This project analyzes U.S. small-denomination time deposits using classical models and machine learning methods. It evaluates forecast accuracy, volatility behavior, and the impact of monetary policy, showing that flexible models like XGBoost adapt best to post-2022 structural changes.

Visualisasi data penjualan supermarket yang telah di bersihkan menggunakan RStudio

Trabajo grupal

Penelitian ini menganalisis pengelompokan provinsi di Indonesia berdasarkan Indeks Pembangunan Manusia (IPM) tahun 2025 menggunakan metode cluster hierarki. Pendekatan ini memanfaatkan variabel penyusun IPM—Rata-rata Lama Sekolah (RLS), Pengeluaran per Kapita (PK), dan Umur Harapan Hidup (UHH)—untuk membentuk struktur pengelompokan yang menggambarkan kedekatan karakteristik antar provinsi. Hasil analisis divisualisasikan melalui dendrogram untuk menunjukkan pola kemiripan dan tingkat heterogenitas pembangunan manusia di Indonesia.