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 data tersebut 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)

  1. soal 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) {
  names(table(x))[table(x) == max(table(x))]
}

modus(ecotrack)
## [1] "22" "23" "24"
ecotrack <- c(22,25,19,30,24,21,45,23,20,26,24,22,18,27,23)
quantile(ecotrack, probs = c(0.25,0.75), type = 6)
## 25% 75% 
##  21  26
IQR(ecotrack, type = 6)
## [1] 5

Q1 di rentang 25% mendapatkan 21 menit dan Q3 ada di 75% mendapatkan 26 menit IQR di peroleh dari Q3 - Q1 mendapatkan 5 menit artinya 50% data ada di rentang 21 sampai 26 menit

ecotrack <- c(22,25,19,30,24,21,45,23,20,26,24,22,18,27,23)
var(ecotrack)
## [1] 41.54286
sd(ecotrack)
## [1] 6.445375

standar deviasi adalah akar dari varian dan mendapat 6.45 menit dengan varian 41.54 menit dan cukup besar karena standar deviasi 6.45 dan jauh dari rata rata karena terdapat nilai 45 menit

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
sd(ecotrack)
## [1] 6.445375
3 * (mean(ecotrack) - median(ecotrack)) / sd(ecotrack)
## [1] 0.7447201
library(moments)
skewness(ecotrack)
## [1] 2.212573

nilai skewness melihat data kemencengan dan dari data skewness bernilai lebih dari 0 yaitu 0.75 dan itu berarti skewness positif