List nama mahasiswa kelas A
Berikut 10 nama Mahasiswa kelas A
nama_a <- c("Ariq", "Budi", "Citra", "Danu", "Egar", "Fahri", "Geo", "Hanum", "Isil", "Jagar")
nama_a## [1] "Ariq" "Budi" "Citra" "Danu" "Egar" "Fahri" "Geo" "Hanum" "Isil"
## [10] "Jagar"List nama mahasiswa kelas B
Berikut 10 nama Mahasiswa kelas A
nama_b <- c("Aslan", "Bika", "Cisa", "Danang", "Ehsan", "Faisal", "Gani", "Hasan", "Ima", "Javier")
nama_b## [1] "Aslan" "Bika" "Cisa" "Danang" "Ehsan" "Faisal" "Gani" "Hasan"
## [9] "Ima" "Javier"Memasukkan data berat badan mahasiswa kelas A
Berikut data-data berat badan mahasiswa kelas A
bb_a <- c(67, 67, 45, 43, 51, 80, 50, 47, 65, 60)
bb_a## [1] 67 67 45 43 51 80 50 47 65 60Memasukkan data berat badan mahasiswa kelas B
Berikut data-data berat badan mahasiswa kelas B
bb_b <- c(54, 54, 50, 43, 61, 80, 90, 39, 66, 50)
bb_b## [1] 54 54 50 43 61 80 90 39 66 50Memasukkan data tinggi badan mahasiswa kelas A
Berikut data-data tinggi badan mahasiswa kelas A
tb_a <- c(175, 175, 159, 163, 151, 180, 160, 177, 165, 171)
tb_a## [1] 175 175 159 163 151 180 160 177 165 171Memasukkan data tinggi badan mahasiswa kelas B
Berikut data-data tinggi badan mahasiswa kelas B
tb_b <- c(172, 172, 169, 153, 167, 180, 159, 175, 155, 168)
tb_b## [1] 172 172 169 153 167 180 159 175 155 168Untuk menyimpan dan mengelola data dalam bentuk tabel (baris dan kolom) mahasiswa kelas A
kelas_a <- data.frame(nama_a, bb_a, tb_a)
kelas_a## nama_a bb_a tb_a
## 1 Ariq 67 175
## 2 Budi 67 175
## 3 Citra 45 159
## 4 Danu 43 163
## 5 Egar 51 151
## 6 Fahri 80 180
## 7 Geo 50 160
## 8 Hanum 47 177
## 9 Isil 65 165
## 10 Jagar 60 171Untuk menyimpan dan mengelola data dalam bentuk tabel (baris dan kolom) mahasiswa kelas B
kelas_b <- data.frame(nama_b, bb_b, tb_b)
kelas_b## nama_b bb_b tb_b
## 1 Aslan 54 172
## 2 Bika 54 172
## 3 Cisa 50 169
## 4 Danang 43 153
## 5 Ehsan 61 167
## 6 Faisal 80 180
## 7 Gani 90 159
## 8 Hasan 39 175
## 9 Ima 66 155
## 10 Javier 50 168Untuk mencari rata-rata dari berat badan mahasiswa kelas A
Menghitung rata-rata suatu data dengan cara menjumlahkan semua nilai lalu membaginya dengan jumlah data.
mean(kelas_a$bb_a)## [1] 57.5cat("Rata-rata berat badan mahasiswa kelas A: ", mean(kelas_a$bb_a), "kg")## Rata-rata berat badan mahasiswa kelas A: 57.5 kgUntuk mencari rata-rata dari tinggi badan mahasiswa kelas A
Menghitung rata-rata suatu data dengan cara menjumlahkan semua nilai lalu membaginya dengan jumlah data.
