df_sampling <- read.csv('dataset_praktikum_sampling.csv')

1) Eksplorasi Data

  1. Tampilkan 6 baris pertama dataset dan deskripsi statistik ringkas (mean, sd, min, max) untuk variabel numerik.
# 6 baris pertama dataset
head(df_sampling, 6)
##   student_id gender study_hours attendance family_income exam_score pass
## 1          1      L         4.2       70.0         50034       74.0    1
## 2          2      P         8.1       64.5         52111       76.1    1
## 3          3      P         0.1       64.3         91400       60.6    1
## 4          4      L         3.6       81.8        115892       63.5    1
## 5          5      L         3.6       77.5         81109       55.0    0
## 6          6      L         6.9       61.3         33905       78.4    1
# deskripsi statistik ringkas (mean, sd, min, max) untuk variabel numerik
summary(df_sampling) 
##    student_id       gender           study_hours       attendance   
##  Min.   :  1.0   Length:500         Min.   : 0.000   Min.   :60.10  
##  1st Qu.:125.8   Class :character   1st Qu.: 4.500   1st Qu.:70.67  
##  Median :250.5   Mode  :character   Median : 6.100   Median :81.20  
##  Mean   :250.5                      Mean   : 6.001   Mean   :80.47  
##  3rd Qu.:375.2                      3rd Qu.: 7.500   3rd Qu.:90.10  
##  Max.   :500.0                      Max.   :13.300   Max.   :99.90  
##  family_income      exam_score          pass      
##  Min.   :  3548   Min.   : 41.50   Min.   :0.000  
##  1st Qu.: 22873   1st Qu.: 68.80   1st Qu.:1.000  
##  Median : 37014   Median : 76.10   Median :1.000  
##  Mean   : 52631   Mean   : 76.17   Mean   :0.924  
##  3rd Qu.: 62783   3rd Qu.: 84.15   3rd Qu.:1.000  
##  Max.   :401401   Max.   :100.00   Max.   :1.000
sapply(df_sampling, sd, na.rm = FALSE)
## Warning in var(if (is.vector(x) || is.factor(x)) x else as.double(x), na.rm =
## na.rm): NAs introduced by coercion
##    student_id        gender   study_hours    attendance family_income 
##  1.444818e+02            NA  2.405467e+00  1.149587e+01  5.153496e+04 
##    exam_score          pass 
##  1.081776e+01  2.652635e-01
  1. Histogram variabel exam_score dan study_hours
# Histogram exam_score
hist(df_sampling$exam_score)

# histogram study_hours
hist(df_sampling$study_hours)

2) Distribusi Sampling Rata-rata

  1. Dari populasi yang diberikan, lakukan simulasi pengambilan sampel acak (dengan pengembalian) sebanyak 1000 kali, ukuran sampel n = 30. Hitung rata-rata exam_score tiap sampel dan buat histogram distribusi sampling.
# rata-rata exam_score tiap sampel 
pop <- read.csv('dataset_praktikum_sampling.csv')
n <- 30
k <- 1000
mean_sample <- replicate(k, mean(sample(pop$exam_score, n, replace = TRUE)))
head(mean_sample)
## [1] 73.17333 75.58000 76.54667 74.48333 77.64667 75.10667
#  histogram distribusi sampling
hist(mean_sample)

  1. Hitung mean empiris dan sd empiris dari distribusi sampling. Bandingkan sd empiris dengan standard error teoretis (sd_pop / sqrt(n))
# mean empiris 
mean(mean_sample)
## [1] 76.12076
# sd empiris
sd(mean_sample)
## [1] 1.950707
# Perbandingan sd empiris dengsn standar error teoretis
SE_mean_sample <- (sd(pop$exam_score) /sqrt(n))
print(SE_mean_sample)
## [1] 1.975043

3) Pengaruh Ukuran Sampel pada Distribusi Sampling

  1. Ulangi soal (2) untuk n = 5, 30, 100. Tampilkan tiga histogram dalam satu baris.
# tiga histogram dalam satu baris
n_values <- c(5, 30, 100)
par(mfrow=c(1,3)) 
for (n in n_values) { 
means <- replicate(1000, mean(sample(pop$exam_score, n, replace = TRUE)))
hist(means,main=paste('n =', n))
}

  1. Jelaskan bagaimana ukuran sampel mempengaruhi bentuk dan spread distribusi sampling.
  1. Bentuk (Shape): Semakin besar ukuran sampel (n=100), grafik distribusinya semakin mendekati bentuk kurva normal sempurna.
  2. Penyebaran (Spread): Semakin besar ukuran sampel, rentang penyebaran distribusi sampling menjadi semakin sempit (standard error semakin kecil), yang berarti estimasi rata-rata menjadi semakin presisi.

