Laporan ini menyajikan aplikasi praktis dari Generalized Linear Models (GLM) dalam menangani data non-kontinu melalui empat pendekatan model utama: Regresi Logistik Biner (analisis peluang sukses/gagal pada keputusan deposito bank), Regresi Logistik Multinomial (klasifikasi multi-kategori pada spesies fauna), Regresi Logistik Ordinal (pemodelan tingkat prioritas penerimaan siswa), dan Regresi Poisson (analisis data cacah jumlah kamar apartemen). Menggunakan dataset riil dan kredibel dari UCI Machine Learning Repository, laporan ini berfokus pada visualisasi, pembentukan model menggunakan R, serta interpretasi statistik nilai Odds Ratio dan signifikansi parameter secara ringkas dan tepat sasaran.

Laporan komputasi R Markdown (.Rmd) mengenai penerapan Regresi Logistik Biner dalam memprediksi status keganasan tumor payudara (Severity) berdasarkan karakteristik demografi dan fisis Mammographic Mass. Laporan ini mencakup tahap pra-pemrosesan data, analisis deskriptif, uji simultan/parsial, evaluasi kelayakan model (Hosmer-Lemeshow & AIC), serta matriks klasifikasi performa model.

Dokumen ini mengenai operasi matriks, nilai dan vektor eigen, dan ukuran jarak observasi.