Tugas 4

========================================================================================================

ILUSTRASI KASUS — ‘ECOTRACK’

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

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. (Manual + RStudio)

2. Tentukan Q1 dan Q3, lalu interpretasikan IQR-nya dalam konteks kasus ini. (Manual + RStudio)

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

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

5. Jika EcoTrack ingin menyusun tabel distribusi frekuensi berkelompok dari data yang lebih besar (misalnya 100 pengguna), jelaskan langkah-langkah menghitung mean, median, dan modus berkelompok (cukup jelaskan prosedurnya, tanpa perlu menghitung angka). (Tulis di Kertas)

Soal 1.

Pertama deklarasi array, lalu gunakan function mean(), median(), mode()

library(pracma) # <--- Declare untuk function mean
library(ggplot2) # <--- Untuk visualisasi
library(e1071)

## 
## Attaching package: 'e1071'

## The following object is masked from 'package:ggplot2':
## 
##     element

## The following object is masked from 'package:pracma':
## 
##     sigmoid

ecoTrack <- c(22, 25, 19, 30, 24, 21, 45, 23, 20, 26, 24, 22, 18, 27, 23) # <--- Array 
sorted = sort(ecoTrack)

mean(sorted) # <--- Rata-rata

## [1] 24.6

median(sorted) # <--- Nilai tengah

## [1] 23

Mode(sorted) # <--- Nilai yang sering muncul

## [1] 22

Soal 2.

Tentukan kuartil

quantile(ecoTrack, probs = c(0.25, 0.50, 0.75))

##  25%  50%  75% 
## 21.5 23.0 25.5

Perhitungan IQR

nilai_IQR <- IQR(sorted)
print(nilai_IQR)

## [1] 4

Visualisasi

# Mengubah data vector menjadi Data Frame
df_eco <- data.frame(Skor = sorted)

# Membuat Boxplot dengan ggplot2
ggplot(df_eco, aes(y = Skor, x = "")) + geom_boxplot(fill = "lightgreen", color = "darkgreen", width = 0.5) + labs(title = "Visualisasi IQR Data ecoTrack", y = "Skor ecoTrack", x = "") + theme_minimal()

Soal 3.

Tentukan kuartil dan varians

# FUNCTION UNTUK STANDAR DEVIASI
sd_populasi_cepat <- function(data) {
  x_bar <- mean(data)
  count <- sum((data - x_bar)^2) 
  
  result <- sqrt(count / length(data))
  print(as.integer(result))
}

sd_populasi_cepat(sorted)

## [1] 6

var(sorted)

## [1] 41.54286

Menurut analisa saya, hasil penyebaran Standar Deviasi ini tergolong menengah ke-bawah karena penyebarannya masih mendekati titik mean.

Soal 4.

Skewness dan arah menceng

skewness(sorted) # <--- Menceng < x_bar

## [1] 1.995046

Hasil dari perhitungan menceng ialah 1.9, yang berarti Menceng Skewness < Mean yang membuat Menceng Skewness mengarah ke Menceng Kanan (+)

Soal 5.

pertama-tama hitung dulu mean, median, dan modus pakai Python atau semacamnya biar cepet. Kalau sudah, langsung bagi data ke beberapa kelompok, lalu sesuaikan data dengan frekuensinya. Setelah itu, jika ingin lebih detail, setiap kelompok data juga di hitung mean, median, dan juga modusnya