Recently Published
Analisis Data Multivariat 1 — Praktikum Operasi Matriks, SVD, dan Matriks Jarak
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.
Aljabar Matriks, Konsep Jarak, dan Vektor Rata-rata
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.
Aljabar Vektor, Matriks, Dekomposisi Matriks, dan Konsep Jarak
Dokumen berisi mengenai Pengertian, Contoh, dan Implementasi dari Aljabar Vektor, Matriks, Dekomposisi Matriks, dan Konsep Jarak
Matriks, Pasangan Eigen, Singular Value Decomposition, dan Vektor rata-rata
Berisi penjelasan, rumus, syntax, contoh dan implementasi dari Matriks, Pasangan Eigen, Singular Value Decomposition, dan Vektor rata-rata
Aljabar Matriks, Konsep Jarak, dan Vektor Rata-rata
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.