cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Denny Nurdiansyah
Contact Email
denny.nur@unugiri.ac.id
Phone
+6281336633121
Journal Mail Official
denny.nur@unugiri.ac.id
Editorial Address
Jln. Jendral Ahmad Yani No.10, Jambean, Sukorejo, Kec. Bojonegoro, Kabupaten Bojonegoro, Jawa Timur 62115
Location
Kab. bojonegoro,
Jawa timur
INDONESIA
Jurnal Statistika dan Komputasi (STATKOM)
Published by Universitas Nahdlatul Ulama Sunan Giri Bojonegoro
ISSN : 2963038X     EISSN : 29630398     DOI : https://doi.org/10.32665/statkom
Core Subject : Economy, Science, Social, Engineering,
Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Industrial & Manufacturing Engineering Social Sciences
Jurnal Statistika dan Komputasi (STATKOM) publishes the article based on research or equivalent to research results in applied statistics and computation on various scopes related to Computational Statistics and Data Analysis. Manuscripts for STATKOM should fall within one of the following categories: 1) Statistical Simulation Methods, Resampling Methods, Machine Learning, Neural Networks, Data Mining, Big Data Analytics, Numerical and Optimization Methods, Operations Research, and Decision Support Systems. 2) Regression Modeling, Bayesian Modeling, Time-Series Modeling, Spatial Modeling, Structural Equation Modeling, Longitudinal Data Analysis, Categorical Data Analysis, Experimental Design and Analysis, Statistical Process Control, Multivariate Statistics, Nonparametric Statistics, and Econometrics.
Arjuna Subject : Matematika - Statistik dan Probabilitas
Articles 45 Documents
 1   2   3   4   5 
Peramalan Jumlah Wisatawan Mancanegara di Provinsi Kalimantan Timur Menggunakan Fuzzy Backpropagation Neural Network Aprilianti, Rina; Purnamasari, Ika; Prangga, Surya
Jurnal Statistika dan Komputasi Vol. 2 No. 1 (2023): Jurnal Statistika dan Komputasi
Publisher : Universitas Nahdlatul Ulama Sunan Giri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32665/statkom.v2i1.1592

Abstract

Latar   Belakang: Pariwisata merupakan salah satu bidang ekonomi yang menjadi sumber penerimaan devisa bagi negara. Banyaknya wisatawan merupakan salah satu faktor yang dapat berpengaruh terhadap perkembangan pariwisata. Sepanjang tahun 2021, jumlah wisatawan mancanegara di Provinsi Kalimantan Timur mengalami penurunan. Penurunan tersebut merupakan dampak dari mewabahnya COVID-19. Peneliti melakukan peramalan jumlah wisatawan mancanegara di Kalimantan Timur menggunakan Fuzzy Backpropagation Neural Network (FBPNN) guna mengantisipasi kenaikan maupun penurunan jumlah wisatawan di masa mendatang. FBPNN adalah metode peramalan Neural Network (NN) yang menggunakan algoritma pembelajaran backpropagation dimana nilai input dan output-nya berupa derajat keanggotaan himpunan fuzzy. Tujuan: Meramalkan jumlah wisatawan mancanegara di Kalimantan Timur pada bulan Januari 2022 sampai dengan Mei 2022. Metode: Metode yang digunakan adalah Fuzzy Backpropagation Neural Network (FBPNN). Hasil: Berdasarkan hasil prediksi FBPNN dengan proporsi 80%:20% untuk data training diperoleh Root Mean Square Error (RMSE) sebesar 113,61 sedangkan untuk RMSE data testing dipeoleh adalah sebesar 108,45. Kesimpulan: Adapun kesimpulan penelitian yaitu metode Fuzzy Backpropagation Neural Network dapat digunakan untuk meramalkan jumlah wisatawan dengan nilai RMSE yang dihasilkan oleh data testing lebih kecil jika dibandingkan dengan nilai RMSE yang dihasilkan oleh data training.
Application of Double Seasonal Autoregressive Integrated Moving Average (DSARIMA) for Stock Forecasting Silfiani, Mega; Hayati, Farida Nur; Azka, Muhammad
Jurnal Statistika dan Komputasi Vol. 2 No. 1 (2023): Jurnal Statistika dan Komputasi
Publisher : Universitas Nahdlatul Ulama Sunan Giri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32665/statkom.v2i1.1594

