cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
-
Location
Kota surabaya,
Jawa timur
INDONESIA
J Statistika: Jurnal Ilmiah Teori dan Aplikasi Statistika
Published by Universitas PGRI Adi Buana Surabaya
ISSN : 20890028     EISSN : 26547511     DOI : -
Core Subject : Economy, Science,
Decision Sciences, Operations Research & Management Economics, Econometrics & Finance
Merupakan Media Penerbitan Dan Pembahasan Karya Ilmiah Dalam Bidang Ilmu Statistika Beserta Aplikasinya, Baik Berupa Hasil Penelitian, Bahasan Tentang Teori, Metodologi, Komputasi, Maupun Aplikasi Statistika Dalam Bidang Lain.
Arjuna Subject : -
Articles 209 Documents
 17   18   19   20   21 
Prediksi Pengeluaran Non Makanan Masyarakat Kabupaten Tulang Bawang Menggunakan Metode Rantai Markov Ahmad Faisol; Ahmad Rizki Wiranto; Fitriani
J STATISTIKA: Jurnal Imiah Teori dan Aplikasi Statistika Vol 15 No 1 (2022): Jurnal Ilmiah Teori dan Aplikasi Statistika
Publisher : Faculty of Science and Technology, Univ. PGRI Adi Buana Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (260.306 KB) | DOI: 10.36456/jstat.vol15.no1.a5492

Abstract

COVID-19 tidak hanya berdampak pada kesehatan masyarakat, perekonomian negarapun ikut terkena dampak. Pemerintah telah berupaya dengan berbagai kebijakan strategis agar dapat memulihkan perekonomian di Indonesia sebagai implementasi dari amanat Undang-Undang Dasar Negara Republik Indonesia Tahun 1945 untuk mensejakterakan rakyat. Selain itu, keberhasilan suatu negara dalam mencapai tujuannya dapat dilihat dari tingkat kesejahteraan penduduknya. Banyak indikator yang dapat digunakan untuk melihat kesejahteraan penduduk, diantaranya dapat dilihat dari tingkat konsumsi dan pengeluaran. Pengeluaran rumah tangga dapat dibagi menjadi dua, yaitu pengeluaran makanan dan pengeluaran non makanan. Semakin banyak presentase pengeluaran rumah tangga untuk membeli kelompok non makanan maka semakin tinggi kesejahteraan rumah tangga. Rantai Markov (Markov Chains) adalah suatu metode yang mempelajari sifat- sifat suatu variabel pada masa sekarang, yang didasarkan pada sifat-sifatnya di masa lalu, dalam usaha menaksir sifat-sifat variabel tersebut di masa yang akan datang. Dengan menggunakan metode Markov Chains diperoleh prediksi untuk pengeluaran perumahan dan fasilitas rumah tangga pada tanun 2022-2025 secara berturut-turut 52.5%, 50.3705%, 50.31882%, dan 50.31764%. Untuk prediksi pengeluaran aneka barang dan jasa pada tahun 2022-2025 adalah 24.2%, 23.131, %23.03519%, dan 23.03152%. Prediksi pengeluaran pakaian, alas kaki dan tutup kepala pada periode 2022-2025 sebesar 8.2%, 7.9442%, 7.9319%, dan 7.9913%. Sedangkan prediksi pengeluaran keperluan barang tahan lama tahun 2022-2025 sebesar 7.4%, 10.1995%, 10.34567%, dan 10.35161%. Prediksi pada tahun 2022-2025 untuk pengeluaran keperluan pajak, pungutan dan asuransi sebesar 4.6%, 5.3499%, 5.3642%, dan 5.36373%. Serta pengeluan untuk keperluan pesta pada periode 2022-2025 sebesar 3.1%, 3.0049%, 3.00422%, dan 3.00417%.
Spatial Autoregresive Moving Average Pada Pemodelan Persentase Penduduk Miskin Kabupaten/Kota Di Provinsi Jawa Timur Tahun 2020 Wara Pramesti; Fenny Fitriani; Kiki Laila Nirmala
J STATISTIKA: Jurnal Imiah Teori dan Aplikasi Statistika Vol 15 No 1 (2022): Jurnal Ilmiah Teori dan Aplikasi Statistika
Publisher : Faculty of Science and Technology, Univ. PGRI Adi Buana Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (376.033 KB) | DOI: 10.36456/jstat.vol15.no1.a5838