mean(kelas_a$tb_a)## [1] 167.6cat("Rata-rata tinggi badan mahasiswa kelas A: ", mean(kelas_a$tb_a), "cm")## Rata-rata tinggi badan mahasiswa kelas A: 167.6 cmUntuk mencari rata-rata dari berat badan mahasiswa kelas B
Menghitung rata-rata suatu data dengan cara menjumlahkan semua nilai lalu membaginya dengan jumlah data.
mean(kelas_b$bb_b)## [1] 58.7cat("Rata-rata berat badan mahasiswa kelas B: ", mean(kelas_b$bb_b), "kg")## Rata-rata berat badan mahasiswa kelas B: 58.7 kgUntuk mencari rata-rata dari tinggi badan mahasiswa kelas B
Menghitung rata-rata suatu data dengan cara menjumlahkan semua nilai lalu membaginya dengan jumlah data.
mean(kelas_b$tb_b)## [1] 167cat("Rata-rata tinggi badan mahasiswa kelas B: ", mean(kelas_b$tb_b), "cm")## Rata-rata tinggi badan mahasiswa kelas B: 167 cmUntuk mencari nilai tengah atau median dari berat badan mahasiswa kelas A
Mencari nilai tengah dari suatu data setelah datanya diurutkan. Nilai tengah ini memisahkan setengah data di bawahnya dan setengah data di atasnya. Jika jumlah data ganjil, median adalah nilai di posisi tengah. Jika genap, median adalah rata-rata dari dua nilai tengah.
median(kelas_a$bb_a)## [1] 55.5cat("Median berat badan mahasiswa kelas A: ", median(kelas_a$bb_a), "kg")## Median berat badan mahasiswa kelas A: 55.5 kgUntuk mencari nilai tengah atau median dari tinggi badan mahasiswa kelas A
Mencari nilai tengah dari suatu data setelah datanya diurutkan. Nilai tengah ini memisahkan setengah data di bawahnya dan setengah data di atasnya. Jika jumlah data ganjil, median adalah nilai di posisi tengah. Jika genap, median adalah rata-rata dari dua nilai tengah.
median(kelas_a$tb_a)## [1] 168cat("Median tinggi badan mahasiswa kelas A: ", median(kelas_a$tb_a), "cm")## Median tinggi badan mahasiswa kelas A: 168 cmUntuk mencari nilai tengah atau median dari berat badan mahasiswa kelas B
Mencari nilai tengah dari suatu data setelah datanya diurutkan. Nilai tengah ini memisahkan setengah data di bawahnya dan setengah data di atasnya. Jika jumlah data ganjil, median adalah nilai di posisi tengah. Jika genap, median adalah rata-rata dari dua nilai tengah.
median(kelas_b$bb_b)## [1] 54cat("Median berat badan mahasiswa kelas B: ", median(kelas_b$bb_b), "kg")## Median berat badan mahasiswa kelas B: 54 kgUntuk mencari nilai tengah atau median dari tinggi badan mahasiswa kelas B
Mencari nilai tengah dari suatu data setelah datanya diurutkan. Nilai tengah ini memisahkan setengah data di bawahnya dan setengah data di atasnya. Jika jumlah data ganjil, median adalah nilai di posisi tengah. Jika genap, median adalah rata-rata dari dua nilai tengah.