Abstract

Background: Stock price forecasting assists investors to anticipate risks and opportunities in making prudent investments and maximizing returns. Objective: This study aims to identify the most accurate model for stock forecasting. Methods: This paper utilized the daily closing stock price of Unilever Indonesia, Tbk (UNVR) from January 1, 2018 to July 31, 202.  Double Seasonal Autoregressive Integrated Moving Average (DSARIMA), was utilized in this study. Mean Absolute Scaled Error (MASE) and Median Absolute Percentage Error (MdAPE) are used to compare forecasting accuracy. Results: Following conducting each model, we assessed that the best models are DSARIMAX (0,1,[4]) ([3],1,1)5(1,1,0)253, regarding MASE and MdAPE corresponding to approximately 1.423 and 0.111. The scope of this study has limitations to a test set for one-month forecast periods. Conclusion: As stock prices rise, investors require precise forecasts. Models of forecasting must perform well. This analysis shows how the DSARIMA generate forecasts stock prices more accurately. This investigation evaluated the closing stock price of UNVR. Both MASE and MdAPE assess prediction. After analyzing each model, DSARIMAX (0,1,[4])([3],1,1)5(1,1,0)253 has the lowest MASE and MdAPE values, 1.423 and 0.111, respectively. The procedure lasted one month. Research may combine forecasts and improve their accuracy.  
Analisis Klaster Dalam Pengelompokan Kabupaten/Kota Di Provinsi Jambi Berdasarkan Penyakit Menular Menggunakan Metode K-Means Mubarak, Hosni; Kholijah, Gusmi
Jurnal Statistika dan Komputasi Vol. 2 No. 1 (2023): Jurnal Statistika dan Komputasi
Publisher : Universitas Nahdlatul Ulama Sunan Giri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32665/statkom.v2i1.1597

Abstract

Latar   Belakang: Kesehatan merupakan salah satu indikator pada pembangunan manusia, masalah kesehatan di Provinsi Jambi sedang dihadapkan pada beban ganda yang mana masalah penyakit menular masih menjadi masalah yang belum dapat diselesaikan. Tujuan: Menerapkan analisis kluster metode K-Means untuk mengetahui hasil pengelompokan setiap kabupaten/kota di Provinsi Jambi, sehingga memudahkan Dinas Kesehatan Provinsi Jambi dalam mengevaluasi dan menggambil kebijakan terkait masalah penyakit menular. Metode: Pengelompokan menggunakan metode yaitu K-Means untuk mengelompokan data. Penelitian ini dilakukan di Provinsi Jambi dengan menggunakan data dari Badan Pusat Statistik Provinsi Jambi dengan data penyakit menular adalah malaria, kusta, pneumonia, IMS dan HIV/AIDS. Hasil: Diperoleh hasil tiga centroid  dengan masing-masing karakteristik yang berbeda yaitu kluster 1 rendah pada penyakit malaria, pneumonia dan HIV/AIDS, Klaster 2 tinggi pada penyakit malaria, pneumonia dan HIV/AIDS, dan kluster 3 sedang pada kusta, penumonia dan HIV/AIDS. Kesimpulan: Kabupaten/kota di Provinsi Jambi berdasarkan penyakit menular dikelompokan menjadi 3 Klaster yaitu Klaster rendah dengaan anggota Kabupaten Kerinci, Batang Hari, Muaro Jambi, Tanjung Jabung Timur, Tanjung Jabung Barat dan Kota Sungai Penuh. Klaster sedang dengan anggota Kabupaten Merangin, Sarolangun, danTebo. Kemudian klaster tinggi dengan keanggotaan Kabupaten Muaro Bungo dan Kota Jambi.  
Penerapan Metode Naive Bayes Classifier Untuk Klasifikasi Indeks Pembangunan Manusia Di Provinsi Jawa Timur Arifat, Muhammad; Wardiana Adinda Putri; Mufida, Alfin Syayirotin
Jurnal Statistika dan Komputasi Vol. 2 No. 1 (2023): Jurnal Statistika dan Komputasi
Publisher : Universitas Nahdlatul Ulama Sunan Giri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32665/statkom.v2i1.1661

