Analisis ini membahas hubungan antara **penggunaan kelas online dan kelulusan mahasiswa** dengan **jalur masuk (Reguler/Beasiswa)** sebagai kovariat. Data berbentuk tabel kontingensi 2 × 2 × 2 dan dianalisis menggunakan **Odds Ratio (OR) marginal dan bersyarat, Paradoks Simpson, uji Breslow-Day, serta uji Cochran-Mantel-Haenszel (CMH)**. Analisis bertujuan untuk melihat apakah hubungan penggunaan kelas online dengan kelulusan berubah setelah jalur masuk dikontrol, serta mengidentifikasi adanya perbedaan antara hubungan marginal dan hubungan bersyarat.

Analisis ini membahas penerapan **Single Moving Average (SMA)** dan **Double Moving Average (DMA)** periode 3 bulan pada data jumlah pengunjung Perpustakaan Daerah Kabupaten Serang periode Januari 2023–Juni 2024. Analisis bertujuan mengidentifikasi pola tren serta membandingkan kemampuan SMA dan DMA dalam melakukan peramalan. Hasil menunjukkan adanya tren kenaikan jumlah pengunjung, sehingga DMA lebih mampu menangkap arah tren dibandingkan SMA yang cenderung menghasilkan ramalan datar.

Analisis ini membahas data harga Gabah Kering Panen (GKP) di tingkat petani Kabupaten Serang periode Januari 2023–Desember 2024. Analisis meliputi pembentukan data runtun waktu, transformasi logaritma, differencing untuk mencapai stasioneritas, serta evaluasi ramalan naif menggunakan ME, MAE, MSE, RMSE, dan MAPE. Hasil analisis menunjukkan adanya tren kenaikan harga GKP, kemudian differencing tingkat pertama pada data log berhasil menghilangkan tren tersebut. Selain itu, ramalan naif digunakan sebagai baseline untuk melihat tingkat kesalahan prediksi harga GKP pada tiga bulan terakhir.

Analisis ini bertujuan untuk memeriksa pola data runtun waktu suhu udara dan menguji kestabilannya dari waktu ke waktu. Pengujian dilakukan melalui visualisasi tren, perhitungan kestabilan rata-rata dan variansi tahunan, analisis autokorelasi (ACF), serta uji stasioneritas untuk memastikan apakah pola data konsisten secara statistik.

Analisis data kategorik menggunakan pendugaan dan uji satu proporsi serta uji kebaikan suai Chi-Square.

Analisis deret waktu (time series) pada data bulanan jumlah kendaraan yang menyeberang di Pelabuhan Merak–Bakauheni selama periode 2023–2024 (24 pengamatan). Dokumen ini mengevaluasi pola tren, komponen musiman (seasonality), serta identifikasi bulan puncak (mudik Lebaran dan libur Nataru) menggunakan plot runtun waktu, regresi linear, seasonal plot, dan boxplot.

Dataset yang digunakan dalam laporan ini adalah Student Performance Factors yang tersedia secara publik di Kaggle (URL: https://www.kaggle.com/datasets/lainguyn123/student-performance-factors). Dataset ini memuat informasi akademik, perilaku belajar, dan latar belakang sosial-ekonomi siswa. Untuk mereproduksi analisis ini, unduh file StudentPerformanceFactors.csv dari tautan tersebut dan letakkan di direktori kerja R Anda.

451 In the learning process, student learning outcomes are influenced by various factors, including intelligence quotient (IQ) and class attendance. IQ reflects a student's cognitive ability to understand material, while attendance indicates their level of participation in the learning process. Therefore, it is important to understand the relationship between these two factors and Final Semester Exam (UAS) scores as an indicator of student academic achievement. Dalam proses pembelajaran, hasil belajar siswa dipengaruhi oleh berbagai faktor, di antaranya tingkat kecerdasan (IQ) dan kehadiran di kelas. IQ mencerminkan kemampuan kognitif siswa dalam memahami materi, sedangkan kehadiran menunjukkan tingkat partisipasi dalam proses pembelajaran. Oleh karena itu, penting untuk mengetahui hubungan antara kedua faktor tersebut terhadap nilai Ujian Akhir Semester (UAS) sebagai indikator pencapaian akademik siswa.

This report presents an exploratory data analysis of tuberculosis detection and treatment success rates across provinces in Indonesia. The analysis uses data from the Indonesian Central Bureau of Statistics (BPS) on disease cases by province and type of disease in 2025. Laporan ini menyajikan analisis eksploratif terhadap angka penemuan kasus dan keberhasilan pengobatan tuberkulosis (TBC) di berbagai provinsi di Indonesia. Analisis ini menggunakan data dari Badan Pusat Statistik (BPS) mengenai kasus penyakit menurut provinsi dan jenis penyakit pada tahun 2025.

This report presents an exploratory data analysis of tuberculosis detection and treatment success rates across provinces in Indonesia. The analysis uses data from the Indonesian Central Bureau of Statistics (BPS) on disease cases by province and type of disease in 2025. Laporan ini menyajikan analisis eksploratif terhadap angka penemuan kasus dan keberhasilan pengobatan tuberkulosis (TBC) di berbagai provinsi di Indonesia. Analisis ini menggunakan data dari Badan Pusat Statistik (BPS) mengenai kasus penyakit menurut provinsi dan jenis penyakit pada tahun 2025.