Statistika Deskriptif dengan R

a. Bandingkan ukuran pemusatan data dan penyebaran data berat badan mahasiswa kelas A dan kelas B

• Ukuran pemusatan data dan ukuran penyebaran data berat badan mahasiswa kelas A

#Mean
mean_bbA <- mean(bb_A)
cat("mean_bbA:", mean_bbA, "kg", "\n")

## mean_bbA: 61.8 kg

#Median
median_bbA <- median(bb_A)
cat("median_bbA:", median_bbA, "kg", "\n")

## median_bbA: 59 kg

#Modus
modus <- function(x) {
  ux <- unique(x)
  ux[which.max(tabulate(match(x, ux)))]
}
modus_bbA <- modus(bb_A)
cat("modus_bbA:", modus_bbA, "kg", "\n")

## modus_bbA: 55 kg

# Menghitung range (rentang)
range_bbA <- range(bb_A)
cat("range_bbA:", range_bbA, "\n")

## range_bbA: 50 80

# Menghitung variansi (keragaman)
var_bbA <- var(bb_A)
cat("var_bbA:", var_bbA, "\n")

## var_bbA: 106.6222

# Menghitung standar deviation (simpangan baku)
sd_bbA <- sd(bb_A)
cat("sd_bbA:", sd_bbA, "\n")

## sd_bbA: 10.3258

• Ukuran pemusatan data dan ukuran penyebaran data berat badan mahasiswa kelas B

#Mean
mean_bbB <- mean(bb_B)
cat("mean_bbB:", mean_bbB, "kg", "\n")

## mean_bbB: 56.8 kg

#Median
median_bbB <- median(bb_B)
cat("median_bbB:", median_bbB, "kg", "\n")

## median_bbB: 56 kg

#Modus
modus_bbB <- modus(bb_B)
cat("modus_bbB:", modus_bbB, "kg", "\n")

## modus_bbB: 50 kg

# Menghitung range (rentang)
range_bbB <- range(bb_B)
cat("range_bbB:", range_bbB, "\n")

## range_bbB: 50 70

# Menghitung variansi (keragaman)
var_bbB <- var(bb_B)
cat("var_bbB:", var_bbB, "\n")

## var_bbB: 31.73333

# Menghitung standar deviation (simpangan baku)
sd_bbB <- sd(bb_B)
cat("sd_bbB:", sd_bbB, "\n")

## sd_bbB: 5.633235

Perbandingannya: mean_bbA > mean_bbB; median_bbA > median_bbB; range_bbA > range bb_B; var_bbA > var_bbB; sd_bbA > sd_bbB.

b. Visualisasi data

boxplot(kelas_A$bb_A, kelas_B$bb_B, horizontal = TRUE,
        names = c("Kelas A", "Kelas B"),
        main = "Perbandingan Perbedaan Berat Badan Mahasiswa",
        col = c("coral", "green"))

c. Penjelasan

Berdasarkan analisis hasil yang ada, berat badan rata-rata mahasiswa kelas A lebih berat daripada kelas B. Nilai rata-rata (61.8kg) dan median (59kg) kelas A lebih besar daripada nilai rata-rata (56.8kg) dan median (56kg) kelas B, yang menunjukkan bahwa secara umum kelas A memiliki berat badan yang lebih besar. Selain itu, berat badan mahasiswa di kelas A lebih bervariasi dibandingkan dengan kelas B. Hal ini terlihat dari nilai simpangan baku kelas A (10.33) yang jauh lebih besar dari simpangan baku kelas B (5.63).Ini berarti, kelas B berat badannya lebih mirip satu sama lain. Hal ini juga ditunjukkan pada boxplot, dimana kotak (IQR) dan rentang data kelas A jauh lebih lebar daripada kelas B. Boxplot juga menunjukkan adanya outlier pada kelas B, yang artinya ada 1 mahasiswa yang berat badannya berbeda jauh dari teman-temannya.

a. Bandingkan ukuran pemusatan data dan penyebaran data tinggi badan mahasiswa kelas A dan kelas B

• Ukuran pemusatan data dan ukuran penyebaran data tinggi badan mahasiswa kelas A

#Mean
mean_tbA <- mean(tb_A)
cat("mean_tbA:", mean_tbA, "cm", "\n")

## mean_tbA: 167.7 cm

#Median
median_tbA <- median(tb_A)
cat("median_tbA:", median_tbA, "cm", "\n")

## median_tbA: 163.5 cm

#Modus
modus_tbA <- modus(tb_A)
cat("modus_tbA:", modus_tbA, "cm", "\n")

## modus_tbA: 160 cm

# Menghitung range (rentang)
range_tbA <- range(tb_A)
cat("range_tbA:", range_tbA, "\n")

## range_tbA: 155 185

# Menghitung variansi (keragaman)
var_tbA <- var(tb_A)
cat("var_tbA:", var_tbA, "\n")

## var_tbA: 115.5667

# Menghitung standar deviation (simpangan baku)
sd_tbA <- sd(tb_A)
cat("sd_tbA:", sd_tbA, "\n")

## sd_tbA: 10.75019

• Ukuran pemusatan data dan ukuran penyebaran data tinggi badan mahasiswa kelas B

#Mean
mean_tbB <- mean(tb_B)
cat("mean_tbB:", mean_tbB, "cm", "\n")

## mean_tbB: 157.5 cm

#Median
median_tbB <- median(tb_B)
cat("median_tbB:", median_tbB, "cm", "\n")

## median_tbB: 160 cm

#Modus
modus_tbB <- modus(tb_B)
cat("modus_tbB:", modus_tbB, "cm", "\n")

## modus_tbB: 160 cm

range_tbB <- range(tb_B)
cat("range_tbB:", range_tbB, "\n")

## range_tbB: 143 172

# Menghitung variansi (keragaman)
var_tbB <- var(tb_B)
cat("var_tbB:", var_tbB, "\n")

## var_tbB: 96.5

# Menghitung standar deviation (simpangan baku)
sd_tbB <- sd(tb_B)
cat("sd_tbB:", sd_tbB, "\n")

## sd_tbB: 9.823441

Perbandingannya: mean_tbA > mean_tbB; median_tbA > median_tbB; range_tbA > range tb_B; var_tbA > var_tbB; sd_tbA > sd_tbB.

b. Visualisasi data

boxplot(kelas_A$tb_A, kelas_B$tb_B, horizontal = TRUE,
        names = c("Kelas A", "Kelas B"),
        main = "Perbandingan Perbedaan Tinggi Badan Mahasiswa",
        col = c("purple", "gold"))

c. Penjelasan

Dari analisis hasil yang ada, rata- rata tinggi badan mahasiswa kelas A (167.7cm) dan mediannya (163.5cm) secara signifikan lebih besar daripada rata-rata kelas B (157.5cm) dan mediannya (160cm). Ini menunjukkan bahwa secara keseluruhan, mahasiswa kelas A cenderung lebih tinggi. Namun, sebaran data tinggi badan di kedua kelas tidak jauh berbeda, dengan simpangan baku kelas A (10.75) sedikit lebih besar dari kelas B (9.82). Hal ini juga terlihat pada boxplot dimana rentang data pada kelas A sedikit lebih lebar dari kelas B. Dengan demikian, data tinggi badan di kelas B lebih seragam dan terkumpul di sekitar nilai rata-rata, sedangkan kelas A datanya memiliki variasi yang sedikit lebih luas.