Visualisasi spasial indikator ekonomi kabupaten/kota di Provinsi Jawa Timur tahun 2025 menggunakan peta choropleth. Analisis ini mencakup indikator Tingkat Pengangguran Terbuka (TPT), jumlah penduduk miskin, Indeks Pembangunan Manusia (IPM), dan PDRB untuk melihat pola persebaran dan ketimpangan antar wilayah.

Analisis data Indeks Desa Membangun (IDM) tahun 2024 menggunakan metode Simple Additive Weighting (SAW) dan Weighted Product (WP). Analisis ini bertujuan untuk menentukan peringkat desa berdasarkan tiga indikator utama yaitu Indeks Ketahanan Sosial (IKS), Indeks Ketahanan Ekonomi (IKE), dan Indeks Ketahanan Lingkungan (IKL). Hasil analisis menghasilkan ranking desa berdasarkan nilai preferensi dari kedua metode yang kemudian dapat digunakan sebagai dasar pengambilan keputusan dalam evaluasi tingkat pembangunan desa.

menyajikan analisis menyeluruh terhadap pertumbuhan ekonomi Indonesia menggunakan metode Vector Error Correction Model (VECM). Analisis dilakukan pada periode 2011-2025 dengan menggunakan lima variabel makroekonomi utama: Investasi (SS), Penelitian & Pengembangan (RD), Inflasi, Indeks Harga Saham Gabungan (IHSGr), dan Produk Domestik Bruto (PDB).

Analisis K-Means Clustering dilakukan untuk mengidentifikasi segmentasi natural perusahaan berdasarkan profil keuangan dan struktur kepemilikan saham. Penelitian ini melibatkan 176 observasi perusahaan (setelah outlier removal) dengan 7 variabel finansial: Return on Assets (ROA), Debt-to-Equity Ratio (DER), Operating Cash Flow Ratio (OCFR), Age, Size, Institutional Ownership (INST_OWN), dan Managerial Ownership (MNJ_OWN).

Aplikasi Shiny untuk prediksi diagnosis kanker payudara menggunakan model Random Forest. Aplikasi ini memungkinkan prediksi tunggal dan batch prediction dari data pasien berdasarkan 6 fitur utama (radius mean, texture mean, area mean, smoothness, compactness, dan concavity). Model sudah dilatih dan siap digunakan untuk klasifikasi Benign (B) atau Malignant (M).

Aplikasi Shiny untuk prediksi diagnosis kanker payudara menggunakan model Random Forest. Aplikasi ini memungkinkan prediksi tunggal dan batch prediction dari data pasien berdasarkan 6 fitur utama (radius mean, texture mean, area mean, smoothness, compactness, dan concavity). Model sudah dilatih dan siap digunakan untuk klasifikasi Benign (B) atau Malignant (M).