Ilustrasi Kasus - ECOTRACK

aplikasi jejak karbon “EcoTrack” mencatat menit penggunaan harian dari 15 Pengguna aktif dalam satu minggu:

Pengguna <- c(22, 25, 19, 30, 24, 21, 45, 23, 20, 26, 24, 22, 18, 27, 23)

1. Mean, median, modus

mean(Pengguna)
## [1] 24.6
median(Pengguna)
## [1] 23
modus <- function(x) {
  frekuensi <- table(x)
  names(frekuensi)[frekuensi == max(frekuensi)]
}

modus(Pengguna)
## [1] "22" "23" "24"

Data tersebut menunjukkan bahwa rata rata, nilai tengah, dan nilai terbanyak, secara berurutan adalah 24.6, 23, dan (22, 23, 24).

2. Kuartil

quantile(Pengguna)
##   0%  25%  50%  75% 100% 
## 18.0 21.5 23.0 25.5 45.0
IQR(Pengguna)
## [1] 4

Data tersebut menunjukkan bahwa 25% dan 75% adalah secara berurutan Kuartil 1 dan 3. IQR dihitung dengan rumus Q3 - Q1, sehingga menghasilkan data 4.

3. Varians & Standar Deviasi

var(Pengguna)
## [1] 41.54286
sd(Pengguna)
## [1] 6.445375

Data menunjukkan Varians sebesar 41,54 menit² dan standar deviasi sebesar 6,44 menit.

4. Skewness

library(moments)
skewness(Pengguna)
## [1] 2.212573

Data menunjukkan bahwa skewness adalah 2.21. karena angka tersebut melebihi nilai 0, Skewness akan menceng ke kanan.

5. Langkah-Langkah Menhitung Mean, Median, dan Modus pada Tabel Distribusi Frekuensi Berkelompok

  1. Mean berkelompok dihitung dengan menentukan nilai tengah(xi) setiap kelas, mengalikan nilai tengah dengan frekuensi(fi), lalu membaginya dengan jumlah frekuensi(Σfi).

  2. Median berkelompok ditentukan dengan mencari posisi median (n/2), mencari kelas posisi median berdasarkan frekuensi kumulatif, kemudian menggunakan rumus median berkelompok ( ME = L + (n/2 - F / f)c ).

  3. Modus berkelompok ditentukan dengan mencari kelas yang memiliki frekuensi terbesar,lalu menggunakan rumus modus berkelompok ( MO = L + (d1/d1 + d2)c ) berdasarkan frekuensi kelas tersebut dan di sekitarnya.