Satuan

1. Kecerdasan Buatan dalam Ekonometrika dan Statistik: Peran, Batasan, Otentikasi, dan Privasi 2. Pembersihan dan Persiapan Data: Data Hilang, Pencilan, dan Pengkodean 3. Analisis dan Visualisasi Data Eksplorasi: Pembuatan Grafik dan Interpretasi dengan Kecerdasan Buatan 4. Regresi Linier: Pembuatan Model, Interpretasi Koefisien, dan Asumsi 5. Diagnostik dan Pelanggaran Regresi: Kolinearitas, Heteroskedastisitas, Autokorelasi 6. Pengujian Hipotesis dan Nilai P: Signifikansi, Kekuatan, dan Perbandingan Berganda 7. p-hacking, HARKing dan Integritas Statistik: Kesalahan di Era Kecerdasan Buatan 8. Analisis Rangkaian Waktu: Stasioneritas, ARIMA dan Peramalan 9. Analisis Penyebab dan Kebijakan: DiD, IV, RDD dan Kecerdasan Buatan 10. Pembuatan Kode dan Reproduksibilitas: R/Python, Pembuatan Versi dan Reproduksibilitas 11. Penulisan Laporan, Komunikasi, dan Etika: Menyajikan Hasil dan Mengkomunikasikan Batasan

Satuan 9 / 11

Analisis Penyebab dan Kebijakan: DiD, IV, RDD dan Kecerdasan Buatan

Keuntungan:

Memahami perbedaan antara korelasi dan kausalitas serta logika desain seperti perbedaan-dalam-perbedaan (DiD), variabel instrumental (IV), diskontinuitas regresi (RDD) dengan dukungan kecerdasan buatan
Mampu melihat asumsi penentu yang menjadi dasar setiap desain (tren paralel, batasan pengecualian, kontinuitas dalam diskontinuitas) dan peran AI dalam menghasilkan kode pengujian/pertahanan
Kemampuan untuk mengevaluasi secara kritis strategi mengenali dan mengidentifikasi interpretasi kecerdasan buatan yang menghasilkan klaim sebab akibat yang berlebihan dari data observasi.

Sebelumnya Selanjutnya