median(kelas_b$tb_b)## [1] 168.5cat("Median tinggi badan mahasiswa kelas B: ", median(kelas_b$tb_b), "cm")## Median tinggi badan mahasiswa kelas B: 168.5 cmUntuk mencari modus atau data terbanyak yaitu berat badan mahasiswa kelas A
modus <- function(x){
ux <- unique(x)
ux[which.max(tabulate(match(x, ux)))]
}
modus_bba <- modus(bb_a)
cat("modus berat badan mahasiswa kelas A: ", modus_bba, "kg")## modus berat badan mahasiswa kelas A: 67 kgUntuk mencari modus atau data terbanyak yaitu tinggi badan mahasiswa kelas A
modus <- function(x){
ux <- unique(x)
ux[which.max(tabulate(match(x, ux)))]
}
modus_tba <- modus(tb_a)
cat("modus tinggi badan mahasiswa kelas A: ", modus_tba, "cm")## modus tinggi badan mahasiswa kelas A: 175 cmUntuk mencari modus atau data terbanyak yaitu berat badan mahasiswa kelas B
modus <- function(x){
ux <- unique(x)
ux[which.max(tabulate(match(x, ux)))]
}
modus_bbb <- modus(bb_b)
cat("modus berat badan mahasiswa kelas B: ", modus_bbb, "kg")## modus berat badan mahasiswa kelas B: 54 kgUntuk mencari modus atau data terbanyak yaitu tinggi badan mahasiswa kelas B
modus <- function(x){
ux <- unique(x)
ux[which.max(tabulate(match(x, ux)))]
}
modus_tbb <- modus(tb_b)
cat("modus tinggi badan mahasiswa kelas B: ", modus_tbb, "cm")## modus tinggi badan mahasiswa kelas B: 172 cmFungsi range pada berat badan mahasiswa kelas A
Digunakan untuk mengetahui nilai terkecil dan terbesar dari suatu data. Hasilnya berupa dua angka, yaitu nilai minimum di posisi pertama dan nilai maksimum di posisi kedua.
range_bba <- range(bb_a)
cat("range berat badan mahasiswa kelas A:", paste0(range_bba, " kg"))## range berat badan mahasiswa kelas A: 43 kg 80 kgFungsi range pada tinggi badan mahasiswa kelas A
Digunakan untuk mengetahui nilai terkecil dan terbesar dari suatu data. Hasilnya berupa dua angka, yaitu nilai minimum di posisi pertama dan nilai maksimum di posisi kedua.
range_tba <- range(tb_a)
cat("range tinggi badan mahasiswa kelas A:", paste0(range_tba, " cm"))## range tinggi badan mahasiswa kelas A: 151 cm 180 cmFungsi range pada berat badan mahasiswa kelas B
Digunakan untuk mengetahui nilai terkecil dan terbesar dari suatu data. Hasilnya berupa dua angka, yaitu nilai minimum di posisi pertama dan nilai maksimum di posisi kedua.
range_bbb <- range(bb_b)
cat("range berat badan mahasiswa kelas B:", paste0(range_bbb, " kg"))## range berat badan mahasiswa kelas B: 39 kg 90 kgFungsi range pada tinggi badan mahasiswa kelas A
Digunakan untuk mengetahui nilai terkecil dan terbesar dari suatu data. Hasilnya berupa dua angka, yaitu nilai minimum di posisi pertama dan nilai maksimum di posisi kedua.
range_tbb <- range(tb_b)
cat("range tinggi badan mahasiswa kelas B:", paste0(range_tbb, " cm"))## range tinggi badan mahasiswa kelas B: 153 cm 180 cmFungsi variansi pada berat badan mahasiswa kelas A
Ukuran yang menunjukkan seberapa besar penyebaran data terhadap nilai rata-ratanya dalam bentuk kuadrat satuan. Variansi merupakan kuadrat dari standar deviasi dan nilainya selalu non-negatif.
var_bba <- var(bb_a)
cat("variansi berat badan mahasiswa kelas A: ", var_bba)## variansi berat badan mahasiswa kelas A: 147.1667Fungsi variansi pada tinggi badan mahasiswa kelas B
Ukuran yang menunjukkan seberapa besar penyebaran data terhadap nilai rata-ratanya dalam bentuk kuadrat satuan. Variansi merupakan kuadrat dari standar deviasi dan nilainya selalu non-negatif.
var_tba <- var(tb_a)
cat("variansi tinggi badan mahasiswa kelas A: ", var_tba)## variansi tinggi badan mahasiswa kelas A: 88.71111Fungsi variansi pada berat badan mahasiswa kelas B
Ukuran yang menunjukkan seberapa besar penyebaran data terhadap nilai rata-ratanya dalam bentuk kuadrat satuan. Variansi merupakan kuadrat dari standar deviasi dan nilainya selalu non-negatif.
