Pahami uji A/B dan perancangannya. Pelajari aspek-aspek yang perlu diperhatikan untuk memastikan penanganan data dan analisis yang tepat.

A/B testing dan desain

Desain subjek A/B

Format dan histogram

Pertimbangan dalam A/B testing

Kesalahan Tipe I dalam uji A/B

Pengambilan Sampel

Tingkat galat keluarga (Family-wise error rate)

Daya uji dan ukuran sampel

Dampak power

Menentukan ukuran sampel ideal

Regresi ke rerata

Pengantar Uji A/B

Pelajari analisis umum untuk membandingkan kelompok A/B. Pahami pendekatan yang sesuai untuk setiap uji berdasarkan asumsi dan keterbatasannya.

Uji t sampel independen

Ukuran sampel uji t independen

Analisis t-test independen

Uji Mann-Whitney U

Analisis Mann-Whitney U

Penilaian power Mann-Whitney U

uji t vs. uji Mann-Whitney U

Uji Chi-Square untuk kemandirian

Ukuran sampel uji Chi-Square independensi

Analisis uji Chi-Square independensi

Uji Eksak Fisher

Analisis Fisher's Exact test

Memilih uji

Membandingkan Kelompok

Pelajari cara menganalisis tren dan hubungan variabel dalam kelompok A/B. Pahami cara menilai dan menyajikan hasil kepada audiens mana pun.

Pengantar korelasi

Catatan tentang korelasi

Koefisien korelasi

Korelasi Pearson

Ukuran sampel Pearson

Menilai asumsi Pearson

Pearson mengabaikan kelompok

Pearson dalam tiap kelompok

Korelasi peringkat Spearman

Analisis korelasi Spearman

Opsi korelasi

Menyajikan hasil uji A/B

Memilih visualisasi data

Plot untuk analisis

Membuat diagram batang untuk desain A/B

Korelasi dan pemetaan

Asosiasi Antarkelompok Variabel

Pahami dasar regresi dan garis regresi. Pelajari cara menjalankan regresi, memprediksi data berdasarkan model regresi, dan menyajikan hasilnya secara visual.

Pengantar regresi linear

Sebaran dan titik

Fakta regresi

Regresi linear

Model regresi linear

Prediksi linier

Regresi linear berganda

Regresi logistik

Model regresi logistik

Probabilitas logistik

Memplot regresi

Plot logistik

Linearitas

Penutup

Regresi dan Prediksi

absent

covid

SiteSales

gamedata

webdata

Pengujian A/B adalah rancangan eksperimen yang umum digunakan untuk penelitian perilaku manusia di industri dan akademia. Dalam kursus ini, Anda akan mempelajari pertanyaan apa yang dapat dijawab oleh uji A/B, hal-hal penting yang perlu diperhatikan dalam uji A/B, cara menjawab pertanyaan yang ada, serta cara memvisualisasikan data. Anda juga akan belajar menentukan ukuran sampel yang dibutuhkan dalam sebuah eksperimen, melakukan analisis yang sesuai untuk data dan hipotesis yang ada, menilai apakah hasilnya dapat dipercaya, dan menyajikan hasil kepada audiens terlepas dari latar belakang statistiknya.

A/B testing adalah desain eksperimen yang umum digunakan untuk penelitian perilaku manusia di industri dan akademisi. Uji A/B membandingkan dua varian untuk menentukan apakah pengukuran menunjukkan kinerja yang berbeda dan apakah pengukuran bervariasi dengan cara yang bermakna. Dengan mempelajari A/B testing dan menyajikan hasilnya, Anda dapat membuat keputusan dan prediksi berbasis data.
<br><br>
<h2>Bangun Pemahaman tentang Desain A/B</h2>
<br><br>
Dalam kursus ini, Anda akan mempelajari pertanyaan apa saja yang dapat dijawab oleh pengujian A/B, pertimbangan penting yang perlu diperhatikan dalam pengujian A/B, cara menjawab pertanyaan yang dihadapi, dan cara memvisualisasikan data. Anda juga akan mempelajari cara menentukan ukuran sampel yang diperlukan dalam sebuah eksperimen, melakukan analisis yang sesuai dengan data dan hipotesis yang ada, menentukan apakah hasilnya dapat dianggap meyakinkan, dan menyajikan hasilnya kepada audiens tanpa memandang latar belakang statistik mereka.
<br><br>
<h2>Pelajari Cara Menganalisis Data Uji A/B</h2>
<br><br>
Kursus ini mencakup uji A/B parametrik dan non-parametrik, seperti uji t, uji U Mann-Whitney, uji Chi-Square independensi, uji eksak Fisher, serta korelasi Pearson dan Spearman. Selain itu, Anda akan mempelajari analisis daya untuk setiap pengujian.
<br><br>
<h2>Prediksi Hasil Berdasarkan Data</h2>
<br><br>
Seiring kemajuan Anda, Anda juga akan belajar menjalankan regresi linear dan logistik untuk memprediksi hasil berdasarkan data dan temuan sebelumnya.
<br><br>
<h2>Presentasikan Hasil kepada Audiens Apa Pun dengan Visualisasi</h2>
<br><br>
Setelah Anda menyelesaikan kursus ini, Anda akan memiliki pemahaman menyeluruh tentang uji A/B, analisis yang dapat Anda lakukan dengannya, dan cara menyampaikan hasilnya dengan visualisasi data.

Hypothesis Testing in R

Pelajari dasar-dasar A/B testing di R: desain eksperimen, analisis data, prediksi, dan visualisasi.

Pengujian A/B di R

Pelajari dasar-dasar pengujian A/B di R, termasuk cara merancang eksperimen, menganalisis data, memprediksi hasil, dan menyajikan hasil lewat visualisasi.

Penutup

Create Your Free Account