Abstract

Persentase penduduk miskin yang tinggi menunjukkan bahwa tingkat kemiskinan di suatu wilayah juga tinggi. Persentase penduduk miskin sering menjadi pembicaraan publik. Kenaikan ataupun penurunan presentase penduduk miskin tetap menjadi permasalahan di setiap daerah. Sehingga pemerintah daerah tetap berusaha untuk mengendalikan kesejahteraan daerahnya dengan melakukan perlindungan serta menyejahterakan kehidupan sosial dan ekonomi daerahnya. Naik turunnya persentase penduduk miskin ini dipengaruhi oleh beberapa variabel. Untuk mengetahui variabel-variabel tersebut dapat digunakan salah satunya dengan pendekatan regresi berganda. Akan tetapi, dalam permasalahan kemiskinan ini tentu dipengaruhi juga oleh keadaan sekitarnya. Hal ini menyebabkan kemungkinan asumsi residual independen tidak dipenuhi, sehingga analisis regresi dapat dikembangkan ke metode spasial area. Hasil analisis yang dilakukan menunjukkan bahwa selain dipengaruhi oleh variabel-variabel yang diduga berpengaruh, juga dipengaruhi oleh wilayah sekitar.
Penerapan Text Mining pada Analisis Sentimen Pengguna Twitter Layanan Transportasi Online Menggunakan Metode Density Based Spatial Clustering of Applications With Noise (DBSCAN) dan K-Means Dini Krisnawati Alfiki Astutik; Artanti Indrasetianingsih; Fenny Fitriani
J STATISTIKA: Jurnal Imiah Teori dan Aplikasi Statistika Vol 15 No 1 (2022): Jurnal Ilmiah Teori dan Aplikasi Statistika
Publisher : Faculty of Science and Technology, Univ. PGRI Adi Buana Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (368.248 KB) | DOI: 10.36456/jstat.vol15.no1.a5983

Abstract

Transportasi online saat ini menjadi populer dan diminati masyarakat di Indonesia dengan transportasi online yang banyak digunakan adalah Grab dan Gojek. Meskipun layanan transportasi online mendapat respon positif namun terdapat masalah yang dihadapi yaitu banyaknya konsumen yang kecewa dan merasa tidak puas dengan pelayanan yang diberikan. Penelitian ini bertujuan untuk mengetahui pengelompokkan tanggapan masyarakat terhadap kedua transportasi online tersebut. Tanggapan masyarakat mengenai layanan transportasi online didapat dari salah satu media sosial yang banyak digunakan oleh masyarakat Indonesia yaitu twitter. Data pada twitter berupa kumpulan text sehingga diperlukan text mining untuk menganalisisnya. Salah satu analisis dalam text mining adalah text clustering sehingga pada penelitian ini menggunakan text clustering untuk mengelompokkan pendapat menjadi beberapa kategori. Metode yang digunakan pada text clustering adalah metode Density-Based Spatial Clustering of Applications with Noise (DBSCAN) dan K-Means. DBSCAN adalah sebuah metode yang membentuk cluster dari data-data yang saling berdekatan, sedangkan data yang saling berjauhan tidak akan menjadi anggota cluster dan biasa disebut sebagai noise. K-Means adalah teknik clustering yang sederhana dan cepat dalam proses clustering obyek serta mampu mengelompokkan data dalam jumlah cukup besar. Hasil penelitian menunjukkan bahwa metode DBSCAN dan K-Means kurang tepat digunakan pada penelitian ini dalam mengelompokkan tweet yang ditujukan kepada layanan transportasi online Gojek dan Grab karena memiliki nilai silhoutte coefficient kurang dari 0.5 artinya struktur lemah atau tweet tanggapan masyarakat kepada layanan transportasi belum berada pada kelompok yang tepat.
Pengaruh Konsumsi Ruta, Pengeluaran Pemerintah, dan Ekspor Terhadap PDB Indonesia Tahun 2000-2020 Dengan Pendekatan Error Correction Model (ECM) Rezky Yayang Yakhamid
J STATISTIKA: Jurnal Imiah Teori dan Aplikasi Statistika Vol 15 No 2 (2022): Jurnal Ilmiah Teori dan Aplikasi Statistika
Publisher : Fakultas Sains dan Teknologi Univ. PGRI Adi Buana Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36456/jstat.vol15.no2.a4218

