Penelitian ini membahas implementasi algoritma Expectation-Maximization (EM) untuk mengestimasi probabilitas munculnya Head pada dua koin berdasarkan data observasi yang tidak diketahui identitas koinnya. Proses dilakukan menggunakan tahapan E-Step dan M-Step secara iteratif hingga mencapai kondisi konvergen. Pada percobaan ini digunakan parameter awal θA = 0.7 dan θB = 0.4. Hasil analisis menunjukkan bahwa algoritma EM berhasil konvergen pada iterasi ke-9 dengan nilai akhir θA = 0.7968 dan θB = 0.5195. Hasil tersebut menunjukkan bahwa koin A memiliki probabilitas munculnya Head lebih tinggi dibandingkan koin B. Algoritma EM terbukti mampu mengestimasi parameter secara efektif meskipun terdapat variabel laten pada data observasi.

Metode Diskriminan LDA

Nama : Fawwaz Arkan Al Bukhari NIM : 2504220051 Prodi : Statistika dan Sains Data Rombel : SSD R2 2025

Nama : Fawwaz Arkan Al Bukhari NIM : 2504220051 Prodi : Statistika dan Sains Data Rombel : SSD R2 2025

This report proposes two real world economic datasets obtained from the World Bank World Development Indicators (WDI) database. The first dataset is designed for a regression problem with a continuous target variable. The second dataset is designed for a classification problem with a binary target variable created from a macroeconomic growth indicator.