Ilustrasi Kasus

Aplikasi analitik media sosial ‘SocMed Insights’ mengunpulkan berbagai data untuk keperluan berikut. Kerjakan tiap poin dengan perhitungann manual dan RStudio

1. (Variabel acak) Klasifikasikan : (a). Jumlah komentar perunggahan. (b). Durasi video yang ditonton (detik). Diskrit atau kontinu?

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.

3. (Poisson): Rata-rata server menerima 8 unggahan foto permenit. Hitung P(TEPAT 5 unggahan) secara manual dan P(LEBIH DARI 12 unggahan) dengan RStudio.

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.

1. Klasifikasi

(a). Jumlah komentar peruanggahan, merupakan variabel tipe diskrit karena dapat dihitung (0, 1, 2, ….)

(b). Durasi video yang ditonton (detik), adalah tipe data kontinu karena dapat diukur dan bisa berupa bilangan desimal (misal 0,25 detik)

2. Binomial

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. Poisson

lambda <- 8
                          
1 - ppois(12, lambda)                    
## [1] 0.0637972
ppois(12, lambda, lower.tail = FALSE)     
## [1] 0.0637972

4. Normal & Z

mu <- 3; sigma <- 0.5

pnorm(4, mean = mu, sd = sigma, lower.tail = FALSE)
## [1] 0.02275013
qnorm(0.95, mean = mu, sd = sigma)                
## [1] 3.822427