Statistika

Pahami definisi statistika sebagai ilmu pengumpulan, pengolahan, dan interpretasi data, bedakan statistika dari statistik, dan lihat mengapa statistika dibutuhkan untuk mengambil keputusan.

Bedakan dua cabang utama statistika: deskriptif yang merangkum data di tangan, dan inferensial yang menarik kesimpulan tentang populasi dari sampel, lengkap dengan contoh alur survei.

Pahami populasi sebagai keseluruhan objek yang dipelajari dan sampel sebagai bagiannya, bedakan sensus dari survei, kenali populasi nyata dan abstrak, serta alasan pengambilan sampel dan notasi N dan n.

Kenali parameter sebagai karakteristik populasi dan statistik sampel sebagai hitungannya dari sampel, pelajari lambang μ, σ, p, serta hubungan penaksiran dan gagasan sampling error.

Lihat penerapan statistika di pendidikan, bisnis, kesehatan, pemerintahan, teknologi, dan keuangan, lalu telusuri peta jalan belajar course Statistika dari awal sampai akhir.

Kuasai operasi pecahan, konversi ke desimal dan persen, serta persentase perubahan, lengkap dengan jebakan dasar perbandingan yang bergeser.

Bedakan rasio, proporsi, odds, dan rate beserta normalisasi dan konversinya, dengan contoh data kependudukan bergaya laporan BPS.

Baca dan kembangkan notasi penjumlahan Σ, kuasai propertinya, dan bedakan Σx² dari (Σx)² lewat contoh nilai lima siswa yang dihitung lengkap.

Pahami aturan eksponen dan logaritma beserta perannya di statistika, dari kuadrat pada varians hingga skala Richter dan skala logaritmik.

Bedakan data kualitatif dan kuantitatif beserta subjenisnya, kenali data primer dan sekunder serta data cross-sectional dan longitudinal, dan pahami mengapa klasifikasi data menentukan ringkasan dan visualisasi yang tepat.

Kenali empat skala pengukuran Stevens — nominal, ordinal, interval, dan rasio — beserta properti dan operasi matematika yang sah pada tiap skala agar hasil analisis tidak menyesatkan.

Bandingkan survei, wawancara, observasi, eksperimen, dan data sekunder dari sisi biaya, kecepatan, dan kedalaman, lalu pelajari cara merancang pertanyaan yang menghasilkan data berkualitas.

Kuasai teknik probability dan non-probability sampling dari simple random hingga snowball, dilengkapi contoh alokasi stratified sampling proporsional yang dihitung dan diverifikasi dengan Python.

Kenali lima jenis bias umum beserta gejalanya dan mitigasinya, pahami validitas dan reliabilitas, serta terapkan checklist kualitas data sebelum analisis dimulai.

Rapikan data mentah menjadi tabel frekuensi absolut, relatif, dan kumulatif, baik untuk data kategorik maupun data numerik yang dikelompokkan ke dalam interval kelas.

Hitung rata-rata (mean) dengan rumus Σx/n, buktikan sifat jumlah deviasi nol dan sensitivitasnya terhadap outlier, lalu terapkan weighted mean untuk nilai berbobot.

Temukan nilai tengah data dengan rumus posisi (n+1)/2, hitung median untuk data ganjil dan genap, serta lihat mengapa median lebih tahan terhadap outlier dan lebih tepat untuk data miring.

Kenali modus sebagai nilai atau kategori yang paling sering muncul, bedakan data unimodal, bimodal, dan tanpa modus, serta pilih ukuran pemusatan yang tepat menurut skala data.

Bagi data menjadi empat bagian dengan kuartil Q1, Q2, Q3 dan kenali persentil P_k, lengkap dengan rumus posisi, interpolasi, dan pemahaman jujur atas perbedaan antar metode perhitungan.

Ukur penyebaran data dengan rentang dan interquartile range (IQR), bandingkan ketahanan keduanya terhadap outlier, lalu terapkan aturan 1.5×IQR untuk mendeteksi outlier secara sistematis.

Pahami varians sebagai rata-rata kuadrat deviasi terhadap mean, bedakan rumus populasi σ² dan sampel s², serta pahami alasan intuitif pembagi n-1 pada data sampel.

Kembalikan satuan penyebaran dengan standar deviasi s = √s², interpretasikan sebarannya lewat empirical rule, bandingkan antar data dengan coefficient of variation, dan kenali z-score.

