Kerangka Materi

Bab 1: Statistik Deskriptif dan Analisis Grafis

Pengantar

  1. Tujuan Pembelajaran
  2. Jenis Data

Konsep Dasar

  1. Jenis Data
  2. Kuis: Jenis Data

Menggunakan Grafik untuk Menganalisis Data

  1. Konsep Dasar
  2. Diagram Batang dan Diagram Pareto
  3. Diagram Pai
  4. Histogram
  5. Dotplot
  6. Plot Nilai Individu
  7. Boxplot
  8. Plot Seri Waktu
  9. Kuis: Menggunakan Grafik untuk Menganalisis Data
  10. Alat Minitab: Diagram Batang
  11. Alat Minitab: Diagram Pai
  12. Alat Minitab: Histogram
  13. Alat Minitab: Dotplot
  14. Alat Minitab: Plot Nilai Individu
  15. Alat Minitab: Boxplot
  16. Alat Minitab: Plot Seri Waktu
  17. Latihan: Analisis Grafis

Menggunakan Statistik untuk Menganalisis Data

  1. Konsep Dasar
  2. Rata-rata dan Median
  3. Rentang, Variansi, dan Standar Deviasi
  4. Kuis: Menggunakan Statistik untuk Menganalisis Data
  5. Alat Minitab: Tampilkan Statistik Deskriptif
  6. Latihan: Statistik Deskriptif

Ringkasan dan Tinjauan Tujuan

Bab 2: Inferensi Statistik

2.1 Pengantar

2.1.1 Tujuan Pembelajaran
2.2 Dasar-dasar Inferensi Statistik
2.2.1 Konsep Dasar
2.2.2 Sampel Acak
2.2.3 Kuis: Dasar-dasar Inferensi Statistik
2.2.4 Alat Minitab: Pengambilan Sampel Acak

2.3 Distribusi Sampel

2.3.1 Konsep Dasar
2.3.2 Distribusi Sampel Rata-rata
2.3.3 Kuis: Distribusi Sampel

2.4 Distribusi Normal

2.4.1 Konsep Dasar
2.4.2 Probabilitas yang Terkait dengan Distribusi Normal
2.4.3 Probabilitas yang Terkait dengan Rata-rata Sampel
2.4.4 Kuis: Distribusi Normal
2.4.5 Alat Minitab: Probabilitas Kumulatif dengan Distribusi Normal
2.4.6 Latihan: Probabilitas dan Distribusi Normal

2.5 Ringkasan

2.5.1 Tinjauan Tujuan

Bab 3: Uji Hipotesis dan Interval Kepercayaan

3.1 Pengantar

3.1.1 Tujuan Pembelajaran

3.2 Uji dan Interval Kepercayaan

3.2.1 Interval Kepercayaan
3.2.2 Pengujian Hipotesis
3.2.3 Menggunakan Pengujian Hipotesis untuk Membuat Keputusan
3.2.4 Kesalahan Jenis I dan Jenis II serta Kekuatan
3.2.5 Kuis: Uji dan Interval Kepercayaan

3.3 Uji t Sampel Tunggal

3.3.1 Konsep Dasar
3.3.2 Plot Nilai Individu
3.3.3 Hasil Uji t Sampel Tunggal
3.3.4 Asumsi
3.3.5 Kuis: Uji t Sampel Tunggal
3.3.6 Alat Minitab: Uji t Sampel Tunggal
3.3.7 Latihan: Uji t Sampel Tunggal

3.4 Uji Varians

3.4.1 Konsep Dasar
3.4.2 Boxplot
3.4.3 Hasil Uji 2 Varians 3.4.4 Asumsi
3.4.5 Kuis: Uji 2 Varians
3.4.6 Alat Minitab: Uji 2 Varians
3.4.7 Latihan: Uji 2 Varians

3.5 Uji t Sampel Ganda

3.5.1 Konsep Dasar
3.5.2 Plot Nilai Individu
3.5.3 Hasil Uji t Sampel Ganda
3.5.4 Asumsi
3.5.5 Kuis: Uji t Sampel Ganda
3.5.6 Alat Minitab: Uji t Sampel Ganda
3.5.7 Latihan: Uji t Sampel Ganda