Abstract

Indonesia memiliki produk domestik bruto (PDB) yang cenderung mengalami peningkatan setiap tahunnya. Pertumbuhan PDB suatu negara sangat dipengaruhi oleh pertumbuhan komponen penyusunnya, sehingga pertumbuhan PDB dapat sangat berfluktuasi dan sensitif terhadap kondisi yang dialami sebuah negara. Penelitian ini bertujuan untuk mengetahui pengaruh konsumsi rumah tangga, pengeluaran pemerintah, dan ekspor terhadap PDB Indonesia tahun 2000 hingga 2020. Metode analisis data yang digunakan adalah teknik analisis data deret waktu dengan menggunakan analisis ECM (Error Correction Model). Hasil penelitian menunjukkan bahwa konsumsi rumah tangga dan nilai ekspor berpengaruh positif secara signifikan terhadap PDB Indonesia, serta pengeluaran pemerintah berpengaruh positif namun tidak signifikan terhadap PDB Indonesia. Adapun kecepatan penyesuaian model jangka pendek ke jangka panjang sebesar 42,74%.
Pemodelan Pertumbuhan Ekonomi di Jawa Barat Menggunakan Metode Geographically Weighted Panel Regression Prizka Rismawati Arum; Siva Alfian
J STATISTIKA: Jurnal Imiah Teori dan Aplikasi Statistika Vol 15 No 2 (2022): Jurnal Ilmiah Teori dan Aplikasi Statistika
Publisher : Fakultas Sains dan Teknologi Univ. PGRI Adi Buana Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36456/jstat.vol15.no2.a5506

Abstract

Salah satu tujuan negara adalah meningkatkan pertumbuhan ekonomi. Diperlukan pembangunan ekonomi untuk mewujudkan tujuan tersebut demi mencapai masyarakat yang sejahtera. Salah satu indikator pertumbuhan ekonomi adalah Produk Domestik Regional Bruto (PDRB). Data yang digunakan yaitu data sekunder tentang produk domestik regional bruto, jumlah penduduk miskin, pengeluaran pemerintah, rata - rata lama sekolah, tingkat partisipasi angkatan kerja, fasilitas kesehatan, tingkat pengangguran terbuka, pada tahun 2018 - 2020 di Provinsi Jawa Barat. Ternyata terdapat autokorelasi spasial dalam data tersebut, sehingga pemodelan yang tepat untuk data panel dan terdapat efek spasial dapat dilakukan menggunakan Geographically Weighted Panel Regression (GWPR). Dengan menggunakan GWPR diharapkan dapat menghasilkan hasil yang lebih menyeluruh dibandingkan dengan model GWR. Model Geographically Weighted Panel Regression yang dihasilkan yaitu model fixed effect dengan pembobot adaptive gaussian kernel dan fixed gaussian kernel. Tujuan dari penelitian ini adalah mengetahui gambaran umum data, mendapatkan model, dan memperoleh model terbaik pertumbuhan ekonomi di Jawa Barat. Hasil akhir dari penelitian ini menunjukkan bahwa model dengan pembobot Adaptive Gaussian Kernel lebih baik daripada Fixed Gaussian Kernel karena memiliki nilai AIC terkecil dan R2 terbesar. Nilai AICnya sebesar 2313,117 dan nilai R2 sebesar 0,7955945.
Perbandingan Metode LightGBM dan XGBoost dalam Menangani Data dengan Kelas Tidak Seimbang Putri Septiana Rizky; Ristu Haiban Hirzi; Umam Hidayaturrohman
J STATISTIKA: Jurnal Imiah Teori dan Aplikasi Statistika Vol 15 No 2 (2022): Jurnal Ilmiah Teori dan Aplikasi Statistika
Publisher : Fakultas Sains dan Teknologi Univ. PGRI Adi Buana Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36456/jstat.vol15.no2.a5548