Abstract

Latar   Belakang: IPM adalah alat ukur pencapaian kualitas hidup suatu negara yang terdiri atas tiga dimensi, yaitu: kesehatan, pengetahuan, dan hidup layak. Terdapat variasi IPM yang cukup signifikan antara kota dan kabupaten. Untuk mengatasi permasalahan ini, perlu adanya klasifikasi IPM di Jawa Timur sebagai acuan pemerataan di seluruh wilayah Jawa Timur. Tujuan : Mendapatkan hasil klasifikasi IPM di Jawa Timur menggunakan metode Naive Bayes Classifier (NBC). Metode : Digunakan metode kuantitatif dengan metode NBC dan software Jupyter Notebook untuk mengklasifikasikan data IPM skala nominal yang didapatkan dari BPS Provinsi Jawa Timur. Faktor-faktor yang dianalisis meliputi Pendapatan Per kapita, Angka Harapan Hidup, Harapan Lama Sekolah, Rata-rata Lama Sekolah, Produk Domestik Regional Bruto, Penduduk Miskin, Jumlah Fasilitas Kesehatan, dan Jumlah Tenaga Kesehatan dengan skala rasio. Hasil: Metode klasifikasi NBC berhasil dipakai untuk memprediksi IPM di Jawa Timur. Data training dan testing yang optimal dengan pembagian 70% dan 30% menghasilkan akurasi 91,6%. Dari 12 data testing, model dapat memprediksi IPM dengan keakuratan 92% dan sensitivitas yang baik pada kelas Sangat Tinggi dan Tinggi. Kesimpulan: Disimpulkan bahwa prediksi IPM di Provinsi Jawa Timur cukup akurat dengan persentase keakuratan mencapai 92%. Model juga memiliki nilai recall yang baik pada kelas Sangat Tinggi dan Tinggi serta cukup pada kelas Sedang.  
Penerapan Metode Ward Clustering Untuk Pengelompokkan Daerah Rawan Kriminalitas Di Jawa Timur Tahun 2021 Insiyah, Insiyah; Khasanah, Miftakhul; Hendarsyah, Tantra Pratama
Jurnal Statistika dan Komputasi Vol. 2 No. 1 (2023): Jurnal Statistika dan Komputasi
Publisher : Universitas Nahdlatul Ulama Sunan Giri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32665/statkom.v2i1.1664

Abstract

Latar   Belakang: Segala tindakan yang melanggar hukum pidana ialah tindak kejahatan atau Kriminalitas. Tindakan yang memberikan bahaya secara fisik dan harta orang lain ialah karakteristik kiriminalitas, seperti: kekerasan fisik, pelecehan, pembunuhan, perbudakan, dan obat-obatan terlarang atau narkotika, serta penipuan, perampasan hak milik, korupsi, dan penggelapan uang. Tujuan: Menganalisis pengelompokan wilayah dengan metode Ward clustering terhadap daerah rawan kriminal di Provinsi Jawa Timur tahun 2021. Metode: Menerapkan metode kuantitatif berupa metode Cluster Hierarki menggunakan analisis Ward untuk data skunder tentang jumlah kriminalitas di Jawa Timur tahun 2021. Data pengamatan diperoleh dari  publikasi Badan Pusat Statistik (BPS) Provinsi Jawa Timur 2021. Hasil: Diperolaeh hasil Cluster 1 beranggotakan 31 Kabupaten/kota yaitu Pacitan,  Ponorogo,  Trenggalek,  Tulungagung,  Blitar,  Kediri,  Malang, Situbondo,  Probolinggo,  Pasuruan,  Sidoarjo,  Mojokerto,  Jombang,  Nganjuk,  Madiun,  Magetan,  Ngawi,  Bojonegoro,  Tuban,  Lamongan, Sampang,  Pamekasan,  Sumenep, Kota Kediri, Kota Blitar, Kota Probolinggo, Kota Pasuruan, Kota Mojokerto, Kota Madiun,  kota Surabaya, dan kota Batu.Cluster 2 beranggotakan 5 kabupaten/kota yaitu Lumajang, Banyuwangi, Bondowoso, Bangkalan, dan Kota Malang.Cluster 3 beranggotakan 2 kabupaten/kota yaitu Jember dan Gresik.. Kesimpulan: Diperoleh 3 cluster kecamatan yang memiliki kemiripan karakteristik dari studi clustering dengan metode Ward untuk kabupaten/kota yang rawan kriminalitas di Jawa Timur Tahun 2021.  
Analisis Kepuasan Pengguna Jasa Petugas Parkir Dinas Perhubungan Bojonegoro Menggunakan Regresi Logistik Ordinal Winarko, M Teguh Deddy; Kartini, Alif Yuanita
Jurnal Statistika dan Komputasi Vol. 1 No. 1 (2022): Jurnal Statistika dan Komputasi
Publisher : Universitas Nahdlatul Ulama Sunan Giri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32665/statkom.v1i1.442

