Lista de referencias del póster que presenté en 2026

Analisis Clustering ini bertujuan untuk mengelompokkan pola interaksi pengguna Facebook berdasarkan dataset Facebook Live Sellers in Thailand dari UCI Machine Learning Repository menggunakan beberapa metode clustering, yaitu K-Means, Hierarchical Clustering, DBSCAN, Fuzzy C-Means, K-Medians, dan Spectral Clustering. Dataset yang digunakan memuat variable informasi aktivitas interaksi pengguna terhadap konten Facebook Live, seperti jumlah reaksi, komentar, bagikan, serta jenis konten. Data diproses melalui tahap preprocessing yang meliputi penghapusan variable yang tidak relevan, transformasi variabel kategorik ke dalam bentuk numerik, serta normalisasi menggunakan standardisasi untuk memastikan keseragaman skala antar variabel. Penentuan jumlah cluster optimal dilakukan menggunakan metode Elbow dan Silhouette, dengan hasil terbaik menunjukkan jumlah cluster optimal sebanyak 9 cluster. Seluruh metode clustering dievaluasi menggunakan Silhouette Coefficient untuk mengukur kualitas pemisahan dan kepadatan cluster. Hasil evaluasi menunjukkan bahwa terdapat perbedaan performa antar metode clustering, di mana metode dengan nilai silhouette tertinggi dipilih sebagai metode terbaik. Selanjutnya, dilakukan Exploratory Data Analysis (EDA) untuk mengidentifikasi karakteristik setiap cluster berdasarkan distribusi data dan nilai rata-rata fitur. Hasil analisis menunjukkan adanya pola pengelompokan data berdasarkan tingkat interaksi pengguna terhadap konten Facebook Live. Analisis ini menunjukkan bahwa pemilihan metode clustering yang tepat dan evaluasi kuantitatif sangat penting dalam menghasilkan segmentasi data yang optimal.

Guide made for graduate statistics psychology students

Analisis Clustering ini bertujuan untuk mengelompokkan pola interaksi pengguna Facebook berdasarkan dataset Facebook Live Sellers in Thailand dari UCI Machine Learning Repository menggunakan beberapa metode clustering, yaitu K-Means, Hierarchical Clustering, DBSCAN, Fuzzy C-Means, K-Medians, dan Spectral Clustering. Dataset yang digunakan memuat variable informasi aktivitas interaksi pengguna terhadap konten Facebook Live, seperti jumlah reaksi, komentar, bagikan, serta jenis konten. Data diproses melalui tahap preprocessing yang meliputi penghapusan variable yang tidak relevan, transformasi variabel kategorik ke dalam bentuk numerik, serta normalisasi menggunakan standardisasi untuk memastikan keseragaman skala antar variabel. Penentuan jumlah cluster optimal dilakukan menggunakan metode Elbow dan Silhouette, dengan hasil terbaik menunjukkan jumlah cluster optimal sebanyak 9 cluster. Seluruh metode clustering dievaluasi menggunakan Silhouette Coefficient untuk mengukur kualitas pemisahan dan kepadatan cluster. Hasil evaluasi menunjukkan bahwa terdapat perbedaan performa antar metode clustering, di mana metode dengan nilai silhouette tertinggi dipilih sebagai metode terbaik. Selanjutnya, dilakukan Exploratory Data Analysis (EDA) untuk mengidentifikasi karakteristik setiap cluster berdasarkan distribusi data dan nilai rata-rata fitur. Hasil analisis menunjukkan adanya pola pengelompokan data berdasarkan tingkat interaksi pengguna terhadap konten Facebook Live. Analisis ini menunjukkan bahwa pemilihan metode clustering yang tepat dan evaluasi kuantitatif sangat penting dalam menghasilkan segmentasi data yang optimal.

Applied Spatial Ecology Project

Analisis Clustering ini bertujuan untuk mengelompokkan pola interaksi pengguna Facebook berdasarkan dataset Facebook Live Sellers in Thailand dari UCI Machine Learning Repository menggunakan beberapa metode clustering, yaitu K-Means, Hierarchical Clustering, DBSCAN, Fuzzy C-Means, K-Medians, dan Spectral Clustering. Dataset yang digunakan memuat informasi aktivitas interaksi pengguna terhadap konten Facebook Live, seperti jumlah reaksi, komentar, bagikan, serta jenis konten. Data diproses melalui tahap preprocessing yang meliputi penghapusan variable yang tidak relevan, transformasi variabel kategorik ke dalam bentuk numerik, serta normalisasi menggunakan standardisasi untuk memastikan keseragaman skala antar variabel. Penentuan jumlah cluster optimal dilakukan menggunakan metode Elbow dan Silhouette, dengan hasil terbaik menunjukkan jumlah cluster optimal sebanyak 9 cluster. Seluruh metode clustering dievaluasi menggunakan Silhouette Coefficient untuk mengukur kualitas pemisahan dan kepadatan cluster. Hasil evaluasi menunjukkan bahwa terdapat perbedaan performa antar metode clustering, di mana metode dengan nilai silhouette tertinggi dipilih sebagai metode terbaik. Selanjutnya, dilakukan Exploratory Data Analysis (EDA) untuk mengidentifikasi karakteristik setiap cluster berdasarkan distribusi data dan nilai rata-rata fitur. Hasil analisis menunjukkan adanya pola pengelompokan data berdasarkan tingkat interaksi pengguna terhadap konten Facebook Live. Analisis ini menunjukkan bahwa pemilihan metode clustering yang tepat dan evaluasi kuantitatif sangat penting dalam menghasilkan segmentasi data yang optimal.

StuVul ķeršanas karte 2026

Penerapan metode bootstrap pada analisis regresi serta penanganan data hilang menggunakan mean imputation dan multiple imputation untuk membandingkan hasil estimasi model.

Sķilšanās karte 2026

Simulasi pembangkitan data deret waktu menggunakan model ARIMA beserta tahapan identifikasi, estimasi parameter, evaluasi model, dan interpretasi hasil.