Praktikum R Data Konkret 30Ags

Bagian A : Data Cuaca

suhu <- c(32, 33, 31, 34, 35, 30, 29, 33, 32, 34)

1. Rata-rata, median, dan standar deviasi

mean(suhu)

## [1] 32.3

median(suhu)

## [1] 32.5

sd(suhu)

## [1] 1.888562

2. Hari dengan suhu tertinggi

which.max(suhu)

## [1] 5

3. Jumlah hari dengan suhu di atas rata-rata

mean_suhu <- mean(suhu)
sum(suhu > mean_suhu)

## [1] 5

Bagian B : Data Transportasi

penumpang <- c(45, 52, 49, 60, 55, 70, 65)

hari <- c("Senin", "Selasa", "Rabu", "Kamis",
          "Jumat", "Sabtu", "Minggu")

1. Membuat data frame

df_transport <- data.frame(
  Hari = hari,
  Penumpang = penumpang
)
df_transport

##     Hari Penumpang
## 1  Senin        45
## 2 Selasa        52
## 3   Rabu        49
## 4  Kamis        60
## 5  Jumat        55
## 6  Sabtu        70
## 7 Minggu        65

2. Rata-rata penumpang hari kerja

mean(df_transport$Penumpang[1:5])

## [1] 52.2

3. Hari dengan penumpang terbanyak

df_transport$Hari[which.max(df_transport$Penumpang)]

## [1] "Sabtu"

4. Persentase peningkatan Senin ke Sabtu

peningkatan <- (penumpang[6] - penumpang[1]) /
               penumpang[1] * 100
peningkatan

## [1] 55.55556

Bagian C : Data Ekonomi

harga_beras <- c(12000, 12200, 12150, 12300,
                 12400, 12500, 12600, 12750)
minggu <- 1:8

1. Membuat data frame

df_beras <- data.frame(
  Minggu = minggu,
  Harga = harga_beras
)
df_beras

##   Minggu Harga
## 1      1 12000
## 2      2 12200
## 3      3 12150
## 4      4 12300
## 5      5 12400
## 6      6 12500
## 7      7 12600
## 8      8 12750

2. Rata-rata kenaikan harga per minggu

kenaikan <- diff(harga_beras)
mean(kenaikan)

## [1] 107.1429

3. Menggunakan diff()

diff(harga_beras)

## [1] 200 -50 150 100 100 100 150

4. Minggu dengan kenaikan tertinggi

selisih <- diff(harga_beras)
which.max(selisih)

## [1] 1

Bagian D : Matriks Populasi

populasi <- matrix(c(
  50, 55, 60, 65,   # Kecamatan A
  40, 42, 45, 47,   # Kecamatan B
  70, 72, 74, 76    # Kecamatan C
), nrow = 3, byrow = TRUE)
rownames(populasi) <- c("Kec_A", "Kec_B", "Kec_C")
colnames(populasi) <- c("2019", "2020", "2021", "2022")

populasi

##       2019 2020 2021 2022
## Kec_A   50   55   60   65
## Kec_B   40   42   45   47
## Kec_C   70   72   74   76

1. Pertumbuhan penduduk rata-rata tiap kecamatan dengan apply()

pertumbuhan_rata <- apply(populasi, 1, function(x) {
  mean(diff(x))
})
pertumbuhan_rata

##    Kec_A    Kec_B    Kec_C 
## 5.000000 2.333333 2.000000

2. Kecamatan dengan populasi tertinggi tahun 2022

populasi_2022 <- populasi[, "2022"]

rownames(populasi)[which.max(populasi_2022)]

## [1] "Kec_C"

3. Total penduduk tiap tahun

total_tahun <- apply(populasi, 2, sum)

total_tahun

## 2019 2020 2021 2022 
##  160  169  179  188

Bagian E : Fungsi Custom

deteksi_kenaikan <- function(harga) {
  kenaikan <- diff(harga)
  
  which(kenaikan > 200) + 1
}

Uji coba

deteksi_kenaikan(harga_beras)

## numeric(0)

Artinya tidak ada minggu yang mengalami kenaikan lebih dari Rp200.