Abstract

Latar Belakang: Tidak semua petugas parkir Dinas Perhubungan Kabupaten Bojonegoro melaksanakan kerjanya baik dan sesuai dengan standard operational procedure (SOP). Bentuk pembekalan dan sosialisasi oleh dinas terkait sudah diberikan, namun pengguna layanan jasa parkir merasa kurang puas. Untuk menganalisis masalah ini, diterapkan pemodelan regresi logistik ordinal untuk menilai kepuasan pelanggan. Tujuan: Mengetahui tingkat kepuasan dan faktor-faktor yang secara signifikan berpengaruh terhadap tingkat kepuasan pengguna jasa petugas parkir Dinas Perhubungan Kabupaten Bojonegoro. Metode: Metode Penelitian yang digunakan adalah metode kuantitatif berupa analisis regresi logistik ordinal. Digunakan accidental sampling dengan mengambil sampel dari responden yang kebetulan memakai jasa parkir petugas Dinas Perhubungan Kabupaten Bojonegoro. Variabel dependen adalah tingkat kepuasan pengguna jasa petugas parkir yang berskala ordinal dan variabel-variabel independen meliputi tangibles, reliability, responsiveness, emphaty dan assurance. Hasil: Kepuasan pengguna terhadap pelayanan petugas parkir terbesar adalah 35% cukup puas dan terbesar kedua 29% kurang puas. Dari hasil odds ratio, semakin besar tangibles, responsiveness, dan emphaty petugas parkir masing-masing memiliki peluang 2,0719; 5,9793; dan 9,0802 kali lebih besar daripada variabel lainnya terhadap tingkat kepuasaan pengguna petugas parkir. Kesimpulan: Mayoritas pengguna pelayanan petugas parkir kurang puas dan cukup puas. Penerapan regresi logistik ordinal memberikan pengetahuan bahwa tangibles, responsiveness, dan emphaty petugas parkir mempengaruhi kepuasan pengguna.
Studi Perbandingan Clustering Kecamatan di Kabupaten Bojonegoro Berdasarkan Keaktifan Penduduk Dalam Kepemilikan Dokumen Kependudukan Sholikhah, Nisa Arofatus
Jurnal Statistika dan Komputasi Vol. 1 No. 1 (2022): Jurnal Statistika dan Komputasi
Publisher : Universitas Nahdlatul Ulama Sunan Giri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32665/statkom.v1i1.443

