Tugas Pertemuan 5

Ilustrasi Kasus “Socmed Insight”

Muhammad Faiz Azhar
3337260111
2026-10-08

1. Klasifikasi variabel acak

• a. Jumlah komentar per unggahan: diskrit, karena dapat dihitung / didaftar satu persatu, bukan bilangan pecahan.
• b. Durasi video yang ditonton: kontinu, karena waktu (durasi) didapatkan dari proses mengukur dan dapat mengambil nilai apapun dalam suatu rentang, termasuk bilangan desimal (misalnya 10,5 detik atau 12,33 detik).

print("Jumlah komentar = Diskrit (hasil menghitung)")

## [1] "Jumlah komentar = Diskrit (hasil menghitung)"

print("Durasi video = Kontinu (hasil mengukur)")

## [1] "Durasi video = Kontinu (hasil mengukur)"

2. Distribusi Binomial

n <- 10
p <- 0.25

Peluang_2_klik <- dbinom(2, size = n, prob = p)    # p(X = 2)
cat("Peluang 2 klik: " ,Peluang_2_klik, "\n")  

## Peluang 2 klik:  0.2815676

Rata_rata_klik <- Mean <- n * p                    # Rata-rata
cat("Rata rata klik: ", Rata_rata_klik, "\n")

## Rata rata klik:  2.5

SD <-sqrt(n * p * (1 - p))                         # Standar Deviasi
cat("Standar Deviasi: ", SD, "\n")

## Standar Deviasi:  1.369306

3. Distribusi Poisson

lambda_unggahan <- 8

peluang_5_unggah <- dpois(5, lambda = lambda_unggahan)                        # P(X = 5)
cat ("Peluang 5 unggah: ", peluang_5_unggah, "\n")

## Peluang 5 unggah:  0.09160366

peluang_lebih_12 <- ppois(12, lambda = lambda_unggahan, lower.tail = FALSE)   # P(X > 12)
cat ("Peluang lebih dari 12: ", peluang_lebih_12, "\n")

## Peluang lebih dari 12:  0.0637972

4. Distribusi normal dan nilai Z

mu <- 3
sd <- 0.5

Peluang_loading_lebih_4 <- pnorm(4, mean = mu, sd = sd, lower.tail = FALSE)  # P(X > 4)
cat ("Peluang lama loading lebih dari 4: ", Peluang_loading_lebih_4, "\n")

## Peluang lama loading lebih dari 4:  0.02275013

Peluang_loading_terlama <- qnorm(0.95, mean = mu, sd = sd)                   # Presentil 95
cat ("Batas waktu 5% loading terlama: ", Peluang_loading_terlama, "\n")

## Batas waktu 5% loading terlama:  3.822427