Median : Nilai median adalah nilai di tengah. Nilai paling tengah dalam
rangkaian data disebut median. Fungsi median digunakan di R untuk
menghitung nilai ini.
Modus : Nilai yang memiliki jumlah kemunculan tertinggi dalam satu set
data. Tidak seperti mean dan median, mode dapat memiliki data
numerik dan karakter. R tidak memiliki fungsi bawaan standar
untuk menghitung mode. Jadi kita membuat fungsi pengguna untuk
menghitung mode kumpulan data di R.
Kekurangan Kelebihan
Mean Peka atau mudah terpengaruh Mempertimbangkan semua
oleh nilai ekstrim; Kurang nilai; Dapat Menggambarkan
baik untuk data heterogen. nilai rata-rata populasi;
Variasinya stabil; Cocok
untuk data homogen.
Kekurangan Kelebihan
Range Tergantung pada nilai ektrem; Dapat memperoleh gambaran umum
tidak memperhatikan distribusi mengenai luas penyebaran data
yang terdapat dalam range itu yang sedang diteliti dalam
sendiri. waktu yang relatif singkat.
2. Seorang peneliti sedang menganalisis suatu data yang terdiri dari enam
variabel, yaitu A, B, C, D, E, dan F. peneliti ingin menganalisis
ketergantungan statistik antara enam variabel tersebut. Tugas Anda adalah
membantu peneliti untuk mengukur hubungan antara semua variabel tersebut.
Tabel diberikan sebagai berikut:
> problem_2
# A tibble: 8 × 6
A B C D E F
<dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1 3 -5 5.5 5 -5.5 6.1
2 4 -6 5.2 8 -5.2 5.8
3 5 -7 6.9 4 -6.9 5.9
4 6 -8 9.7 3 -9.7 6.1
5 7 -9 9.4 9 -9.4 5.9
6 8 -10 8.9 6 -8.9 6.2
7 9 -11 11.5 15 -11.5 5.8
8 10 -12 14.5 5 -14.5 6.1
TUGAS 2 JAGAR ERWIN RIZNANDO TAMBUNAN
METODOLOGI PENELITIAN 23622029
Teorema Limit Pusat adalah sebuah teori yang menyatakan bahwa jika ukuran
sampel semakin besar, maka sifat dari rata-rata
distribusi peluang sampelnya (sample mean
distribution) akan semakin mendekati distribusi
normal. Banyak sekali prosedur pengujian
statistik inferensial terutama untuk pengujian
rata-rata yang mengasumsikan bahwa data memiliki
distribusi normal. Hal ini dikarenakan
distribusi rata-rata sampel hampir mendekati
distribusi normal. Sehingga, pengujian
statistik bisa dilakukan meskipun distribusi
asli dari data yang kita gunakan hanya bersifat
mendekati distribusi normal.
TUGAS 2 JAGAR ERWIN RIZNANDO TAMBUNAN
METODOLOGI PENELITIAN 23622029
> #problem_4
> Kota <- problem_4
> Wisata <- c(rep('Jakarta', 20), rep('Bandung', 20))
> Nilai <- c(Kota$JAKARTA, Kota$BANDUNG)
> df <- data.frame(Wisata, Nilai)
> plot(Kota, main = "Perbandingan Kota", xlab = "JAKARTA", ylab = "BANDUNG",
col="gray")
> Kota.aov <- aov(Nilai ~ Wisata, data = df)
> summary(Kota.aov)
Df Sum Sq Mean Sq F value Pr(>F)
Wisata 1 483 483.0 6.296 0.0165 *
Residuals 38 2915 76.7
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
TUGAS 2 JAGAR ERWIN RIZNANDO TAMBUNAN
METODOLOGI PENELITIAN 23622029
> #problem_5
> City <- problem_5
> Huruf <- c(rep('A', 10), rep('B', 10), rep('C', 10), rep('D', 10))
> Angka <- c(City$`CITY A`, City$`CITY B`, City$`CITY C`, City$`CITY D`)
> df <- data.frame(Huruf, Angka)
> plot(City)
> City.aov <- aov(Angka ~ Huruf, data = df)
> summary(City.aov)
Df Sum Sq Mean Sq F value Pr(>F)
Huruf 3 3559 1186.5 43.01 5.44e-12 ***
Residuals 36 993 27.6
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
TUGAS 2 JAGAR ERWIN RIZNANDO TAMBUNAN
METODOLOGI PENELITIAN 23622029
> library(readxl)
> problem_7 <- read_excel("C:/Users/User/OneDrive - Institut Teknologi
Bandung/KULIAH/SEMESTER 1/METODOLOGI
PENELITIAN/THT_research_methodology_2022/problem_7.xlsx")
> View(problem_7)
> problem_7
# A tibble: 20 × 3
x y `Poisson's ratio`
<dbl> <dbl> <dbl>
1 2 23 -0.84
2 42 13 0.02
3 79 13 0.62
4 58 15 0.29
5 32 7 -0.04
6 47 25 0.08
7 46 15 0.21
8 41 3 0.11
9 12 11 -0.73
10 23 25 -0.39
11 40 4 0.2
12 11 19 -0.41
13 33 22 0.03
14 47 21 0.02
15 65 3 0.65
16 38 29 -0.1
17 54 13 0.34
18 61 17 0.39
19 15 3 -0.31
20 50 14 0.2
Call:
lm(formula = Poissons_Ratio ~ x + y, data = problem_7)
Residuals:
Min 1Q Median 3Q Max
-0.260929 -0.054238 0.003654 0.052964 0.195835
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) -0.605441 0.076627 -7.901 4.32e-07 *
x 0.018541 0.001253 14.802 3.82e-11 *
y -0.007829 0.003107 -2.519 0.0221 *
---
Signif. codes: 0 ‘*’ 0.001 ‘*’ 0.01 ‘’ 0.05 ‘.’ 0.1 ‘ ’ 1