Abstract

Latar   Belakang:    Dokumen kependudukan di Kabupaten Bojonegoro memiliki tingkat kepentingan yang tinggi sehingga pemerintah menyediakan aplikasi Sistem Informasi Manajemen Kependudukan (SIMDUK), namun dalam prakteknya aplikasi ini kurang efektif karena rendahnya kesadaran masyarakat dalam melengkapi dokumen kependudukan. Untuk mengatasi permasalahan ini, diperlukan adanya pengelompokan Kecamatan di Kabupaten Bojonegoro berdasarkan kelengkapan kepemilikan dokumen kependudukan. Tujuan: Melakukan perbandingan metode-metode clustering dalam rangka mendapatkan metode terbaik sehingga bisa digunakan untuk pengelompokan Kecamatan di Kabupaten Bojonegoro. Metode: Menerapkan metode kuantitatif berupa metode clustering yaitu K-Means, K-Medoid, X-Means, dan DBSCAN. Metode clustering terbaik dipilih berdasarkan ukuran performance vector terkecil. Sumber data berasal dari data sekunder dari Dinas Kependudukan dan Catatan Sipil Kabupaten Bojonegoro tahun 2020. Hasil: Diperoleh metode clustering terbaik yaitu metode K-Means dengan performance vector sebesar -0,697 dalam membentuk 5 cluster yaitu cluster 1 dengan klasifikasi sangat aktif yang beranggotakan 4 kecamatan, cluster 3 dengan klasifikasi aktif beranggotakan 5 kecamatan, cluster 4 dengan klasifikasi cukup aktif beranggotakan 7 kecamatan, cluster 0 dengan klasifikasi kurang aktif beranggotakan 8 kecamatan, dan cluster 2 dengan klasifikasi tidak aktif yang beranggotakan 4 kecamatan. Kesimpulan: Metode clustering terbaik yaitu metode K-Means yang berhasil mengelompokkan Kecamatan di Kabupaten Bojonegoro berdasarkan kelengkapan kepemilikan dokumen kependudukan, serta menginformasikan banyaknya kecamatan yang kurang aktif.
Penerapan Model Geographically Weighted Poisson Regression untuk Demam Berdarah Dengue Di Kabupaten Bojonegoro Nisa, Khoirin
Jurnal Statistika dan Komputasi Vol. 1 No. 1 (2022): Jurnal Statistika dan Komputasi
Publisher : Universitas Nahdlatul Ulama Sunan Giri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32665/statkom.v1i1.444

Abstract

Latar   Belakang:    Kasus Demam Berdarah Dengue (DBD) di Kabupaten Bojonegoro meningkat dari tahun 2017 sampai tahun 2019. Hal ini menjadi sulit karena wilayah geografis yang sangat luas di setiap Kecamatan. Untuk menganalisis masalah ini, perlu diberikan pemodelan regresi spasial yang memperhitungkan perbedaan wilayah. Tujuan: Menganalisis pengaruh variabel-variabel prediktor terhadap banyaknya kasus DBD per Kecamatan di Kabupaten Bojonegoro dengan model Geographically Weighted  Poisson Regression (GWPR). Metode: Menerapkan metode kuantitatif berupa pemodelan GWPR dengan perbandingan kernel yaitu kernel fixed Gaussian, fixed bi-square, adaptive bi-square, dan adaptive Gaussian. Sumber data yang digunakan adalah data sekunder diperoleh dari laporan Badan Pusat Statistik (BPS) dan Dinas Kesehatan Bojonegoro pada tahun 2017-2019 per Kecamatan di Kabupaten Bojonegoro. Hasil: Diperoleh model GWPR terbaik untuk kernel fixed bi-square dengan nilai deviance sebesar 610,5541 dan AIC sebesar 647,6348. Dari 28 Kecamatan di Kabupaten Bojonegoro, kepadatan penduduk memiliki pengaruh signifikan positif pada 1 Kecamatan dan negatif 10 Kecamatan, fasilitas kesehatan mempunyai pengaruh signifikan positif pada 19 Kecamatan dan negatif 1 Kecamatan, dan tenaga kerja kesehatan memiliki pengaruh signifikan positif pada 11 Kecamatan dan negatif 3 Kecamatan. Kesimpulan: Pemodelan GWPR memberikan masukan pengetahuan bahwa kepadatan penduduk, fasilitas kesehatan, dan tenaga kerja kesehatan secara spasial signifikan mempengaruhi kasus DBD di Kabupaten Bojonegoro.
Pemodelan Regresi Data Panel Untuk Memprediksi Ketersediaan Beras Di Kabupaten Bojonegoro Yuliana, Ummi Agustin
Jurnal Statistika dan Komputasi Vol. 1 No. 1 (2022): Jurnal Statistika dan Komputasi
Publisher : Universitas Nahdlatul Ulama Sunan Giri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32665/statkom.v1i1.447