3.6 Uji t Berpasangan

3.6.1 Konsep Dasar
3.6.2 Plot Nilai Individu
3.6.3 Hasil Uji t Berpasangan
3.6.4 Asumsi
3.6.5 Kuis: Uji t Berpasangan
3.6.6 Alat Minitab: Uji t Berpasangan
3.6.7 Latihan: Uji t Berpasangan

3.7 Uji Proporsi

3.7.1 Konsep Dasar
3.7.2 Hasil Uji Proporsi Tunggal
3.7.3 Asumsi
3.7.4 Kuis: Uji Proporsi Tunggal
3.7.5 Alat Minitab: Uji Proporsi Tunggal
3.7.6 Latihan: Uji Proporsi Tunggal

3.8 Uji Proporsi Ganda

3.8.1 Konsep Dasar
3.8.2 Hasil Uji Proporsi Ganda
3.8.3 Asumsi
3.8.4 Kuis: Uji Proporsi Ganda
3.8.5 Alat Minitab: Uji Proporsi Ganda
3.8.6 Latihan: Uji Proporsi Ganda

3.9 Uji Chi-Square

3.9.1 Konsep Dasar
3.9.2 Hasil Uji Chi-Square
3.9.3 Asumsi
3.9.4 Kuis: Uji Chi-Square
3.9.5 Alat Minitab: Uji Chi-Square
3.9.6 Latihan: Uji Chi-Square

3.10 Ringkasan

3.10.1 Tinjauan Tujuan

Bab 4: Diagram Kontrol

4.1 Pengantar

4.1.1 Tujuan Pembelajaran

4.2 Kontrol Proses Statistik

4.2.1 Konsep Dasar
4.2.2 Pola dalam Diagram Kontrol
4.2.3 Kuis: Kontrol Proses Statistik

4.3 Diagram Kontrol untuk Data Variabel dalam Subgrup

4.3.1 Konsep Dasar
4.3.2 R Chart
4.3.3 S Chart
4.3.4 Xbar Chart
4.3.5 Kuis: Diagram Kontrol untuk Data Variabel dalam Subgrup
4.3.6 Alat Minitab: Xbar-R Chart
4.3.7 Latihan: Xbar-R Chart

4.4 Diagram Kontrol untuk Observasi Individu

4.4.1 Konsep Dasar
4.4.2 Moving Range Charts
4.4.3 Individuals Charts
4.4.4 Kuis: Diagram Kontrol untuk Observasi Individu
4.4.5 Alat Minitab: I-MR Chart
4.4.6 Latihan: I-MR Chart

4.5 Diagram Kontrol untuk Data Atribut

4.5.1 Konsep Dasar
4.5.2 NP dan P Charts
4.5.3 C dan U Charts
4.5.4 Kuis: Diagram Kontrol untuk Data Atribut
4.5.5 Alat Minitab: P Chart
4.5.6 Latihan: P Chart

4.6 Ringkasan dan Tinjauan Tujuan

Bab 5: Kemampuan Proses

5.1 Pengantar

5.1.1 Tujuan Pembelajaran

5.2 Kemampuan Proses untuk Data Normal

5.2.1 Konsep Dasar
5.2.2 Asumsi
5.2.3 Uji Normalitas
5.2.4 Kuis: Kemampuan Proses untuk Data Normal
5.2.5 Alat Minitab: Uji Normalitas
5.2.6 Latihan: Asumsi untuk Kemampuan Proses

5.3 Indeks Kemampuan

5.3.1 Kemampuan Potensial: Cp dan Cpk
5.3.2 Kinerja Proses: Pp dan Ppk
5.3.3 Tingkat Sigma
5.3.4 Kuis: Indeks Kemampuan
5.3.5 Alat Minitab: Cp dan Pp
5.3.6 Alat Minitab: Tingkat Sigma
5.3.7 Latihan: Kemampuan Proses untuk Data Normal

