cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Febriani Astuti
Contact Email
febriani@akprind.ac.id
Phone
+6285725192987
Journal Mail Official
statikom.jurnal@akprind.ac.id
Editorial Address
Kampus 3 Universitas AKPRIND Indonesia; Jl. Bimasakti No 3 Pengok Yogyakarta; Telp. (0274) 544504 (318); WA 0851-7106-0678
Location
Kota yogyakarta,
Daerah istimewa yogyakarta
INDONESIA
Jurnal Statistika Industri dan Komputasi
Published by Universitas AKPRIND Indonesia
ISSN : -     EISSN : 25279378     DOI : https://doi.org/10.34151
Core Subject : Economy, Science, Education, Engineering,
Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Mathematics
Jurnal Statistika Industri dan Komputasi memfasilitasi peneliti, baik dosen, mahasiswa, maupun praktisi untuk mempublikasikan hasil penelitian. Selain itu juga memberikan fasilitas bagi peneliti lain untuk mendapatkan referensi-referensi terkait bidang statistika, aplikasi statistika pada industri, serta komputasinya. Jurnal ini terbit dalam bentuk edisi cetak dan edisi online pada https://ejournal.akprind.ac.id. Edisi setiap jurnal berisikan 8 makalah yang memiliki tema pada bidang teori statistika dan aplikasinya. Kami akan menerima publikasi hasil penelitian pada bidang yang lebih spesifik, diantaranya tentang statistika matematika, ekonometrika, statistika komputasi, matematika keuangan, statistika spasial, aktuaria, demografi, fuzzy, statistika nonparametrik, multivariat, teori statistika, riset operasi, optimasi, time series, analisis survival, dan manajemen resiko.
Arjuna Subject : Matematika - Statistik dan Probabilitas
Articles 137 Documents
 7   8   9   10   11 
PERAMALAN JAKARTA STOCK EXCHANGE COMPOSITE INDEX DENGAN METODE FUZZY TIME SERIES MARKOV CHAIN DAN MODIFIKASI ADAPTIVE FUZZY TIME SERIES Gabriel Cefin Putra Kota; Yudi Setyawan
Jurnal Statistika Industri dan Komputasi Vol. 6 No. 01 (2021): Jurnal Statistika Industri dan Komputasi
Publisher : Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Jakarta Stock Exchange Composite Index (JKSE) atau Indeks Harga Saham Gabungan (IHSG) merupakan indikator yang mencerminkan pergerakan harga saham. Peramalan JKSE digunakan oleh para investor untuk mengambil keputusan investasi yang tepat. Dalam penelitian ini digunakan metode fuzzy time series Markov Chain dan modifikasi adaptive fuzzy time series, dalam meramalkan data price Jakarta Stock Exchange Composite Index (JKSE) periode Oktober 2015 sampai Oktober 2020. Penulis menggunakan kedua metode ini karena berdasarkan tinjauan pustaka diperoleh kesimpulan bahwa metode fuzzy time series Markov Chain mempunyai nilai error yang baik dibandingkan dengan metode fuzzy time series lainnya, sedangkan sebagai pembanding penulis menggunakan metode adaptive fuzzy time series yang dimodifikasi. Hasil peramalan Data price JKSE pada periode bulan Oktober 2015 sampai dengan Oktober 2020 menggunakan metode FTS Markov Chain untuk periode selanjutnya yaitu bulan November 2020 sebesar 5061,565306 dan bulan Desember 2020 sebesar 5106,097668. Sedangkan hasil peramalan menggunakan metode modifikasi adaptive FTS untuk periode selanjutnya yaitu bulan November 2020 adalah sebesar 4997,020408 dan Desember 2020 sebesar 4997,020408. Metode Modifikasi Adaptive FTS mempunyai hasil peramalan yang lebih baik dibandingkan metode FTS Markov Chain pada studi kasus ini. Karena memiliki nilai MAPE (Mean Absolute Percentage Error) dan RMSE (Root Mean Squared Error) terkecil, yaitu berturut-turut adalah 1,699113% (MAPE), dan 122,4353024 (RMSE) sedangkan FTS Markov Chain adalah 1,883658% (MAPE) dan 138,58874 (RMSE).
