LAPORAN PRAKTIKUM

MINGGU KE-2

Dosen Pembimbing : Ronny Susetyoko

Nama : Salsabila Aurora
NRP : 3322600005

POLITEKNIK ELEKTRONIKA NEGERI SURABAYA

SEPTEMBER 2022
1. Tentukan dua matriks masing-masing berorde 3x3. Tentukan penjumlahan dan perkalian
dua matriks tersebut.
#1
a <- matrix(c(3,4,5,2,1,4,2,2,1),3,3)
b <- matrix(c(1,1,2,3,1,5,2,1,4),3,3)
print(a+b)

## [,1] [,2] [,3]

## [1,] 4 5 4
## [2,] 5 2 3
## [3,] 7 9 5

print(a*b)

## [,1] [,2] [,3]

## [1,] 3 6 4
## [2,] 4 1 2
## [3,] 10 20 4

2. Tentukan A sebagai matriks berordo 4x4 dan B adalah vector 4x1. Tentukan solusi sistem pers
amaan linier Ax = B menggunakan syntak R.
#2
a <- matrix(c(3,2,2,1,2,4,2,1,3,2,1,2,3,1,2,1),4,4)
b <- c(4, 1, 2, 2)
print(a^-1%*%b)

## [,1]
## [1,] 3.166667
## [2,] 5.250000
## [3,] 5.500000
## [4,] 8.000000

3. Diketahui nilai siswa SMA sebagai berikut. Dapat diketik di Excel atau langsung di R.

a. Tentukan rata-rata dan simpangan baru nilai Matematika, Bahasa Indonesia, dan Bahasa
Ing gris.

b. Hitung nilai akhir masing-masing didasarkan pada rumus berikut: NA = 40%* nilai
Matemat ika + 30%* nilai Bahasa Indonesia + 30%* nilai Bahasa Inggris

c. Kemudia konversikan nilai ke dalam huruf.

BMI <- data.frame(

nama <- c("Agus", "Ilham", "Sinta", "Ahmad", "Zaneka", "Lily", "Siti", "Marwanto",
"Kasiyanto", "Nurul", "Rangga", "Julian", "Verra", "Zidan", "Marfuah", "Jose Rizal",
"Richard Mark", "Ngatemin", "Widuri", "Hermawan"),
matematika <- c(70,25,78,90,67,77,83,99,45,76,45,24,55,70,65,75,68,89,55,68),
b_indonesia <- c(66,54,65,87,60,69,80,85,66,57,78,54,69,68,63,72,78,98,45,61),
bahasa_inggris <- c(75,57,74,71,50,59,67,62,59,60,68,43,67,79,87,69,67,93,60,70)
)
 #3.a
mean(matematika)

## [1] 66.2

mean(b_indonesia)

## [1] 68.75

mean(bahasa_inggris)

## [1] 66.85

sd(matematika)

## [1] 19.91984

sd(b_indonesia)

## [1] 12.76869

sd(bahasa_inggris)

## [1] 11.6496

#3.b
nilai_angka <- 0.4*matematika + 0.3*b_indonesia + 0.3*bahasa_inggris
print(nilai_angka)

## [1] 70.3 43.3 72.9 83.4 59.8 69.2 77.3 83.7 55.5 65.5 61.8 38.7 62.8 72.1 71.0
## [16] 72.3 70.7 92.9 53.5 66.5

#3.c
nilai_huruf = {
ifelse(nilai_angka <= 40, "E",
ifelse(nilai_angka <= 55, "D",
ifelse(nilai_angka <= 60, "C",
ifelse(nilai_angka <= 65, "BC",
ifelse(nilai_angka <= 70, "B",
ifelse(nilai_angka <= 80, "AB",
ifelse(nilai_angka <= 100, "A")))))))
}
print(nilai_huruf)

## [1] "AB" "D" "AB" "A" "C" "B" "AB" "A" "C" "B" "BC" "E" "BC" "AB" "AB"
## [16] "AB" "AB" "A" "D" "B"

4. Diketahui sebuah vektor dengan Panjang 60 dan berisi karakter ‘C’ dan ‘H’. Tentukan
vector tersebut secara acak. Asumsikan data tersebut adalah status cuaca selama 60 hari.
‘C’ menyatakan cerah, ‘H’ menyatakan hujan.

a. hitung jumlah (counting) transisi dari ‘C’ ke ‘C’, transisi dari ‘C’ ke ‘H’, ‘H’ ke ‘C’, dan ‘H’ ke
‘H’.

b. Simpan dalam matriks dengan nama matiks_transisi.

