#1. Persiapan Data
Berikut adalah data berat badan dan tinggi badan mahasiswa kelas A dan kelas B.
#data kelas A
#nama mahasiswa
nama_A <- c("Ani", "Budi", "Cahya", "Danu", "Eka", "Fitri", "Gilang", "Hani", "Indra", "Jihan")
#berat badan mahasiswa
bb_A <- c(55, 65, 50, 70, 60, 58, 75, 52, 80, 53)
#tinggi badan mahasiswa
tb_A <- c(160, 175, 155, 180, 165, 162, 178, 158, 185, 159)
#data kelas b
#nama mahasiswa
nama_B <- c("Alya", "Bintang", "Rizki", "Ana", "Nanda", "Dimas", "Ali", "Agus", "Dwi", "Putri")
#berat badan mahasiswa
bb_B <- c(50, 55, 53, 60, 58, 70, 52, 57, 59, 54)
#tinggi badan mahasiswa
tb_B <- c(145, 160, 172, 155, 160, 170, 148, 162, 160, 143)
#data berat badan dan tinggi mahasiswa kelas A dan kelas B
kelas_A <- data.frame(nama_A, bb_A, tb_A)
kelas_A
## nama_A bb_A tb_A
## 1 Ani 55 160
## 2 Budi 65 175
## 3 Cahya 50 155
## 4 Danu 70 180
## 5 Eka 60 165
## 6 Fitri 58 162
## 7 Gilang 75 178
## 8 Hani 52 158
## 9 Indra 80 185
## 10 Jihan 53 159
kelas_B <- data.frame(nama_B, bb_B, tb_B)
kelas_B
## nama_B bb_B tb_B
## 1 Alya 50 145
## 2 Bintang 55 160
## 3 Rizki 53 172
## 4 Ana 60 155
## 5 Nanda 58 160
## 6 Dimas 70 170
## 7 Ali 52 148
## 8 Agus 57 162
## 9 Dwi 59 160
## 10 Putri 54 143
#2. Menghitung Ukuran Pemusatan Data
Ukuran pemusatan data terdiri dari Mean, Median dan Modus.
#mean bb kelas A
mean_bbA <- mean(bb_A)
cat("mean berat badan kelas A adalah", mean_bbA, "kg", "\n")
## mean berat badan kelas A adalah 61.8 kg
#mean bb kelas B
mean_bbB <- mean(bb_B)
cat("mean berat badan kelas B adalah", mean_bbB, "kg", "\n")
## mean berat badan kelas B adalah 56.8 kg
#mean tb kelas A
mean_tbA <- mean(tb_A)
cat("mean tinggi badan kelas A adalah", mean_tbA, "cm", "\n")
## mean tinggi badan kelas A adalah 167.7 cm
#mean tb kelas B
mean_tbB <- mean(tb_B)
cat("mean tinggi badan kelas B adalah", mean_tbB, "cm", "\n")
## mean tinggi badan kelas B adalah 157.5 cm
#median bb kelas A
median_bbA <- median(bb_A)
cat("median berat badan kelas A adalah", median_bbA, "kg", "\n")
## median berat badan kelas A adalah 59 kg
#median bb kelas B
median_bbB <- median(bb_B)
cat("median berat badan kelas B adalah", median_bbB, "kg", "\n")
## median berat badan kelas B adalah 56 kg
#median tb kelas A
median_tbA <- median(tb_A)
cat("median tinggi badan kelas A adalah", median_tbA, "cm", "\n")
## median tinggi badan kelas A adalah 163.5 cm
#median tb kelas B
median_tbB <- median(tb_B)
cat("median tinggi badan kelas B adalah", median_tbB, "cm", "\n")
## median tinggi badan kelas B adalah 160 cm
#modus (menggunakan fungsi custom)
modus <- function(x){
ux <- unique(x)
ux[which.max(tabulate(match(x,ux)))]
}
#modus bb kelas A
modus_bbA <- modus(bb_A)
cat("modus berat badan kelas A adalah", modus_bbA, "kg", "\n")
## modus berat badan kelas A adalah 55 kg
#modus bb kelas B
modus_bbB <- modus(bb_B)
cat("modus berat badan kelas B adalah", modus_bbB, "kg", "\n")
## modus berat badan kelas B adalah 50 kg
#modus tb kelas A
modus_tbA <- modus(tb_A)
cat("modus tinggi badan kelas A adalah", modus_tbA, "cm", "\n")
## modus tinggi badan kelas A adalah 160 cm
#modus tb kelas B
modus_tbB <- modus(tb_B)
cat("modus tinggi badan kelas B adalah", modus_tbB, "cm", "\n")
## modus tinggi badan kelas B adalah 160 cm
#3. Menghitung Ukuran Penyebaran Data
Ukuran penyebaran data yang digunakan adalah Range (rentang), Variansi (Keragaman) dan Standar Deviasi (Simpangan Baku).
