Dokumen ini menyajikan analisis statistika deskriptif data lingkungan di Kabupaten Banjarnegara menggunakan R dengan memanfaatkan data simulasi untuk setiap kecamatan. Variabel yang dianalisis meliputi kepadatan penduduk, luas wilayah, akses sanitasi, akses air bersih, ruang terbuka hijau, serta timbulan sampah. Visualisasi yang digunakan mencakup choropleth map, bubble map, treemap, polar plot, dan dot plot. Hasil analisis memberikan gambaran pola variasi kondisi lingkungan antar kecamatan dan dapat menjadi dasar pemahaman awal dalam kajian pengelolaan lingkungan daerah.

Environmental Statistics || This document contains material on Descriptive Statistics and Environmental Data Visualization. It discusses four types of data visualization that are more informative, namely Choropleth Map, Heatmap, Violin Plot, and Ridgeline Plot. The case studies used include data on air pollution (PM2.5), river water pH, and annual rainfall. These visualizations help to understand patterns, trends, and differences in environmental data more easily.

Dokumen ini membahas penerapan metode bootstrap dalam konteks analisis regresi dan penanganan missing value. Bootstrap digunakan untuk mengestimasi ketidakpastian model regresi tanpa bergantung pada asumsi distribusi klasik. Praktikum mencakup tiga pendekatan: (1) bootstrap pada data lengkap, (2) bootstrap setelah imputasi rata-rata, dan (3) kombinasi multiple imputation dengan bootstrap menggunakan paket mice. Hasil ketiganya dibandingkan untuk mengevaluasi pengaruh missing value terhadap estimasi model.

Dokumen ini berisi simulasi data deret waktu menggunakan model ARIMA(1,1,1), dilanjutkan dengan analisis kestasioneran, pemilihan kandidat model melalui ACF, PACF, dan EACF, serta evaluasi model terbaik berdasarkan nilai AIC. Proses ini memberikan wawasan tentang bagaimana data yang dibangkitkan belum tentu cocok dengan model yang digunakan, serta pentingnya evaluasi model dalam analisis runtun waktu.

Dokumen ini berisi implementasi Simulasi Monte Carlo untuk memprediksi permintaan berdasarkan data acak dari distribusi eksponensial (permintaan) dan distribusi normal (frekuensi). Proses meliputi perhitungan probabilitas, nilai ekspektasi, dan simulasi permintaan untuk beberapa rentang hari.

Simulasi Bootstrap dalam Estimasi Statistik || Dokumen ini membahas konsep dan penerapan metode bootstrap dalam estimasi statistik. Melalui simulasi di R, ditunjukkan bagaimana teknik ini digunakan untuk mengestimasi distribusi sampling, terutama ketika distribusi teoritis sulit ditentukan. Disertai juga pengerjaan tugas tambahan untuk memperkuat pemahaman konsep dan penerapannya dalam studi kasus sederhana.

Ketidakpastian Estimasi dan Simulasi Interval Kepercayaan || Dokumen ini membahas konsep dasar ketidakpastian estimasi, khususnya estimasi interval (confidence interval), serta simulasi pengaruh ukuran sampel, variabilitas data, dan distribusi yang digunakan. Terdapat pula pengerjaan tugas tambahan berupa studi kasus dan simulasi dengan variasi parameter untuk mendukung pemahaman lebih mendalam.

Simulasi Variabel Random: Konsep, Implementasi, dan Analisis || Dokumen ini berisi pembahasan mengenai simulasi variabel random dalam statistik, mencakup distribusi diskrit (Binomial, Poisson) dan kontinu (Normal, Eksponensial). Selain itu, dokumen ini juga menyajikan studi kasus serta implementasi dalam bentuk kode pemrograman untuk menghasilkan dan menganalisis distribusi tersebut. Di dalamnya terdapat juga pengerjaan tugas tambahan yang mendukung pemahaman konsep dan aplikasi variabel random dalam berbagai konteks analisis data.

Pengenalan R: Operasi Dasar hingga Analisis Dasar || Dokumen ini berisi pengenalan dasar pemrograman R, mencakup operasi matematika, manipulasi data, pengolahan nilai NA, serta teknik dasar lainnya yang berguna dalam analisis data.

A Handbook of Statistical Analyses Using R (Second Edition) - Brian S. Everitt and Torsten Hothorn