Dokumen ini menyajikan analisis data multivariat komprehensif pada dataset pemain game FC 26 (Kaggle, September 2025). Proyek ini berfokus pada tahapan end-to-end Data Science, mulai dari Exploratory Data Analysis (EDA), Feature Engineering, hingga Feature Selection menggunakan algoritma Random Forest. Selain itu, teknik reduksi dimensi dengan Principal Component Analysis (PCA) diterapkan untuk memetakan karakteristik unik pemain, termasuk mengidentifikasi pola teknis dan orientasi taktis (ofensif vs defensif) dari para wonderkid. Seluruh analisis dibangun menggunakan R (tidyverse, factoextra, randomForest, corrplot).

Laporan ini menyajikan analisis Regresi Linear Berganda untuk memprediksi nilai ujian mahasiswa berdasarkan dua faktor utama: Jam Belajar dan Tingkat Kehadiran.

Analisis regresi linear berganda ini membuktikan bahwa model telah memenuhi seluruh uji asumsi klasik dengan kekuatan prediksi yang sangat tinggi sebesar 87,19%. Hasil pengujian menunjukkan bahwa hanya variabel Kehadiran yang memiliki pengaruh positif dan signifikan terhadap Nilai, sementara variabel IQ tidak memberikan pengaruh nyata secara statistik dalam model ini. Kesimpulannya, tingkat kedisiplinan melalui kehadiran di kelas menjadi faktor penentu utama keberhasilan akademik mahasiswa dibandingkan dengan skor IQ mereka.

Proyek ini menampilkan visualisasi data produksi tanaman perkebunan di Indonesia tahun 2024 menggunakan R. Berbagai grafik digunakan untuk melihat distribusi produksi, perbandingan antar wilayah, serta hubungan antar komoditas seperti kelapa sawit, karet, kopi, kakao, dan teh. Hasil visualisasi menunjukkan bahwa produksi perkebunan di Indonesia didominasi oleh kelapa sawit dan terkonsentrasi pada wilayah tertentu seperti Sumatra dan Kalimantan.