ILUSTRASI KASUS - ‘ECOTRACK’

Aplikasi jejak karbon ‘EcoTrack’ mencatat menit penggunaan harian dari 15 pengguna aktif dalam satu minggu:

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

1. Hitung mean, median, dan modus data tersebut secara manual, lalu verifikasi dengan RStudio.

Mean:

mean(ecotrack)
## [1] 24.6

Median:

median(ecotrack)
## [1] 23

Modus:

modus <- function(x) {
  u <- unique(x)
  frekuensi <- tabulate(match(x, u))
  u[frekuensi == max(frekuensi)]
}

modus(ecotrack)
## [1] 22 24 23

2.Tentukan Q1 dan Q3, lalu interpretasikan IQR-nya dalam konteks kasus ini.

Q1 dan Q3

quantile(ecotrack,
         probs = c(0.25, 0.75),
         type = 6)
## 25% 75% 
##  21  26

IQR

IQR(ecotrack, type = 6)
## [1] 5

Interpretasi:

IQR sebesar 5 menit berarti 50% data penggunaan harian yang berada di bagian tengah tersebar antara 21 sampai 26 menit, dengan lebar penyebaran 5 menit. Jadi, sebagian besar pengguna pada bagian tengah data memiliki waktu penggunaan yang relatif berdekatan.

3. Hitung varians dan standar deviasi; menurut Anda, apakah data ini tergolong bervariasi tinggi atau rendah?

Varians dan standar deviasi

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

Menurut saya, data dapat dikatakan cukup bervariasi karena standar deviasi sebesar 6,45 menit menunjukkan adanya penyebaran yang cukup jauh dari rata-rata, terutama karena terdapat nilai 45 menit.

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

Skewness

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