Tugas Personal ke-2
Week 4
Dari Visual and Programmatic Foundations for Statistical Computing:
LO1: Jelaskan metode Komputasi Statistik seperti random number generation, simulasi
Monte Carlo, dan optimasi numerik yang sangat penting dalam menyelesaikan
permasalahan statistik yang kompleks.
Dari Advanced Resampling and Simulation Techniques in Statistical Analysis:
LO2: Menjelaskan teknik-teknik komputasi intensif dalam Metodologi Statistik seperti
resampling, cross-validation, analisis Bayesian, dan analisis survival, yang sangat
penting untuk pengambilan keputusan berbasis data di era modern.
Mata Kuliah: Computational Statistics
Sumber Materi:
📄 1. Visual and Programmatic Foundations for Statistical Computing
📄 2. Advanced Resampling and Simulation Techniques in Statistical Analysis
Soal 1 – Grammar of Graphics dan Visualisasi (30 poin)
(Sumber: Visual and Programmatic Foundations for Statistical Computing, Hal. 1–3)
Jelaskan bagaimana urutan transformasi dalam Grammar of Graphics (GoG) memengaruhi
akurasi visualisasi data. Gunakan contoh sederhana (misalnya pertumbuhan penduduk atau harga
saham) untuk menjelaskan peran transformasi skala, statistik, dan koordinat dalam pipeline GoG.
Hint: Hubungkan dengan urutan proses: data → varset → transformasi → geometri → koordinat
→ estetika.
Computational Statistics
Soal 2 – Model Selection dan Regularisasi (35 poin)
(Sumber: Advanced Resampling and Simulation Techniques in Statistical Analysis, Hal. 1–3)
a) Jelaskan perbedaan antara AIC dan BIC dalam pemilihan model.
b) Dalam situasi data besar dan kompleks, kapan kita sebaiknya menggunakan penalized
likelihood seperti Ridge Regression dibandingkan AIC/BIC?
Hint: Diskusikan tentang jumlah parameter, regularisasi terhadap overfitting, dan penalti
kompleksitas.
Soal 3 – Cross-validation dan Bootstrap (35 poin)
(Sumber: Advanced Resampling and Simulation Techniques in Statistical Analysis, Hal. 2–4)
a) Jelaskan perbedaan mendasar antara cross-validation dan bootstrap dalam konteks validasi
model.
b) Berikan contoh sederhana bagaimana bootstrap dapat digunakan untuk membangun
confidence interval, dan bagaimana hasilnya dibandingkan dengan metode tradisional.
Hint: Tunjukkan kelebihan bootstrap saat distribusi data tidak normal.
Computational Statistics
Penggunaan AI (seperti ChatGPT) dalam Pengerjaan Tugas
Jika Anda menggunakan bantuan Artificial Intelligence (AI), seperti ChatGPT atau alat serupa,
dalam menyelesaikan tugas, Anda wajib mencantumkan label “AI-Assisted” pada hasil kerja
Anda. Sertakan pula penjelasan spesifik mengenai peran AI dalam proses pengerjaan,
misalnya:
Memperbaiki tata bahasa atau gaya penulisan
Memberikan ide atau inspirasi awal
Membantu merangkum artikel atau referensi
Memberikan klarifikasi konsep atau penjelasan teknis
Contoh penulisan pengakuan:
“Tugas ini dikerjakan dengan bantuan ChatGPT untuk memperbaiki struktur kalimat dan
tata bahasa pada bagian penjelasan.”
Catatan penting:
Mahasiswa tetap bertanggung jawab atas keaslian, ketepatan, dan integritas akademik
dari tugas yang dikumpulkan.
Penggunaan AI tanpa transparansi atau pengakuan yang jujur dapat dianggap
sebagai pelanggaran etika akademik.
AI sebaiknya digunakan sebagai alat bantu, bukan sebagai pengganti pemikiran kritis
dan orisinalitas Anda.
Computational Statistics