HASIL PRAKTIKUM 1 TSS

Program (Pembuatan data vektor):

a<-c("A","B","C,","D","E","F","G","H","I","J","K","L","M","N","O","P")
a

Output:
[1] "A" "B" "C," "D" "E" "F" "G" "H" "I" "J" "K" "L" "M" "N"
"O" "P"

Interpretasi:
Pada program di atas, kita membuat data vektor. Data vektor merupakan data berdimensi
satu yang dapat dibuat pada software statistik. Data vektor bertipe karakter, dalam
penginputannya harus di awali dan diakhiri dengan tanda petik (“ “). Sedangkan data vektor
bertipe numerik tidak perlu diawali dan diakhiri dengan tanda petik dalam penginputannya.

Program (penarikan sampel dengan pengembalian):

n1<-sample(a,size=5,replace=TRUE)
n1

Output:
[1] "B" "N" "B" "D" "K"

Interpretasi:
Pada program di atas, kita akan melakukan penarikan sampel dengan pengembalian dari
data vektor yang telah kita buat. Pengambilan sampel dengan pengembalian adalah penarikan
sampel acak yang dalam proses pengambilannya ia akan dikembalikan kembali sehingga
memungkinkan untuk terambil lebih dari sekali.

Program (penarikan sampel tanpa pengembalian):

n2<-sample(a,size=5,replace=FALSE)
n2

Output:
[1] "E" "B" "A" "H" "I"

Interpretasi:
Pada program di atas, kita akan melakukan penarikan sampel tanpa pengembalian dari
data vektor yang telah kita buat. Pengambilan sampel tanpa pengembalian adalah penarikan
sampel acak yang dalam proses pengambilannya data yang terambil tidak akan dikembalikan
kembali sehingga tidak memungkinkan untuk terambil lebih dari sekali.
Program (pembuatan data simulasi):
id<-c(1:1000)
x<-abs(rnorm(1000))
data<-data.frame(id,x)
data

Output:
id x
1 1 0.3481339631
2 2 0.6068258462
3 3 0.2859128756
4 4 0.5550880292
5 5 1.0105908379
6 6 0.0160940635
7 7 0.4946229604
8 8 1.1266619219
9 9 1.2863686581
10 10 0.5322740759
11 11 1.1519574136
12 12 0.9646236186
13 13 0.9760568456
14 14 0.7355709590
15 15 0.4813694230
16 16 0.9018631093
17 17 1.5837825254
18 18 0.5145632222
19 19 0.0906690070
20 20 1.7455877505
21 21 0.5645069730
22 22 0.1816156439
23 23 1.0194644754
24 24 1.1840402232
25 25 1.8421272515
26 26 0.2727255640
27 27 0.5675263137
28 28 0.0524383876
29 29 0.4322055672
30 30 0.1705579521
31 31 0.8169456241
32 32 2.6856403573
33 33 0.9120276873
34 34 1.4479137544
35 35 1.2567306941
36 36 0.8502229416
37 37 2.7951510796
38 38 0.2198967880
39 39 2.0500109100
40 40 0.7648483084
41 41 0.7141548933
42 42 0.6413278853
43 43 0.5921653338
44 44 0.8987814135
45 45 0.5733601931
46 46 0.4644871963
47 47 0.5110282735
48 48 1.2549492875
 49 49 1.3410092270
50 50 0.6815409542
[ reached 'max' / getOption("max.print") -- omitted 950 rows ]
Interpretasi:
Pada program di atas, kita akan membuat data acak atau simulasi dengan data berjumlah
1000 dan berdistribusi normal. Kemudian data tersebut akan ditampilkan dalam data frame
sesuai dengan perintah yang dimasukkan. Data yang muncul pada layar output hanya berjumlah
50 data, karena panjang data yang dapat ditampung oleh software hanyalah 50.

Program:
srs.rows<-sample(1000,100,replace=FALSE)
srs.rows

Output:
[1] 732 907 260 362 897 112 108 582 211 787 713 893 465 185 531 560 65 341
627 77 113 602 35 773 225 218 883
[28] 315 816 122 473 562 18 926 196 386 245 880 247 435 176 155 622 213
306 3 281 490 264 201 977 259 970 766
[55] 603 595 286 4 441 440 644 543 168 17 95 881 402 722 151 253 566
530 126 932 449 497 324 354 331 665 29
[82] 692 685 251 898 903 570 882 404 407 647 950 549 121 48 398 506 431
760 24

Interpretasi:
Pada program di atas, kita melakukan pemanggilan data sebanyak 100 dengan syarat
nilai-nilai yang ada di dalam data tersebut adalah angka dengan rentang 1 sampai 1000 dan tanpa
pengembalian. Artinya data yang sudah terambil, tidak akan terambil kembali pada pengambilan
berikutnya.