5.4 Kemampuan Proses untuk Data Nonnormal

5.4.1 Transformasi dan Distribusi Alternatif
5.4.2 Transformasi Box-Cox
5.4.3 Transformasi Johnson
5.4.4 Distribusi Alternatif
5.4.5 Kuis: Kemampuan Proses untuk Data Nonnormal
5.4.6 Alat Minitab: Transformasi Box-Cox
5.4.7 Alat Minitab: Transformasi Johnson
5.4.8 Alat Minitab: Analisis Kemampuan dengan Transformasi Johnson
5.4.9 Alat Minitab: Distribusi Alternatif
5.4.10 Alat Minitab: Analisis Kemampuan dengan Distribusi Alternatif
5.4.11 Latihan: Kemampuan Proses dengan Transformasi Data
5.4.12 Latihan: Kemampuan Proses dengan Distribusi Alternatif

5.5 Ringkasan

5.5.1 Tinjauan Tujuan

Bab 6: Analisis Variansi (ANOVA)

6.1 Pengantar dan Tujuan Pembelajaran

6.2 Dasar-dasar ANOVA

6.2.1 Konsep Dasar
6.2.2 Grafik dan Statistik Ringkas
6.2.3 Kuis: Dasar-dasar ANOVA

6.3 ANOVA Satu Arah

6.3.1 Uji Hipotesis
6.3.2 Statistik F dan Nilai P
6.3.3 Perbandingan Ganda
6.3.4 Asumsi dan Plot Residual
6.3.5 Kuis: ANOVA Satu Arah
6.3.6 Alat Minitab: ANOVA Satu Arah
6.3.7 Latihan: ANOVA Satu Arah

6.4 ANOVA Dua Arah

6.4.1 Konsep Dasar
6.4.2 Grafik
6.4.3 Uji Hipotesis
6.4.4 Statistik F dan Nilai P
6.4.5 Asumsi dan Plot Residual
6.4.6 Kuis: ANOVA Dua Arah
6.4.7 Alat Minitab: ANOVA Dua Arah
6.4.8 Latihan: ANOVA Dua Arah

6.5 Ringkasan

Bab 7: Korelasi dan Regresi

7.1 Pengantar

7.1.1 Tujuan Pembelajaran

7.2 Hubungan antara Dua Variabel Kuantitatif

7.2.1 Konsep Dasar
7.2.2 Scatterplot
7.2.3 Korelasi
7.2.4 Kuis: Hubungan antara Dua Variabel Kuantitatif
7.2.5 Alat Minitab: Scatterplot
7.2.6 Alat Minitab: Korelasi
7.2.7 Latihan: Scatterplot dan Korelasi

7.3 Regresi Sederhana

7.3.1 Konsep Dasar
7.3.2 Regresi
7.3.3 Uji Hipotesis dan R-squared
7.3.4 Asumsi dan Plot Residual
7.3.5 Kuis: Regresi Sederhana
7.3.6 Alat Minitab: Regresi Sederhana
7.3.7 Latihan: Regresi Sederhana

7.4 Ringkasan dan Tinjauan Tujuan

Bab 8: Analisis Sistem Pengukuran

8.1 Pengantar

8.1.1 Tujuan Pembelajaran

8.2 Dasar-dasar Analisis Sistem Pengukuran

8.2.1 Konsep Dasar
8.2.2 Ketepatan
8.2.3 Presisi
8.2.4 Membandingkan Ketepatan dan Presisi
8.2.5 Kuis: Dasar-dasar Analisis Sistem Pengukuran

8.3 Repeatability dan Reproducibility

8.3.1 Konsep Dasar
8.3.2 Studi Gage R&R
8.3.3 Kuis: Repeatability dan Reproducibility

8.4 Analisis Grafis dari Studi Gage R&R

8.4.1 Konsep Dasar
8.4.2 Komponen Variasi
8.4.3 Xbar dan R Charts
8.4.4 Interaksi antara Operator dan Bagian
8.4.5 Plot Perbandingan
8.4.6 Gage Run Charts
8.4.7 Kuis: Analisis Grafis dari Studi Gage R&R
8.4.8 Alat Minitab: Studi Gage R&R Salib
8.4.9 Alat Minitab: Gage Run Chart
8.4.10 Latihan: Analisis Grafis dari Studi Gage R&R

8.5 Variasi

8.5.1 Standar Deviasi dan Variasi Studi
8.5.2 Toleransi
8.5.3 Variasi Proses 
8.5.4 Kuis: Variasi
8.5.5 Latihan: Analisis Numerik dari Studi Gage R&R