Abstract

Masalah ketidakseimbangan kelas telah menjadi salah satu tantangan dalam kinerja banyak algoritma klasifikasi. Kelas tidak seimbang merupakan suatu kondisi dimana terdapat dataset yang jumlah kelasnya terdapat perbedaan yang signifikan terhadap masing-masing jumlah kelas. Dalam kumpulan data yang terdiri dari dua kelas, ukuran sampel kategori mayoritas (lebih besar) mendominasi sampel kategori minoritas (lebih kecil) dengan rasio sebesar 1:100, 1:1.000 atau 1:10.000. Dampak ketidakseimbangan ini menyebabkan klasifikasi menjadi buruk dan tidak optimal. Sebagian besar algoritma klasifikasi standar cenderung mengklasifikasikan kelas mayoritas dengan tingkat akurasi tinggi dan kelas minoritas dengan tingkat akurasi rendah, sehingga mengakibatkan terjadinya bias. Dalam banyak aplikasi, lebih penting untuk mengidentifikasi kelas minoritas dari pada kelas mayoritas. Pada penelitian ini diusulkan pendekatan berbasis ensemble dengan pengklasifikasi yang digunakan adalah LightGBM dan XGBoost, kedua metode ini merupakan metode gradien efisien yang beberapa tahun terakhir telah disarankan berdasarkan pohon keputusan sehingga mampu menangani masalah data dengan skala besar. Data yang digunakan diperoleh dari UCI Repository dengan 5 data, 3 diantaranya memiliki tingkat ketidakseimbangan tinggi dan sisanya dengan tingkat ketidakseimbangan rendah. Jumlah kelas yang digunakan pada penelitian adalah dua kelas. Hasil penelitian menunjukkan bahwa kinerja metode XGBoost dalam akurasi dan sensitivitas lebih baik dibandingkan LightGBM di hampir seluruh data. Sedangkan kemampuan dalam menebak kelas minoritas (spesifisitas), metode LightGBM lebih baik dibandingkan XGBoost dengan nilai keseluruhan rata-rata sebesar 80,41% : 74,64%.
Penerapan Metode Clustering SOM dan DBSCAN dalam Mengelompokkan Unmet Need Keluarga Berencana di Nusa Tenggara Barat Sausan Nisrina; Wiwit Pura Nurmayanti; Basirun; Kertanah; Muhammad Gazali
J STATISTIKA: Jurnal Imiah Teori dan Aplikasi Statistika Vol 15 No 2 (2022): Jurnal Ilmiah Teori dan Aplikasi Statistika
Publisher : Fakultas Sains dan Teknologi Univ. PGRI Adi Buana Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36456/jstat.vol15.no2.a5549

Abstract

Perkembangan big data terus mengalami kemajuan dengan sangat pesat. Untuk memudahkan mengakses data dan informasi dapat menggunakan metode clustering. Clustering merupakan proses pengelompokkan obyek atas kesamaan karakteristiknya. Metode clustering dapat diterapkan pada bidang kesehatan yaitu unmet need Keluarga Berencana (KB). Unmet need dapat diartikan sebagai tidak terpenuhinya kebutuhan akan alat kontrasepsi pada pasangan usia subur. Metode clustering yang digunakan pada penelitian ini yaitu SOMdan DBSCAN. Penelitian bertujuan untuk melihat gambaran unmet need di Provinsi Nusa Tenggara Barat yang kedua adalah menguraikan hasil clustering dengan metode Clustering Self Orgaizing Maps (SOM) dan terakhir untuk menguraikan hasil clustering dengan metode DBSCAN dalam kasus pengelompokkan penyebab unmet need KB di Provinsi NTB. Berdasarkan hasil analisis di dapatkan bahwa Kabupaten Lombok Timur merupakan kabupaten dengan jumlah unmet need KB tertinggi sebanyak 84.72 jiwa, sedangkan terendah di Kota Bima sebesar 4.636 orang. Hasil penelitian dengan metode SOM memiliki 3 cluster, 86 kecamatan cluster 1, 30 kecamatan cluster 2 dan 4 kecamatan cluster 3. Untuk metode DBSCANdengan eps 1.20 dan MinPts 3, jumlah cluster yang terbentuk yaitu 2 cluster, cluster 1 dengan 97 kecamatan dan cluster 2 dengan 4 kecamatan, serta 16 kecamatan yang memiliki data noise.
Penerapan Clustering Time Series pada Pengelompokan Provinsi di Indonesia (Studi Kasus : Nilai Ekspor Non Migas di Indonesia Tahun 2016-2020) Harista Almiatus Soleha; Wiwit Pura Nurmayanti; Umam Hidayaturrohman; Ristu Haiban Hirzi; Ayu Septiani
J STATISTIKA: Jurnal Imiah Teori dan Aplikasi Statistika Vol 15 No 2 (2022): Jurnal Ilmiah Teori dan Aplikasi Statistika
Publisher : Fakultas Sains dan Teknologi Univ. PGRI Adi Buana Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36456/jstat.vol15.no2.a5550