 #4.a
status_cuaca <- c("H", "C", "C", "H", "C", "H", "H", "C", "H", "C", "H", "H", "C",
"C", "H", "H", "C", "C", "C", "C", "C", "H", "H", "H", "C", "H", "C", "H", "C", "C",
"C", "H", "H", "C", "H", "C", "H", "C", "H", "C", "C", "C", "H", "H", "H", "C", "H",
"C", "H", "C", "C", "H", "C", "H", "H", "H", "C", "H", "C", "C")
transisi_CC = 12
transisi_HH = 10
transisi_HC = 19
transisi_CH = 17
#4.b
matriks_transisi =
matrix(c("transisi_CC","transisi_HH","transisi_HC","transisi_CH",12,10,19,17),nrow=4,
byrow=FALSE)
matriks_transisi

## [,1] [,2]
## [1,] "transisi_CC" "12"
## [2,] "transisi_HH" "10"
## [3,] "transisi_HC" "19"
## [4,] "transisi_CH" "17"

5. Buat 5 soal terkait dengan Bahasa Pemrograman R, masingmasing mahasiswa tidak boleh
ada yang sama. Dari 5 soal, minimal ada 2 soal studi kasus.
#5.1 buatlah dua buah matriks berordo 3x3 kemudian jumlahkan
#5.2 apa perintah yang harus dituliskan untuk memunculkan angka berurutan di bawah
ini ; y = (1 3 5 7 9 11)
#5.3 buatlah sebuah vector yang panjangnya 15, kemudian tentukan nilai minimum dan
maksimum dari data tersebut
#5.4 dari sebuah percobaan, menghasilkan data sebagai berikut :
# panjang = c(3,5,7,9,11)
# waktu = c(1,2,3,4,5)
# tentukan solusi persamaan linearnya
#5.5 seorang siswa mandapatkan nilai sebagai berikut :
matematika = 85
b_indonesia = 90
b_inggris = 95
fisika = 75
kimia = 60
biologi = 88
sedangkan syarat naik kelas adalah rata-rata harus >84. tentukan apakah siswa
tersebut naik kelas atau tidak

6. Buat R Notebook dengan:

a. Melakukan import data dalam format Excel atau CSV sebayak 100 record dengan field: nama
(bebas), usia (18 – 58 tahun), pekerjaan (PNS, Swasta, BUMN, Wiraswasta), hobby (olah raga,
seni, menulis, membaca, memasak), tempat.tinggal (kota, desa), gaji (1 – 25jt), status (menikah,
belum menikah)
b. Ekplorasi berdasarkan field-field tersebut menggunakan operator &, |, serta kombinasi
(minimal 15 sintak)
list.files()