Kenali tabel sebagai bentuk visualisasi paling sederhana: rekap tabel frekuensi, tabel ringkasan statistik, tabel satu arah, tabel silang, dan tabel pivot, lengkap dengan kebiasaan penyajian yang membuat tabel mudah dibaca.

Bangun diagram batang untuk data kategorik, pilih urutan kategori dan orientasi batang yang tepat, kenali perbedaan mendasarnya dengan histogram, lalu hindari jebakan sumbu-y terpotong.

Ubah tabel frekuensi menjadi histogram dengan batang yang menyatu, baca bentuk distribusi dari puncak dan ekornya, lalu pilih jumlah kelas yang tidak menyembunyikan maupun memecah bentuk data.

Baca anatomi box plot dari kuartil, garis median, whisker 1.5×IQR, hingga titik outlier, hitungnya dengan metode inclusive, lalu bandingkan sebaran beberapa kelompok dalam satu gambar.

Sebar dua variabel numerik sebagai titik observasi pada satu bidang, baca arah dan kekuatan hubungannya, waspadai outlier serta jebakan skala sumbu, dan kenali bubble chart untuk variabel ketiga.

Lacak pergerakan nilai sepanjang waktu dengan line chart, kelola dua seri data dengan legend, lalu hindari jebakan terlalu banyak garis, interval waktu tidak seragam, dan sumbu-y yang memotong rentang data.

Terapkan kerangka keputusan 'pertanyaan dulu, data kedua, chart terakhir' untuk memilih bentuk visualisasi yang tepat, dari diagram batang hingga pie chart, lengkap dengan checklist sebelum chart dipublikasikan.

Kenali lima bentuk distribusi — simetris, miring kanan, miring kiri, bimodal, dan uniform — beserta contoh nyatanya, lalu pahami mengapa hubungan mean, median, dan modus berubah mengikuti bentuk.

Ukur kemiringan distribusi dengan skewness — baca tanda dan besarannya, hitung dengan rumus momen dan perkiraan Pearson, lalu lihat dampaknya pada pilihan median dan transformasi log.

Ubah jarak setiap data ke mean menjadi satuan standar deviasi lewat z-score, buktikan sifat jumlah nol dan sebaran satu, bandingkan nilai antar mata pelajaran, dan deteksi outlier kasar.

Standarisasi mengubah seluruh dataset menjadi z-score dengan mean 0 dan standar deviasi 1 — pelajari kapan proses ini dibutuhkan, bedanya dengan normalisasi min-max, dan apa yang tidak berubah karenanya.

Baca sebaran data nyata tanpa asumsi bentuk lewat distribusi empiris: fungsi kumulatif F(x), tangga ECDF, pembacaan persentil terbalik, dan proporsi data di bawah ambang tertentu.

Kenali probabilitas sebagai ukuran ketidakpastian bernilai 0 sampai 1, tiga pendekatan untuk menentukannya, properti dasar komplemen, beda peluang dan odds, serta perannya dalam mengambil keputusan.

Bangun ruang sampel sebagai daftar lengkap semua hasil yang mungkin, definisikan kejadian sebagai himpunan bagiannya, lalu hitung probabilitas lewat tabel dua dadu serta operasi gabungan, irisan, dan komplemen.

Hitung peluang kejadian 'A atau B' dengan aturan penjumlahan: kurangi irisan yang terhitung dua kali, tangani kasus saling lepas sebagai kasus khusus, lalu perluas ke inklusi-eksklusi tiga kejadian.

Kalikan probabilitas kejadian bebas untuk menjawab 'A dan B', bedakan pengambilan kartu dengan dan tanpa pengembalian, rantai proses bertahap lewat diagram pohon, serta pisahkan tegas konsep bebas dari saling lepas.

Sempitkan ruang sampel dengan informasi baru lewat probabilitas bersyarat P(A|B), bedakan dua arah pengondisian yang tidak bisa saling ditukar, perluas aturan perkalian, lalu rumuskan ulang kebebasan kejadian secara presisi.

Balik arah pengondisian dengan teorema Bayes: dari P(B|A) menuju P(A|B) lewat peluang total, terapkan pada tes penyaring untuk memahami base rate fallacy, lalu lihat kaitannya dengan inferensia statistik.

Bangun estimasi Bayesian dari teorema Bayes: prior, likelihood, dan posterior pada grid diskret yang dihitung tangan, pembaruan berurutan, pintasan conjugate Beta-Binomial, credible interval, serta batas tafsirnya dibanding confidence interval.

