Abstrak Penelitian bertujuan untuk menganalisis bagaimana penerapan pembelajaran distribusi peluang melalui simulasi R dalam keterbatasan pandemi covid-19. Metode yang digunakan deskriptif dengan pendekatan kualitatif melalui angket dan wawancara terbuka terhadap subyek penelitian terpilih sebagai triangulasi metode. Wawancara dilakukan dengan 3 mahasiswa yang mewakili kategori kemampuan pemahaman tinggi, sedang dan rendah. Hasil penelitian menunjukkan respon baik dari mahasiswa untuk seluruh aspek dan indikator capaian dengan persentase 72,684%. Respon kurang baik datang dari aspek bakat mahasiswa dengan persentase 61,765%. Respon baik pada aspek minat, sarana prasarana, dan kecakapan dosen masing-masing dengan persentase 75,919%, 69,669%, dan 75,441%. Pada aspek motivasi, mahasiswa memberi respon sangat baik dengan persentase 82,353%. Dari analisis wawancara disimpulkan bahwa keterbatasan pengetahuan mahasiswa mengenai bahasa pemrograman dan belum terbiasanya mahasiswa melakukan multitasking dalam suatu pembelajaran menyebabkan simulasi R dalam pembelajaran daring mendapat respon yang kurang baik dari aspek bakat. Selain itu, ketersediaan sarana dan prasarana seperti sinyal stabil, laptop dan HP yang compatible juga membuat pembelajaran daring berbasis R ini menjadi terbatas. Sebagai upaya perbaikan kualitas pembelajaran berikutnya, dosen akan mengenalkan mahasiswa bahasa pemrograman R dengan membuat scaffolding dalam bentuk buku panduan simulasi R, menyajikan perkuliahan dengan metode SAS (sinkron-asinkron-sinkron) untuk membantu mahasiswa yang memiliki keterbatasan sarana dan prasarana daring. Abstract Study aims to analyze how to apply learning probability distribution through R simulation within the limitations of the covid-19 pandemic. The method used is descriptive with a qualitative approach through questionnaires and open interviews with selected research subjects as a triangulation method. Interviews were conducted with 3 students representing the categories of high, medium and low comprehension abilities. The results showed good responses from students for all aspects and indicators of achievement with a percentage of 72.684%. The unfavorable response came from the aspect of student talent with a percentage of 61.765%. The responses were good on the aspects of interest, infrastructure, and lecturers' skills with a percentage of 75.919%, 69.669%, and 75.441%. In the aspect of motivation, students gave a very good response with a percentage of 82.353%. From the interview analysis, it was concluded that the limited knowledge of students about programming languages and students' unfamiliarity with multitasking in learning caused the R simulation in online learning to get a poor response from the talent aspect. In addition, the availability of facilities and infrastructure such as stable signals, compatible laptops and cellphones also makes this R-based online learning limited. In addition, the availability of facilities and infrastructure such as stable signals, compatible laptops and cellphones also makes this R-based online learning limited. As an effort to improve the quality of subsequent learning, the lecturer will introduce students to the R programming language by making scaffolding in the form of an R simulation guidebook, presenting lectures using the SAS (synchronous-asynchronous-synchronous) method to help students who have limited online facilities and infrastructure.