ANALISIS KLASIFIKASI STATUS BEKERJA PENDUDUK DAERAH ISTIMEWA YOGYAKARTA MENGGUNAKAN METODE RANDOM FOREST Eka Christy; Kris Suryowati
Jurnal Statistika Industri dan Komputasi Vol. 6 No. 01 (2021): Jurnal Statistika Industri dan Komputasi
Publisher : Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Klasifikasi merupakan pekerjaan yang berkaitan dengan pembuatan sebuah model yang dapat melakukan pemetaan dari setiap himpunan variabel ke setiap targetnya, kemudian menggunakan model tersebut untuk memberikan nilai target pada himpunan baru yang didapat. Dalam penelitian ini analisis klasifikasi digunakan untuk melihat prediksi status bekerja penduduk di wilayah perdesaan Daerah Istinewa Yogyakarta. Metode yang digunakan untuk mengklasifikasi adalah metode Random Forest. Random Forest adalah klasifikasi yang terdiri dari beberapa pohon keputusan yang dibangun dengan menggunakan vektor acak. Penelitian ini bertujuan untuk mendapat model/pohon terbaik menggunakan Random Forest. Model/pohon yang diperoleh dari Random Forest akan digunakan untuk mengklasifikasi status bekerja penduduk di wilayah perdesaan Daerah Istimewa Yogyakarta. Hasil yang diperoleh model dengan error klasifikasi terkecil adalah mtry 4 dan ntree 500 dengan tingkat akurasi ketepatan klasifikasinya sebesar 80,13%. Secara berurutan variabel yang paling besar peranannya dalam mengklasifikasi status bekerja penduduk Daerah Istimewa Yogyakarta di wilayah perdesaan adalah variabel Penyakit/Gangguan selanjutnya diikuti oleh variabel Tingkat Pendidikan, Jenis Kelamin dan Sertifikat.
PERAMALAN JUMLAH PENUMPANG PENERBANGAN INTERNASIONAL DI BANDAR UDARA INTERNASIONAL SOEKARNO HATTA DENGAN METODE HOLT-WINTERS EXPONENTIAL SMOOTHING DAN SEASONAL ARIMA Demeytris Suryani Fahik; Maria Titah Jatipaningrum
Jurnal Statistika Industri dan Komputasi Vol. 6 No. 01 (2021): Jurnal Statistika Industri dan Komputasi
Publisher : Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Banyak masyarakat dan turis yang datang atau pergi dari Indonesia melalui Bandar Udara Internasional Soekarno Hatta. Saat ini pesawat udara menjadi pilihan yang diminati masyarakat karena dapat menempuh waktu yang singkat dengan jarak yang jauh. Hal tersebut mengantisipasi kesiapan pihak bandar udara dalam menyediakan fasilitas dan pelayanan yang terbaik bagi kenyamanan masyarakat. Peramalan jumlah penumpang sangat penting untuk perencanaan penyediaan dan peningkatan fasilitas bandar udara di masa mendatang. Metode peramalan Seasonal ARIMA dan Holt-Winters Exponential Smoothing merupakan metode yang mampu menangani data yang berpola musiman sekaligus bersifat trend. Jumlah penumpang di Bandar Udara Internasional Soekarno Hatta memiliki pola berulang (musiman) dan juga membentuk pola trend naik. Karena menunjukkan pola trend naik dan pola musiman dengan variasi musiman yang semakin membesar, maka pemilihan metode peramalan Holt-Winters Exponential Smoothing model multiplikatif dan Seasonal ARIMA adalah tepat untuk diimplementasikan pada data. Perbandingan metode peramalan dilakukan untuk mendapatkan tingkat akurasi model yang tinggi, dengan menggunakan data aktual pada periode Januari 2017 sampai November 2019. Peramalan dengan metode Holt-Winters Exponential Smoothing model multiplikatif dengan modifikasi Golden Section menghasilkan nilai MAPE sebesar 4,407%. Sedangkan peramalan dengan metode Seasonal ARIMA model (3,1,0)(0,1,1)12 menghasilkan nilai MAPE sebesar 5,306%. Dengan demikian metode yang terpilih adalah metode Holt-Winters Exponential Smoothing model multiplikatif dengan modifikasi Golden Section karena memiliki nilai MAPE lebih kecil dan lebih baik dalam meramalkan jumlah penumpang penerbangan internasional di Bandar Udara Internasional Soekarno Hatta dan hasil peramalan untuk satu tahun ke depan, pada bulan Maret 2020 diperkirakan mencapai 732.129 penumpang
