set.seed(123) # untuk reproduktibilitas
# Bangkitkan data permintaan (distribusi eksponensial)
permintaan <- round(rexp(10, rate = 0.1)) # rate = 0.1 berarti mean = 10
permintaan
## [1] 8 6 13 0 1 3 3 1 27 0
# Bangkitkan data frekuensi (distribusi normal)
frekuensi <-round(rnorm(10, mean = 5, sd = 1)) # misal frekuensi rata-rata 5
frekuensi
## [1] 5 6 5 5 5 4 7 5 3 6
# Gabungkan menjadi data frame
data <- data.frame(
hari = 1:10,
permintaan = permintaan,
frekuensi = frekuensi
)
print("Data Permintaan dan Frekuensi:")
## [1] "Data Permintaan dan Frekuensi:"
print(data)
## hari permintaan frekuensi
## 1 1 8 5
## 2 2 6 6
## 3 3 13 5
## 4 4 0 5
## 5 5 1 5
## 6 6 3 4
## 7 7 3 7
## 8 8 1 5
## 9 9 27 3
## 10 10 0 6
# Hitung nilai ekspektasi (rata-rata)
ekspektasi_permintaan <- mean(data$permintaan)
ekspektasi_frekuensi <- mean(data$frekuensi)
# Tampilkan nilai ekspektasi
cat("=== NILAI EKSPEKTASI ===\n")
## === NILAI EKSPEKTASI ===
cat("Ekspektasi Permintaan:", ekspektasi_permintaan, "\n")
## Ekspektasi Permintaan: 6.2
cat("Ekspektasi Frekuensi:", ekspektasi_frekuensi, "\n\n")
## Ekspektasi Frekuensi: 5.1
# Buat model regresi linier sederhana: permintaan terhadap hari
model <- lm(permintaan ~ hari, data = data)
# Prediksi permintaan masa depan menggunakan model linier sederhana
# Kita asumsikan model linier: permintaan ~ hari model <- lm(permintaan ~ hari, data = data)
# Prediksi untuk 5, 20, 100, 1000 hari ke depan
prediksi_hari <- data.frame(hari = c(5, 20, 100, 1000))
prediksi <- predict(model, newdata = prediksi_hari)
names(prediksi) <- c("5 hari", "20 hari", "100 hari", "1000 hari")
print("Hasil Prediksi Permintaan:")
## [1] "Hasil Prediksi Permintaan:"
print(prediksi)
## 5 hari 20 hari 100 hari 1000 hari
## 6.121212 8.484848 21.090909 162.909091