Proyek

Backpropagation

Dipakai untuk: Jaringan saraf tiruan

Cara menghitung gradien loss jaringan saraf berlapis dengan aturan rantai (propagasi mundur), lalu memperbarui bobotnya dengan gradient descent. Dasar pelatihan jaringan saraf dengan satu atau lebih hidden layer.

Dashboard Karhutla Kalimantan Barat (Tableau, Power BI, D3.js, dan Three.js)

Workbook Tableau, laporan Power BI, dan situs web D3.js dengan peta 3D Three.js untuk 302.698 deteksi titik panas satelit di Kalimantan Barat (1 Januari 2022 sampai 25 Oktober 2026: arsip Open Data Kalbar disambung data BRIN): empat dashboard Ringkasan, Peta, Tren, dan Data Deteksi dengan lima parameter bersama dan interpretasi yang mengikuti filter; versi web menambah kejadian kebakaran yang dihitung di browser, cerita bergulir, serta kolom kepadatan dan kilas bara 3D. Dilengkapi pemantauan VIIRS tujuh hari terakhir serta analisis seri 2012-2025: kepadatan per luas wilayah, kejadian (DBSCAN), titik panas statistik (Gi*), kaitan dengan El Nino, dan uji ramalan SARIMAX.

Distribusi Frekuensi dan Histogram

Dipakai untuk: Meringkas data dalam tabel frekuensi dan histogram

Menyusun tabel distribusi frekuensi, memilih banyak dan lebar kelas, serta memilih grafik yang sesuai dengan skala data. Halaman ini membandingkan aturan Sturges, Scott, dan Freedman-Diaconis, menghitung frekuensi relatif, kumulatif, kepadatan, dan mean data berkelompok, dengan contoh waktu tunggu letusan geiser Old Faithful (data faithful).

Persiapan Data

Dipakai untuk: Membersihkan data hilang, pencilan, dan transformasi sebelum analisis

Menangani data hilang, pencilan, dan transformasi sebelum analisis, termasuk imputasi dan transformasi Box-Cox. Halaman ini memakai data airquality (kualitas udara New York, 1973): pola nilai hilang per bulan, penghapusan baris dan tiga cara imputasi, pagar Tukey dan z-skor, serta pemilihan pangkat Box-Cox dengan likelihood.

Validitas Instrumen

Dipakai untuk: Kecocokan butir kuesioner dengan konsep yang diukur (validitas)

Menilai butir kuesioner dengan korelasi butir-sisa: skor sisa, r tabel, uji t, dan selang Fisher, serta perbandingan dengan total inklusif dan sampel besar. Halaman ini memakai lima butir Agreeableness data bfi: 30 responden uji coba sebagai contoh utama dan 2.709 responden sebagai pembanding.

Uji Proporsi dan Uji Fisher

Dipakai untuk: Proporsi dua kelompok atau tabel 2 x 2 yang kecil

Uji z untuk satu dan dua proporsi, uji binomial eksak, dan uji Fisher untuk tabel 2 × 2 kecil, beserta rasio risiko dan odds ratio. Halaman ini memakai bentuk biji kapri Mendel, data ibu merokok dan berat lahir rendah (birthwt), dan data kembar Lange yang dipakai Fisher (1935) untuk memperkenalkan uji eksaknya.

Dasar Uji Hipotesis

Dipakai untuk: Memahami logika uji hipotesis sebelum memilih uji

Logika uji hipotesis: H₀ dan H₁, p-value, kesalahan tipe I dan II, daya uji, ukuran efek, dan koreksi untuk uji ganda. Contohnya data baptisan London Arbuthnot (1710): uji tanda pada 82 tahun, uji proporsi, daya, ukuran efek g, dan 82 uji per tahun dengan koreksi Bonferroni, Holm, dan Benjamini-Hochberg.

Interval Kepercayaan

Dipakai untuk: Menaksir parameter populasi dengan selang kepercayaan

Menaksir parameter populasi dengan selang untuk mean, proporsi, dan varians, termasuk bootstrap dan cara menafsirkan tingkat kepercayaan dengan benar. Halaman ini memakai berat lahir 189 bayi (data birthwt), menghitung interval t, Wald, Wilson, chi-kuadrat, dan bootstrap persentil, lalu memeriksa cakupan setiap cara dengan simulasi.

Distribusi Sampling dan Teorema Limit Pusat

Dipakai untuk: Memahami sebaran statistik dan teorema limit pusat

Standard error, teorema limit pusat, serta distribusi t, chi-kuadrat, dan F yang menjadi dasar uji hipotesis dan selang kepercayaan. Halaman ini memakai populasi empiris waktu tunggu geiser Old Faithful (data faithful), menghitung rata-rata sampel, dan membandingkan simulasi dengan peluang eksak dan pendekatan normal.

Distribusi Peluang

Dipakai untuk: Memilih distribusi peluang yang cocok untuk data

Distribusi binomial, Poisson, normal, dan eksponensial, beserta cara memilih distribusi yang cocok untuk data.

Probabilitas dan Teorema Bayes

Dipakai untuk: Memahami peluang dan membaca hasil uji diagnostik

Dasar peluang, peluang bersyarat, dan Teorema Bayes, termasuk cara membaca sensitivitas, spesifisitas, dan nilai prediktif pada uji diagnostik. Halaman ini memakai data 2.201 orang di kapal Titanic untuk peluang bersyarat, peluang total, dan Teorema Bayes, serta tabel pemindaian hati 344 pasien untuk sensitivitas, spesifisitas, nilai prediktif, dan rasio kemungkinan.

Teknik Pengambilan Sampel

Dipakai untuk: Merancang pengambilan sampel dan menentukan ukuran sampel survei

Pemilihan sampel acak sederhana, berstrata, sistematis dan klaster; bobot, ketelitian, serta perencanaan ukuran sampel proporsi dari data publik Iris.