ALLOCATION TABLE METHOD DALAM SISTEM MANAJEMEN PRODUKSI DAN LOGISTIK MULTI STAGE Wahyu Sri Utami
Jurnal Statistika Industri dan Komputasi Vol. 6 No. 2 (2021): Jurnal Statistika Industri dan Komputasi
Publisher : Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Perlakuan terhadap material mulai dari titik produksi atau sumber (source) sampai sebagai produk di titik konsumsi atau tujuan (sink) memerlukan biaya yang tinggi bagi perusahaan. Hal ini merupakan masalah yang krusial untuk diselesaikan. Permasalahan yang ditimbulkan pada dasarnya adalah kombinasi dari permasalahan produksi, transportasi dan penentuan order yang ekonomis atau sering disebut total logistic problem. Secara tradisional tahap-tahap dalam pemrosesan material tersebut dioptimasi secara terpisah. Akan tetapi semakin banyaknya titik sumber dan titik tujuan, maka tidak akan praktis lagi jika harus dioptimasi terpisah. Sehingga dalam penelitian ini digunakan metode optimasi yang mengintegrasikan seluruh proses tersebut kedalam suatu bentuk model pemrograman tidak linear kemudian solusi diperoleh menggunakan teknik heuristik yang menerapkan Allocation Table Method. Fungsi objektifnya adalah meminimalkan total biaya inventori, produksi dan transportasi dengan kendala terbatasnya stok persediaan dan permintaan yang harus terpenuhi. Selanjutnya, sebuah sistem akan di bangun untuk mempermudah dalam implementasi kasus.
PERBANDINGAN METODE HOLT-WINTER’S EXPONENTIAL SMOOTHING DAN WEIGHTED FUZZY INTEGRATED TIME SERIES UNTUK MEMPREDIKSI LQ45 Diah Nur Hastuti Hastuti; Maria Titah Jatipaningrum
Jurnal Statistika Industri dan Komputasi Vol. 6 No. 2 (2021): Jurnal Statistika Industri dan Komputasi
Publisher : Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

ABSTRAK Prediksi merupakan suatu kegiatan untuk meramalkan kejadian di masa yang akan datang dengan menggunakan dan mempertimbangkan data dari masa lampau. Prediksi merupakan alat bantu yang penting dalam perencanaan yang efektif dan efesian. LQ45 merupakan 45 emiten yang telah telah memalui proses seleksi dengan likuiditas tinggi serta beberapa kriteria lainnya, kriteria tersebut diantaranya dapat meliputi pertimbangan kapitalisasi pasar. Penelitian ini bertujuan memprediksi data LQ45 bulan Januari, Februari dan Maret 2021. Pada penelitian ini digunakan metode Holt-Winter’s Eksponential Smoothing dan Weighted Fuzzy Integrated Time Series. Data LQ45 yang digunakan adalah data LQ45 periode Januari 2014 sampai dengan Desember 2020.Hasil analisis menggunakan metode Holt-Winter’s Eksponential Smoothing prediksi data LQ45 bulan Januari adalah 881,278, Februari sebanyak 884,836 dan Maret sebanyak 928,794 dengan nilai RMSE 108,00 dan MAPE sebesar 0,31% , untuk metode Weighted Fuzzy Integrated Time Series prediksi data LQ45 bulan Januari 948,278, Februari sebanyak 948,278 dan Maret sebanyak 948,278 dengan nilai RMSE sebesar 37,18 dan nilai MAPE sebsar 0,065%. Berdasrakan hasil analisis dapat disimpulkan bahwa metode Weighted Fuzzy Integrated Time Series merupakan metode terbaik untuk memprediksi data LQ45 periode Januari, Februari dan Maret 2021 karena menghasilkan nilai MAPE lebih kecil.