Kenali variabel acak sebagai fungsi yang memetakan hasil eksperimen acak ke angka, bedakan bentuk diskret dan kontinu, lalu baca PMF, PDF, dan CDF lewat contoh jumlah mata dua dadu.

Hitung expected value sebagai rata-rata jangka panjang dari distribusi peluang, pelajari sifat linearitas dan variansnya, lalu gunakan untuk menilai keuntungan warung dan keadilan permainan lotre.

Pahami distribusi Bernoulli untuk satu percobaan dengan dua hasil sukses atau gagal, turunkan mean p dan varians p(1-p) dari definisi expected value, dan lihat perannya sebagai bata distribusi binomial.

Hitung jumlah sukses dari n percobaan Bernoulli dengan distribusi binomial: empat syarat wajib, rumus PMF dengan kombinasi, mean dan varians, serta contoh siswa dan kendali kualitas.

Modelkan jumlah kejadian per satuan waktu atau ruang dengan distribusi Poisson: syaratnya, rumus PMF dengan laju λ, mean dan varians yang sama, serta kaitannya dengan binomial pada kejadian langka.

Kenali distribusi normal berbentuk lonceng: parameter μ dan σ, aturan empiris 68-95-99.7, standarisasi ke z-score, kuantil terbalik, serta contoh menghitung peluang tinggi badan siswa.

Gunakan distribusi t-Student ketika simpangan baku populasi tidak diketahui: derajat kebebasan, ekor yang lebih tebal dari normal, aturan memilih t atau z, dan contoh menghitung statistik t.

Petakan jenis data dan pertanyaan analisis ke distribusi yang tepat melalui tabel ringkasan, diagram alur keputusan, pertanyaan diagnostik, serta daftar jebakan umum pemodelan.

Bangun distribusi sampling dari populasi enam siswa: hitung seluruh 15 rata-rata sampel berukuran 2, buktikan mean distribusi sampling sama dengan μ, dan lihat sebaran x̄ yang lebih sempit dari populasi.

Lihat Central Limit Theorem bekerja lewat simulasi: populasi eksponensial yang miring menghasilkan distribusi rata-rata sampel berbentuk lonceng, lengkap dengan pedoman ukuran sampel dan implikasi bagi inferensi.

Kuasai standard error SE = σ/√n sebagai simpangan baku distribusi sampling: bedakan SE dari standard deviation, pahami hukum akar-n, dan hitung SE untuk mean serta proporsi.

Formalkan penaksiran dengan konsep estimator dan taksiran: sifat tak-bias, konsistensi, dan efisiensi dibuktikan lewat angka, ditutup method of moments dan sekilas maximum likelihood.

Bangun confidence interval mean dan proporsi dengan z dan t: contoh lengkap sembilan siswa menghasilkan CI 95% [76.10, 90.56], dilengkapi interpretasi yang benar dan tabel nilai kritis.

Balik rumus confidence interval menjadi rumus ukuran sampel n = (z·σ/E)²: hitung kebutuhan untuk mean dan proporsi, sesuaikan nonresponse dan faktor koreksi, dan susun langkah perancangan survei.

Perdalam confidence interval untuk proporsi: syarat keberhasilan-kegagalan yang membuat interval Wald keluar dari rentang [0, 1], Wilson score interval untuk kasus 8 dari 10, dan interval selisih dua proporsi.

Taksir selisih dua mean dengan confidence interval: variance gabungan pada data kelas A vs kelas B menghasilkan CI 95% [-1.64, 9.64], dilengkapi versi Welch, desain berpasangan, dan jebakan membaca dua CI yang bertumpang tindih.

Bangun taksiran yang tahan outlier: median, trimmed mean, IQR, dan MAD dengan konstanta 1.4826 diuji pada data pendapatan tujuh pedagang, lalu sandwich estimator Huber-White (HC1) mengoreksi standard error regresi saat varians residual tidak konstan.

Taksir standard error dan confidence interval tanpa rumus lewat resampling dengan penggantian: bootstrap B = 10.000 pada data sembilan siswa menghasilkan SE mean 2.9580 serta SE dan CI persentil untuk median dan trimmed mean, disertai aturan praktik dan batasannya.

Pahami mengapa klaim tentang populasi memerlukan pengujian formal, definisi hipotesis sebagai pernyataan yang dapat diuji, alur keputusan lima langkah, analogi pengadilan, serta pilihan uji satu arah atau dua arah.

