# CM_klsC B
# Mustika Candra Dewi (21108062610074)
# Nova Eka Fadhilah(21108062610086)
# Queene Ratnaduhita(21108062610090)
# Rebecca Anabel Kurniawan(21108062610093)
# Setyaki Gita Nugraha(21108062610099)
# Ziskind Elvaretta Fauziyah(21108062610109)
# KASUS: ACARA MALAM KEAKRABAN MAHASISWA STATISTIKA 2026
nama <- c("Andi", "Budi", "Citra", "Dewi", "Eko","Fajar", "Gita", "Hadi", "Indah", "Joko", "Kiki", "Lala", "Maya", "Nina", "Oki", "Putri", "Qori", "Roni", "Siska", "Toni")
jk <- rep(c("Laki-laki", "Perempuan"), times = 10)
kelas <- rep(c("a", "b", "c"), length.out = 20)
keikutsertaan <- c("ikut", "tidak", "ikut", "tidak", "ikut", "ikut", "ikut", "tidak", "ikut", "ikut", "ikut", "tidak", "ikut", "ikut", "tidak", "ikut", "ikut", "ikut", "ikut", "ikut")
transportasi <- ifelse(jk == "Laki-laki", "motoran", "gocar")
set.seed(123)
riwayat_penyakit <- sample(c("asma", "alergi", "maag"), 20, replace = TRUE)
tabel_identitas <- data.frame(
Nama = nama,
JK = jk,
Kelas = kelas,
Keikutsertaan = keikutsertaan,
Transportasi = transportasi,
Penyakit = riwayat_penyakit,
stringsAsFactors = FALSE
)
print(tabel_identitas)
## Nama JK Kelas Keikutsertaan Transportasi Penyakit
## 1 Andi Laki-laki a ikut motoran maag
## 2 Budi Perempuan b tidak gocar maag
## 3 Citra Laki-laki c ikut motoran maag
## 4 Dewi Perempuan a tidak gocar alergi
## 5 Eko Laki-laki b ikut motoran maag
## 6 Fajar Perempuan c ikut gocar alergi
## 7 Gita Laki-laki a ikut motoran alergi
## 8 Hadi Perempuan b tidak gocar alergi
## 9 Indah Laki-laki c ikut motoran maag
## 10 Joko Perempuan a ikut gocar asma
## 11 Kiki Laki-laki b ikut motoran alergi
## 12 Lala Perempuan c tidak gocar alergi
## 13 Maya Laki-laki a ikut motoran asma
## 14 Nina Perempuan b ikut gocar alergi
## 15 Oki Laki-laki c tidak motoran maag
## 16 Putri Perempuan a ikut gocar asma
## 17 Qori Laki-laki b ikut motoran maag
## 18 Roni Perempuan c ikut gocar maag
## 19 Siska Laki-laki a ikut motoran asma
## 20 Toni Perempuan b ikut gocar asma
list_kelas_A <- list(Data_Kelas_A = subset(tabel_identitas, Kelas == "a"))
list_kelas_B <- list(Data_Kelas_B = subset(tabel_identitas, Kelas == "b"))
list_kelas_C <- list(Data_Kelas_C = subset(tabel_identitas, Kelas == "c"))
print(list_kelas_A)
## $Data_Kelas_A
## Nama JK Kelas Keikutsertaan Transportasi Penyakit
## 1 Andi Laki-laki a ikut motoran maag
## 4 Dewi Perempuan a tidak gocar alergi
## 7 Gita Laki-laki a ikut motoran alergi
## 10 Joko Perempuan a ikut gocar asma
## 13 Maya Laki-laki a ikut motoran asma
## 16 Putri Perempuan a ikut gocar asma
## 19 Siska Laki-laki a ikut motoran asma
print(list_kelas_B)
## $Data_Kelas_B
## Nama JK Kelas Keikutsertaan Transportasi Penyakit
## 2 Budi Perempuan b tidak gocar maag
## 5 Eko Laki-laki b ikut motoran maag
## 8 Hadi Perempuan b tidak gocar alergi
## 11 Kiki Laki-laki b ikut motoran alergi
## 14 Nina Perempuan b ikut gocar alergi
## 17 Qori Laki-laki b ikut motoran maag
## 20 Toni Perempuan b ikut gocar asma
print(list_kelas_C)
## $Data_Kelas_C
## Nama JK Kelas Keikutsertaan Transportasi Penyakit
## 3 Citra Laki-laki c ikut motoran maag
## 6 Fajar Perempuan c ikut gocar alergi
## 9 Indah Laki-laki c ikut motoran maag
## 12 Lala Perempuan c tidak gocar alergi
## 15 Oki Laki-laki c tidak motoran maag
## 18 Roni Perempuan c ikut gocar maag
options (scipen = 999)
harga_villa <- c (1500000)
harga_transportasi <- c (525000)
harga_bakar <- c (300000)
harga_konsumsi <- c (975000)
iuran_laki <- 0.1 * harga_villa + 0.67 * harga_bakar + 0.08 * harga_konsumsi
iuran_perempuan <- 0.1 * harga_villa + 0.67 * harga_bakar + 0.08 * harga_konsumsi + 0.125 * harga_transportasi
