Study Kasus

Aplikasi analitik media sosial ‘SocMed Insights’ mengumpulkan berbagai data untuk keperluan berikut. Kerjakan tiap poin dengan perhitungan manual DAN sintaks RStudio.

1.Variabel acak

  1. jumlah komentar per unggahan, (b) durasi video yang ditonton (detik) — diskrit atau kontinu?
  tabel <- data.frame(
    Variabel = c("Jumlah Komentar Perunggahan","Durasi Video yang Ditonton"),
    Jenis = c("Diskrit","Kontinu"),
    Alasan = c("Dapat dihitung karena berupa bilangan bulat","Waktu dapat memiliki nilai   desimal")
  )
  knitr::kable(tabel)
Variabel Jenis Alasan
Jumlah Komentar Perunggahan Diskrit Dapat dihitung karena berupa bilangan bulat
Durasi Video yang Ditonton Kontinu Waktu dapat memiliki nilai desimal

2.Hitung distribusi Binomial

25% pengguna yang melihat iklan akan mengkliknya. Jika iklan ditampilkan ke 10 pengguna, hitung P(TEPAT 2 mengklik), rata-rata, dan SD jumlah klik.

  n <- 10    
  p <- 0.25  

  dbinom(2, size = n, prob = p)  
## [1] 0.2815676
  n * p                          
## [1] 2.5
  sqrt(n * p * (1 - p))          
## [1] 1.369306

3.Hitung Poisson

Rata-rata server menerima 8 unggahan foto per menit. Hitung P(TEPAT 5 unggahan) secara manual, dan P(LEBIH DARI 12 unggahan) dengan RStudio.

  lambda <- 8  
  
  1 - ppois(12, lambda)  
## [1] 0.0637972

4.Hitung distribusi normal dan standarisasi Z

Waktu muat halaman berdistribusi normal dengan μ=3 detik, σ=0,5 detik. Hitung P(loading > 4 detik), dan tentukan batas waktu 5% loading TERLAMA.

  mu <- 3; sigma <- 0.5
  
  1 - pnorm(4, mean = mu, sd = sigma)
## [1] 0.02275013
  qnorm(0.95, mean = mu, sd = sigma)
## [1] 3.822427