Penelitian ini bertujuan untuk menganalisis pengaruh Work Life Balance terhadap Employee Performance dengan Job Satisfaction sebagai variabel mediasi menggunakan pendekatan Structural Equation Modeling – Partial Least Squares (SEM-PLS). Latar belakang penelitian ini didasarkan pada pentingnya keseimbangan antara kehidupan kerja dan kehidupan pribadi dalam meningkatkan kinerja karyawan di tengah tingginya tuntutan kerja. Data yang digunakan berasal dari dataset Work Life Balance yang diperoleh dari Mendeley Data dengan jumlah responden sebanyak 496 observasi. Variabel penelitian terdiri dari Work Life Balance sebagai variabel independen, Job Satisfaction sebagai variabel mediasi, dan Employee Performance sebagai variabel dependen. Analisis yang dilakukan melalui evaluasi uji VIF, Uji R2, uji f2, OLS, dan uji hipotesis menggunakan bootstrapping. Hasil penelitian ini menunjukan bahwa Work Life Balance memiliki pengaruh positif dan signifikan terhadap Employee Performance. Namun Work Life Balance tidak berpengaruh signifikan terhadap Job Satisfaction, dan dilakukan uji hipotesis menggunakan bootstrapping. Hasil penelitian menunjukkan bahwa Work Life Balance memiliki pengaruh positif dan signifikan terhadap Employee Performance. Namun, Work Life Balance tidak berpengaruh signifikan terhadap Job Satisfaction, dan Job Satisfaction juga tidak berpengaruh signifikan terhadap Employee Performance. Selain itu, Job Satisfaction tidak terbukti mampu memediasi pengaruh Work Life Balance terhadap Employee Performance. Secara keseluruhan model penelitian menunjukan bahwa work life balance merupakan faktor utama yang mempengaruhi kinerja karyawan, sedangkan job satisfaction tidak berperan sebagai variabel mediasi dalam hubungan tersebut.

Penelitian ini bertujuan untuk melakukan segmentasi customer berdasarkan perilaku penggunaan kartu kredit menggunakan beberapa metode clustering, yaitu K-Means, K-Median, DBSCAN, Mean Shift, dan Fuzzy C-Means. Dataset yang digunakan terdiri dari 8950 data dengan 17 variabel numerik yang merepresentasikan aktivitas transaksi customer. Tahapan analisis meliputi preprocessing data, penerapan metode clustering, serta evaluasi kinerja menggunakan silhouette score. Hasil evaluasi kemudian divisualisasikan untuk mempermudah interpretasi karakteristik masing-masing cluster. Hasil penelitian diharapkan dapat memberikan insight yang berguna dalam mendukung pengambilan keputusan bisnis.

This report performs an exploratory data analysis (EDA) to investigate the relationships between multiple numerical and categorical variables within the dataset. The analysis employs several visualization techniques, including grouped boxplots, category-based histograms, and pairplot visualizations to examine pairwise relationships among variables. Through these graphical approaches, the analysis aims to reveal distribution patterns, variability across groups, and potential correlations that may inform further statistical modeling.

Implementasi Principal Component Analysis (PCA) dan Factor Analysis (FA) pada dataset Student Performance (Mathematics) untuk mereduksi dimensi data dan mengidentifikasi faktor yang memengaruhi prestasi matematika siswa. Hasil analisis menunjukkan terbentuk tiga faktor utama yaitu faktor akademik, aktivitas sosial, dan waktu luang.

his page presents an exploratory multivariate analysis of the SIRTUIN6 dataset using R. The analysis includes correlation matrix, variance–covariance matrix, and eigen decomposition to examine the structure of relationships and variance among numerical variables. Prepared as a student worksheet for Multivariate Analysis course.