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 berat dan tinggi badan mahasiswa

kelas_A <- data.frame(nama_A, bb_A, tb_A)
kelas_A

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 dan tinggi badan mahasiswa

kelas_B <- data.frame(nama_B, bb_B, tb_B)
kelas_B

Fungsi untuk menghitung modus

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

1. Analisis dan Perbandingan Berat Badan Mahasiswa Kelas A dan Kelas B

1.a. Bandingkan ukuran pemusatan dan penyebaran data

Ukuran Pemusatan Berat Badan

Kelas A

mean_bbA <- mean(bb_A)
median_bbA <- median(bb_A)
modus_bbA <- modus(bb_A)

Kelas B

mean_bbB <- mean(bb_B)
median_bbB <- median(bb_B)
modus_bbB <- modus(bb_B)

Cetak hasil pemusatan data

cat("Rata-rata berat badan Kelas A:", mean_bbA, "kg\n")

## Rata-rata berat badan Kelas A: 61.8 kg

cat("Median berat badan Kelas A:", median_bbA, "kg\n")

## Median berat badan Kelas A: 59 kg

cat("Modus berat badan Kelas A:", modus_bbA, "kg\n\n")

## Modus berat badan Kelas A: 55 kg

cat("Rata-rata berat badan Kelas B:", mean_bbB, "kg\n")

## Rata-rata berat badan Kelas B: 56.8 kg

cat("Median berat badan Kelas B:", median_bbB, "kg\n")

## Median berat badan Kelas B: 56 kg

cat("Modus berat badan Kelas B:", modus_bbB, "kg\n\n")

## Modus berat badan Kelas B: 50 kg

Ukuran Penyebaran Berat Badan

Kelas A

range_bbA <- range(bb_A)
var_bbA <- var(bb_A)
sd_bbA <- sd(bb_A)

Kelas B

range_bbB <- range(bb_B)
var_bbB <- var(bb_B)
sd_bbB <- sd(bb_B)

Cetak hasil penyebaran data

cat("Rentang berat badan Kelas A:", range_bbA, "\n")

## Rentang berat badan Kelas A: 50 80

cat("Variansi berat badan Kelas A:", var_bbA, "\n")

## Variansi berat badan Kelas A: 106.6222

cat("Simpangan baku berat badan Kelas A:", sd_bbA, "\n\n")

## Simpangan baku berat badan Kelas A: 10.3258

cat("Rentang berat badan Kelas B:", range_bbB, "\n")

## Rentang berat badan Kelas B: 50 70

cat("Variansi berat badan Kelas B:", var_bbB, "\n")

## Variansi berat badan Kelas B: 31.73333

cat("Simpangan baku berat badan Kelas B:", sd_bbB, "\n\n")

## Simpangan baku berat badan Kelas B: 5.633235

Data Berat Badan

data_berat_badan <- data.frame(
  Ukuran_Statistik = c("Rata-rata (kg)", "Median (kg)", "Modus (kg)",
                       "Rentang (kg)", "Variansi", "Simpangan Baku"),
  Kelas_A = c(mean(bb_A), median(bb_A), modus(bb_A),
              paste(range(bb_A), collapse = "-"), var(bb_A), sd(bb_A)),
  Kelas_B = c(mean(bb_B), median(bb_B), modus(bb_B),
              paste(range(bb_B), collapse = "-"), var(bb_B), sd(bb_B))
)
data_berat_badan

Data Tinggi Badan

data_tinggi_badan <- data.frame(
  Ukuran_Statistik = c("Rata-rata (cm)", "Median (cm)", "Modus (cm)",
                       "Rentang (cm)", "Variansi", "Simpangan Baku"),
  Kelas_A = c(mean(tb_A), median(tb_A), modus(tb_A),
              paste(range(tb_A), collapse = "-"), var(tb_A), sd(tb_A)),
  Kelas_B = c(mean(tb_B), median(tb_B), modus(tb_B),
              paste(range(tb_B), collapse = "-"), var(tb_B), sd(tb_B))
)

