mayoritas membayar biaya asuransi pada range 1000-20000 dengan frekuensi tertinggi berada di bawah 10000.

Ukuran Pemusatan

1. Menghitung Rata-Rata (Mean)

Rata-rata dari biaya asuransi adalah :

mean(data$`Biaya Asuransi`)

## [1] 12491.24

2. Menghitung Median

Median dari biaya asuransi adalah :

median(data$`Biaya Asuransi`)

## [1] 7282

3. Menghitung Modus

Modus dari biaya asuransi adalah :

modus <- function(x) {
  uniqx <- unique(x)
  uniqx[which.max(tabulate(match(x, uniqx)))]
}

modus(data$`Biaya Asuransi`)

## [1] 16885

Menampilkan Ringkasan Data (Statistik 5 Serangkai)

Berikut adalah statistik 5 serangkai dari biaya asuransi :

summary(data$`Biaya Asuransi`)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##    1137    3757    7282   12491   16885   39612

Ukuran Penyebaran Data

1. Menghitung Keragaman Data

Berikut adalah keragaman data pada variabel biaya asuransi :

var(data$`Biaya Asuransi`)

## [1] 152555278

2. Menghitung Standar Devisiasi dari Data

Berikut adalah standar devisiasi data pada variabel biaya asuransi:

sd(data$`Biaya Asuransi`)

## [1] 12351.33

Note that the echo = FALSE parameter was added to the code chunk to prevent printing of the R code that generated the plot.

Tugas Kelompok Prosta

Fadhila Nur Rizqia

2025-03-05

Instal Library

Input Data

Pie Chart

Bar Chart

Density Plot

Ukuran Pemusatan

1. Menghitung Rata-Rata (Mean)

2. Menghitung Median

3. Menghitung Modus

Menampilkan Ringkasan Data (Statistik 5 Serangkai)

Ukuran Penyebaran Data

1. Menghitung Keragaman Data

2. Menghitung Standar Devisiasi dari Data

Dot Plot

Ukuran Pemusatan

1. Menghitung Rata-Rata (mean)

2. Menghitung Median

3. Menghitung Modus

Menampilkan Ringkasan Data (Statistik 5 Serangkai)

Ukuran Penyebaran Data

1. Menghitung Keragaman Data

2. Menghitung Standar Devisiasi dari Data

Histogram

Ukuran Pemusatan

1. Menghitung Rata-Rata (Mean)

2. Menghitung Median

3. Menghitung Modus

Menampilkan Ringkasan Data (Statistik 5 Serangkai)

Ukuran Penyebaran Data

1. Menghitung Keragaman Data

2. Menghitung Standar Devisiasi dari Data