Simulasi ini mengeksplorasi pengaruh ukuran sampel, variabilitas data, dan pengetahuan standar deviasi populasi terhadap lebar interval kepercayaan 95%. Hasilnya menunjukkan bahwa sampel yang lebih besar menghasilkan estimasi yang lebih presisi, sementara variabilitas yang tinggi memperbesar ketidakpastian. Perbedaan antara penggunaan distribusi Z dan t juga terlihat, terutama pada sampel kecil. Eksplorasi ini menegaskan pentingnya memahami karakteristik data dalam menghasilkan estimasi yang akurat.

Project ini berisi simulasi distribusi menggunakan R untuk memahami konsep Teorema Limit Pusat serta pengaruh ukuran sampel terhadap distribusi rata-rata sampel. Analisis dilakukan pada beberapa distribusi, yaitu geometri, eksponensial, dan seragam, dengan pendekatan simulasi berulang.

Project ini mengeksplorasi simulasi variabel acak menggunakan R sebagai bagian dari pengembangan kemampuan pemodelan probabilistik dan analisis data. Simulasi dilakukan pada beberapa distribusi utama, yaitu Binomial, Normal, dan Eksponensial, untuk merepresentasikan fenomena diskrit maupun kontinu dalam konteks dunia nyata. Melalui pendekatan berbasis simulasi, proyek ini menunjukkan bagaimana parameter teoritis seperti probabilitas keberhasilan, nilai rata-rata, dan laju kejadian memengaruhi bentuk distribusi dan perilaku data yang dihasilkan. Setiap model divisualisasikan menggunakan histogram untuk mengamati karakteristik distribusi, seperti simetri, kemiringan (skewness), dan sebaran data. - Selain menghasilkan data acak, analisis juga difokuskan pada: - Perbandingan antara nilai teoritis dan hasil simulasi, - Estimasi probabilitas empiris, - Interpretasi karakteristik distribusi dalam konteks aplikatif. Proyek ini mencerminkan pemahaman konseptual terhadap teori probabilitas sekaligus kemampuan implementasi komputasional dalam R untuk melakukan simulasi dan analisis statistik secara sistematis.

Project ini menampilkan penerapan dasar pemrograman R untuk simulasi dan pengolahan data. Materi mencakup manipulasi struktur data (vector, factor, list, dataframe), pembuatan barisan numerik, simulasi probabilistik menggunakan sample() dan set.seed(), serta perhitungan statistik deskriptif. Proyek ini menunjukkan kemampuan dalam data handling, simulasi terstruktur, dan interpretasi output sebagai fondasi analisis data berbasis R.