Scribd
Unggah
0 tayangan4 halaman

Tugas Tutorial 1 MSIM4310

Dokumen ini berisi analisis data kecepatan dan jarak mobil, termasuk perhitungan rata-rata dan standar deviasi. Terdapat juga visualisasi data melalui scatter plot dan histogram yang menunjukkan hubungan positif antara kecepatan dan jarak, serta adanya outlier. Selain itu, terdapat informasi tentang koefisien keragaman dan Z-score untuk nilai ujian Matematika dan bahasa Inggris.

Diunggah oleh

suryablnr
Hak Cipta
© © All Rights Reserved
Kami menangani hak cipta konten dengan serius. Jika Anda merasa konten ini milik Anda, ajukan klaim di sini.
Format Tersedia
Unduh sebagai DOCX, PDF, TXT atau baca online di Scribd
0 tayangan4 halaman

Tugas Tutorial 1 MSIM4310

Dokumen ini berisi analisis data kecepatan dan jarak mobil, termasuk perhitungan rata-rata dan standar deviasi. Terdapat juga visualisasi data melalui scatter plot dan histogram yang menunjukkan hubungan positif antara kecepatan dan jarak, serta adanya outlier. Selain itu, terdapat informasi tentang koefisien keragaman dan Z-score untuk nilai ujian Matematika dan bahasa Inggris.

Diunggah oleh

suryablnr
Hak Cipta
© © All Rights Reserved
Kami menangani hak cipta konten dengan serius. Jika Anda merasa konten ini milik Anda, ajukan klaim di sini.
Format Tersedia
Unduh sebagai DOCX, PDF, TXT atau baca online di Scribd
Anda di halaman 1/ 4

Nama : Gede Surya Erayuda

Nim : 045235772

Nomor 1
# Data kecepatan dan jarak
kecepatan <- c(4, 4, 7, 7, 8, 8, 9, 10, 10, 11, 11, 12, 12, 12, 13, 13, 13, 13, 114, 14, 14, 14, 15, 15, 16, 16,
17, 17, 17, 17, 17, 18, 18, 18, 19, 19, 20, 20, 20, 20, 20, 21, 22, 23, 24, 24, 24, 24, 25, 25)
jarak <- c(2, 10, 4, 20, 17, 13, 18, 28, 33, 18, 26, 12, 24, 22, 28, 24, 32, 34, 43, 24, 30, 58, 80, 20, 55, 35,
40, 30, 44, 50, 46, 53, 70, 80, 36, 46, 68, 34, 48, 50, 56, 60, 64, 56, 72, 90, 92, 110, 85)
# Menghitung rata-rata kecepatan
rata_kecepatan <- mean(kecepatan)
print(paste("Rata-rata kecepatan mobil:", rata_kecepatan))
# Menghitung rata-rata jarak
rata_jarak <- mean(jarak)
print(paste("Rata-rata jarak yang ditempuh mobil:", rata_jarak))
# Menghitung standar deviasi data jarak
std_dev_jarak <- sd(jarak)
print(paste("Standar deviasi data jarak yang ditempuh mobil:", std_dev_jarak))

a. Rata-rata kecepatan mobil: 19.04"


b. Rata-rata jarak yang ditempuh mobil: 42.6530612244898"
c. Standar deviasi data jarak yang ditempuh mobil: 24.8793346477957
Nomor 2
# Data kecepatan dan jarak
kecepatan <- c(4, 4, 7, 7, 8, 8, 9, 10, 10, 11, 11, 12, 12, 12, 13, 13, 13, 13, 114, 14, 14, 14, 15, 15, 16, 16,
17, 17, 17, 17, 17, 18, 18, 18, 19, 19, 20, 20, 20, 20, 20, 21, 22, 23, 24, 24, 24, 24, 25, 25)
jarak <- c(2, 10, 4, 20, 17, 13, 18, 28, 33, 18, 26, 12, 24, 22, 28, 24, 32, 34, 43, 24, 30, 58, 80, 20, 55, 35,
40, 30, 44, 50, 46, 53, 70, 80, 36, 46, 68, 34, 48, 50, 56, 60, 64, 56, 72, 90, 92, 110, 85)

# Scatter plot dari data kecepatan dan jarak


plot(kecepatan, jarak,
main="Scatter Plot Kecepatan dan Jarak",
xlab="Kecepatan (km/h)",
ylab="Jarak (meter)",
pch=19,
col="blue")

# Interpretasi Scatter plot


cat("Interpretasi Scatter Plot:\n")
cat("1. Terdapat hubungan positif antara kecepatan dan jarak.\n")
cat("2. Semakin tinggi kecepatan mobil, maka jarak yang ditempuh juga semakin tinggi.\n")
cat("3. Terdapat satu nilai kecepatan yang sangat tinggi (114) yang mungkin merupakan outlier.\n")

# Histogram untuk data kecepatan mobil


hist(kecepatan,
main="Histogram Kecepatan Mobil",
xlab="Kecepatan (km/h)",
col="lightblue",
border="black",
breaks=10)

# Interpretasi histogram
cat("Interpretasi Histogram:\n")
cat("1. Distribusi kecepatan mobil tidak normal karena adanya nilai outlier.\n")
cat("2. Nilai kecepatan yang paling sering muncul berada di sekitar 10-20 km/h.\n")
cat("3. Terdapat satu nilai kecepatan yang sangat tinggi (114) yang membuat distribusi menjadi skew.\n")
Dari kode di atas, dapat dilihat bahwa:
Scatter plot menunjukkan hubungan positif antara kecepatan dan jarak.
Terdapat satu nilai kecepatan yang sangat tinggi (114) yang mungkin merupakan outlier.
Histogram menunjukkan distribusi kecepatan mobil yang tidak normal karena adanya nilai outlier.
Nomor 3

Dari kode di atas, dapat dilihat bahwa:


Koefisien keragaman untuk nilai ujian Matematika adalah sekitar 13,33%.
Koefisien keragaman untuk nilai ujian bahasa Inggris adalah sekitar 11,43%.
Z-score untuk nilai ujian Matematika adalah 0,5, yang berarti nilai Thomas 0,5 standar deviasi di atas
rata-rata kelas.
Z-score untuk nilai ujian bahasa Inggris adalah 0,625, yang berarti nilai Thomas 0,625 standar deviasi di
atas rata-rata kelas.

Anda mungkin juga menyukai