Dosen Pengampu: Dinda Galuh Guminta, S.Stat., M.Stat. Nama Kelompok: Celine Nurhidayah Santoso (24031554033) Dista Ishlahul Amalia (24031554063) Dessy Saputri (24031554190) Dokumen ini menyajikan implementasi pemodelan klasifikasi status akademik mahasiswa menggunakan metode Analisis Diskriminan dan Regresi Logistik Multinomial. Dataset yang digunakan berasal dari UCI Machine Learning Repository dengan tiga kategori status akademik, yaitu Dropout, Enrolled, dan Graduate.

This project applies five clustering methods K-Means, K-Median, DBSCAN, Mean Shift, and Fuzzy C-Means to segment credit card customers based on their usage behavior. The analysis uses the Credit Card Dataset from Kaggle with 8,950 observations and 17 numerical variables. Methods are evaluated using Silhouette Score, Dunn Index, and Calinski-Harabasz Index, with K-Means identified as the best-performing method. The findings reveal three distinct customer segments that can serve as a basis for further behavioral analysis.

Analisis ini bertujuan untuk mengeksplorasi pengaruh faktor psikologis dan gaya hidup terhadap kesehatan mental Generasi Z, dengan fokus pada dua variabel dependen yaitu Anxiety Score (Y1) dan Emotional Fatigue Score (Y2). Data dianalisis menggunakan pendekatan statistik multivariat untuk memahami baik hubungan parsial maupun simultan antar variabel. #ANOVA #MANOVA #MANCOVA #Mental Health #Data Visualization #R Programming

Postingan ini memuat hasil analisis multivariat pada Raisin Dataset menggunakan RStudio. Analisis yang dilakukan meliputi matriks korelasi, matriks varians-kovarians, serta perhitungan eigen value dan eigen vector untuk memahami hubungan antar variabel dan struktur data. Hasil analisis menunjukkan bahwa sebagian besar variasi data dapat direpresentasikan oleh beberapa komponen utama, sehingga data dapat disederhanakan untuk analisis lanjutan.