Dokumen ini membahas dasar-dasar pemrograman R yang menjadi fondasi penting dalam analisis data statistika. Pembahasan mencakup pengenalan berbagai struktur data utama dalam R, yaitu vektor, list, dan data frame, beserta perbedaan karakteristik dan cara penggunaannya. Selain itu, dokumen ini juga membahas penanganan *missing value* (NA) mulai dari identifikasi, pencarian posisi, hingga perhitungan jumlah data yang hilang. Melalui eksplorasi ini, pembaca diharapkan mampu memahami cara kerja struktur data di R serta menerapkannya dalam pengolahan data secara sistematis.

This project demonstrates a reproducible analytical workflow for evaluating pre-post training outcomes based on binary assessment data. Using the PHTKS-10 dataset (N = 60), the analysis includes score derivation, reliability assessment, distributional evaluation, Wilcoxon signed-rank testing, and effect size estimation. Results show statistically significant and practically meaningful improvements across domains, illustrating how structured R-based methods can translate simple educational data into publishable quantitative evidence.

Production-Weighted Benchmark · Structural Cost Drivers · Capital Allocation Signals

Analisis ini menggunakan dataset diamonds dari package R Studio. Saya mengubah variabel dari data ini dengan tujuan untuk sebagai pembelajaran saja. Disini, saya memposisikan diri sebagai seorang analis mobil pada sebuah negara yang bernama Kulim, tentu saja data yang saya buat ini merupakan data palsu. Akan tetapi, tujuan saya pada analisis kali ini adalah hanya untuk sebagai pembelajaran bagaimana cara saya menyampaikan atau mempresentasikan visualisasi data kontinu univariat.