Nama : Nadzaratul Mawaddah

NIM : 112112238

Kelas : 2D34

Praktikum Komstat Pertemuan 5

Dengan menggunakan Data Latihan.sav

1. Buatlah Variabel Luas Lantai (b6r5a) menjadi variabel kategorik berdasarkan Quartile nya.
Dengan kategori sebagai berikut : Min-Q1 (Kecil); Q1-Q2 (Sedang); Q2-Q3 (Besar); Q3-Max
(Besar Sekali). Beri nama variabel baru tersebut dengan Kat_LuasLantai
2. Tabelkan antara Kat_LuasLantai dengan Jenis dinding, dan hitunglah tabel persentase
terhadap totalnya.
3. Buatkan Grafik antara variabel Luas Lantai dengan Pengeluaran Percapita (Exp_cap) dengan
warna hijau dilengkapi dengan nama Y Axis dan X Axis serta ada garis linearnya warna merah.
Judul Grafik: Grafik Luas Lantai vs Pengeluaran Perkapita.
4. Buatkan grafik antara Luas Lantai (b6r5a) berdasarkan tipe daerahnya. Grafiknya kasih warna
biru.

Berikut lampiran Rmarkdown dari ke-4 nomor penugasan praktikum

Praktikum Komstat P5
Nadzaratul Mawaddah

3/7/2023
#Membaca File SPSS
DataP5 <- read.spss("D:/Semester 4/Komstat/Praktikum/Pertemuan 5/Data_Latihan
.sav", to.data.frame = TRUE)
View(DataP5)

summary(DataP5$b6r5a)

## Min. 1st Qu. Median Mean 3rd Qu. Max.

## 4.00 30.00 42.00 51.18 63.00 420.00

#mengkategorikan variabel Luas Lantai berdasarkan Quartile

#Min-Q1 (Kecil); Q1-Q2 (Sedang); Q2-Q3 (Besar); Q3-Max (Besar Sekali).

DataP5$kat_luaslantai<-cut(DataP5$b6r5a,
breaks=c(4.0,30.0,42.0,63.0,420.0),
 labels=c("kecil","sedang","besar","besar sekali"),
right = TRUE) #untuk menentukan pengkategorian <=

#bisa pakai (1) dan (2) ini kalau mau nampilkan yang khususnya, cuman akan le
bih bagus tampilannya jika variabel nya di definisikan terlebih dahulu.
#(1)data1 <- data.frame(Data_Latihan[, 11], Data_Latihan[, 26])
#(2)data1 <- data.frame(Data_Latihan$b6r5a, Data_Latihan$Kat_LuasLantai)

kat_lantai<-DataP5$kat_luaslantai
luas_lantai <- DataP5$b6r5a
data_no1<-data.frame(luas_lantai,kat_lantai)
head(data_no1,10)

## luas_lantai kat_lantai
## 1 40 sedang
## 2 20 kecil
## 3 40 sedang
## 4 12 kecil
## 5 60 besar
## 6 12 kecil
## 7 72 besar sekali
## 8 30 kecil
## 9 30 kecil
## 10 20 kecil

#Tabelkan antara Kat_LuasLantai dengan Jenis dinding

tabel1<-table(DataP5$kat_luaslantai,DataP5$b6r3)
names(dimnames(tabel1))<-c("Kategori Luas Lantai","Jenis Dinding Terluas")
tabel1

## Jenis Dinding Terluas

## Kategori Luas Lantai Tembok Kayu Bambu Lainnya
## kecil 783 1027 421 45
## sedang 1011 591 74 27
## besar 1370 433 33 18
## besar sekali 1430 240 8 8

#hitunglah tabel persentase terhadap totalnya.

proporsi<-prop.table(tabel1)
proporsi

## Jenis Dinding Terluas

## Kategori Luas Lantai Tembok Kayu Bambu Lainnya
## kecil 0.104136188 0.136587312 0.055991488 0.005984838
## sedang 0.134459370 0.078600878 0.009841734 0.003590903
## besar 0.182205080 0.057587445 0.004388882 0.002393935
## besar sekali 0.190184865 0.031919138 0.001063971 0.001063971

round(proporsi,3) #membulatkan desimal sesuai standar

## Jenis Dinding Terluas
## Kategori Luas Lantai Tembok Kayu Bambu Lainnya
## kecil 0.104 0.137 0.056 0.006
## sedang 0.134 0.079 0.010 0.004
## besar 0.182 0.058 0.004 0.002
## besar sekali 0.190 0.032 0.001 0.001

#Grafik antara variabel Luas Lantai dengan Pengeluaran Percapita (Exp_cap)

var_y<-DataP5$exp_cap
var_x<-DataP5$b6r5a
plot(var_x,var_y,
col="green",
pch=18,
ylab="Pengeluaran Perkapita",
xlab="Luas Lantai",
main="Grafik Luas Lantai vs Pengeluaran Perkapita")
garis<-lm(var_y~var_x)
abline(garis,lwd=4, col="red")

#grafik antara Luas Lantai (b6r5a) berdasarkan tipe daerahnya

#bloxplot
plot(DataP5$b6r5a~DataP5$b1r5,
main="Grafik Luas Lantai berdasarkan tipe daerah",
col= "blue",
xlab ="tipe daerah",
ylab = "Luas Lantai")
#histogram
par(mfrow= c(1,1))
ggplot(DataP5, aes(b6r5a))+
geom_histogram(fill="blue", color="black")+
facet_grid(~DataP5$b1r5)+
ggtitle("Histogram of Luas Lantai Menurut Tipe Daerah", subtitle="Group by
Tipe Daerah")+
xlab("Luas Lnatai")+
ylab("Frekuensi")

## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.