iuran_per_anak <- ifelse(tabel_identitas$JK == "Laki-laki", iuran_laki, iuran_perempuan)
tabel_biaya <- data.frame(
Harga_Villa = rep(harga_villa, 20),
Harga_Transportasi = rep(harga_transportasi, 20),
Harga_Bakar_Bakar = rep(harga_bakar, 20),
Harga_Konsumsi = rep(harga_konsumsi, 20),
Iuran_Per_Anak = iuran_per_anak
)
tabel_baru <- cbind(tabel_identitas, tabel_biaya)
print(head(tabel_baru))
## Nama JK Kelas Keikutsertaan Transportasi Penyakit Harga_Villa
## 1 Andi Laki-laki a ikut motoran maag 1500000
## 2 Budi Perempuan b tidak gocar maag 1500000
## 3 Citra Laki-laki c ikut motoran maag 1500000
## 4 Dewi Perempuan a tidak gocar alergi 1500000
## 5 Eko Laki-laki b ikut motoran maag 1500000
## 6 Fajar Perempuan c ikut gocar alergi 1500000
## Harga_Transportasi Harga_Bakar_Bakar Harga_Konsumsi Iuran_Per_Anak
## 1 525000 300000 975000 429000
## 2 525000 300000 975000 494625
## 3 525000 300000 975000 429000
## 4 525000 300000 975000 494625
## 5 525000 300000 975000 429000
## 6 525000 300000 975000 494625
tabel_baru$metode_pembayaran <- sapply(tabel_baru$Kelas, function(kls) {
if (kls == "a") {
return("cash")
} else if (kls == "b") {
return("qris")
} else if (kls == "c") {
return("TF bank")
} else {
return("lainnya")
}
})
tabel_baru$tingkat_penyakit <- ifelse(tabel_baru$Penyakit == "alergi", "ringan", ifelse(tabel_baru$Penyakit == "maag", "sedang", "berat"))
print(tabel_baru)
## Nama JK Kelas Keikutsertaan Transportasi Penyakit Harga_Villa
## 1 Andi Laki-laki a ikut motoran maag 1500000
## 2 Budi Perempuan b tidak gocar maag 1500000
## 3 Citra Laki-laki c ikut motoran maag 1500000
## 4 Dewi Perempuan a tidak gocar alergi 1500000
## 5 Eko Laki-laki b ikut motoran maag 1500000
## 6 Fajar Perempuan c ikut gocar alergi 1500000
## 7 Gita Laki-laki a ikut motoran alergi 1500000
## 8 Hadi Perempuan b tidak gocar alergi 1500000
## 9 Indah Laki-laki c ikut motoran maag 1500000
## 10 Joko Perempuan a ikut gocar asma 1500000
## 11 Kiki Laki-laki b ikut motoran alergi 1500000
## 12 Lala Perempuan c tidak gocar alergi 1500000
## 13 Maya Laki-laki a ikut motoran asma 1500000
## 14 Nina Perempuan b ikut gocar alergi 1500000
## 15 Oki Laki-laki c tidak motoran maag 1500000
## 16 Putri Perempuan a ikut gocar asma 1500000
## 17 Qori Laki-laki b ikut motoran maag 1500000
## 18 Roni Perempuan c ikut gocar maag 1500000
## 19 Siska Laki-laki a ikut motoran asma 1500000
## 20 Toni Perempuan b ikut gocar asma 1500000
## Harga_Transportasi Harga_Bakar_Bakar Harga_Konsumsi Iuran_Per_Anak
## 1 525000 300000 975000 429000
## 2 525000 300000 975000 494625
## 3 525000 300000 975000 429000
## 4 525000 300000 975000 494625
## 5 525000 300000 975000 429000
## 6 525000 300000 975000 494625
## 7 525000 300000 975000 429000
## 8 525000 300000 975000 494625
## 9 525000 300000 975000 429000
## 10 525000 300000 975000 494625
## 11 525000 300000 975000 429000
## 12 525000 300000 975000 494625
## 13 525000 300000 975000 429000
## 14 525000 300000 975000 494625
## 15 525000 300000 975000 429000
## 16 525000 300000 975000 494625
## 17 525000 300000 975000 429000
## 18 525000 300000 975000 494625
## 19 525000 300000 975000 429000
## 20 525000 300000 975000 494625
## metode_pembayaran tingkat_penyakit
## 1 cash sedang
## 2 qris sedang
## 3 TF bank sedang
## 4 cash ringan
## 5 qris sedang
## 6 TF bank ringan
## 7 cash ringan
## 8 qris ringan
## 9 TF bank sedang
## 10 cash berat
## 11 qris ringan
## 12 TF bank ringan
## 13 cash berat
## 14 qris ringan
## 15 TF bank sedang
## 16 cash berat
## 17 qris sedang
## 18 TF bank sedang
## 19 cash berat
## 20 qris berat