ANALISIS PENGENDALIAN KUALITAS PRODUK MINYAK ZAITUN MENGGUNAKAN PETA KENDALI MULTIVARIATE EXPONENTIALLY WEIGHTED MOVING AVERAGE DAN MULTIVARIATE EXPONENTIALLY WEIGHTED MOVING VARIANCE Gesti Sintia; Noviana Pratiwi
Jurnal Statistika Industri dan Komputasi Vol. 6 No. 2 (2021): Jurnal Statistika Industri dan Komputasi
Publisher : Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

ABSTRAK. Tujuan dari pengendalian adalah untuk mendeteksi penyimpangan yang terjadi agar dapat dilakukan suatu tindakan yang sesuai terhadap proses dan sistem yang digunakan dalam produksi. Perusahaan perlu melakukan pengendalian supaya proses produksi sesuai dengan standar yang ditetapkan perusahaan. PT. Herba Emas Wahidatama (HEW) memproduksi berbagai obat tradisional yang salah satunya produk minyak zaitun (extra virgin olive oil). Dalam proses produksi ada dua proses yaitu tahap primer dan sekunder, apabila dari kedua tahap tersebut terjadi kesalahan maka akan menghasilkan produk yang cacat sehingga perusahaan perlu melakukan pengendalian. Oleh karena itu, metode yang cocok untuk digunakan adalah peta kendali MEWMA dan MEWMV yang lebih sensitif terhadap pergeseran proses. Hasil analisis menggunakan model MEWMA dan MEWMV diperoleh proses produksi minyak zaitun tidak terkendali secara statistik baik fase I dan II. Model terbaik yang terpilih adalah model peta kendali MEWMA, karena memiliki selisih jarak antara titik pengamatan kamsimum dengan BKA yang lebih kecil yaitu 2,9234 dengan pembobot optimal λ = 0,6. Pada kemampuan proses produksi minyak zaitun secara multivariat baik terhadap presisi maupun akurasi diperoleh hasil tidak kapabel karena nilai indeks kemampuan proses kurang dari 1.
PERAMALAN DATA PRODUK DOMESTIK REGIONAL BRUTO DAERAH ISTIMEWA YOGYAKARTA MENGGUNAKAN KOMBINASI FUZZY TIME SERIES CHEN DENGAN PARTICLE SWARM OPTIMIZATION Netaria Usmia; Noeryanti Noeryanti
Jurnal Statistika Industri dan Komputasi Vol. 6 No. 2 (2021): Jurnal Statistika Industri dan Komputasi
Publisher : Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak. Salah satu indikator keberhasilan pelaksanaan pembangunan ekonomi dicerminkan dari Produk Domestik Regional Bruto (PDRB). Upaya yang dapat dilakukan untuk meningkatkan pembangunan ekonomi daerah adalah membuat perencanaan pembangunan yang baik dan tepat sehingga diperlukan peramalan untuk melihat proyeksi PDRB masa mendatang. Prediksi PDRB Daerah Istimewa Yogyakarta sangatlah penting di tengah ketidakpastian perekonomian di masa pandemi Covid-19. Data PDRB merupakan data runtun waktu yang memiliki pola trend sehingga diharapkan metode yang cocok digunakan untuk meramalkan Produk Domestik Regional Bruto Daerah Istimewa Yogyakarta adalah metode Fuzzy Time Series Chen dengan algoritma Particle Swarm Optimization. Particle Swarm Optimization digunakan untuk mengoptimalkan interval Fuzzy Time Series. Fuzzy time series adalah metode prediksi data yang menggunakan konsep fuzzy set sebagai dasar perhitungannya yang dapat menangkap pola dari data masa lalu untuk memproyeksikan data yang akan datang. Peramalan PDRB berdasarkan data Triwulan I 2010 sampai dengan Triwulan IV 2020. Hasil analisis menunjukkan bahwa metode FTS dengan algoritma PSO lebih baik dibandingkan FTS Chen tanpa PSO. Hasil peramalan Fuzzy time series PDRB DIY Triwulan I dan II 2021 menggunakan Particle Swarm Optimization didapat 6 lebar interval yang berbeda dari [15557230.52, 27896416.37] sehingga diperoleh hasil prediksi sebesar 26167334.76 juta rupiah dengan tingkat akurasi yaitu MAPE sebesar 3.40% dan nilai RMSE sebesar 875049.7.
