Penelitian ini membahas implementasi algoritma Expectation-Maximization (EM) untuk mengestimasi probabilitas munculnya Head pada dua koin berdasarkan data observasi yang tidak diketahui identitas koinnya. Proses dilakukan menggunakan tahapan E-Step dan M-Step secara iteratif hingga mencapai kondisi konvergen. Pada percobaan ini digunakan parameter awal θA = 0.7 dan θB = 0.4. Hasil analisis menunjukkan bahwa algoritma EM berhasil konvergen pada iterasi ke-9 dengan nilai akhir θA = 0.7968 dan θB = 0.5195. Hasil tersebut menunjukkan bahwa koin A memiliki probabilitas munculnya Head lebih tinggi dibandingkan koin B. Algoritma EM terbukti mampu mengestimasi parameter secara efektif meskipun terdapat variabel laten pada data observasi.

Estimasi dalam statistika adalah proses untuk menentukan rentang nilai yang mungkin dari parameter populasi berdasarkan data sampel. Estimasi ini memberikan informasi tentang tingkat kepercayaan terhadap parameter tersebut. Selang kepercayaan (confidence interval) adalah rentang nilai yang digunakan untuk mengestimasi parameter populasi dengan tingkat kepercayaan tertentu. Selang ini memberikan informasi mengenai seberapa percaya diri kita bahwa parameter populasi berada dalam rentang yang telah ditentukan. Latihan ini bertujuan untuk mempelajari Ketidakpastian Estimasi secara praktikum agar mendapatkan pemahaman yang lebih mendalam

Pada praktikum ini dilakukan simulasi variabel random menggunakan R untuk memahami perbedaan distribusi diskrit dan kontinu. Distribusi Binomial digunakan untuk mensimulasikan data hitungan (jumlah kejadian sukses), sedangkan distribusi Normal digunakan untuk mensimulasikan data yang berbentuk kontinu. Dari hasil simulasi dan visualisasi, terlihat bahwa semakin banyak data yang disimulasikan, hasilnya semakin mendekati distribusi teoritis.

Praktikum ini mempelajari operasi matematika sederhana seperti penjumlahan, pengurangan, perkalian, pembagian, dan perpangkatan. Selanjutnya, dilakukan pembuatan variabel untuk menyimpan data dan melakukan operasi antarvariabel. Praktikum ini juga mencakup pembangkitan data menggunakan fungsi seq() dan rep(), penanganan data hilang (NA), serta penggunaan fungsi pembulatan seperti round(), floor(), dan ceiling(). Latihan juga mempraktikkan penggunaan fungsi statistik seperti nilai minimum, maksimum, rata-rata, variansi, korelasi, dan jangkauan data untuk mendukung pemahaman statistik dasar.