Program:
srs<-data[srs.rows,]
srs

Output:
id x
732 732 0.941979320
907 907 0.277437704
260 260 1.092790034
362 362 0.112569028
897 897 0.480466890
112 112 0.505623274
108 108 2.014763768
582 582 1.670670156
211 211 0.310084139
787 787 1.542465559
713 713 0.087591188
893 893 0.450987603
465 465 0.589844100
185 185 0.466114736
531 531 0.734229166
560 560 0.247537036
65 65 0.366430745
341 341 1.175557925
627 627 0.922474495
77 77 0.177253009
113 113 0.884489895
602 602 0.898449801
35 35 0.308989306
773 773 0.132229462
225 225 0.040612534
218 218 0.287545684
883 883 2.468317343
315 315 0.182837483
816 816 0.348318066
122 122 0.004217494
473 473 0.106315924
562 562 1.909357808
18 18 0.525143253
926 926 0.478636926
196 196 0.070787319
386 386 1.054119593
245 245 0.450897212
880 880 0.973665545
247 247 1.306711054
435 435 0.234178832
176 176 0.687855009
155 155 0.745596812
622 622 0.164741695
213 213 1.563748622
306 306 0.736007834
3 3 0.434972717
281 281 0.004578179
490 490 0.981986794
264 264 0.337832054
201 201 0.879743486
977 977 1.368337419
259 259 0.010566592
970 970 0.199616897
766 766 0.682008639
603 603 1.138235142
595 595 0.475102450
286 286 1.000477477
4 4 0.772174848
441 441 1.803260211
440 440 1.747960333
644 644 0.032941645
543 543 0.371854533
168 168 0.596793603
17 17 0.618179204
95 95 0.527227625
881 881 1.536325286
402 402 1.250856217
722 722 0.961082372
151 151 1.574794661
 253 253 1.443683481
566 566 0.160647744
530 530 0.148617398
126 126 0.418485567
932 932 1.172627980
449 449 0.020376717
497 497 0.615528935
324 324 1.673652014
354 354 1.300426783
331 331 0.680961508
665 665 1.562392094
29 29 0.010960109
692 692 0.638520698
685 685 0.081761308
251 251 1.415624741
898 898 1.522347403
903 903 0.105719181
570 570 1.649127312
882 882 0.947433235
404 404 0.004469303
407 407 0.906147442
647 647 1.351932133
950 950 0.819540205
549 549 0.549169576
121 121 0.622918251
48 48 1.214077310
398 398 1.619647117
506 506 0.720314003
431 431 0.238670952
760 760 1.542740924
24 24 0.429065785

Interpretasi:
Pada program di atas, kita akan menampung data yang telah kita buat ke dalam sebuah
data frame. Data yang ditampilkan adalah data-data yang sudah terpilih, tanpa menampilkan
urutan datanya. Selanjutnya pada kolom x kita akan melihat nilai acak dari data-data tersebut.

Program (pembuatan model survey):

fpc.srs<-rep(1000,100)
des.srs<-svydesign(id=~1,strata=NULL,data=srs,fpc=fpc.srs)
des.srs
#menduga total
svytotal(~x,design=des.srs)
confint(svytotal(~x,design=des.srs))
#menduga rata-rata
svymean(~x,design=des.srs)
confint(svymean(~x,design=des.srs))

Output:
> des.srs
Independent Sampling design
svydesign(id = ~1, strata = NULL, data = srs, fpc = fpc.srs)
> svytotal(~x,design=des.srs)
 total SE
x 842.31 59.617
> confint(svytotal(~x,design=des.srs))
2.5 % 97.5 %
x 725.4636 959.16
> svymean(~x,design=des.srs)
mean SE
x 0.84231 0.0596
> confint(svymean(~x,design=des.srs))
2.5 % 97.5 %
x 0.7254636 0.95916

Interpretasi:
Pada program di atas, kita akan membuat model survey dari data yang sebelumnya telah
kita buat. Pada pembuatan model survey tersebut kita menggunakan fungsi surveydesign yang
sebelumnya telah kita install. Selanjutnya, kita akan melakukan pendugaan total terhadap
pemodelan survey tersebut. Di dapati total sebesar 842,31 dan standar error 59,617. Kemudian
kita akan menduga rata-ratanya. Di dapati rata-rata sebesar 0,84231 dan standar error 0,95916.