Menampilkan data frame

print("Perbandingan Berat Badan:")

## [1] "Perbandingan Berat Badan:"

print(data_berat_badan)

##   Ukuran_Statistik          Kelas_A          Kelas_B
## 1   Rata-rata (kg)             61.8             56.8
## 2      Median (kg)               59               56
## 3       Modus (kg)               55               50
## 4     Rentang (kg)            50-80            50-70
## 5         Variansi 106.622222222222 31.7333333333333
## 6   Simpangan Baku 10.3258037082942  5.6332347131407

print("Perbandingan Tinggi Badan:")

## [1] "Perbandingan Tinggi Badan:"

print(data_tinggi_badan)

##   Ukuran_Statistik          Kelas_A          Kelas_B
## 1   Rata-rata (cm)            167.7            157.5
## 2      Median (cm)            163.5              160
## 3       Modus (cm)              160              160
## 4     Rentang (cm)          155-185          143-172
## 5         Variansi 115.566666666667             96.5
## 6   Simpangan Baku 10.7501937967028 9.82344135219425

1.b. Visualisasi data (Boxplot)

boxplot(kelas_A$bb_A, kelas_B$bb_B,
        names = c("Kelas A", "Kelas B"),
        main = "Perbandingan Berat Badan Mahasiswa Kelas A dan B",
        col = c("skyblue", "coral"),
        ylab = "Berat Badan (kg)")

1.c Analisis

analisis berat badan

Kelas A memiliki berat badan dan tinggi badan yang secara umum lebih besar daripada mahasiswa Kelas B. Rata-rata berat badan Kelas A adalah 61.8 kg, sementara Kelas B 55.8 kg. Begitu juga dengan tinggi badan, rata-rata Kelas A adalah 167.7 cm, sedangkan Kelas B 157.5 cm.

analisis tinggi badan

ntuk tinggi badan, tingkat variasinya relatif serupa di kedua kelas. Meskipun rata-rata tinggi badan Kelas A lebih tinggi, simpangan baku kedua kelas tidak jauh berbeda, yaitu 11.19 cm untuk Kelas A dan 10.44 cm untuk Kelas B. Ini menunjukkan bahwa meskipun mahasiswa Kelas A lebih tinggi, sebaran datanya memiliki tingkat keragaman yang hampir sama dengan Kelas B.

2.a. Bandingkan ukuran pemusatan dan penyebaran data

Membuat data frame perbandingan

perbandingan_data <- data.frame(
  Ukuran_Statistik = c(
    "Rata-rata Berat Badan (kg)",
    "Median Berat Badan (kg)",
    "Modus Berat Badan (kg)",
    "Rentang Berat Badan (kg)",
    "Variansi Berat Badan",
    "Simpangan Baku Berat Badan",
    "Rata-rata Tinggi Badan (cm)",
    "Median Tinggi Badan (cm)",
    "Modus Tinggi Badan (cm)",
    "Rentang Tinggi Badan (cm)",
    "Variansi Tinggi Badan",
    "Simpangan Baku Tinggi Badan"
  ),
  Kelas_A = c(
    mean(bb_A),
    median(bb_A),
    modus(bb_A),
    paste(range(bb_A), collapse = " - "),
    var(bb_A),
    sd(bb_A),
    mean(tb_A),
    median(tb_A),
    modus(tb_A),
    paste(range(tb_A), collapse = " - "),
    var(tb_A),
    sd(tb_A)
  ),
  Kelas_B = c(
    mean(bb_B),
    median(bb_B),
    modus(bb_B),
    paste(range(bb_B), collapse = " - "),
    var(bb_B),
    sd(bb_B),
    mean(tb_B),
    median(tb_B),
    modus(tb_B),
    paste(range(tb_B), collapse = " - "),
    var(tb_B),
    sd(tb_B)
  )
)

Menampilkan data frame

print(perbandingan_data)