#menghitung range (rentang) bb kelas A
range_bbA <- range(bb_A)
cat("range berat badan kelas A adalah", range_bbA, "\n")
## range berat badan kelas A adalah 50 80
#menghitung range (rentang) bb kelas B
range_bbB <- range(bb_B)
cat("range berat badan kelas B adalah", range_bbB, "\n")
## range berat badan kelas B adalah 50 70
#menghitung range (rentang) tb kelas A
range_tbA <- range(tb_A)
cat("range tinggi badan kelas A adalah", range_tbA, "\n")
## range tinggi badan kelas A adalah 155 185
#menghitung range (rentang) tb kelas B
range_tbB <- range(tb_B)
cat("range tinggi badan kelas B adalah", range_tbB, "\n")
## range tinggi badan kelas B adalah 143 172
#menghitung variansi (keragaman) bb kelas A
var_bbA <- var(bb_A)
cat("variansi berat badan kelas A adalah", var_bbA, "\n")
## variansi berat badan kelas A adalah 106.6222
#menghitung variansi (keragaman) bb kelas B
var_bbB <- var(bb_B)
cat("variansi berat badan kelas B adalah", var_bbB, "\n")
## variansi berat badan kelas B adalah 31.73333
#menghitung variansi (keragaman) tb kelas A
var_tbA <- var(tb_A)
cat("variansi tinggi badan kelas A adalah", var_tbA, "\n")
## variansi tinggi badan kelas A adalah 115.5667
#menghitung variansi (keragaman) tb kelas B
var_tbB <- var(tb_B)
cat("variansi tinggi badan kelas B adalah", var_tbB, "\n")
## variansi tinggi badan kelas B adalah 96.5
#menghitung standar deviasi (simpangan baku) bb kelas A
sd_bbA <- sd(bb_A)
cat("standar deviasi berat badan kelas A adalah", sd_bbA, "\n")
## standar deviasi berat badan kelas A adalah 10.3258
#menghitung standar deviasi (simpangan baku) bb kelas B
sd_bbB<- sd(bb_B)
cat("standar deviasi berat badan kelas B adalah", sd_bbB, "\n")
## standar deviasi berat badan kelas B adalah 5.633235
#menghitung standar deviasi (simpangan baku) tb kelas A
sd_tbA <- sd(tb_A)
cat("standar deviasi tinggi badan kelas A adalah", sd_tbA, "\n")
## standar deviasi tinggi badan kelas A adalah 10.75019
#menghitung standar deviasi (simpangan baku) tb kelas B
sd_tbB <- sd(tb_B)
cat("standar deviasi tinggi badan kelas B adalah", sd_tbB, "\n")
## standar deviasi tinggi badan kelas B adalah 9.823441
#4. Visualisasi Data
Jenis visualisasi yang digunakan disini adalah boxplot dan histogram. Dimana boxplot digunakan untuk visualisasi data berat badan mahasiswa kelas A dan kelas B, serta histogram digunakan untuk visualisasi data tinggi badan mahasiswa kelas A dan B.
## 25% 50% 75%
## 53.50 59.00 68.75
## 25% 50% 75%
## 53.25 56.00 58.75
#5. Latihan Mandiri