var_bbb <- var(bb_b)
cat("variansi berat badan mahasiswa kelas B: ", var_bbb)## variansi berat badan mahasiswa kelas B: 258.0111Fungsi variansi pada tinggi badan mahasiswa kelas B
Ukuran yang menunjukkan seberapa besar penyebaran data terhadap nilai rata-ratanya dalam bentuk kuadrat satuan. Variansi merupakan kuadrat dari standar deviasi dan nilainya selalu non-negatif.
var_tbb <- var(tb_b)
cat("variansi tinggi badan mahasiswa kelas B: ", var_tbb)## variansi tinggi badan mahasiswa kelas B: 76.88889Fungsi standar deviasi pada berat badan mahasiswa kelas A
ukuran yang menunjukkan seberapa jauh data tersebar dari nilai rata-ratanya. Nilai standar deviasi yang besar berarti data lebih bervariasi, sedangkan nilai yang kecil menunjukkan data cenderung berdekatan dengan rata-rata.
sd_bba <- sd(bb_a)
cat("Standar deviasi berat badan mahasiswa kelas A: ", sd_bba)## Standar deviasi berat badan mahasiswa kelas A: 12.13123Fungsi standar deviasi pada tinggi badan mahasiswa kelas A
ukuran yang menunjukkan seberapa jauh data tersebar dari nilai rata-ratanya. Nilai standar deviasi yang besar berarti data lebih bervariasi, sedangkan nilai yang kecil menunjukkan data cenderung berdekatan dengan rata-rata.
sd_tba <- sd(tb_a)
cat("Standar deviasi tinggi badan mahasiswa kelas A: ", sd_tba)## Standar deviasi tinggi badan mahasiswa kelas A: 9.418658Fungsi standar deviasi pada berat badan mahasiswa kelas B
ukuran yang menunjukkan seberapa jauh data tersebar dari nilai rata-ratanya. Nilai standar deviasi yang besar berarti data lebih bervariasi, sedangkan nilai yang kecil menunjukkan data cenderung berdekatan dengan rata-rata.
sd_bbb <- sd(bb_b)
cat("Standar deviasi berat badan mahasiswa kelas B: ", sd_bbb)## Standar deviasi berat badan mahasiswa kelas B: 16.06272Fungsi standar deviasi pada tinggi badan mahasiswa kelas B
ukuran yang menunjukkan seberapa jauh data tersebar dari nilai rata-ratanya. Nilai standar deviasi yang besar berarti data lebih bervariasi, sedangkan nilai yang kecil menunjukkan data cenderung berdekatan dengan rata-rata.
