1.Hitung mean, median, dan modus

ecotrack <- c(22, 25, 19, 30, 24, 21, 45, 23, 20, 26, 24, 22, 18, 27, 23)
mean(ecotrack)
## [1] 24.6
median(ecotrack)
## [1] 23
modus <- function(x) {
u <- unique(x)
u[which.max(tabulate(match(x, u)))]
}
modus(ecotrack)
## [1] 22

Kesimpulan: rata-rata penggunaan adalah 24,6 menit, median 23 menit, mengikuti rumus R (tabulate) nilai pertama yang Paling banyak muncul adalah 22 menit.

2. Tentukan Q1 dan Q3, Lalu Interpretasikan IQR-nya

quantile(ecotrack, probs = c(0.25, 0.75), type = 6)
## 25% 75% 
##  21  26
IQR(ecotrack, type = 6)
## [1] 5

Q1 = 21 menit dan Q3 = 26 menit. Artinya, 50% data tengah waktu penggunaan EcoTrack berada pada rentang 21–26 menit per hari. IQR sebesar 5 menit menunjukkan bahwa rentang sebaran 50% data tengah adalah 5 menit.

3. Hitung Varians dan Standar Deviasi

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

Berdasarkan hasil perhitungan, varians data sebesar 41,5429 menit² dan standar deviasi sebesar 6,4454 menit. Artinya, waktu penggunaan EcoTrack memiliki penyebaran sekitar 6,45 menit dari nilai rata-ratanya, yaitu 24,6 menit. Dengan melihat rentang sebagian besar data yang relatif dekat dengan rata-rata, data ini tergolong memiliki variasi yang sedang, bukan variasi yang sangat tinggi maupun sangat rendah. Nilai 45 menit yang cukup jauh dari data lainnya turut meningkatkan nilai varians dan standar deviasi.

4. Hitung koefisien skewness Pearson dan tentukan arah kemencengannya

pearson_skew <- 3 * (mean(ecotrack) - median(ecotrack)) / sd(ecotrack)
print(pearson_skew)
## [1] 0.7447201

Nilai koefisien skewness Pearson sebesar 0,7447 menunjukkan bahwa distribusi data EcoTrack memiliki kemencengan positif (skewness positif). Artinya, distribusi data cenderung menceng ke kanan, karena terdapat beberapa nilai penggunaan yang relatif tinggi dibandingkan sebagian besar data.