Laporan praktikum week 6 mengenai implementasi Metode Bootstrap menggunakan R. Proyek ini mendemonstrasikan pembuatan data acak, proses penarikan sampel dengan pengembalian (replace=TRUE) lewat looping, serta analisis visual menggunakan histogram berdampingan untuk melihat perilaku rata-rata sampel sesuai prinsip statistik.

Dokumen ini berisi hasil praktikum statistika mengenai konsep Ketidakpastian Estimasi dan Margin of Error. Analisis dalam praktikum ini difokuskan pada evaluasi bagaimana tiga faktor utama memengaruhi lebar rentang interval kepercayaan 95%. Faktor-faktor yang diuji meliputi: 1. Ukuran Sampel (n): Mengevaluasi dampak jumlah sampel (n = 5, 30, 100) terhadap presisi estimasi. 2. Variabilitas Data: Menganalisis pengaruh standar deviasi (SD = 10, 50, 90) terhadap kelebaran interval. 3. Distribusi Probabilitas (Z vs t): Membandingkan hasil estimasi ketika standar deviasi populasi diketahui (menggunakan Distribusi Normal/Z) dibandingkan ketika tidak diketahui (menggunakan Distribusi-t). Seluruh perhitungan dan simulasi kombinasi faktor dilakukan menggunakan bahasa pemrograman R. Hasil praktikum ini membuktikan secara empiris bahwa ukuran sampel yang lebih besar dan variabilitas data yang lebih rendah akan menghasilkan interval kepercayaan yang lebih sempit, yang berarti estimasi rata-rata populasi menjadi jauh lebih presisi.

Praktikum ini membahas simulasi variabel random menggunakan bahasa R untuk memahami distribusi probabilitas diskrit dan kontinu. Pada praktikum ini dilakukan simulasi beberapa distribusi seperti Uniform, Binomial, Normal, Poisson, dan Eksponensial menggunakan fungsi bawaan R, kemudian divisualisasikan dengan histogram serta dianalisis melalui perhitungan rata-rata dan probabilitas kejadian tertentu. Selain itu, disusun studi kasus untuk menerapkan simulasi dalam konteks permasalahan nyata, sehingga praktikum ini bertujuan memperkuat pemahaman konsep distribusi probabilitas dan penerapannya dalam pemodelan fenomena acak.

Dokumen ini mengeksplorasi mekanisme coercion pada vector, fleksibilitas list dalam menyimpan tipe data heterogen, teknik indexing dan naming pada data frame, serta deteksi missing value menggunakan fungsi is.na() dan which(). Fokus utama latihan adalah pemahaman struktur data dan manipulasi dasar di R.