8.6 ANOVA dengan Studi Gage R&R

8.6.1 Komponen Variasi
8.6.2 Tabel Analisis Variansi
8.6.3 Kuis: ANOVA dengan Studi Gage R&R
8.6.4 Latihan: Output ANOVA untuk Studi Gage R&R

8.7 Studi Linearitas dan Bias Pengukuran

8.7.1 Konsep Dasar
8.7.2 Linearitas Pengukuran
8.7.3 Bias Pengukuran
8.7.4 Kuis: Studi Linearitas dan Bias Pengukuran
8.7.5 Alat Minitab: Studi Linearitas dan Bias Pengukuran
8.7.6 Latihan: Studi Linearitas dan Bias Pengukuran

8.8 Analisis Kesepakatan Atribut

8.8.1 Konsep Dasar
8.8.2 Data Biner
8.8.3 Data Nominal
8.8.4 Data Ordinal
8.8.5 Kuis: Analisis Kesepakatan Atribut
8.8.6 Alat Minitab: Analisis Kesepakatan Atribut dengan Data Biner
8.8.7 Alat Minitab: Analisis Kesepakatan Atribut dengan Data Nominal
8.8.8 Alat Minitab: Analisis Kesepakatan Atribut dengan Data Ordinal
8.8.9 Latihan: Analisis Kesepakatan Atribut

8.9 Ringkasan

8.9.1 Tinjauan Tujuan

Bab 9: Desain Eksperimen

9.1 Pengantar dan Tujuan Pembelajaran

9.2 Desain Faktorial

9.2.1 Konsep Dasar
9.2.2 Membuat Desain Faktorial Penuh
9.2.3 Menganalisis Desain Faktorial Penuh
9.2.4 Kuis: Desain Faktorial
9.2.5 Alat Minitab: Buat Desain Faktorial Penuh
9.2.6 Alat Minitab: Analisis Desain Faktorial Penuh
9.2.7 Latihan: Buat Desain Faktorial Penuh
9.2.8 Latihan: Analisis Desain Faktorial Penuh

9.3 Blokir dan Penambahan Titik Tengah

9.3.1 Blokir
9.3.2 Titik Tengah
9.3.3 Menganalisis Desain dengan Blokir dan Titik Tengah
9.3.4 Kuis: Blokir dan Penambahan Titik Tengah
9.3.5 Alat Minitab: Buat Desain Faktorial dengan Blokir dan Titik Tengah
9.3.6 Alat Minitab: Analisis Desain Faktorial dengan Blokir dan Titik Tengah
9.3.7 Latihan: Buat Desain Faktorial dengan Blokir dan Titik Tengah
9.3.8 Latihan: Analisis Desain Faktorial dengan Blokir dan Titik Tengah

9.4 Desain Faktorial Fraksional

9.4.1 Konsep Dasar
9.4.2 Membuat Desain Faktorial Fraksional
9.4.3 Menganalisis Desain Faktorial Fraksional
9.4.4 Kuis: Desain Faktorial Fraksional
9.4.5 Alat Minitab: Buat Desain Faktorial Fraksional
9.4.6 Alat Minitab: Analisis Desain Faktorial Fraksional

9.5 Optimalisasi Respons

9.5.1 Optimalisasi Respons
9.5.2 Kuis: Optimalisasi Respons
9.5.3 Alat Minitab: Optimalisasi Respons
9.5.4 Latihan: Optimalisasi Respons

9.6 Ringkasan dan Tinjauan Tujuan

Persyaratan

Harus familiar dengan dasar-dasar Excel dan statistik

 14 Jam

Jumlah Peserta


Biaya per Peserta

Kursus Pelatihan Terbuka membutuhkan minimal 5 peserta.

Testimoni (7)

Saya suka latihannya dan betapa baiknya untuk mengikutinya

Elizabeth Seed - Terumo Aortic
Kursus - Minitab for Statistical Data Analysis

Diterjemahkan Mesin

Menyusuri semua contoh yang berbeda dan menjelaskan setiap istilahnya.