4) Distribusi Sampling untuk Proporsi

  1. Gunakan variabel pass (1 = lulus). Lakukan simulasi k = 1000, n = 100 untuk mendapatkan distribusi proporsi lulus tiap sampel.
#  Simulasi distribusi proporsi lulus (pass = 1, k = 1000, n = 100)
set.seed(123)
prop_sample <- replicate(1000, mean(rbinom(100, 1, mean(df_sampling$pass))))
hist(prop_sample)

b. Perbandingan mean dan SD empiris dengan p dan teoretis

mean(prop_sample)
## [1] 0.92449
sd(prop_sample)
## [1] 0.026008
p <- mean(df_sampling$pass)
q <- (sqrt(p*(1-p)/100))
p
## [1] 0.924

5) Bootstrap untuk Median

  1. Estimasi distribusi sampling median (B = 2000) dan 95% CI
set.seed(123)
library(boot)
median_fun <- function(df_sampling, indices) { median(df_sampling[indices]) }
boot_res <- boot(data=df_sampling$exam_score, statistic=median_fun, R=2000)
boot.ci(boot_res, type='perc')
## BOOTSTRAP CONFIDENCE INTERVAL CALCULATIONS
## Based on 2000 bootstrap replicates
## 
## CALL : 
## boot.ci(boot.out = boot_res, type = "perc")
## 
## Intervals : 
## Level     Percentile     
## 95%   (75.2, 77.8 )  
## Calculations and Intervals on Original Scale
  1. Perbandingan & Interpretasi CI Bootstrap
  1. Perbandingan dengan Estimasi Analitik: Secara analitik, rumus baku standard error dan Confidence Interval (CI) untuk median dari populasi umum tidak tersedia secara sederhana (karena membutuhkan estimasi fungsi kepadatan peluang / density di titik median). Oleh karena itu, pendekatan analitik sulit diterapkan secara langsung, sehingga metode Bootstrap (resampling) menjadi alternatif terbaik untuk mengestimasi rentang median secara non-parametrik tanpa asumsi distribusi tertentu.

  2. Interpretasi Hasil CI Bootstrap: Nilai median dari data asli (median(df_sampling$exam_score)) berada tepat di dalam rentang interval yang dihasilkan. Dari output 95% Percentile CI (boot.ci), kita dapat yakin 95% bahwa nilai median populasi yang sebenarnya berada di antara batas bawah (lower limit) dan batas atas (upper limit) hasil bootstrap tersebut.

6) Uji Hipotesis (Opsional - Lebih Tinggi)

  1. Apakah rata-rata exam_score berbeda antara mahasiswa laki-laki dan perempuan? Lakukan uji t dua sampel (asumsi var sama dan berbeda) dan interpretasikan.
t.test(exam_score ~ gender, data=pop) 
## 
##  Welch Two Sample t-test
## 
## data:  exam_score by gender
## t = -1.8865, df = 497.63, p-value = 0.05981
## alternative hypothesis: true difference in means between group L and group P is not equal to 0
## 95 percent confidence interval:
##  -3.71700835  0.07553213
## sample estimates:
## mean in group L mean in group P 
##        75.27520        77.09593

H0 : Tidak ada perbedaan signifikan rata-rata nilai ujian antara laki-laki dan perempuan H1 : Terdapat perbedaan signifikan rata-rata nilai ujian antara laki-laki dan perempuan (p-value < 0,05 artinya tolak H0) Interpretasi: Karena nilai p-value (0,05981) > 0,05, maka H0 diterima H1. Berarti tidak ada perbedaan signifikan antara rata-rata nilai ujian antara mahasiswa laki-laki dan perempuan.

  1. Hitung effect size (Cohen’s d).
library(effsize)
## Warning: package 'effsize' was built under R version 4.5.3
cohen.d(pop$exam_score ~ pop$gender)
## 
## Cohen's d
## 
## d estimate: -0.168741 (negligible)
## 95 percent confidence interval:
##        lower        upper 
## -0.344807536  0.007325481