Abstract

Ekspor non migas merupakan ekspor barang yang bukan berupa minyak dan gas. Tidak semua daerah di Indonesia memiliki potensi yang sama untuk melakukan kegiatan ekspor sehingga setiap daerah memiliki nilai ekspor yang berbeda-beda. Oleh karena itu dilakukan analisis pengelompokkan provinsi di Indonesia berdasarkan nilai ekspor non migas tahun 2016 – 2020 menggunakan cluster time series dengan metode hierarki clustering agglomerative diantaranya complete lingke yaitu pengelompokkan berdasarkan jarak terbesar antar objek dan centroid linkage merupakan nilai tengah observasi pada variabel dalam satu cluster, serta menggunakan pengukuran jarak Euclidean dan Dynamic Time Warping (DTW) dengan tujuan yaitu untuk memperoleh pengukuran jarak terbaik dengan metode yang optimal guna mendapatkan cluster yang representatif. Berdasarkan hasil analisis pengelompokkan Provinsi di Indonesia terhadap nilai ekspor non migas tahun 2016 - 2020 didapatkan pengukuran jarak kemiripin yang paling baik yaitu jarak DTW dan metode yang optimal yaitu centroid linkage berdasarkan pada nilai koefisien cophenetic sebesar 0.92 dengan kategori good cluster berdasarkan nilai koefisien silhouette yaitu 0.60. Sehingga didapatkan tiga cluster yaitu nilai ekspor tinggi, sedang dan rendah, diantaranya 24 Provinsi dengan nilai ekspor rendah, 9 Provinsi dengan nilai ekspor sedang, dan 1 Provinsi dengan nilai ekspor tinggi.
Perbandingan Analisis Dekomposisi dan Exponential Smoothing Holt Winters untuk Peramalan Rata-Rata Jumlah KPM PKH di NTB M. Hadiyan Amaly; Wiwit Pura Nurmayanti; Sausan Nisrina
J STATISTIKA: Jurnal Imiah Teori dan Aplikasi Statistika Vol 15 No 2 (2022): Jurnal Ilmiah Teori dan Aplikasi Statistika
Publisher : Fakultas Sains dan Teknologi Univ. PGRI Adi Buana Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36456/jstat.vol15.no2.a5551

Abstract

Program Keluarga Harapan (PKH) adalah program pemberian bantuan sosial bersyarat kepada keluarga miskin dan rentan terdaftar dalam Data Terpadu Kesejahteraan Sosial (DTKS) dan ditetapkan sebagai Keluarga Penerima Manfaat (KPM). Tujuan penelitian ini untuk meramalkan rata-rata jumlah PKM PKH untuk periode 2021. Hal ini dapat dijadikan dasar bagi instansi pemerintah terkait dalam perencanaan kedepannya. Untuk mendapatkan peramalan terbaik digunakan perbandingan dua metode yaitu metode dekomposisi dan metode Exponential Smoothing Holt Winters. Untuk mencapai tujuan penelitian tersebut dilakukan perhitungan kesalahan yang terdiri dari Mean Absolute Percentage Error (MAPE), Mean Absolute Deviation (MAD), dan Mean Square Deviation (MSD). Berdasarkan hasil analisis data, diketahui metode peramalan terbaik untuk meramalkan rata-rata jumlah KPM PKH di provinsi NTB adalah metode Exponential Smoothing Holt Winters. Metode ini dikatakan lebih baik karena memiliki nilai error lebih kecil dibandingkan dengan nilai error metode dekomposisi. Metode Exponential Smoothing Holt Winters menggunakan nilai pemulusan ? = 0,3, ? = 0,1, ??? ? = 0,2 menghasilkan nilai MAPE = 15, MAD = 2761, dan MSD = 1692444.
Teknik Oversampling Pada Regresi Logistik Ordinal Dalam Menduga Faktor Yang Memengaruhi Risiko Penyebaran Zona Covid-19 di Kabupaten Garut Ghina Fauziah; Indahwati; Erfiani; Anwar Fitrianto; Reni Amelia
J STATISTIKA: Jurnal Imiah Teori dan Aplikasi Statistika Vol 15 No 2 (2022): Jurnal Ilmiah Teori dan Aplikasi Statistika
Publisher : Fakultas Sains dan Teknologi Univ. PGRI Adi Buana Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36456/jstat.vol15.no2.a5596

