Publikasi ini membahas tantangan integritas data akibat nilai yang hilang (missing value) dan bagaimana teknik Bootstrap resampling serta Multiple Imputation memberikan solusi yang kokoh (robust). Materi ini membandingkan tiga pendekatan utama dalam analisis regresi: pembersihan data secara tradisional (listwise deletion), Mean Imputation yang dikombinasikan dengan Bootstrap untuk mengestimasi confidence interval tanpa asumsi normalitas, serta penggunaan paket MICE (Multiple Imputation by Chained Equations). Melalui visualisasi perbandingan slope dan standard error, pembaca dapat memahami bagaimana berbagai metode imputasi memengaruhi bias dan presisi estimasi parameter, memberikan wawasan praktis dalam menjaga kekuatan statistik meskipun bekerja dengan data yang tidak lengkap.

This is the HW4 for course Epi553.

Maestría en Gobierno y Políticas Públicas

Materi ini mengeksplorasi siklus hidup analisis data deret waktu (time series) menggunakan model ARIMA(1,1,1) sebagai studi kasus utama. Dimulai dengan pembangkitan data sintetis menggunakan fungsi arima.sim, publikasi ini menyajikan tutorial komprehensif mengenai tahapan identifikasi model yang mencakup visualisasi ACF/PACF, uji stasioneritas Augmented Dickey-Fuller (ADF), hingga proses differencing. Pembaca akan dipandu untuk menentukan kandidat model terbaik melalui alat bantu EACF dan fungsi auto.arima, serta melakukan evaluasi model berdasarkan kriteria AIC. Tutorial ini menekankan pada pentingnya kombinasi antara teori statistik dan interpretasi visual dalam menentukan model yang paling representatif terhadap karakteristik data.