## [1] "bismillah.csv" "coba--3-.docx" "coba--3-.Rmd" "coba (3).Rmd"

dataku = read.csv("bismillah.csv")
dataku

## Nama Usia Pekerjaan Hobby Tempat.tinggal Gaji Status

## 1 siti 18 bumn seni desa 20 menikah
## 2 surti 20 bumn memasak kota 11 belum menikah
## 3 sima 30 pns memasak desa 10 belum menikah
## 4 budi 32 pns olahraga desa 9 menikah
## 5 sasa 31 pns seni desa 9 menikah
## 6 lila 30 pns seni kota 8 belum menikah
## 7 pur 22 swasta seni kota 5 menikah
## 8 toni 21 swasta seni kota 6 belum menikah
## 9 tita 21 bumn olahraga kota 14 belum menikah
## 10 tiwi 53 wiraswasta memasak kota 12 belum menikah
## 11 tito 58 wiraswasta memasak desa 13 menikah
## 12 roy 57 bumn membaca desa 16 belum menikah
## 13 rina 56 pns membaca desa 9 menikah
## 14 ririn 55 bumn membaca desa 13 menikah
## 15 risa 54 swasta menulis desa 5 menikah
## 16 dani 53 swasta olahraga desa 3 menikah
## 17 dino 52 wiraswasta olahraga kota 17 menikah
## 18 dodi 52 wiraswasta olahraga kota 10 belum menikah
## 19 didit 51 pns olahraga kota 12 menikah
## 20 yasa 50 pns seni kota 5 belum menikah
## 21 hatta 49 bumn seni kota 15 menikah
## 22 andre 49 swasta seni kota 6 menikah
## 23 ariel 48 pns olahraga kota 5 menikah
## 24 rifa 47 swasta olahraga kota 21 belum menikah
## 25 wati 46 wiraswasta membaca kota 10 belum menikah
## 26 wina 45 bumn menulis kota 18 belum menikah
## 27 wiwin 44 pns menulis kota 19 belum menikah
## 28 hadi 43 bumn olahraga kota 19 menikah
## 29 huda 42 wiraswasta olahraga kota 9 menikah
## 30 fara 41 swasta menulis kota 10 belum menikah
## 31 fafa 40 wiraswasta menulis desa 10 menikah
## 32 fifi 40 swasta menulis desa 11 belum menikah
## 33 joe 39 pns membaca desa 12 menikah
## 34 joy 38 pns memasak desa 12 belum menikah
## 35 kai 37 pns olahraga desa 13 menikah
## 36 ken 36 bumn olahraga desa 23 menikah
## 37 zaki 35 bumn olahraga desa 22 menikah
## 38 zizi 34 bumn olahraga desa 21 menikah
## 39 ziva 31 wiraswasta olahraga desa 8 belum menikah
## 40 joko 31 swasta olahraga desa 9 belum menikah
## 41 santi 32 wiraswasta membaca desa 9 belum menikah
## 42 wawan 33 pns membaca desa 12 menikah
## 43 laras 33 bumn memasak desa 11 belum menikah
## 44 amel 31 bumn membaca desa 9 belum menikah
## 45 adel 32 swasta menulis desa 8 menikah
## 46 azel 31 swasta seni desa 7 menikah
## 47 putri 30 wiraswasta menulis kota 9 menikah
## 48 putra 30 pns menulis kota 9 menikah
## 49 abel 29 pns memasak kota 9 belum menikah
## 50 amdra 28 wiraswasta membaca kota 9 menikah
## 51 rara 27 wiraswasta membaca kota 13 belum menikah
## 52 dias 26 wiraswasta seni kota 12 menikah
## 53 dini 24 wiraswasta olahraga kota 22 belum menikah
## 54 dira 57 wiraswasta olahraga kota 21 belum menikah
## 55 tyo 43 swasta menulis kota 14 menikah
## 56 patuh 46 bumn olahraga kota 12 menikah
## 57 pandu 25 pns menulis kota 13 belum menikah
## 58 elang 24 wiraswasta olahraga kota 11 belum menikah
## 59 gilang 23 pns membaca kota 24 belum menikah
## 60 kania 18 bumn membaca kota 23 menikah
## 61 sheila 18 bumn seni kota 22 belum menikah
## 62 reva 19 pns seni kota 21 menikah
## 63 pia 18 pns seni kota 20 belum menikah
## 64 salwa 21 wiraswasta menulis kota 20 belum menikah
## 65 ifan 22 wiraswasta menulis kota 21 menikah
## 66 ryan 55 swasta memasak desa 17 belum menikah
## 67 jeffa 44 swasta memasak desa 16 menikah
## 68 julul 34 swasta menulis desa 15 belum menikah
## 69 rudi 20 pns memasak desa 14 menikah
## 70 kiki 22 swasta membaca desa 12 belum menikah
## 71 diana 21 swasta membaca desa 12 menikah
## 72 diani 19 pns menulis desa 4 belum menikah
## 73 iyas 57 bumn seni desa 23 belum menikah
## 74 bila 56 swasta menulis desa 4 menikah
## 75 cinta 45 bumn menulis desa 14 belum menikah
## 76 cantik 33 swasta seni desa 3 belum menikah
## 77 rose 32 bumn seni desa 12 menikah
## 78 naja 47 wiraswasta memasak desa 12 menikah
## 79 cia 56 wiraswasta memasak kota 12 menikah
## 80 lea 46 swasta membaca kota 4 belum menikah
## 81 lena 33 swasta menulis kota 3 belum menikah
## 82 lasmi 32 bumn menulis kota 15 menikah
## 83 puci 34 pns memasak kota 4 belum menikah
## 84 zeze 23 pns memasak kota 5 belum menikah
## 85 zayn 22 pns membaca kota 4 belum menikah
## 86 mike 20 wiraswasta olahraga kota 13 belum menikah
## 87 gita 19 pns seni kota 6 belum menikah
## 88 gigi 18 wiraswasta olahraga kota 14 menikah
## 89 zanu 44 pns olahraga kota 5 belum menikah
## 90 ella 42 swasta seni kota 3 belum menikah
## 91 zia 43 bumn seni kota 15 menikah
## 92 fia 55 swasta menulis kota 4 belum menikah
## 93 finda 56 swasta menulis kota 4 belum menikah
## 94 fika 34 bumn membaca kota 16 menikah
## 95 fitri 21 bumn membaca desa 15 menikah
## 96 fiko 55 bumn menulis desa 14 menikah
## 97 bowo 45 wiraswasta memasak desa 12 menikah
## 98 disa 23 wiraswasta membaca desa 7 belum menikah
## 99 onet 34 pns seni desa 5 belum menikah
## 100 dila 23 pns olahraga desa 5 belum menikah
#1
print(dataku$Usia&dataku$Gaji)

## [1] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [16] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [31] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [46] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [61] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [76] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [91] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE

#2
print(dataku$Gaji&dataku$Usia)

## [1] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [16] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [31] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [46] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [61] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [76] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [91] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE

#3
mean(dataku$Usia)

## [1] 36.14

#4
typeof(dataku$Pekerjaan)

## [1] "character"

#5
var(dataku$Gaji)

## [1] 32.33778

#6
sd(dataku$Usia|dataku$Gaji)

## [1] 0

#7
median(dataku$Usia)

## [1] 34

#8
sum(dataku$Gaji|dataku$Usia)

## [1] 100

#9
nrow(dataku)

## [1] 100
#10
cor(dataku$Usia,dataku$Gaji)

## [1] -0.09073945

#11
max(dataku$Usia)

## [1] 58

#12
min(dataku$Gaji)

## [1] 3

#13
range(dataku$Gaji)

## [1] 3 24

#14
quantile(dataku$Gaji)

## 0% 25% 50% 75% 100%

## 3 8 12 15 24

#15
ncol(dataku)

## [1] 7