week 6

# LATIHAN 1: Simulasi Bootstrap

# 1. Mengatur seed agar hasil acak konsisten dan dapat direplikasi
set.seed(123)

# 2. Membangkitkan kumpulan data asli (1000 observasi berdistribusi normal)
#    Secara default, rnorm menghasilkan data dengan mean = 0 dan sd = 1
data_asli <- rnorm(1000, mean = 0, sd = 1)

# 3. Menyiapkan vektor kosong untuk menyimpan nilai rata-rata hasil bootstrap
#    Kita akan melakukan 50 kali perulangan (resampling)
rata_bootstrap <- numeric(50)

# 4. Melakukan perulangan untuk mengambil sampel ulang (resampling)
for (i in 1:50) {
  # Mengambil sampel acak berukuran 1000 dari data asli dengan pengembalian
  sampel_ulang <- sample(data_asli, size = 1000, replace = TRUE)
  
  # Menghitung rata-rata dari sampel ulang tersebut dan menyimpannya ke dalam vektor
  rata_bootstrap[i] <- mean(sampel_ulang)
}

# Menampilkan beberapa nilai rata-rata hasil bootstrap ke konsol
print("5 Nilai Pertama Rata-rata Bootstrap:")

## [1] "5 Nilai Pertama Rata-rata Bootstrap:"

print(head(rata_bootstrap, 5))

## [1] 0.01608227 0.01887444 0.04287797 0.02245159 0.00271254

# LATIHAN 2: Visualisasi Gabungan Histogram

# 1. Mengatur tata letak grafik menjadi 1 baris dan 2 kolom menggunakan par()
#    Ini digunakan untuk menggabungkan kedua histogram ke dalam satu grafik keseluruhan
par(mfrow = c(1, 2))

# 2. Histogram Pertama: Distribusi Rata-rata Hasil Bootstrap
hist(
  rata_bootstrap,
  main = "Distribusi Rata-rata\n(Hasil Bootstrap)",
  xlab = "Nilai Rata-rata",
  ylab = "Frekuensi",
  col = "lightblue",
  border = "black"
)

# 3. Histogram Kedua: Nilai dari 1000 Observasi Data Asli
hist(
  data_asli,
  main = "Distribusi 1000 Observasi\n(Data Asli)",
  xlab = "Nilai Data",
  ylab = "Frekuensi",
  col = "lightgreen",
  border = "black"
)

# Mengembalikan pengaturan tata letak grafik ke default (1x1) setelah selesai menggambar
par(mfrow = c(1, 1))