PREDIKSI DATA SPASIAL YANG TIDAK TERSAMPEL DAN MENGANDUNG PENCILAN MENGGUNAKAN METODE ROBUST KRIGING Anisa Rahmasari; Noeryanti Noeryanti
Jurnal Statistika Industri dan Komputasi Vol. 6 No. 2 (2021): Jurnal Statistika Industri dan Komputasi
Publisher : Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak. Pencemaran udara merupakan masuknya atau dimasukannya zat, energi, atau komponen lain ke dalam udara ambien oleh kegiatan manusia, sehingga mutu udara ambien turun sampai ke tingkat tertentu yang menyebabkan udara ambien tidak dapat memenuhi fungsinya. Metode robust kriging merupakan pengembangan dari metode ordinary kriging yang mentransformasikan bobot semivariogram klasik menjadi semivariogram yang robust terhadap pencilan dalam data. Dalam penelitian ini akan dilakukan prediksi kandungan gas Nitrogen Dioksida (NO2) di Kota Yogyakarta menggunakan metode robust kriging. Tujuan penelitian ini adalah menduga kualitas udara NO2 dengan metode geostatistik yang merupakan analisis statistik spasial untuk menduga data dengan estimasi melalui semivariogram dan robust kriging pada kualitas udara NO2. Selanjutnya membandingkan nilai semivariogram eksperimental dan semivariogram robust dengan beberapa model semivariogram teoritis (spherical, gaussian, exponential) untuk mendapatkan model terbaik. Dalam penelitian ini dilakukan pendugaan kualitas udara NO2 di pemukiman Kota Yogyakarta terdiri dari 16 pos. Didapat hasil perbandingan dari nilai MSE untuk model terbaik yaitu nilai MSE dari model spherical ordinary sebesar 144,231 lebih kecil dari spherical robust sebesar 145,659, kemudian MSE dari model gaussian robust sebesar 137,837 lebih kecil dari gaussian ordinary sebesar 292,041 dan exponential robust sebesar 145,574 lebih kecil dari exponential ordinary sebesar 150,736.
METODE REGRESI COX PROPORTIONAL HAZARDS UNTUK ANALISIS DATA WAKTU TUNGGU MENDAPATKAN PEKERJAAN PROGRAM SARJANA S1 Frischalia Yosefina Kurnia; Yudi Setyawan
Jurnal Statistika Industri dan Komputasi Vol. 6 No. 2 (2021): Jurnal Statistika Industri dan Komputasi
Publisher : Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak. Penelitian ini bertujuan untuk faktor-faktor yang mempengaruhi waktu tunggu mencari kerja program sarjana Fakultas Sains Terapan Institut Sains & Teknologi AKPRIND Yogyakarta menggunakan metode Regresi Cox Proportional Hazards. Dalam penelitian ini waktu survival yang digunakan adalah selang waktu tunggu sarjana dalam mendapatkan pekerjaan pertamanya. Data yang digunakan data sampel alumni Fakultas Sains Terapan angkatan 2015. Waktu tunggu mencari kerja dapat dipengaruhi oleh beberapa faktor yaitu gender(jenis kelamin), status kelulusan, Indeks Prestasi Kumulatif (IPK), keikutsertaan kursus dan keikutsertaan organisasi. Faktor-faktor tersebut dicurigai berpengaruh pada ketahanan hidup waktu tunggu mencari kerja dari alumni Fakultas Sains Terapan. Berdasarkan hasil analisis dengan metode Kaplan Meier dan uji Log Rank bahwa dari semua variabel independen tidak terdapat perbedaan pada waktu mendapatkan pekerjaan dan hasil analisis metode Regresi Cox proportional Hazards menunjukkan bahwa faktor yang berpengaruh secara signifikan terhadap waktu tunggu mencari kerja dari alumni Fakultas Sains Terapan adalah variabel keikutsertaan kursus.