Lewis Print - Terumo Aortic
Kursus - Minitab for Statistical Data Analysis

Diterjemahkan Mesin

Interaktif, penjelasannya jelas dan tidak terlalu mendalam untuk setiap bagian yang diperlukan

Christopher Beattie - Terumo Aortic
Kursus - Minitab for Statistical Data Analysis

Diterjemahkan Mesin

Demonstrasi praktis

Simson McCreath - Terumo Aortic
Kursus - Minitab for Statistical Data Analysis

Diterjemahkan Mesin

Instruktur memiliki pemahaman yang sangat baik tentang materi pelajaran dan dapat menjawab pertanyaan dengan mudah dan singkat.

Craig Renfrew - Terumo Aortic
Kursus - Minitab for Statistical Data Analysis

Diterjemahkan Mesin

Memperoleh pengalaman praktis menggunakan perangkat lunak Minitab.

Layna Thompson - Terumo Aortic
Kursus - Minitab for Statistical Data Analysis

Diterjemahkan Mesin

Instruktur sangat berpengetahuan

Gary McAlonan - Terumo Aortic
Kursus - Minitab for Statistical Data Analysis

Diterjemahkan Mesin

Kursus Mendatang

Minitab untuk Analisis Data Statistik

2026-01-14 09:30
14 Jam
Pondok Indah Office Tower 3
54540000 IDR (Daring)
54540000 IDR (Ruang Kelas)

Minitab untuk Analisis Data Statistik

2026-01-28 09:30
14 Jam
Pondok Indah Office Tower 3
54540000 IDR (Daring)
54540000 IDR (Ruang Kelas)

Minitab untuk Analisis Data Statistik

2026-02-11 09:30
14 Jam
Pondok Indah Office Tower 3
54540000 IDR (Daring)
54540000 IDR (Ruang Kelas)

Minitab untuk Analisis Data Statistik

2026-02-25 09:30
14 Jam
Pondok Indah Office Tower 3
54540000 IDR (Daring)
54540000 IDR (Ruang Kelas)

Minitab untuk Analisis Data Statistik

2026-03-11 09:30
14 Jam
Pondok Indah Office Tower 3
54540000 IDR (Daring)
54540000 IDR (Ruang Kelas)

Kursus Terkait

Programming dengan Big Data di R

 21 Jam

Big Data adalah istilah yang merujuk pada solusi yang ditujukan untuk penyimpanan dan pengolahan data set besar. Dikembangkan oleh Google awalnya, solusi Big Data ini telah berevolusi dan menginspirasi proyek-proyek lain yang serupa, banyak di antaranya tersedia sebagai open-source. R adalah bahasa pemrograman yang populer di industri keuangan.

Baca selengkapnya...

R Fundamentals

 21 Jam

R adalah bahasa pemrograman terbuka dan gratis untuk komputasi statistik, analisis data, dan grafis. R digunakan oleh semakin banyak manajer dan analis data di dalam perusahaan dan akademisi. R juga ditemukan pengikutnya di antara para statistisi, insinyur dan ilmuwan tanpa keterampilan pemrograman komputer yang menemukan mudah untuk digunakan. Kepopulerannya disebabkan oleh penggunaan semakin meningkat dari penambangan data untuk berbagai tujuan seperti menetapkan harga iklan, menemukan obat-obatan baru lebih cepat atau menyesuaikan model finansial. R memiliki berbagai macam paket untuk penambangan data.

Baca selengkapnya...

Ekonometrika: Eviews dan Risk Simulator

 21 Jam

Pelatihan ini yang dipandu instruktur (pelatihan online langsung atau pelatihan langsung tatap muka) ditujukan bagi siapa saja yang ingin mempelajari dan menguasai dasar-dasar analisis dan pemodelan ekonometrika.

Pada akhir pelatihan ini, peserta akan mampu:

  • Mempelajari dan memahami dasar-dasar ekonometrika.
  • Menggunakan Eviews dan simulator risiko.
Baca selengkapnya...

Forecasting dengan R

14 Jam

Pelatihan live dengan instruktur di Indonesia (daring atau tatap muka) ini ditujukan untuk analis data dan profesional bisnis tingkat menengah yang ingin melakukan peramalan deret waktu dan mengotomatiskan alur kerja analisis data menggunakan R.