Abstract

Latar   Belakang:    Ketersediaan beras menjadi komponen utama penyebab inflasi dan kurangnya beras mengganggu ketahanan pangan nasional. Kabupaten Bojonegoro menjadi produksi padi menempati urutan ketiga di Provinsi Jawa timur, namun permasalahan yang dihadapi adalah penurunan ketersediaan beras dari tahun ke tahun. Untuk menganalisis permasalahan ini diperlukan adanya pemodelan pola hubungan ketersediaan beras dengan variabel-variabel prediktornya. Tujuan: Mengetahui variabel-variabel prediktor yang berpengaruh terhadap Ketersediaan Beras di Kabupaten Bojonegoro pada tahun 2016 sampai 2020 dengan menggunakan analisis regresi data panel. Metode: Menerapkan metode kuantitatif berupa pemodelan regresi data panel dengan perbandingan hasil common effect model, fixed effect model, dan random effect model. Sumber data digunakan data sekunder berupa data ketersediaan beras, luas panen, dan jumlah penduduk yang berasal dari Kabupaten Bojonegoro pada tahun 2016 sampai 2020. Hasil: Diperoleh model regresi data panel terbaik adalah fixed effect model dengan nilai R-squared sebesar 74,77% dan AIC sebesar 20,6921. Terdapat pengaruh signifikan positif luas panen dan jumlah penduduk terhadap ketersediaan beras. Setiap peningkatan Luas Panen 1 Ha dan Jumlah Penduduk 1 jiwa masing-masing akan menyebabkan peningkatan Ketersediaan Beras sebesar 0,9908 ton dan 0,4265 ton. Kesimpulan: Penerapan model regresi data panel memberikan pengetahuan bahwa luas panen dan jumlah penduduk secara positif mempengaruhi ketersediaan beras di Kabupaten Bojonegoro.
Peramalan Banyaknya Pasien Rawat Jalan dengan Menggunakan Metode Brown's Double Exponential Smoothing Khoiriyah, Nuraini; Cahyani, Nita
Jurnal Statistika dan Komputasi Vol. 1 No. 1 (2022): Jurnal Statistika dan Komputasi
Publisher : Universitas Nahdlatul Ulama Sunan Giri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32665/statkom.v1i1.451

Abstract

Latar   Belakang:    Peramalan memainkan peran penting dalam kegiatan pengambilan keputusan dalam manajemen organisasi. Kebutuhan akan peramalan yang andal semakin meningkat seiring upaya manajemen untuk mengurangi ketergantungannya pada peluang dan menjadi lebih ilmiah dalam menangani masalah-masalahnya. Terutama masalah yang terjadi pada kasus peramalan banyaknya pasien rawat jalan di Dr. R. Sosodoro Djatikoesoemo Bojonegoro. Peningkatan banyaknya pasien rawat jalan dapat diperkirakan sehingga menjadi antisipasi manajer rumah sakit dalam persediaan obat-obatan, fasilitas kesehatan, dan tenaga kesehatan. Tujuan: Meramalkan banyaknya kunjungan pasien rawat jalan di RSUD Dr. R. Sosodoro Djatikoesoemo Bojonegoro dengan model Brown's double exponential smoothing. Metode: Digunakan metode kuantitatif berupa peramalan deret waktu dengan menggunakan model Brown's double exponential smoothing dengan satu parameter yaitu ?. Model peramalan diperoleh melalui pemilihan ? terbaik berdasarkan kriteria model terbaik yaitu mean absolute percentage error (MAPE). Hasil: Diperoleh model terbaik dengan ? sebesar 0,2 dan MAPE sebesar 18. Hasil peramalan model untuk 5 bulan ke depan adalah 12.643 pada bulan Agustus, 12.895 bulan September, 13.147 bulan Oktober, 13.399 bulan November, dan 13.651 bulan Desember. Kesimpulan: Hasil peramalan pasien rawat jalan di RSUD Dr. R. Sosodoro Djatikoesoemo untuk 5 bulan menjadi masukan pengetahuan dugaan ke depan bagi manajemen rumah sakit dalam mengatasi banyaknya pasien rawat jalan.

Page 2 of 5 | Total Record : 45

 1   2   3   4   5 

Filter by Year

2022 2025


Reset
Filter By Issues
All Issue Vol. 4 No. 1 (2025): Jurnal Statistika dan Komputasi Vol. 3 No. 2 (2024): Jurnal Statistika dan Komputasi Vol. 3 No. 1 (2024): Jurnal Statistika dan Komputasi Vol. 2 No. 2 (2023): Jurnal Statistika dan Komputasi Vol. 2 No. 1 (2023): Jurnal Statistika dan Komputasi Vol. 1 No. 2 (2022): Jurnal Statistika dan Komputasi Vol. 1 No. 1 (2022): Jurnal Statistika dan Komputasi