Penyelesaian

Soal 1

1a

selisih untuk menyimpan data selisih

dapatkan standar deviasi dengan sd()

selisih <- c(22, 20, 3, 13, 20, 18, 11, 16, 23)
stdev <- sd(selisih)
stdev

1b

Mendapatkan t(p-value) dengan selisih mean data 1 dan data 2 dibagi dengan akar penjumlahan variansi 1 dan 2 dibagi sejumlah n sample

x <- c(78,75,67,77,70,72,78,74,77)
y <- c(100,95,70,90,90,90,89,90,100)

mean1 <- mean(x)
mean2 <- mean(y)

sd1 <- sd(x)
sd2 <- sd(y)

var1 <- sd1 ^ 2
var2 <- sd2 ^ 2

t_pvalue<- abs(mean2 - mean1) / sqrt((var1/9) + (var2/9))
t_pvalue

1c

Uji hipotesis dengan t.test()

t.test(x, y)

Soal 2

2a

Setuju

2b

tsum.test(mean.x=23500, sd(3900), n.x=100)

Diketahui n = 100, Rata-Rata (X̄) = 23500, dan standar deviasi(σ) = 3900 Maka null hipotesis adalah

H0 : μ = 20000

Alternatif hipotesis

H0 : μ > 20000

2c

Soal 3

3a

Null hipotesis

H0 : "Tidak ada perbedaan rata - rata antara Bandung dan Bali"

Alternatif hipotesis

H1 : "Ada perbedaan rata - rata antara Bandung dan Bali"

3b

tsum.test(mean.x=3.64, s.x = 1.67, n.x = 19, 
          mean.y =2.79 , s.y = 1.32, n.y = 27, 
          alternative = "greater", var.equal = TRUE)

3c

Lakukan Uji Statistik (df =2)

plotDist(dist='t', df=2, col="blue")

3d

Nilai kritikal Adapun untuk mendapatkan nilai kritikal bisa menggunakan qchisq dengan df=2 sesuai soal sebelumnya

qchisq(p = 0.05, df = 2, lower.tail=FALSE)

3e

Keputusan dapat dibuat dengan t.test

3f

Kesimpulan Kesimpulan yang didapatkan yaitu perbedaan rata-rata yang terjadi tidak ada jika dilihat dari uji statistik dan akan ada tetapi tidak signifikan jika dipengaruhi nilai kritikal.

Soal 4

4a

Lihat data grafik

myFile  <- read.table(url("https://rstatisticsandresearch.weebly.com/uploads/1/0/2/6/1026585/onewayanova.txt"))
dim(myFile)
head(myFile)
attach(myFile)

myFile$V1 <- as.factor(myFile$V1)
myFile$V1 = factor(myFile$V1,labels = c("Kucing Oren","Kucing Hitam","Kucing Putih","Kucing Oren"))

class(myFile$V1)

group1 <- subset(myFile, V1=="Kucing Oren")
group2 <- subset(myFile, V1=="Kucing Hitam")
group3 <- subset(myFile, V1=="Kucing Putih")

4b

bartlett.test(Length~V1, data=dataoneway)

## 4c
```r
qqnorm(group1$Length)
qqline(group1$Length)

## 4d
Dari Hasil Poin C, Berapakah nilai-p ? , Apa yang dapat Anda simpulkan dari H0? Setelah di jalankan maka nilai p-value = 0.8054

## 4e
```r
model1 <- lm(Length~Group, data=myFile)

anova(model1)

TukeyHSD(aov(model1))

4f

library(ggplot2)
ggplot(dataoneway, aes(x = Group, y = Length)) + geom_boxplot(fill = "grey80", colour = "black") + 
  scale_x_discrete() + xlab("Treatment Group") +  ylab("Length (cm)")

Soal 5

5a

# Soal 5a
install.packages("multcompView")
library(readr)
library(ggplot2)
library(multcompView)
library(dplyr)

GTL <- read_csv("GTL.csv")
head(GTL)

str(GTL)

qplot(x = Temp, y = Light, geom = "point", data = GTL) +
  facet_grid(.~Glass, labeller = label_both)

5b

GTL$Glass <- as.factor(GTL$Glass)
GTL$Temp_Factor <- as.factor(GTL$Temp)
str(GTL)

anova <- aov(Light ~ Glass*Temp_Factor, data = GTL)
summary(anova)

5c

data_summary <- group_by(GTL, Glass, Temp) %>%
  summarise(mean=mean(Light), sd=sd(Light)) %>%
  arrange(desc(mean))
print(data_summary)

5d

tukey <- TukeyHSD(anova)
print(tukey)

5e

tukey.cld <- multcompLetters4(anova, tukey)
print(tukey.cld)

cld <- as.data.frame.list(tukey.cld$`Glass:Temp_Factor`)
data_summary$Tukey <- cld$Letters
print(data_summary)

write.csv("GTL_summary.csv")