Simulasi Monte Carlo untuk mengestimasi nilai ekspektasi permintaan harian melalui pengambilan sampel acak berulang dengan 1.000, 5.000, dan 20.000 iterasi. Hasil menunjukkan konvergensi progresif menuju nilai teoritis (E[X] = 70) seiring bertambahnya iterasi, konsisten dengan Hukum Bilangan Besar.

Dokumen ini menyajikan implementasi metode Bootstrap dalam R sebagai pendekatan resampling komputasional untuk mengukur ketidakpastian estimasi statistik. Pembahasan mencakup pembangkitan data sintetis berdistribusi normal, proses bootstrap dengan 50 hingga 1000 iterasi menggunakan sample(..., replace=TRUE), serta perbandingan dua pendekatan resampling — dari data yang ada dan dari proses pembangkitan data asli (DGP). Hasil divisualisasikan dalam bentuk histogram untuk mengilustrasikan distribusi mean bootstrap dibandingkan distribusi data asli.

Dokumen ini menyajikan simulasi pengaruh tiga faktor terhadap lebar interval kepercayaan 95% menggunakan R, yaitu ukuran sampel (n = 5, 30, 100), variabilitas data (SD = 10, 50, 90), dan status pengetahuan standar deviasi populasi (diketahui/tidak diketahui). Simulasi mencakup 18 kombinasi skenario dengan perbandingan distribusi Z dan t-Student, disertai visualisasi menggunakan ggplot2.

Dokumen ini disusun sebagai bagian dari penugasan/praktikum mata kuliah Matematika Aktuaria. Tujuan utama dari praktikum minggu ini adalah untuk memodelkan dan mengonstruksi Tabel Mortalita (Life Table) menggunakan perangkat lunak R.Berdasarkan hukum mortalita dan fungsi kesintasan (survival function) yang diketahui, kita akan mendemonstrasikan bagaimana fungsi-fungsi dasar aktuaria.

Studi Kasus: UMKM Dodol Karmina & Asuransi Pertanian Berbasis Curah Hujan Variabel random adalah variabel yang nilainya ditentukan oleh hasil dari suatu percobaan acak. Dalam pemodelan statistika dan simulasi, variabel random digunakan untuk memodelkan fenomena acak di kehidupan nyata. Simulasi variabel random membantu kita memahami distribusi data, menghitung probabilitas, dan membuat prediksi berdasarkan model yang telah dibuat. Pada laporan ini, simulasi variabel random diterapkan pada dua studi kasus nyata: Distribusi Poisson (Diskrit) — kegagalan staples pada proses pengemasan dodol di UMKM Dodol Karmina, Kabupaten Kuningan, Jawa Barat, berdasarkan Sadiah et al. (2024). Distribusi Eksponensial (Kontinu) — curah hujan bulanan di Kecamatan Sidemen, Kabupaten Karangasem, Bali, berdasarkan Qosim, Dharmawan, dan Harini (2018).

Dokumen ini disusun sebagai bagian dari proses pembelajaran mata kuliah Matematika Aktuaria pada semester 4. Fokus utama dari materi ini adalah pemodelan sisa usia seseorang (Model Survival), yang merupakan fondasi paling dasar dalam perhitungan asuransi jiwa.Materi yang dibahas dalam publikasi ini merujuk pada buku "Matematika Aktuaria dengan Software R" karya Adhitya Ronnie Effendie.

Dokumen ini membahas dasar-dasar pemrograman R yang menjadi fondasi penting dalam analisis data statistika. Pembahasan mencakup pengenalan berbagai struktur data utama dalam R, yaitu vektor, list, dan data frame, beserta perbedaan karakteristik dan cara penggunaannya. Selain itu, dokumen ini juga membahas penanganan *missing value* (NA) mulai dari identifikasi, pencarian posisi, hingga perhitungan jumlah data yang hilang. Melalui eksplorasi ini, pembaca diharapkan mampu memahami cara kerja struktur data di R serta menerapkannya dalam pengolahan data secara sistematis.