Dokumen ini mengimplementasikan Algoritma Expectation-Maximization (EM) pada studi kasus klasik dua koin untuk mengeksplorasi pengaruh pilihan parameter awal terhadap proses konvergensi. Contoh pada materi perkuliahan menggunakan θ_A = 0.6 dan θ_B = 0.5; di sini kita mencoba kombinasi θ_A = 0.7 dan θ_B = 0.4 menggunakan bahasa pemrograman R. Analisis meliputi E-Step (estimasi probabilitas identitas koin per set lemparan), M-Step (pembaruan parameter θ), serta konvergensi nilai parameter menggunakan Euclidean Distance. Hasil menunjukkan bahwa meskipun titik awal berbeda, algoritma EM mampu menemukan estimasi yang konsisten, namun dengan jumlah iterasi yang berbeda — memberikan insight tentang sensitivitas kecepatan konvergensi terhadap inisialisasi parameter.

Pada praktikum ini dilakukan simulasi distribusi peluang diskrit dan kontinu menggunakan R. Distribusi Binomial digunakan untuk mensimulasikan jumlah pelanggan yang membeli produk, sedangkan distribusi Normal digunakan untuk mensimulasikan waktu pelayanan. Hasil simulasi menunjukkan bahwa nilai rata-rata dan peluang yang diperoleh mendekati nilai teoritis, sehingga dapat disimpulkan bahwa metode simulasi efektif dalam merepresentasikan model probabilitas.

Praktikum ini bertujuan untuk pemahaman dasar mengenai penggunaan bahasa pemrograman R dalam pengolahan dan analisis data. Materi di dalamnya difokuskan pada penguasaan konsep-konsep fundamental yang menjadi landasan penting sebelum memasuki tahap analisis data yang lebih lanjut. Pembahasan meliputi operasi aritmetika dasar, pembuatan dan penggunaan variabel, serta pengenalan berbagai struktur data utama dalam R, seperti vektor, faktor, list, data frame, array, dan data table. Selain itu, juga ada penanganan missing value, pembangkitan data secara acak, serta penggunaan fungsi-fungsi statistika dasar untuk meringkas dan memahami karakteristik data.