Abstract

Covid-19 merupakan penyakit yang disebabkan oleh infeksi virus SARS-CoV-2, pertama kali masuk ke Indonesia pada awal tahun 2020. Adanya wabah covid-19 menyebabkan setiap daerah yang ada di Indonesia khususnya kabupaten Garut harus terbagi ke dalam beberapa risiko zona covid-19 sesuai dengan kondisi dari suatu daerah tersebut. Beberapa faktor yang dapat memengaruhi suatu daerah masuk pada risiko zona tertentu dapat ditentukan berdasarkan jumlah kasus positif covid-19, kasus suspek, kasus kontak erat, jumlah desa, dan kepadatan penduduk daerah tersebut. Regresi logistik ordinal merupakan salah satu analisis regresi yang digunakan untuk menganalisa hubungan antara variabel prediktor dan variabel respon, dimana variabel respon tersebut bersifat kategorik dengan skala ordinal. Oleh karena itu, maka digunakan regresi logistik ordinal untuk mengetahui faktor apa saja yang memberikan pengaruh terhadap pembagian risiko zona covid-19 di kabupaten Garut pada bulan Juli tahun 2021. Sebelum melakukan pemodelan regresi logistik ordinal dilakukan terlebih dahulu proses teknik resampling dengan metode oversampling untuk menangani data yang tidak seimbang pada peubah respon. Berdasarkan pemodelan hasil dari pemodelan serta pengujian secara parsial, didapatkan bahwa peubah bebas yang memiliki pengaruh terhadap risiko zona covid-19 di kabupaten Garut yaitu jumlah desa, kepadatan penduduk, kasus suspek, dan kasus konfirmasi positif dengan nilai akurasi sebesar 85.71%.

Page 19 of 21 | Total Record : 209

 17   18   19   20   21 

Filter by Year

2011 2023


Reset
Filter By Issues
All Issue Vol 16 No 1 (2023): Jurnal Ilmiah Teori dan Aplikasi Statistika Vol 15 No 2 (2022): Jurnal Ilmiah Teori dan Aplikasi Statistika Vol 15 No 1 (2022): Jurnal Ilmiah Teori dan Aplikasi Statistika Vol 14 No 2 (2021): Jurnal Ilmiah Teori dan Aplikasi Statistika Vol 14 No 1 (2021): Jurnal Ilmiah Teori dan Aplikasi Statistika Vol 13 No 2 (2020): Jurnal Ilmiah Teori dan Aplikasi Statistika Vol 13 No 1 (2020): Jurnal Ilmiah Teori dan Aplikasi Statistika Vol 12 No 2 (2019): Jurnal Ilmiah Teori dan Aplikasi Statistika Vol 12 No 1 (2019): Jurnal Ilmiah Teori dan Aplikasi Statistika Vol 11 No 2 (2018): Jurnal Ilmiah Teori dan Aplikasi Statistika Vol 10 No 2 (2017): J Statistika: Jurnal Imiah dan Aplikasi Statistika Vol 9 No 1 (2016): J Statistika: Jurnal Imiah dan Aplikasi Statistika Vol 8 No 1 (2015): J Statistika: Jurnal Imiah dan Aplikasi Statistika Vol 7 No 1 (2015): J Statistika: Jurnal Imiah dan Aplikasi Statistika Vol 6 No 1 (2014): J Statistika: Jurnal Imiah dan Aplikasi Statistika Vol 4 No 2 (2012): J Statistika: Jurnal Imiah dan Aplikasi Statistika Vol 4 No 1 (2012): J Statistika: Jurnal Imiah dan Aplikasi Statistika Vol 3 No 01 (2011): J Statistika More Issue