Easy web publishing from R
Write
R Markdown
documents in RStudio.
Share them here on RPubs.
(It’s free, and couldn’t be simpler!)
Get Started
Recently Published
Praktikum Monte Carlo - PSS (Analisis Pengaruh Ukuran Simulasi terhadap Akurasi dan Stabilitas Estimasi Nilai Ekspektasi Menggunakan Metode Monte Carlo)
Nama : Markus Perdana Sipayung
NIM : 2404010014
Mata Kuliah : Pemodelan Statistika dan Simulasi
Praktikum Week 6 - PSS (Penerapan Metode Bootstrap untuk Estimasi Ketidakpastian Mean pada Distribusi Normal)
Nama : Markus Perdana Sipayung
NIM : 2404010014
Mata Kuliah : Pemodelan Statistika dan Simulasi
Praktikum Week 5 - PSS (Simulasi Monte Carlo Ketidakpastian Estimasi Return Investasi Saham Teknologi Menggunakan Interval Kepercayaan 95%)
Nama : Markus Perdana Sipayung
NIM : 2404010014
Mata Kuliah : Pemodelan Statistika dan Simulasi
Praktikum Week 3 - PSS (Simulasi Distribusi Diskrit dan Kontinu serta Studi Kasus Pergerakan Harga Bitcoin)
Nama : Markus Perdana Sipayung
NIM : 2404010014
Mata Kuliah : Pemodelan Statistika dan Simulasi
Praktikum Week 2 - PSS (Dasar Software R untuk Statistika dan Manipulasi Data)
Nama : Markus Perdana Sipayung
NIM : 2404010014
Mata Kuliah : Pemodelan Statistika dan Simulasi
Tugas Week 6 Pemodelan Statistika dan Simulasi
Tugas praktikum ini bertujuan untuk memahami dan mengimplementasikan metode resampling Bootstrap menggunakan bahasa pemrograman R. Melalui pendekatan simulasi, dipelajari bagaimana menguji keakuratan estimasi sampel (seperti rata-rata) dengan melakukan pengambilan sampel acak berulang dengan pengembalian (random sampling with replacement). Selain itu, dipelajari juga cara membandingkan distribusi hasil bootstrap dari data sampel asli dengan proses pembangkit data asalnya (Data Generating Process atau DGP) melalui ringkasan statistik deskriptif dan visualisasi grafik histogram.
Tugas Week 5 Pemodelan Statistika dan Simulasi
Tugas ini bertujuan untuk menganalisis ketidakpastian estimasi dengan melakukan simulasi pembentukan selang kepercayaan (confidence interval) 95%. Melalui pendekatan pemrograman R, dipelajari pengaruh perubahan tiga faktor utama, yaitu ukuran sampel (n = 5, 30, 100), tingkat variabilitas data (sigma atau s = 10, 50, 90), serta status pengetahuan nilai standar deviasi populasi (diketahui menggunakan distribusi z atau tidak diketahui menggunakan distribusi t) terhadap lebar interval yang dihasilkan. Hasil simulasi ini divisualisasikan dan diinterpretasikan untuk memahami tingkat presisi sebuah estimasi statistika.
Tugas Week 3 Pemodelan Statistika dan Simulasi
Tugas ini bertujuan untuk memahami simulasi variabel random diskrit dan kontinu dalam R, serta penerapannya dalam pemodelan fenomena acak dunia nyata. Melalui percobaan ini, dipelajari mekanisme pembangkitan data menggunakan distribusi Poisson untuk variabel diskrit, distribusi Normal dan Eksponensial untuk variabel kontinu, serta teknik analisis data simulasi melalui statistik deskriptif dan visualisasi histogram. Selain itu, tugas ini mencakup penyusunan studi kasus mandiri terintegrasi untuk mengevaluasi efisiensi dan risiko operasional pada sistem pelayanan antrean kasir swalayan.