##               Ukuran_Statistik          Kelas_A          Kelas_B
## 1   Rata-rata Berat Badan (kg)             61.8             56.8
## 2      Median Berat Badan (kg)               59               56
## 3       Modus Berat Badan (kg)               55               50
## 4     Rentang Berat Badan (kg)          50 - 80          50 - 70
## 5         Variansi Berat Badan 106.622222222222 31.7333333333333
## 6   Simpangan Baku Berat Badan 10.3258037082942  5.6332347131407
## 7  Rata-rata Tinggi Badan (cm)            167.7            157.5
## 8     Median Tinggi Badan (cm)            163.5              160
## 9      Modus Tinggi Badan (cm)              160              160
## 10   Rentang Tinggi Badan (cm)        155 - 185        143 - 172
## 11       Variansi Tinggi Badan 115.566666666667             96.5
## 12 Simpangan Baku Tinggi Badan 10.7501937967028 9.82344135219425

2.b. Visualisasi data (Histogram)

Menggabungkan data tinggi badan

all_tb_data <- data.frame(
  Tinggi_Badan = c(kelas_A$tb_A, kelas_B$tb_B),
  Kelas = factor(c(rep("Kelas A", 10), rep("Kelas B", 10)))
)

Membuat histogram perbandingan

library(ggplot2)

## Warning: package 'ggplot2' was built under R version 4.4.3

ggplot(all_tb_data, aes(x = Tinggi_Badan, fill = Kelas)) +
  geom_histogram(binwidth = 5, alpha = 0.7, position = "identity") +
  labs(
    title = "Perbandingan Distribusi Tinggi Badan Mahasiswa Kelas A dan B",
    x = "Tinggi Badan (cm)",
    y = "Frekuensi"
  ) +
  scale_fill_manual(values = c("Kelas A" = "skyblue", "Kelas B" = "coral"))

#2.c analisis

Dibandingkan Kelas B, mahasiswa di Kelas A secara keseluruhan memiliki berat dan tinggi badan yang lebih besar. Rata-rata dan median untuk kedua atribut di Kelas A lebih tinggi. Namun, ada perbedaan besar dalam sebaran data.

Untuk berat badan, sebaran data di Kelas A jauh lebih lebar. Hal ini dibuktikan dengan nilai simpangan baku Kelas A sebesar 10.33 kg, hampir dua kali lipat dari Kelas B yang hanya 5.88 kg, serta rentang data yang lebih luas.

Sebaliknya, untuk tinggi badan, sebaran datanya relatif mirip di kedua kelas. Meski rata-rata tinggi badan Kelas A lebih tinggi, simpangan baku kedua kelas hampir sama, yaitu 11.19 cm untuk Kelas A dan 10.44 cm untuk Kelas B. Ini menunjukkan bahwa, terlepas dari perbedaan rata-rata, variasi tinggi badan di setiap kelas memiliki pola yang serupa.

tugas 2 komputasi statistika

M Rasyid Dimarja

2025-08-13

data kelas A

nama mahasiswa

berat badan mahasiswa

tinggi badan mahasiswa

data berat dan tinggi badan mahasiswa

data kelas B

nama mahasiswa

Fungsi untuk menghitung modus

1. Analisis dan Perbandingan Berat Badan Mahasiswa Kelas A dan Kelas B

1.a. Bandingkan ukuran pemusatan dan penyebaran data

Ukuran Pemusatan Berat Badan

Kelas A

Kelas B

Cetak hasil pemusatan data

Ukuran Penyebaran Berat Badan

Kelas A

Kelas B

Cetak hasil penyebaran data

Data Berat Badan

Data Tinggi Badan

Menampilkan data frame

1.b. Visualisasi data (Boxplot)

1.c Analisis

analisis berat badan

analisis tinggi badan

2.a. Bandingkan ukuran pemusatan dan penyebaran data

Membuat data frame perbandingan

Menampilkan data frame

2.b. Visualisasi data (Histogram)

Menggabungkan data tinggi badan

Membuat histogram perbandingan