Skip to content

Pengantar Statistika

Umpan balik 1

Mohon untuk mengisi formulir umpan balik perkuliahan di sini.

Umpan balik 2

Mohon untuk mengisi formulir umpan balik perkuliahan di sini.

Pendahuluan

Referensi

Kuliah ini banyak mengadaptasi materi dari CS109: Probability for Computer Scientists dari Stanford University dan Stat110: Probability dari Harvard University.

Probabilitas & Statistika

Salindia minggu ke-1: Pendahuluan

Apa itu statistika? Apa hubungannya dengan probabilitas? Kuliah ini ditujukan sebagai pengantar bagi Anda untuk memahami statistika dan probabilitas agar dapat menjadi ilmuwan data yang mumpuni. Dalam pertemuan pertama ini, Anda akan belajar tentang bagian paling dasar dari probabilitas dan statistika: kaidah pencacahan.

Salindia minggu ke-2: How to Lie with Statistics

Lies, damned lies, statistics

There are three kinds of lies: lies, damned lies, and statistics.

‐ Benjamin Disraeli

Statistik dapat digunakan untuk berbohong tanpa harus berbohong. Di era politik post-truth seperti sekarang, ilmu ini sering disalahgunakan untuk kepentingan pribadi. Pertemuan kali ini membahas beberapa cara untuk "berbohong" dengan statistik dan bagaimana cara mendeteksinya.

Tips

Materi dari Harvard CS109: Data Science ini dapat membantu melihat contoh visualisasi yang baik dan buruk. Anda juga bisa melihat kuliah Calling Bullshit untuk melatih Anda menemukan kebohongan yang dipaparkan secara "saintifik".

Salindia minggu ke-3: Kombinatorika

Di minggu ini, Anda akan belajar tentang permutasi, kombinasi, dan hubungan antara kedua hal tersebut. Materi yang diberikan banyak diadaptasi dari Stanford CS109 tentang kombinatorika.

Tips

Video dari Khan Academy bisa membantu Anda untuk memahami materi minggu ini.

Salindia minggu ke-4: Probabilitas

Memanfaatkan konsep kombinatorika dan pencacahan yang sudah dipelajari, minggu ini Anda akan mempelajari konsep peluang. Materi yang diberikan banyak diadaptasi dari Stanford CS109 tentang kombinatorika.

Tugas 1

Tugas 1

Tenggat

Kamis, 18 April 2019, pukul 23.55 WIB

Salindia minggu ke-5: Probabilitas Bersyarat

Probabilitas bersyarat pada dasarnya adalah probabilitas juga, tetapi dengan perubahan ruang sampel akibat suatu kejadian yang telah diketahui. Materi minggu ini juga membahas ekstensi dari probabilitas bersyarat, yaitu aturan Bayes.

Salindia minggu ke-6: Independensi

Dengan mengetahui informasi tentang suatu kejadian, bisa jadi berpengaruh pada tingkat kepercayaan kita terhadap kejadian yang lainnya terjadi. Namun, bisa jadi informasi tersebut tidak mengubah apa-apa sama sekali. Konsep ini dikenal dengan nama independensi. Materi ini dibahas secara lebih lengkap di kuliah Stanford CS228: Probabilistic Graphical Models.

Salindia minggu ke-7: Peubah Acak

Konsep peubah acak atau random variables sebetulnya sudah kita pelajari sejak pertemuan ketiga dari kuliah ini. Hanya saja, kali ini akan dibahas lebih detail tentang apa itu peubah acak dan apa hubungannya dengan pemodelan probabilistik. Di minggu ini, Anda juga akan mempelajari tentang konsep ekspektasi dan variansi.

Tugas 2

Tugas 2

Tenggat

Minggu, 12 Mei 2019, pukul 23.55 WIB

Distribusi Diskrit

Salindia minggu ke-8: Distribusi Bernoulli dan Binomial

Salindia minggu ke-9: Distribusi Poisson

Dalam dua minggu ini, Anda akan belajar tentang beberapa formula yang sering digunakan untuk menghitung beberapa jenis distribusi diskrit yang umum ditemui. Materi ini akan sangat berhubungan dengan konsep peubah acak dan akan menjadi dasar bagi pembahasan distribusi kontinu di minggu selanjutnya.

Tugas 3

Notebook Tugas 3

Dalam tugas ini, Anda diharuskan untuk mengerjakannya dengan kode dalam bahasa Python. Selain itu, Anda akan dikenalkan dengan Jupyter notebook yang sudah dimuat dalam Google Colab. Anda dapat mengerjakannya langsung di Google Colab sehingga tidak perlu menginstalasi pustaka yang dibutuhkan. Anda kemudian hanya perlu mengunduh hasil pekerjaan Anda, mengganti namanya dan mengumpulkannya melalui e-learning.

Tenggat

Sabtu, 15 Juni 2019, pukul 23.55 WIB

Distribusi Kontinu

Salindia minggu ke-10: Distribusi Kontinu

Salindia minggu ke-11: Distribusi Normal

Salindia minggu ke-12: Distribusi Multivariate Normal

Setelah membahas tentang distribusi untuk variabel diskrit, kali ini topik bahasannya adalah distribusi untuk variabel kontinu. Dengan demikian, Anda akan bertemu lagi dengan salah satu topik "favorit" sepanjang masa: kalkulus! Bahasan akan dimulai dari distribusi uniform dan eksponensial. Pekan berikutnya, kita akan masuk ke topik distribusi normal/Gaussian.

Maximum Likelihood Estimation

Salindia minggu ke-13: LLN, CLT, & MLE

Di minggu ini, Anda akan melihat mengapa pada akhirnya banyak sekali data yang bisa diasumsikan mengikuti distribusi normal. Selain itu, Anda juga akan melihat bagaimana cara untuk memilih nilai parameter dari suatu distribusi untuk memaksimalkan peluang untuk melihat suatu data - maximum likelihood estimation.

Tugas 4

Notebook Tugas 4

Dalam tugas ini, Anda akan mencoba mengeksplorasi lebih jauh tentang distribusi normal dan maximum likelihood estimation.

Tenggat

Jumat, 12 Juli 2019, pukul 23.55 WIB