sd_tbb <- sd(tb_b)
cat("Standar deviasi tinggi badan mahasiswa kelas B: ", sd_tbb)## Standar deviasi tinggi badan mahasiswa kelas B: 8.768631Visualisasi data
Histogram :Grafik yang menampilkan distribusi frekuensi data dalam bentuk batang. Histogram membagi rentang nilai data menjadi beberapa interval (disebut breaks), lalu menghitung berapa banyak data yang masuk ke setiap interval tersebut
Histogram berat badan mahasiswa kelas A
hist(kelas_a$bb_a, col = "pink",
main = "Histogram berat badan mahasiswa kelas A",
xlab = "berat badan(kg)")
Histogram tinggi badan mahasiswa kelas A
hist(kelas_a$tb_a, col = "yellow",
main = "Histogram tinggi badan mahasiswa kelas A",
xlab = "tinggi badan(cm)")
Histogram berat badan mahasiswa kelas B
hist(kelas_b$bb_b, col = "cyan",
main = "Histogram berat badan mahasiswa kelas B",
xlab = "berat badan(kg)")
Histogram tinggi badan mahasiswa kelas B
hist(kelas_b$tb_b, col = "grey",
main = "Histogram tinggi badan mahasiswa kelas B",
xlab = "tinggi badan(cm)")
## Boxplot berat badan mahasiswa kelas A
boxplot(kelas_a$bb_a, col = "green",
main = "Histogram berat badan mahasiswa kelas A",
xlab = "berat badan(kg)")
Boxplot berat badan mahasiswa kelas B
boxplot(kelas_b$bb_b, col = "violet",
main = "Histogram berat badan mahasiswa kelas B",
xlab = "berat badan(kg)")
Boxplot tinggi badan mahasiswa kelas A
boxplot(kelas_a$tb_a, col = "blue",
main = "Histogram tinggi badan mahasiswa kelas A",
xlab = "tinggi badan(cm)")
Boxplot tinggi badan mahasiswa kelas B
boxplot(kelas_b$tb_b, col = "black",
main = "Histogram tinggi badan mahasiswa kelas B",
xlab = "tinggi badan(cm)")
Fungsi Untuk Mengetahui Hubungan Data
Untuk mengetahui hubungan data tinggi badan dengan berat badan pada R studio dengan cara
plotA <-plot(kelas_a$tb_a, kelas_a$bb_a, type = "o", col = " blue", main = "Grafik hubungan bb dan tb mahasiswa kelas A", xlab = "X", ylab = "y")
model <- lm(kelas_a$tb_a ~ kelas_a$bb_a)
summary(model)##
## Call:
## lm(formula = kelas_a$tb_a ~ kelas_a$bb_a)
##
## Residuals:
## Min 1Q Median 3Q Max
## -13.415 -3.562 1.775 2.685 14.545
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 139.4252 12.4860 11.167 3.7e-06 ***
## kelas_a$bb_a 0.4900 0.2129 2.301 0.0504 .
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 7.749 on 8 degrees of freedom
## Multiple R-squared: 0.3983, Adjusted R-squared: 0.3231
## F-statistic: 5.296 on 1 and 8 DF, p-value: 0.05037Penarikan Kesimpulan
Grafik yang menampilkan hubungan antara bb dan tb mahasiswa kelas A memperlihatkan tidak adanya pola keterkaitan yang jelas. Perbedaan tinggi badan tidak selalu berbanding lurus dengan berat badan. Hal tersebut menunjukkan bahwa hubungan keduanya lemah dan tidak mengikuti pola linear.
Fungsi Untuk Mengetahui Hubungan Data
Untuk mengetahui hubungan data tinggi badan dengan berat badan pada R studio dengan cara
plotB <-plot(kelas_b$tb_b, kelas_b$bb_b, type = "o", col = " brown", main = "Grafik hubungan bb dan tb mahasiswa kelas B", xlab = "X", ylab = "y")
model <- lm(kelas_b$tb_b ~ kelas_b$bb_b)
summary(model)##
## Call:
## lm(formula = kelas_b$tb_b ~ kelas_b$bb_b)
##
## Residuals:
## Min 1Q Median 3Q Max
## -14.487 -5.254 1.230 4.854 13.660
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 168.82008 11.68600 14.446 5.16e-07 ***
## kelas_b$bb_b -0.03101 0.19269 -0.161 0.876
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 9.286 on 8 degrees of freedom
## Multiple R-squared: 0.003226, Adjusted R-squared: -0.1214
## F-statistic: 0.02589 on 1 and 8 DF, p-value: 0.8762Penarikan Kesimpulan
Grafik yang menampilkan hubungan bb dan tb mahasiswa kelas B memperlihatkan bahwa titik-titik data tersebar secara acak tanpa pola linear yang konsisten. Ada mahasiswa dengan tinggi badan hampir sama namun berat badannya sangat berbeda, bahkan ekstrem. Kondisi ini menunjukkan bahwa hubungan tinggi dan berat badan di kelas B lemah serta dipengaruhi oleh variabel lain.