Setelah selesai pelatihan ini, peserta akan dapat:

  • Memahami dasar-dasar teknik peramalan dalam R.
  • Mengaplikasikan model smoothing eksponensial dan ARIMA untuk analisis deret waktu.
  • Menggunakan paket ‘forecast’ untuk menghasilkan model peramalan yang akurat.
  • Mengotomatiskan alur kerja peramalan untuk aplikasi bisnis dan penelitian.
Baca selengkapnya...

HR Analytics for Public Organisations

14 Jam

Pelatihan langsung ini (daring atau tatap muka) ditujukan untuk profesional HR yang ingin menggunakan metode analitis untuk meningkatkan kinerja organisasi. Kursus ini mencakup pendekatan kualitatif dan kuantitatif, empiris serta statistik.

Format Kursus

  • Diskusi interaktif dan pembicaraan.
  • Banyak latihan dan praktek.

Opsi Penyesuaian Kursus

  • Untuk meminta pelatihan yang disesuaikan untuk kursus ini, silakan hubungi kami untuk membuat jadwal.
Baca selengkapnya...

Pemasanan Analitik Menggunakan R

 21 Jam

Penonton

Pengusaha (manajer pemasaran, manajer produk, manajer basis pelanggan) dan tim mereka; profesional wawasan pelanggan.

Ikatan

Kursus ini mengikuti siklus hidup pelanggan dari mendapatkan pelanggan baru, mengelola pelanggan yang ada untuk keuntungan, mempertahankan pelanggan yang baik, dan akhirnya memahami pelanggan mana yang pergi dan mengapa. Kami akan bekerja dengan data asli (meskipun anonim) dari berbagai industri termasuk telekomunikasi, asuransi, media, dan teknologi tinggi.

Format

Pelatihan dipimpin instruktur selama lima sesi setengah hari dengan latihan di kelas serta tugas rumah. Kursus ini dapat diberikan sebagai kursus kelas atau jarak jauh (online).

Baca selengkapnya...

R untuk Analisis Data dan Penelitian

 7 Jam

Peserta

  • managers
  • developers
  • scientists
  • students

Format pelatihan

pelatihan online langsung dan diskusi atau workshop langsung tatap muka

Baca selengkapnya...

Pengenalan R

 21 Jam

R adalah bahasa pemrograman open-source gratis untuk komputasi statistik, analisis data, dan grafis. R digunakan oleh jumlah manajer dan analis data yang terus bertambah di dalam perusahaan dan akademisi. R juga mendapat pengikut di antara para statistisi, insinyur, dan ilmuwan tanpa keterampilan pemrograman komputer yang menyukainya karena mudah digunakan. Ketenarannya disebabkan oleh penggunaan semakin banyak dari penambangan data untuk berbagai tujuan seperti menetapkan harga iklan, menemukan obat-obatan baru lebih cepat, atau menyesuaikan model finansial. R memiliki berbagai macam paket untuk penambangan data.

Kursus ini mencakup manipulasi objek di R termasuk membaca data, mengakses paket R, menulis fungsi R, dan membuat grafik informatif. Kursus ini mencakup analisis data menggunakan model statistik umum. Kursus ini mengajarkan cara menggunakan software R (https://www.r-project.org) baik di baris perintah maupun di antarmuka pengguna grafis (GUI).

Baca selengkapnya...

Pelatihan Pendahuluan R untuk Biolog

28 Jam
R adalah bahasa pemrograman terbuka sumber gratis untuk komputasi statistik, analisis data, dan grafik. R digunakan oleh semakin banyak manajer dan analis data di perusahaan dan akademisi. R juga menarik pengikut di kalangan statistisi, insinyur, dan ilmuwan tanpa keterampilan pemrograman komputer yang menganggapnya mudah digunakan. Popularitasnya ditandai dengan penggunaan semakin banyak teknik penambangan data untuk berbagai tujuan seperti menetapkan harga iklan, mencari obat-obatan baru lebih cepat, atau memfokuskan model keuangan. R memiliki berbagai macam paket untuk penambangan data.
Baca selengkapnya...

