Penelitian ini bertujuan untuk melakukan segmentasi customer berdasarkan perilaku penggunaan kartu kredit menggunakan beberapa metode clustering, yaitu K-Means, K-Median, DBSCAN, Mean Shift, dan Fuzzy C-Means. Dataset yang digunakan terdiri dari 8950 data dengan 17 variabel numerik yang merepresentasikan aktivitas transaksi customer. Tahapan analisis meliputi preprocessing data, penerapan metode clustering, serta evaluasi kinerja menggunakan silhouette score. Hasil evaluasi kemudian divisualisasikan untuk mempermudah interpretasi karakteristik masing-masing cluster. Hasil penelitian diharapkan dapat memberikan insight yang berguna dalam mendukung pengambilan keputusan bisnis.

This report performs an exploratory data analysis (EDA) to investigate the relationships between multiple numerical and categorical variables within the dataset. The analysis employs several visualization techniques, including grouped boxplots, category-based histograms, and pairplot visualizations to examine pairwise relationships among variables. Through these graphical approaches, the analysis aims to reveal distribution patterns, variability across groups, and potential correlations that may inform further statistical modeling.

Implementasi Principal Component Analysis (PCA) dan Factor Analysis (FA) pada dataset Student Performance (Mathematics) untuk mereduksi dimensi data dan mengidentifikasi faktor yang memengaruhi prestasi matematika siswa. Hasil analisis menunjukkan terbentuk tiga faktor utama yaitu faktor akademik, aktivitas sosial, dan waktu luang.

his page presents an exploratory multivariate analysis of the SIRTUIN6 dataset using R. The analysis includes correlation matrix, variance–covariance matrix, and eigen decomposition to examine the structure of relationships and variance among numerical variables. Prepared as a student worksheet for Multivariate Analysis course.