Penelitian ini mengimplementasikan Structural Equation Modeling (SEM) untuk menganalisis faktor-faktor yang memengaruhi prestasi akademik siswa menggunakan dataset Student Performance, Portuguese Language dari UCI Machine Learning Repository. SEM dipilih karena kemampuannya dalam memodelkan variabel laten serta hubungan struktural antar variabel secara simultan. Dataset terdiri dari 649 observasi siswa SMA di Portugal dengan 33 variabel yang mencakup aspek demografis, sosial, dan akademik. Variabel yang digunakan meliputi hubungan keluarga (famrel), waktu luang (freetime), waktu belajar (studytime), jumlah kegagalan (failures), serta nilai akademik G1, G2, dan G3. Model SEM yang dibangun terdiri dari tiga variabel laten: Social (dibentuk oleh famrel dan freetime), StudyHabit (dibentuk oleh studytime dan failures), serta Achievement (dibentuk oleh G1, G2, dan G3). Hasil analisis measurement model menunjukkan bahwa seluruh indikator memiliki factor loading yang signifikan. Pada structural model, StudyHabit berpengaruh signifikan terhadap Achievement (β = 0,232, p < 0,001), sedangkan Social tidak berpengaruh signifikan (β = 0,075, p = 0,054). Analisis path analysis tambahan menunjukkan G2 sebagai prediktor dominan nilai G3 (β = 0,801). Model fit SEM menunjukkan nilai CFI = 0,940 dan TLI = 0,909 yang memenuhi kriteria acceptable fit, meskipun RMSEA = 0,124 mengindikasikan perlunya penyempurnaan model lebih lanjut.

Proyek ini menganalisis pengaruh frekuensi olahraga terhadap kualitas diet (Diet_Quality) dan skor kesehatan (Health_Score) menggunakan metode ANOVA, MANOVA, dan MANCOVA. Analisis dilakukan untuk melihat pengaruh secara parsial maupun simultan, serta dengan mempertimbangkan variabel usia (Age) sebagai kovariat. Dataset yang digunakan merupakan Health and Lifestyle Data for Regression yang diperoleh dari Kaggle, dengan total 10.000 observasi yang mencakup berbagai variabel gaya hidup dan kesehatan. Hasil analisis menunjukkan bahwa frekuensi olahraga berpengaruh signifikan terhadap skor kesehatan, namun tidak terhadap kualitas diet. Selain itu, usia juga berpengaruh terhadap skor kesehatan, tetapi tidak memberikan pengaruh yang signifikan terhadap kualitas diet. Dataset dapat diakses melalui tautan berikut: https://www.kaggle.com/datasets/pratikyuvrajchougule/health-and-lifestyle-data-for-regression

Proyek ini merupakan implementasi metode Principal Component Analysis (PCA) dan Factor Analysis (FA) pada dataset COVID-19 Indonesia yang diperoleh dari platform Kaggle. Analisis ini bertujuan untuk mengidentifikasi pola hubungan antar variabel numerik serta mereduksi dimensi data sehingga informasi utama dapat diringkas ke dalam beberapa komponen atau faktor utama. Tahapan analisis meliputi eksplorasi data, statistik deskriptif, analisis korelasi, uji kelayakan data menggunakan KMO dan Bartlett, proses standarisasi data, penerapan PCA, serta analisis faktor dengan rotasi varimax. Hasil analisis diharapkan dapat memberikan gambaran struktur data serta faktor-faktor utama yang memengaruhi perkembangan kasus COVID-19 di Indonesia.

Nama : Fajar Syihabuddin NIM : 24031554142 Kelas : 2024 Matkul : Analisis Multivariate Detail : Tugas Pengantar Anaisis Multivariate a) Correlation Matrix b) Variance-Covariance Matrix c) Eigen value dan eigen vector d) Jelaskan hasil dari setiap output