Rumuskan hipotesis nol sebagai status quo dan hipotesis alternatif sebagai tujuan bukti, kuasai notasi tiga kasus arah, pahami pembobotan bukti yang menempatkan beban pada H1, dan hindari bahasa keliru bahwa H0 terbukti.

Tetapkan significance level α sebagai ambang risiko galat Tipe I sebelum data dilihat, pahami maknanya sebagai luas daerah kritis pada distribusi, nilai lazim 0.05/0.01/0.10 beserta konteksnya, serta bedakan α dari p-value.

Definisikan p-value secara presisi sebagai peluang data setara atau lebih ekstrem bila H0 benar, baca kedua kasus sekolah secara numerik, bongkar miskonsepsi populer, dan pahami mengapa p = 0.05 bukan ambang mutlak.

Bangun matriks keputusan 2x2 yang memetakan galat Tipe I dan Tipe II beserta konsekuensinya pada diagnosis medis dan quality control, definisikan power = 1 - beta, dan hitung kedua galat secara numerik pada contoh penuh.

Terapkan uji mean dengan z-test saat σ diketahui dan t-test saat σ ditaksir dari sampel: worked example lima langkah, versi dua sampel independen dengan variance gabungan, sentuhan paired t-test, dan implementasi scipy.

Uji data kategorik dengan chi-square: goodness-of-fit untuk membandingkan hitungan amatan dengan hitungan harapan, uji kemandirian untuk tabel silang, syarat expected count minimal 5, dan pilihan chi-square versus t-test.

Bandingkan tiga mean atau lebih dengan Analysis of Variance: uraikan varians antar kelompok versus di dalam kelompok ke dalam statistik F, kerjakan contoh tiga metode belajar lengkap dengan tabel ANOVA, pelajari asumsinya, dan kenali uji post-hoc.

Rangkai seluruh section menjadi keterampilan interpretasi: bedah anatomi keluaran software, rumuskan kalimat kesimpulan yang tepat, bedakan significance statistik dari bermakna praktik, laporkan effect size dan confidence interval, serta hindari p-hacking dan HARKing.

Bandingkan dua sampel independen tanpa mensyaratkan normalitas lewat peringkat: kuasai mekanik rank dan statistik U dengan mean serta standard error-nya, kerjakan contoh manual sampel kecil, lalu uji ulang data kelas A dan kelas B dari chapter Z-Test dan T-Test.

Uji data berpasangan dengan peringkat bertanda: hitung selisih tiap pasangan, ranking nilai mutlaknya, jumlahkan menjadi statistik W, kerjakan contoh program bimbingan tujuh siswa hingga keputusan akhir, dan bandingkan kekuatannya dengan paired t-test.

Perluas uji peringkat ke tiga kelompok independen atau lebih dengan statistik H: pahami masalah pengujian berganda, kerjakan ulang data tiga metode belajar dari chapter ANOVA sampai tabel peringkat, lalu lakukan analisis lanjutan dengan pairwise Mann-Whitney dan α terkoreksi.

Perluas ANOVA ke dua faktor sekaligus: kuasai kosakata desain faktorial, uraikan SS total menjadi komponen efek utama dan interaksi, kerjakan contoh 2×2 metode belajar × durasi latihan dari data mentah sampai tiga uji F, lalu verifikasi tabel ANOVA-nya dengan statsmodels.

Bedah konsep interaksi dua faktor: baca pola mean sel dan sisa non-aditif, kenali garis sejajar versus merenggang pada interaction plot, uji simple effect satu faktor pada tiap level faktor lain dengan F dan statsmodels, terapkan prinsip hierarki, serta pahami kapan interaksi diharapkan dan batas kekuatan ujinya.

Ukur arah hubungan linear dua variabel dengan kovarians: rumus sampel dan populasi, hitungan manual tabel kerja pada data enam siswa, makna tanda positif dan negatif, serta dua kelemahan besar yang melahirkan korelasi.

Normalisasi kovarians menghasilkan koefisien korelasi Pearson yang bebas satuan pada rentang -1 sampai +1: pelajari rumusnya, hitungan manual pada data enam siswa, pedoman besaran, kebalannya terhadap transformasi linear, uji signifikansi r, dan kapan Spearman lebih tepat.

Korelasi kuat bukan bukti sebab-akibat: pahami tiga penjelasan alternatif — kebetulan, variabel pengacau, dan arah terbalik — lihat demonstrasi confounder pada data sintetis, kenali syarat klaim kausalitas lewat eksperimen terkontrol, dan latih daftar pertanyaan skeptis.