PEMODELAN TINGKAT INFLASI DI INDONESIA MENGGUNAKAN REGRESI DATA PANEL DINAMSI DENGAN ESTIMASI FD-GMM ARELLANO-BOND DAN SYS-GMM BLUNDELL-BOND Mardiyanti Dendo; Kris Suryowati
Jurnal Statistika Industri dan Komputasi Vol. 6 No. 2 (2021): Jurnal Statistika Industri dan Komputasi
Publisher : Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

ABSTRAK. Inflasi merupakan masalah ekonomi yang dialami setiap negara. Inflasi merupakan kondisi di mana terjadi kenaikan harga barang dan jasa dalam suatu negara atau daerah seiring dengan waktu. Ketika terjadi inflasi, kemampuan masyarakat untuk membeli barang akan menurun. Inflasi yang tidak terkendali dapat berdampak buruk bagi perekonomian dan mengganggu stabilitas negara. Tingkat inflasi di Indonesia besarnya bervariasi karena perbedaan karakteristik daerah dan adanya kebijakan otonomi daerah. Penelitian ini akan menduga model tingkat inflasi di 33 provinsi di Indonesia periode 2012-2018 dengan menggunakan regresi data panel dan regresi data panes dinamis. Hasil penelitian menunjukkan bahwa model terbaik untuk mengestimasi tingkat inflasi di Indonesia dengan regresi data panel adalah model random effect dengan 3 variabel yang berpengaruh yaitu IHK, UMP dan VA. Sedangkan model terbaik dengan estimasi regresi data panel dinamis adalah model Sys-GMM Blundell Bond dengan 5 variabel yang berpengaruh yaitu IHK, UMP, PPK, TPT dan VA. Sementara perbandingan nilai RMSE, MAE dan MAPE dari kedua model menunjukan nilai yang lebih kecil pada dugaan model regresi data panel dengan estimasi random effect daripada dugaan Sys-GMM Blundell Bond sehingga model random effect lebih layak digunakan dalam memodelkan tingkat inflasi di Indonesia dengan model persamaan .

Page 9 of 14 | Total Record : 137

 7   8   9   10   11 

Filter by Year

2016 2024


Reset
Filter By Issues
All Issue Vol. 9 No. 2 (2024): Jurnal Statistika Industri dan Komputasi Vol. 9 No. 1 (2024): Jurnal Statistika Industri dan Komputasi Vol. 8 No. 2 (2023): Jurnal Statistika Industri dan Komputasi Vol. 8 No. 1 (2023): Jurnal Statistika Industri dan Komputasi Vol. 7 No. 01 (2022): Jurnal Statistika Industri dan Komputasi Vol. 7 No. 2 (2022): Jurnal Statistika Industri dan Komputasi Vol. 6 No. 01 (2021): Jurnal Statistika Industri dan Komputasi Vol. 6 No. 2 (2021): Jurnal Statistika Industri dan Komputasi Vol. 5 No. 02 (2020): Jurnal Statistika Industri dan Komputasi Vol. 5 No. 01 (2020): Jurnal Statistika Industri dan Komputasi Vol. 4 No. 01 (2019) Vol. 4 No. 2 (2019): Jurnal Statistika Industri dan Komputasi Vol. 3 No. 02 (2018) Vol. 3 No. 01 (2018) Vol. 2 No. 02 (2017) Vol. 2 No. 01 (2017) Vol. 1 No. 01 (2016) More Issue