Project for POPHS Data Cleaning Workshop

El documento muestra cómo empresas como Airbnb, Amazon, Netflix, Tesla, Starbucks, Walmart, DHL, GE, Coca-Cola y Zara usan el análisis de datos para anticipar la demanda, optimizar operaciones, personalizar la experiencia del cliente y reducir costos. En todos los casos, transformar datos en insights accionables ha sido clave para mejorar la eficiencia y la competitividad.

Time Series Imputation Exercise

Dokumen ini menjelaskan mengenai operasi dasar matriks (penjumlahan, pengurangan, perkalian, transpose, invers, dan determinan), eigenvalue dan eigenvector, hingga dekomposisi nilai singular (SVD) dengan menggunakan R. Selain itu, dijelaskan pula beberapa matriks jarak (Euclidean, Chebyshev, Manhattan, Mahalanobis, dan Minkowski) beserta aplikasinya, serta pembahasan statistik matriks sepeti vektor rata-rata, matriks rata-rata, kovarians, korelasi, dan standardisasi dalam R.

Operasi Matriks membahas pengertian serta rumus dasar operasi matriks, meliputi penjumlahan, pengurangan, perkalian matriks, perkalian skalar, transpose, invers, hingga determinan. Eigen Value dan Eigen Vector menguraikan konsep nilai dan vektor eigen beserta pasangan eigennya. Singular Value Decomposition (SVD) membahas definisi, rumus, dan penerapan dekomposisi matriks ke dalam nilai singular. Konsep Jarak menjelaskan berbagai ukuran jarak seperti Euclidean, Manhattan, Mahalanobis, dan Minkowski beserta contoh implementasinya. Vektor Rata-rata membahas konsep rata-rata data dalam bentuk matriks serta turunannya, yaitu matriks kovarians, korelasi, dan standardisasi, dilengkapi dengan contoh penerapan dalam perhitungan multivariat.