Dasar Software R untuk Simulasi

# 1. Buat dataframe dengan kolom Nama dan Nilai (minimal 4 baris). Atur nilai pada kolom Nilai sehingga rata-rata (mean) dari nilai tersebut adalah 96.Selanjutnya, tampilkan ringkasan statistik dari dataframe tersebut menggunakan fungsi summary().
# Membuat dataframe
# Membuat dataframe
Nama <- c("Andi", "Budi", "Citra", "Dina")
Nilai <- c(90, 95, 100, 99)  # Mean = 96

data_nilai <- data.frame(Nama, Nilai)

# Mengecek rata-rata
mean(data_nilai$Nilai)

## [1] 96

# Menampilkan ringkasan statistik
summary(data_nilai)

##      Nama               Nilai       
##  Length:4           Min.   : 90.00  
##  Class :character   1st Qu.: 93.75  
##  Mode  :character   Median : 97.00  
##                     Mean   : 96.00  
##                     3rd Qu.: 99.25  
##                     Max.   :100.00

# 2. Buat satu barisan sepanjang 12 elemen dengan aturan berulang +3 → ×2 → −1 dengan nilai awal 4.
# Membuat vektor kosong
barisan <- numeric(12)

# Nilai awal
barisan[1] <- 4

# Pola berulang: +3, ×2, −1
for(i in 2:12){
  if((i-2) %% 3 == 0){
    barisan[i] <- barisan[i-1] + 3
  } else if((i-2) %% 3 == 1){
    barisan[i] <- barisan[i-1] * 2
  } else {
    barisan[i] <- barisan[i-1] - 1
  }
}
barisan

##  [1]   4   7  14  13  16  32  31  34  68  67  70 140

# 3. Gunakan fungsi seq() dan rep() di R untuk membentuk satu vektor dengan hasil akhir sebagai berikut:0 0 2 2 4 4 6 6 0 0 2 2 4 4 6 6 0 0 2 2 4 4 6 6
# Membuat urutan 0 sampai 6 selisih 2
angka <- seq(0, 6, by = 2)

# Mengulang setiap angka 2 kali
pola <- rep(angka, each = 2)

# Mengulang seluruh pola 3 kali
hasil_akhir <- rep(pola, times = 3)

hasil_akhir

##  [1] 0 0 2 2 4 4 6 6 0 0 2 2 4 4 6 6 0 0 2 2 4 4 6 6

# 4. Lakukan simulasi pelemparan dadu sebanyak 30 kali menggunakan fungsi sample() di R, dengan ketentuan sebagai berikut:
# Hasil 0 memiliki peluang kemunculan 45%
# Hasil 1 memiliki peluang kemunculan 55%
# Gunakan set.seed() agar hasil simulasi dapat direproduksi
set.seed(123)  # Agar bisa direproduksi

hasil_simulasi <- sample(
  x = c(0, 1),
  size = 30,
  replace = TRUE,
  prob = c(0.45, 0.55)
)

hasil_simulasi

##  [1] 1 0 1 0 0 1 1 0 0 1 0 1 0 0 1 0 1 1 1 0 0 0 0 0 0 0 1 0 1 1

# Frekuensi dan proporsi
table(hasil_simulasi)

## hasil_simulasi
##  0  1 
## 17 13

prop.table(table(hasil_simulasi))

## hasil_simulasi
##         0         1 
## 0.5666667 0.4333333

# 5. Seorang pemilik UMKM mencatat data penjualan selama beberapa hari. Informasi yang dikumpulkan meliputi Hari, Jumlah Produk Terjual, Harga Satuan, Total Pendapatan. Buat sebuah dataframe dengan keempat kolom tersebut (minimal 4 baris), lalu tampilkan summary().
Hari <- c("Senin", "Selasa", "Rabu", "Kamis")
Jumlah_Produk_Terjual <- c(20, 25, 18, 30)
Harga_Satuan <- c(10000, 12000, 10000, 15000)

Total_Pendapatan <- Jumlah_Produk_Terjual * Harga_Satuan

data_umkm <- data.frame(
  Hari,
  Jumlah_Produk_Terjual,
  Harga_Satuan,
  Total_Pendapatan
)

data_umkm

##     Hari Jumlah_Produk_Terjual Harga_Satuan Total_Pendapatan
## 1  Senin                    20        10000           200000
## 2 Selasa                    25        12000           300000
## 3   Rabu                    18        10000           180000
## 4  Kamis                    30        15000           450000

# Ringkasan statistik
summary(data_umkm)

##      Hari           Jumlah_Produk_Terjual  Harga_Satuan   Total_Pendapatan
##  Length:4           Min.   :18.00         Min.   :10000   Min.   :180000  
##  Class :character   1st Qu.:19.50         1st Qu.:10000   1st Qu.:195000  
##  Mode  :character   Median :22.50         Median :11000   Median :250000  
##                     Mean   :23.25         Mean   :11750   Mean   :282500  
##                     3rd Qu.:26.25         3rd Qu.:12750   3rd Qu.:337500  
##                     Max.   :30.00         Max.   :15000   Max.   :450000