R

21 Jam

R adalah bahasa pemrograman terbuka yang gratis untuk perhitungan statistik, analisis data, dan grafik. R digunakan oleh semakin banyak manajer dan analis data di perusahaan dan akademisi. R juga telah mendapatkan pengikut di antara statistisi, insinyur, dan ilmuwan tanpa keterampilan pemrograman komputer yang menemukannya mudah digunakan. Kegemaran terhadap R disebabkan oleh penggunaan semakin banyak dari data mining untuk berbagai tujuan seperti menetapkan harga iklan, mencari obat baru lebih cepat, atau menyempurnakan model keuangan. R memiliki berbagai macam paket untuk data mining.

Baca selengkapnya...

Neural Network in R

14 Jam

Kursus ini merupakan pengenalan tentang penerapan jaringan saraf dalam masalah dunia nyata menggunakan perangkat lunak R-project.

Baca selengkapnya...

Advanced R Programming

7 Jam

Kurs ini ditujukan untuk ilmuwan data dan statistikian yang sudah memiliki keterampilan pemrograman dasar R & C++ serta kode R, dan membutuhkan keterampilan pemrograman R lanjutan.

Tujuannya adalah memberikan kursus praktis pemrograman R lanjutan bagi peserta yang tertarik menerapkan metode tersebut di tempat kerja.

Contoh yang spesifik untuk sektor-sektor digunakan untuk membuat pelatihan relevan dengan audiens

Baca selengkapnya...

Analisis Statistik Menggunakan SPSS

 21 Jam

Pelatihan langsung yang dipandu instruktur di Indonesia (online atau di tempat) ini ditujukan untuk profesional tingkat pemula hingga menengah yang ingin melakukan analisis statistik menggunakan SPSS untuk menginterpretasikan data secara akurat, menjalankan uji statistik yang kompleks, dan menghasilkan wawasan yang berarti.

Pada akhir pelatihan ini, peserta akan dapat:

  • Navigasi antarmuka SPSS dan kelola kumpulan data secara efisien.
  • Melakukan analisis statistik deskriptif dan inferensial.
  • Melakukan uji-t, ANOVA, MANOVA, regresi, dan analisis korelasi.
  • Terapkan pengujian non-parametrik, analisis komponen utama, dan analisis faktor untuk interpretasi data tingkat lanjut.
Baca selengkapnya...

Pengantar ke Data Visualization dengan Tidyverse dan R

7 Jam

Audience

Format of the course

Dengan akhir pelatihan ini, peserta akan dapat:

Dalam pelatihan langsung yang dipandu oleh instruktur ini, peserta akan belajar bagaimana memanipulasi dan visualisasi data menggunakan alat-alat yang termasuk dalam Tidyverse.

Tidyverse adalah koleksi paket R yang fleksibel untuk membersihkan, memproses, memodelkan, dan mengvisualisasikan data. Beberapa dari paket yang disertakan adalah: ggplot2, dplyr, tidyr, readr, purrr, dan tibble.

  • Pemula dalam bahasa R
  • Pemula dalam analisis data dan visualisasi data
  • Sebagian presentasi, sebagian diskusi, latihan, dan praktek langsung yang intensif
  • Melakukan analisis data dan membuat visualisasi menarik
  • Mengambil kesimpulan berguna dari berbagai dataset data contoh
  • Memfilter, mengurutkan, dan meringkas data untuk menjawab pertanyaan eksplorasi
  • Mengubah data yang telah diproses menjadi grafik garis informatif, diagram batang, histogram
  • Mengekspor dan memfilter data dari berbagai sumber data, termasuk Excel, CSV, dan file SPSS
Baca selengkapnya...

Building Web Applications in R with Shiny

7 Jam

Deskripsi: 

Ini adalah kursus yang dirancang untuk mengajarkan pengguna R cara membuat aplikasi web tanpa perlu mempelajari skrip lintas browser HTML, Javascript, dan CSS.

Objektif:

Menyediakan pengetahuan dasar tentang bagaimana aplikasi Shiny bekerja.

Menutupi semua fungsi input/output/rendering/panel yang sering digunakan dari perpustakaan Shiny.

Baca selengkapnya...

Kategori Terkait

Statistics
Statistics