Modelkan hubungan dua variabel dengan garis ŷ = b0 + b1·x: pahami metode least squares, hitung koefisien manual pada data enam siswa, baca arti slope dan intercept, prediksi nilai baru, dan kenali bahaya ekstrapolasi.

Perluas model linear ke banyak prediktor: pahami arti koefisien saat variabel lain ditahan konstan, hitung model dua prediktor dengan numpy, kenali jebakan multikolinearitas, dan singgung adjusted R².

Empat asumsi OLS — linearitas, independensi, normalitas, homoskedastisitas — beserta cara memeriksa dan dampak pelanggarannya, lalu demonstrasi numerik bagaimana satu outlier dan leverage point membalikkan slope garis regresi.

Ukur kecocokan model regresi: dekomposisi SST = SSR + SSE, makna R² dan adjusted R², galat tipikal lewat RMSE, RSE, dan MAE, uji signifikansi F, serta konsep evaluasi out-of-sample dengan train/test split.

Modelkan respons biner dengan kurva berbentuk S: pahami mengapa OLS gagal pada data 0/1, kerjakan transformasi logit dan odds ratio, lalu fit model pada data 20 siswa program remedial dan ukur akurasi klasifikasinya.

Uji asumsi independensi residual pada data berurutan: turunkan statistik Durbin-Watson, kerjakan contoh hitung tangan enam minggu penjualan, terapkan pada residual regresi tren harga beras, lalu petakan penanganan dan batas ujinya.

Kenali anatomi data yang terurut waktu, bedakan time series dari data cross-sectional yang observasinya independen, lihat empat komponen penyusunnya, dan pahami arti mean yang berpindah pada deret tidak stasioner.

Pisahkan tren jangka panjang dari pola musiman: pasang regresi linear pada sumbu waktu untuk mengukur kenaikan harga beras, hitung rata-rata dan seasonal index tiap kuartal pada penjualan es krim, dan bedakan musiman dari siklus.

Perhalus deret harga beras dengan moving average: hitung MA(3) dan MA(5) secara lengkap, pahami pertukaran antara kehalusan dan lag di ujung data, dan lihat arah pengembangan menuju exponential smoothing.

Pecah deret menjadi tiga komponen dengan dekomposisi klasik: pilih model additive atau multiplicative, jalankan empat langkah MA(4) terpusat pada penjualan es krim, dan kenali STL sebagai alternatif modern.

Ukur kualitas prediksi dengan MAE, MSE, RMSE, dan MAPE: bagi deret secara kronologis tanpa pengacakan, lawan naive forecast dengan model mean dan tren, dan jaga diri dari overfitting dengan evaluasi out-of-sample.

Kuasai simple exponential smoothing untuk deret tanpa tren dan musiman: kerjakan rekursi bobot eksponensial dengan tangan pada penjualan kopi warung, atur alpha antara kehalusan dan kecepatan respons, lalu uji batas jujurnya pada harga beras yang bertren.

Perluas exponential smoothing dengan komponen tren dan musiman: kerjakan rekursi level-slope Holt dengan tangan pada pesanan nasi kotak katering, prediksi harga beras bulan ke-13 sambil mengujinya melawan tiga baseline, lalu jalankan Holt-Winters additive pada penjualan es krim dan pilih metode perata sesuai pola data.

Siapkan lingkungan kerja Python untuk analisis statistika: instalasi Python, virtual environment, empat pustaka utama, serta dataset nilai sepuluh siswa yang dipakai di sepanjang section ini.

Hitung mean, median, modus, simpangan baku, kuartil, korelasi, dan peluang normal hanya dengan module statistics bawaan Python, lalu rangkum semuanya menjadi satu skrip laporan.

Pindahkan perhitungan statistika ke array NumPy: vektorisasi tanpa loop, percentile, perbedaan penting ddof, operasi per axis, korelasi, dan penanganan NaN.

Kelola data berlabel dengan pandas: membuat DataFrame, membaca file CSV, menyaring dan mengurut baris, agregasi dengan groupby, serta menangani data hilang dengan isna, dropna, dan fillna.

Gambar sendiri lima grafik inti dengan matplotlib — histogram, diagram batang, line chart, scatter plot, dan box plot — dengan dua gaya penulisan kode, backend tanpa layar, serta kebiasaan label dan judul yang disiplin.

