Laporan ini membahas penerapan simulasi variabel acak pada bahasa pemrograman R menggunakan beberapa jenis distribusi probabilitas. Pada bagian pertama dilakukan simulasi distribusi diskrit menggunakan distribusi Poisson untuk memodelkan jumlah kejadian dalam suatu interval tertentu. Selanjutnya dilakukan simulasi distribusi kontinu menggunakan distribusi Normal untuk menggambarkan data yang bersifat kontinu dengan karakteristik kurva lonceng yang simetris. Pada bagian studi kasus, simulasi digunakan untuk memodelkan jumlah kecelakaan di Tol Cipali per bulan selama dua tahun dengan asumsi rata-rata kejadian tertentu menggunakan distribusi Poisson. Hasil simulasi kemudian dianalisis dengan menghitung rata-rata, probabilitas kejadian tertentu, serta ringkasan statistik deskriptif dari data yang dihasilkan. Pendekatan ini menunjukkan bagaimana simulasi dalam R dapat digunakan untuk memahami perilaku variabel acak dan membantu analisis fenomena yang bersifat probabilistik.

Laporan ini membahas dasar struktur data pada bahasa pemrograman R melalui empat poin eksperimen utama. Pertama, dilakukan analisis terhadap sifat homogen pada vektor, di mana R melakukan coercion atau pemaksaan tipe data menjadi karakter ketika terdapat elemen teks di dalamnya. Hal ini berbeda dengan List yang bersifat heterogen, sehingga mampu mempertahankan tipe data asli dari setiap elemennya tanpa adanya perubahan paksa. Perbedaan mendasar ini krusial untuk dipahami agar kita tidak salah dalam memilih wadah penyimpanan data sesuai dengan kebutuhan analisis. Kedua, laporan ini mengeksplorasi manipulasi Data Frame sebagai struktur data tabular yang menyerupai tabel Excel. Teknik pemanggilan data atau indexing dilakukan dengan prinsip koordinat [Baris, Kolom] di dalam square brackets, di mana posisi koma menjadi penentu dimensi mana yang ingin diakses. Eksperimen ini juga mencakup identifikasi missing value atau data kosong menggunakan fungsi is.na(). Fungsi ini sangat penting dalam tahap data cleaning karena memungkinkan kita mendeteksi letak nilai NA secara akurat melalui output boolean (TRUE/FALSE) sebelum data tersebut diproses lebih lanjut dalam analisis statistik.