Name : Winston Susanto

NIM : 2440093356

Class : LB11

Topic : GSLC Data Modelling and Distribution Fitting

Dosen : HARKAT CHRISTIAN ZAMASI, S.Kom., M.M.S.I

Data modelling adalah proses menganalisis dan mendefinisikan semua data berbeda yang
dikumpulkan dan dihasilkan oleh bisnis, serta hubungan antara bit data tersebut.

Distribution fitting adalah prosedur pemilihan distribusi statistik yang paling sesuai dengan kumpulan
data yang dihasilkan oleh beberapa proses acak. Dengan kata lain, jika memiliki beberapa data acak
yang tersedia, dan ingin mengetahui distribusi tertentu yang dapat digunakan untuk menggambarkan
data, maka distribution fitting adalah yang cari. Distribution fitting juga memungkinkan untuk
mengembangkan model yang valid dari proses acak yang ditangani, melindungi dari potensi kerugian
waktu dan uang yang dapat timbul karena pemilihan model yang tidak valid, dan memungkinkan
membuat keputusan bisnis yang lebih baik.

Contoh:

Example 5.39 - Analyzing Airline Passenger Data

An airline operates a daily route between two medium-sized cities using a 70-seat regional jet. The
flight is rarely booked to capacity but often accommodates business travelers who book at the last
minute at a high price. Figure 5.26 shows the number of passengers for a sample of 25 flights (Excel
file Airline Passengers). The histogram shows a rela-tively symmetric distribution. The mean, median,
and mode are all similar, although there is some degree of positive skewness. From our discussion in
Chapter 4 about the vari-ability of samples, it is important to recognize that although the histogram
in Figure 5.26 does not look perfectly normal, this is a relatively small sample that can exhibit a lot of
vari-ability compared with the population from which it is drawn. Thus, based on these characteristics,
it would not be unrea-sonable to assume a normal distribution for the purpose of developing a
predictive or prescriptive analytics model.
Jawab:

Kedua gambar tersebut menggunakan normal distribution. Histogram tersebut menunjukkan

distribusi yang relatif simetris. Mean, median, dan modus semuanya serupa, meskipun ada kemiringan
sedang. Akan tetapi, lebih meyakinkan jika menggunakan distribution fitting yang memungkinkan
untuk mengembangkan model yang valid dari proses acak yang ditangani.