# Memasukkan data penggunaan harian
data <- c(22, 25, 19, 30, 24, 21, 45, 23, 20, 26, 24, 22, 18, 27, 23)

# Menampilkan data
data
##  [1] 22 25 19 30 24 21 45 23 20 26 24 22 18 27 23
# Mengurutkan Data
sort(data)
##  [1] 18 19 20 21 22 22 23 23 24 24 25 26 27 30 45

1. Mean, Median, dan Modus

Mean

mean(data)
## [1] 24.6

Median

median(data)
## [1] 23

Modus

#Membuat fungsi khusus modus (karena R tidak punya fungsi bawaan, sesuai slide 8)

modus <- function(x) {
  u <- unique(x)
  tab <- tabulate(match(x, u))
  u[tab == max(tab)]
}
modus(data)
## [1] 22 24 23

2. Q1, Q3, dan IQR

# Q1 dan Q3
quantile(data, probs = c(0.25, 0.75))
##  25%  75% 
## 21.5 25.5
# IQR
IQR(data)
## [1] 4

Interpretasi: Nilai Q1 sebesar 21,5 menit dan Q3 sebesar 25,5 menit. Nilai IQR sebesar 4 menit menunjukkan bahwa 50% data penggunaan EcoTrack berada pada rentang 21,5 sampai 25,5 menit per hari.

3.Varians & Standar Deviasi

  1. Varians
# Varians
var(data)
## [1] 41.54286
  1. Standar deviasi
# Standar deviasi
sd(data)
## [1] 6.445375

Interpretasi: Varians data sebesar 41,54 dan standar deviasi sebesar 6,45 menit. Hal ini menunjukkan bahwa data penggunaan EcoTrack memiliki penyebaran yang cukup besar dari nilai rata-ratanya, terutama karena terdapat nilai 45 menit yang cukup jauh dari sebagian besar data.

4. Koefisien Skewness Pearson

# Menghitung nilai skewness
skewness(data)
## [1] 2.212573

Interpretasi: Nilai koefisien skewness Pearson sebesar 0,74 menunjukkan bahwa distribusi data memiliki kemencengan positif atau menceng ke kanan. Hal ini disebabkan adanya nilai 45 menit yang relatif jauh lebih tinggi dibandingkan sebagian besar data.