Matriks Korelasi

library(ggplot2) #untuk visualisasi data
library(reshape2) #untuk mengubah matrix ke format long, dan sebaliknya

data <- datasets::mtcars
data_mtcars <- data[, c("mpg", "disp", "hp", "wt", "qsec")]

#Matriks Korelasi
cor_mtcars <- cor(data_mtcars) #untuk menghitung korelasi
cor_mtcars

##             mpg       disp         hp         wt       qsec
## mpg   1.0000000 -0.8475514 -0.7761684 -0.8676594  0.4186840
## disp -0.8475514  1.0000000  0.7909486  0.8879799 -0.4336979
## hp   -0.7761684  0.7909486  1.0000000  0.6587479 -0.7082234
## wt   -0.8676594  0.8879799  0.6587479  1.0000000 -0.1747159
## qsec  0.4186840 -0.4336979 -0.7082234 -0.1747159  1.0000000

#Heatmap
data_cor <- melt(cor_mtcars) #melt = mengubah struktur data dari bentuk lebar (wide) menjadi bentuk panjang (long)
ggplot(data_cor, aes(Var1, Var2, fill = value)) +
  geom_tile(color = "black") +
  geom_text(aes(label = round(value, 2)), color = "black")+ #round value 2 untuk membulatkan 2 angka di belkang koma
  scale_fill_gradient2(low = "red", high = "green", mid = "yellow",
                       midpoint = 0, limit = c(-1, 1), name = "Korelasi") +
  theme_minimal() +
  labs(title = "Heatmap Dataset mtcars",
       x = "Variabel 1", y= "Variabel 2") +
  theme(plot.title = element_text(hjust = 0.5),
        axis.text.x = element_text(hjust = 0.5))

#Distribusi Bernoulli

bern <- function(x,p) {p^x*(1-p)^(1-x)} 
bern(1,3/6)

## [1] 0.5

#Distribusi Binomial

cmfbinom <- function(k, n, p) { #cmfbinom itu untuk menghitung peluang komulatif binomial
 
   # Validasi Input 
  if (k < 0 || n < 0 || p < 0 || p > 1) {
    stop("Input Tidak Valid") 
  } 
  # Inisialisasi CMF   
  cmf <- 0 
  # Menghitung CMF   
  for (x in 0:k) { 
    prob <- choose(n, x) * (p^x) * ((1 - p)^(n - x))  
    cmf <- cmf + prob 
  }    
  return(cmf) 
} 
# Peluang paling sedikit 2 orang sembuh = 1 - P(X ≤ 1)
Peluang = 1 - cmfbinom(1, 12, 0.2)  
Peluang

## [1] 0.7251221

#Distribusi Poissom

cmfpois <- function(x, lambda) {   
if (lambda <= 0) { 
  stop("Lambda Harus Bernilai > 0") 
} 
  if (x < 0) {     
    return(0) 
  }      
  cmf <- 0   #tempat menyimpan total penjumlahan peluang
  for (k in 0:x) { #melakukan perulangan (loop) mulai dari k = 0 sampai k = x.
    cmf <- cmf + (exp(-lambda) * (lambda^k) / factorial(k)) 
  } 
  return(cmf) 
} 
Peluang2 <- cmfpois(10, 2) - cmfpois(0, 2) 
Peluang2

## [1] 0.8646564

#Distribusi Geometrik

geo <- function(x,p){p*(1-p)^(x-1)} 
geo(5,0.3)

## [1] 0.07203

#Distribusi Hipergeometrik

hyper<-function(x,N,n,k){(((factorial(k)/(factorial(k-x) * factorial(x))) * (factorial(N-k)/((factorial((N-k)-(n-x))) * (factorial(n-x)))))/(factorial(N)/(factorial(N-n)*factorial(n))))} 
hyper(2,100,10,5)

## [1] 0.07021881

PrakKomstat_Pert3

2507016063_Aliefia

2026-09-29

Matriks kolerasi dan distribusi peluang diskrit

Matriks Korelasi