MODUL PRAKTIKUM R (SI TI)

Tujuan: - Membangkitkan bilangan berdistribusi peluang tertentu dengan R

- Perhitungan peluang maupun titik kritis distribusi kontinu dengan Excel dan R
- Menggunakan package Rcmdr

1. Membangkitkan Bilangan berdistribusi Peluang tertentu dengan R

Distribution R name Distribution R name

Beta Beta Lognormal lnorm

Binomial Binom Negative Binomial nbinom
Cauchy cauchy Normal norm
Chisquare Chisq Poisson pois
Exponential Exp Student t T
F F Uniform Unif
Gamma gamma Tukey Tukey
Geometric Geom Weibull weib
Hypergeometric Hyper Wilcoxon wilcox
Logistic Logis

name Description
dname( ) density or probability function -> pdf
pname( ) cumulative density function -> cdf
qname( ) quantile function
rname( ) random deviates
Binomial

rbinom(100, size=20, prob=0.5)

# Bangkitkan data binomial dan simpan hasilnya dalam matriks
matrix(rbinom(15*5, size=20, prob=0.5), ncol=5)
BinomialSamples <‐ as.data.frame(matrix(rbinom(15*5, size=20, prob=0.5), ncol=5))
rownames(BinomialSamples) <‐ paste("sample", 1:15, sep="")
colnames(BinomialSamples) <‐ paste("obs", 1:5, sep="")
BinomialSamples$mean <‐ rowMeans(BinomialSamples[,1:5])
showData(BinomialSamples, placement='‐20+200', font=getRcmdr('logFont'), maxwidth=80, maxheight=30)

Hasilnya:

Kesimpulan:
 Perintah matrix tersebut untuk membuat matrik dengan kolom = 5 (ncol=5) berisi data bangkitan distribusi
binomial (sebanyak 15x5 data = 75 data,parameternya adalah n=20, p=0.5)
 Sourcode yang dituliskan setelah hasil matriks belum benar sehingga tidak menghasilkan output, dengan
beberapa perbaikan hasilnya sebagai berikut:
  BinomialSamples <-as.data.frame untuk membuat data frame bernama BinomialSamples berisi data bangkitan
baru
 Rownames untuk membuat nama baris matriks
 Colnames untuk membuat nama kolom matriks
 Binomialsamples$mean untuk menambahkan kolom berisi rata-rata
 showData untuk menampilkan data, karena dalam fungsi showData terdapat get Rcmdr, maka fungsi tersebut
tidak dapat ditemukan. Maka, package Rcmdr harus dipanggil. Pemanggilan package dapat dilakukan dengan
load package atau langsung menuliskan perintah “library(namapackage)
 setelah padkage terload dan mengulangi perintah yang sama, akan muncul data.

qbinom(size=20, prob=0.1, 0.9568)

#nilai x dg n=20, p=0.1 peluang kurang dari 0.9568 =BINOM.INV(20,0.1,0.9568)
Hasilnya:

Kesimpulan: qbinom digunakan untuk …. Sedangkan binom.inv pada excel digunakan untuk …

pbinom(size=20, prob=0.1, 4)

#peluang binom n=20, p=0,1 x<=4 =BINOMDIST(4,20,0.1,TRUE)

Hasilnya: ….

Kesimpulan:

dbinom(size=20, prob=0.1, 4)

#P(X=4) =BINOMDIST(4,20,0.1,FALSE)

Hasilnya: ….
Kesimpulan:
Poisson

rpois(20,4) #membangkitkan bilangan berdistribusi poisson sebanyak 20 dengan miu=4

[1] 6 3 2 4 1 3 5 6 1 5 1 1 4 8 6 5 7 1 4 4

dpois(2,0.2) #P(X=2) =POISSON.DIST(2,0.2,FALSE)

Hasilnya: ….

Kesimpulan:

ppois(2,0.2) #P(X<=2) =POISSON.DIST(2,0.2,TRUE)

Hasilnya: ….

Kesimpulan:

ppois(1,0.2) #P(X<=1) =POISSON.DIST(2,0.2,TRUE)

Hasilnya: ….

Kesimpulan:

ppois(2,0.2)-ppois(1,0.2)

Hasilnya: ….

Kesimpulan: qpois(0.98247,.2) #x untuk poisson dg nilai peluang kurang dari 0.98247 dan p=.2
 2. Perhitungan Peluang dan Titik Kritis Distribusi Peluang Kontinu dengan R

Normal

pnorm(0) =0.5 #(the area under the standard normal curve to the left of zero) =NORMSDIST(0)

Hasilnya: ….
Kesimpulan: pnorm digunakan untuk, sedangkan normdist pada excel digunakan untuk

qnorm(0.9)= 1.28 #(1.28 is the 90th percentile of the standard normal distribution). =NORMSINV(0.9)

Hasilnya: ….
Kesimpulan:

dnorm(1) #p(z=1)

Hasilnya: ….
Kesimpulan:

pnorm(.5) #p(Z<0.5) =NORMSDIST(0.5)

Hasilnya: ….
Kesimpulan:

pnorm(1.5) #p(Z<1.5) =NORMSDIST(1.5)

Hasilnya: ….
Kesimpulan:

pnorm(1.5)-pnorm(0.5)

Hasilnya: ….
Kesimpulan:

rnorm(100) #generates 100 random deviates from a standard normal distribution.

rnorm(100, m=50, sd=10) #generates 100 random deviates from a normal distribution with mean
50 and standard deviation 10.
1. Beberapa distribusi peluang
Diskrit (Binomial)
Plot binom
Binomial Distribution: Binomial trials=20, Probability of success=0.5

0.15
Probability Mass

0.10
0.05
0.00

4 6 8 10 12 14 16

Number of Successes

Binomial Distribution: Binomial trials=20, Probability of success=0.5

1.0
0.8
Cumulative Probability

0.6
0.4
0.2
0.0

4 6 8 10 12 14 16

Number of Successes
Kontinu (Normal)
qnorm(c(0.5), mean=0, sd=1,
lower.tail=TRUE)
[1] 0

pnorm(c(0), mean=0, sd=1,

lower.tail=TRUE)
[1] 0.5

Normal Distribution: Mean=0, Standard deviation=1

Normal Distribution: Mean=0, Standard deviation=1
0.4

Region

0.4
-1.5 to 1.5 Regions
-999 to 1.5
-999 to 1
0.3

0.3
Density

Density
0.2

0.2
0.1

0.1
0.0
0.0

-3 -2 -1 0 1 2 3
-3 -2 -1 0 1 2 3
x
x

Normal Distribution: Mean=0, Standard deviation=1

1.0
0.8
Cumulative Probability

0.6
0.4
0.2
0.0

-3 -2 -1 0 1 2 3