Aplikasi jejak karbon’ecotrack’mencatat menit penggunaan harian dari 15 pengguna aktif dalam satu minggu

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

1. Hitung mean,median,dan modus secara manual,lalu verifikasi dengan Rstudio.

mean(menit_penggunaan)
## [1] 24.6
median(menit_penggunaan)
## [1] 23
modus <-function(x){
  u<-unique(x)
 tab<-tabulate(match(x,u))
 u[tab==max(tab)]
}
modus(menit_penggunaan)
## [1] 22 24 23

2. tentuka Q1 dan Q3,lalu interpretasikan IQRnya dalam konteks kasus ini

q1<-quantile(menit_penggunaan,0.25,type = 6)
q3<-quantile(menit_penggunaan,0.75,type = 6)
iqr<-q3-q1
print(paste("Q1:", q1))
## [1] "Q1: 21"
print(paste("Q3:", q3))
## [1] "Q3: 26"
print(paste("IQR:", iqr))
## [1] "IQR: 5"

nilai IQR sebesar 5 menit,rentang durasi waktu penggunaan untuk setengah pengguna aktif di bagian tengah sangat konsisten,yaitu hanya tersebar dalam rentang waktu 5 menit.

3. hitung varians dan standar deviasi,menurut anda,apakah data ini tergolong bervariasi tinggi atau rendah.

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

data ini tergolong bervariasi rendah hingga sedang,namun memiliki satu nilai tinggi yang membuat variabilitasnya lebih tinggi dari aslinya.

4. hitung koefisien skewness pearson dan tentukan arah kemencengannya;verifikasi dengan fungsi skewness()di R.

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

Arah kemencengan

karena nilai skewness= 2.21,maka distribusi data menceng kanan,karena adanya waktu penggunaan yang sangat tinggi (45 menit)