Pakai objek scipy.stats sebagai kalkulator distribusi: pmf dan cdf binomial, Poisson, normal, dan t-Student, kuantil terbalik ppf, distribusi beku, serta sampel acak yang dapat direproduksi dengan seed.

Jalankan lima langkah pengujian dengan scipy.stats: ttest_1samp, ttest_ind, chi2_contingency, f_oneway, dan pearsonr pada data Section Pengujian Hipotesis, lalu baca statistik dan p-value dari objek hasilnya.

Bangun regresi dengan tiga lapis alat — statistics.linear_regression, scipy.stats.linregress, dan numpy.polyfit — lanjut regresi berganda dengan np.linalg.lstsq dan statsmodels OLS, lengkap dengan prediksi, residual, R², dan grafik garis.

Gambar ulang histogram, box plot, dan scatter plot course ini dengan seaborn sebagai lapisan statistik di atas matplotlib, lalu tambahkan countplot, heatmap matriks korelasi, dan pemetaan kelompok lewat hue — semuanya dari DataFrame dalam satu baris kode.

Kerangka membaca laporan statistik dan survei milik orang lain: telusuri siapa pengumpul data, ukuran dan cara pengambilan sampel, definisi variabel, serta interval versus angka titik — lengkap dengan delapan pertanyaan skeptis sebelum memercayai sebuah angka.

Signifikansi statistik hanya menyatakan bukti bahwa efek ada, bukan bahwa efek cukup besar untuk bermakna: pahami mekanisme sampel besar yang menurunkan ambang, peran effect size seperti Cohen's d, lebar confidence interval, dan pertimbangan biaya-manfaat dalam keputusan praktis.

Katalog tujuh kesalahan interpretasi yang paling sering muncul — dari rata-rata dari rata-rata, pengabaian base rate, kekeliruan persentase poin, hingga ekstrapolasi linier — masing-masing dilengkapi contoh angka dan koreksi membacanya.

Kenali teknik penyajian data yang menyesatkan: sumbu-y terpotong, jarak waktu tidak seragam, skala ganda dua sumbu, persentase tanpa dasar sampel, perbandingan tidak sebanding, hingga Simpson's paradox pada data penerimaan mahasiswa — ditutup checklist memeriksa grafik.

Perluas kewaspadaan korelasi-kausalitas ke ranah jurnalistik dan kebijakan: kenali hierarki bukti dari RCT hingga studi ekologi, bedah contoh confounder dan arah terbalik pada pemberitaan, lalu susun panduan melaporkan dan menilai klaim kausalitas secara bertanggung jawab.

Statistik tidak pernah netral: pahami kerahasiaan data sensus, prinsip persetujuan dan minimisasi, perbedaan anonimisasi dan pseudonimisasi, risiko re-identification, regulasi GDPR dan UU PDP, serta checklist etika sebelum mempublikasikan analisis.

Terapkan seluruh alat statistika pada nilai ujian 30 siswa dan tiga mata pelajaran: muat dataset dengan pandas, hitung statistik deskriptif, bedah distribusi dan outlier, lalu susun laporan utuh yang dapat direproduksi.

Garap deret waktu harga tiga komoditas selama 24 bulan: bersihkan sel kosong dan anomali, ukur perubahan harga dan moving average, buat visualisasi, lalu susun ringkasan temuan.

Kerjakan analisis data utuh dari awal hingga laporan: muat dan bersihkan data karyawan dengan pandas, hitung statistik dan korelasi, gambar empat visualisasi matplotlib, lalu tafsirkan lima temuan dengan disiplin.

Kenali kriteria memilih sumber belajar statistika, tabel enam rujukan utama dari NIST sampai BPS, rujukan per topik course, serta kebiasaan belajar yang efektif dari tiap sumber.

Petakan sumber pendalaman probabilitas: PennState STAT 414 untuk teori terstruktur, Khan Academy untuk intuisi visual, dan OpenIntro untuk bacaan buku, disertai urutan belajar dan bank soal latihan.

Jadikan dokumentasi resmi sebagai rujukan utama statistika dengan Python: peta tautan untuk statistics, math, NumPy, SciPy, pandas, dan matplotlib, pola belajar tutorial-user guide-API, serta cara menyaring jawaban Stack Overflow.

Kamus istilah lintas Course Statistika — dari mean, z-score, dan confidence interval sampai moving average dan confounder — dikelompokkan per bidang dengan penjelasan singkat dan rujukan chapter untuk pendalaman.