Proyek ini membahas penerapan dan perbandingan tiga metode clustering, yaitu DBSCAN (Density-Based Spatial Clustering of Applications with Noise), Spectral Clustering, dan Gaussian Mixture Model (GMM) berbasis Model-Based Clustering. Analisis dilakukan menggunakan bahasa pemrograman R dengan tujuan untuk memahami karakteristik masing-masing metode dalam mengelompokkan data. Tahapan analisis dimulai dari preprocessing dan standardisasi data, dilanjutkan dengan reduksi dimensi menggunakan Principal Component Analysis (PCA) untuk membantu visualisasi pola data. Selanjutnya, setiap metode clustering diterapkan pada data yang telah distandardisasi untuk melihat perbedaan hasil pengelompokan, penanganan noise, serta karakteristik cluster yang terbentuk. DBSCAN digunakan untuk mendeteksi cluster berdasarkan kepadatan data dan mampu mengidentifikasi noise secara otomatis. Spectral Clustering memanfaatkan pendekatan graph dan eigenvalue sehingga efektif untuk bentuk cluster non-linear atau non-convex. Sementara itu, Gaussian Mixture Model (GMM) menggunakan pendekatan probabilistik dengan asumsi distribusi Gaussian sehingga memungkinkan soft clustering melalui probabilitas keanggotaan tiap observasi. Hasil analisis menunjukkan bahwa masing-masing metode memiliki keunggulan dan karakteristik yang berbeda tergantung pada struktur data. Oleh karena itu, pemilihan metode clustering perlu disesuaikan dengan bentuk distribusi data, keberadaan noise, dan tujuan analisis yang ingin dicapai. Proyek ini dibuat sebagai media pembelajaran eksploratif mengenai analisis clustering dan implementasinya menggunakan R.

Penelitian ini bertujuan untuk menganalisis faktor-faktor yang mempengaruhi nilai ujian mahasiswa (Y). Variabel yang digunakan adalah jumlah jam belajar per minggu (X1) dan tingkat kehadiran (X2). Data yang digunakan terdiri dari 10 mahasiswa yang mencakup nilai ujian, jam belajar, dan persentase kehadiran. Analisis dilakukan menggunakan regresi linier berganda dengan metode Ordinary Least Squares (OLS) untuk mengetahui pengaruh kedua variabel tersebut terhadap nilai ujian. Hasil analisis diharapkan dapat menunjukkan hubungan antara jam belajar, kehadiran, dan nilai ujian, serta digunakan untuk melakukan prediksi.

Melakukan Uji Hipotesis, Ukuran Kecocokan Model, dan Uji Asumsi dengan menggunakan study kasus data siswa dengan variabel IQ dan Tingkat Kehadiran sepuluh siswa di kelas yang diperkirakan mempengaruhi nilai UAS

Analisis ini bertujuan untuk memberikan gambaran mengenai kondisi kemiskinan di wilayah Kepulauan Sunda Kecil, yang meliputi Provinsi Bali, Nusa Tenggara Barat (NTB), dan Nusa Tenggara Timur (NTT). Wilayah ini memiliki karakteristik ekonomi dan pembangunan yang berbeda-beda, sehingga menarik untuk dianalisis lebih lanjut dari sisi kesejahteraan masyarakat. Dalam analisis ini digunakan data tingkat kemiskinan pada tingkat kabupaten/kota yang diperoleh dari dataset Klasifikasi Tingkat Kemiskinan di Indonesia. Data tersebut kemudian dieksplorasi dan divisualisasikan untuk melihat pola, distribusi, serta perbedaan kondisi kemiskinan antar daerah di wilayah Sunda Kecil. Proses analisis dilakukan melalui beberapa tahapan, yaitu deskripsi data, eksplorasi variabel, serta visualisasi data numerik dan kategorik menggunakan bahasa pemrograman R. Visualisasi yang dihasilkan bertujuan untuk mempermudah interpretasi data sehingga dapat memberikan pemahaman yang lebih jelas mengenai kondisi kemiskinan di wilayah tersebut. Hasil dari analisis ini diharapkan dapat memberikan insight awal mengenai perbedaan tingkat kemiskinan antar wilayah, serta membantu dalam memahami faktor-faktor yang berpotensi berkaitan dengan kondisi sosial ekonomi masyarakat di Kepulauan Sunda Kecil.

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI TARIF HARIAN HOTEL (ADR) MENGGUNAKAN SELEKSI MODEL REGRESI