Advertisement
Guest User

Untitled

a guest
Sep 22nd, 2019
150
0
Never
Not a member of Pastebin yet? Sign Up, it unlocks many cool features!
R 3.98 KB | None | 0 0
  1.  
  2. #Fungsi ini digunakan untuk mengakses kolom tb, bb, dan ipk secara langsung
  3. # tanpa menuliskan "dataks2$.." lagi
  4. attach(dataks2)
  5.  
  6.  
  7.  
  8. # dari 35 data, setiap orang akan dilabeli dengan angka 1-35
  9. # dan akan diambil sebanyak sepuluh 10 orang, data yang diambil nilai bb,tb, dan ipk
  10. # dari setiap  orang tersebut
  11.  
  12. # fungsi dibawah ini akan digunakan untuk mengambil 10 nomor random antara 1-35
  13. # dan ditampung dalam variabel gugus
  14. gugus = sample(seq(35), 10)
  15.  
  16.  
  17. # Vektor kosong untuk menampung sampel
  18. sampeltb = c()
  19. sampelbb = c()
  20. sampelipk = c()
  21.  
  22. #for loop dibawah ini digunakan untuk memasukan nilai2 tb, bb, dan ipk ke dalam
  23. # vektor kosong diatas berdasarkan nomor yang telah terambil dalam variabel "gugus"
  24.  
  25. for (x in seq(10)) {sampelbb[x] = bb[gugus[x]]
  26.  
  27. }
  28.  
  29. for (x in seq(10)) {sampeltb[x] = tb[gugus[x]]
  30.  
  31. }
  32.  
  33. for (x in seq(10)) {sampelipk[x] = ipk[gugus[x]]
  34.  
  35. }
  36.  
  37.  
  38. # rata - rata sampel yang terambil
  39. bbEV = mean(sampelbb)
  40. tbEV = mean(sampeltb)
  41. ipkEV = mean(sampelipk)
  42.  
  43. # vektor kosong yang akan digunakan untuk menampung data sampel  dalam bentuk 0 dan 1
  44. bb_sampel = c()
  45. tb_sampel = c()
  46. ipk_sampel = c()
  47.  
  48.  
  49. #angka 1 mewakili data yang melebihi atau sama dengan nilai rata - ratanya
  50. #angka 0 mewakili data yang kurang dari nilai rata-ratanya
  51.  
  52. # for loop di bawah ini digunakan untuk mengubah data sampel yang didapatkan sebelumnya
  53. # ke dalam bentuk 0 dan 1 dan ditampung dalam variabel yang bersesuaian dengan variabel masing2
  54.  
  55. for (x in seq(10)) {
  56.   if (sampeltb[x]>=tbEV) {
  57.     tb_sampel[x] = 1
  58.   }
  59.   else {
  60.     tb_sampel[x] = 0
  61.   }
  62. }
  63.  
  64. for (x in seq(10)) {
  65.   if (sampelbb[x]>=bbEV) {
  66.     bb_sampel[x] = 1
  67.   }
  68.   else {
  69.     bb_sampel[x] = 0
  70.   }
  71. }
  72.  
  73. for (x in seq(10)) {
  74.   if (sampelipk[x]>=ipkEV) {
  75.     ipk_sampel[x] = 1
  76.   }
  77.   else {
  78.     ipk_sampel[x] = 0
  79.   }
  80. }
  81.  
  82.  
  83. # fungsi dibawah ini digunakan untuk mendapatkan proporsi dari sampel
  84. pbbsample = sum(bb_sampel)/length(bb_sampel)
  85. ptbsample = sum(tb_sampel)/length(tb_sampel)
  86. pipksample = sum(ipk_sampel)/length(ipk_sampel)
  87.  
  88.  
  89. #vektor kosong berikut disediakan untuk menampung nilai dari variabel yang lebih dari
  90. # rata - rata sampel
  91.  
  92.  
  93.  
  94. tbpop = c()
  95. bbpop = c()
  96. ipkpop = c()
  97.  
  98.  
  99.  
  100.  
  101. # for loop di bawah ini digunakan untuk mengubah data populasi
  102. # ke dalam bentuk 0 dan 1 dan ditampung dalam variabel yang bersesuaian dengan variabel masing2
  103.  
  104. #definisi sukses untuk populasi adalah nilai yang lebih dari rata - rata sampel
  105.  
  106. #angka 1 mewakili data yang melebihi atau sama dengan nilai rata - rata sampel
  107. #angka 0 mewakili data yang kurang dari nilai rata-rata sampel
  108.  
  109.  
  110. for (x in seq(35)) {
  111.   if (tb[x]>=tbEV) {
  112.     tbpop[x] = 1
  113.   }
  114.   else {
  115.     tbpop[x] = 0
  116.   }
  117. }
  118.  
  119. for (x in seq(35)) {
  120.   if (bb[x]>=bbEV) {
  121.     bbpop[x] = 1
  122.   }
  123.   else {
  124.     bbpop[x] = 0
  125.   }
  126. }
  127.  
  128. for (x in seq(35)) {
  129.   if (ipk[x]>=ipkEV) {
  130.     ipkpop[x] = 1
  131.   }
  132.   else {
  133.     ipkpop[x] = 0
  134.   }
  135. }
  136.  
  137.  
  138.  
  139. #dibawah ini adalah proporsi populasi dari nilai yang melebihi rata - rata sampel
  140.  
  141. ppoptb = mean(tbpop)
  142. ppopbb = mean(bbpop)
  143. ppopipk = mean(ipkpop)
  144.  
  145.  
  146. #total populasi
  147. Tpoptb = ppoptb * 35
  148. Tpopbb = ppopbb * 35
  149. Tpopipk = ppopipk * 35
  150.  
  151. # estimasi total populasi
  152. Esttotalpoptb = ptbsample * 35
  153. Esttotalpopbb = pbbsample * 35
  154. Esttotalpopipk = pipksample * 35
  155.  
  156.  
  157.  
  158.  
  159. #contoh 2
  160.  
  161.  
  162. # d adalah presisi
  163. # daks adalah d yang dibagi dengan rata-rata ipk
  164.  
  165. d = 0.02 * mean(ipk)
  166.  
  167. daks = d/mean(ipkEV)
  168.  
  169. #nilai z untuk confidence interval 95%
  170. z = 1.96
  171.  
  172. #nwor adalah banyak sampel yang diperlukan untuk pengambilan wor
  173. nwor = (35*1.96^2*se^2)/((35*daks^2) + 1.96^2 * se^2)
  174.  
  175. #nwr adalah banyak sampel yang diperlukan untuk pengambilan wr
  176. nwr = nwor/(1-nwor/35)
  177.  
  178.  
  179.  
  180. #contoh 3
  181. # d3 adalah presisi
  182. d3 = 0.05 * mean(ipk)
  183. c = 0.1
  184.  
  185. # daks adalah d yang dibagi dengan rata-rata ipk
  186. daks3 = d3/mean(ipk)
  187.  
  188. #nwor3 adalah banyak sampel yang diperlukan untuk pengambilan wor
  189. nwor3 = (35*1.96^2*c^2)/((35*daks3^2) + 1.96^2 * c^2)
  190.  
  191. #nwr adalah banyak sampel yang diperlukan untuk pengambilan wr
  192. nwr3 = nwor3/(1-nwor3/35)
Advertisement
Add Comment
Please, Sign In to add comment
Advertisement