Ilustrasi Kasus-‘SocMed Insights’

Aplikasi analitik media sosial ‘SocMed Insights’ mengumpulkan berbagai data untuk keperluan berikut.

1.(Variabel Acak)Klasifikasikan: (A)jumlah komentar per-unggahan, (B)durasi video ditonton(detik)-diskrit atau kontinu

. A.Jumlah komentar per-unggahan

Masuk ke diskrit karena dapat dihitung karena hanya bilangan bulat saja,tidak ada bilangan desimalnya,seperti:0,1,2,3… tidak mungkin ada 2,5 komentar.

. B.Durasi video yang ditonton

kalau ini masuk ke kontinu karena durasi video itu bisa masuk kebilangan desimal, seperti: 45,5 detik atau 45,537 detik.

2. (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.

Peluang tepat 2 klik :

n <- 10
p <- 0.25
q <- 0.75

dbinom(2, size = n, prob = p) 
## [1] 0.2815676

Rata-rata :

n*p
## [1] 2.5

Simpangan baku :

sqrt(n*p*q)
## [1] 1.369306

3. (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.

P (lebih dari 12 unggahan) :

lambda <- 8 

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

4. (Normal & 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

P(loading > 4) :

mu    <- 3
sigma <- 0.5

pnorm(4, mean = mu, sd = sigma, lower.tail = FALSE) 
## [1] 0.02275013

batas 5% terlama :

qnorm(0.95, mean = mu, sd = sigma) 
## [1] 3.822427