Garuda - Garba Rujukan Digital

Article Per Year (5 Year)

All

Jurnal Statistika Universitas Muhammadiyah Semarang

statistik
Website

Published by Universitas Muhammadiyah Semarang

ISSN : 23383216 EISSN : 25281070 DOI : -

Core Subject : Science,

Decision Sciences, Operations Research & Management

Focus and Scope a. Statistika Teori, Statistika Komputasi, Statistika terapan b. Matematika Teori dan Aplikasi c. Design of Experiment

Arjuna Subject : Matematika - Pemodelan dan Simulasi

Articles 200 Documents

11 12 13 14 15

MANAGEMEN RISIKO INVESTASI DALAM PENYUSUNAN PORTOFOLIO SAHAM LIKUID SYARIAH BERDASARKAN ANALISIS CAPITAL ASSET PRICING MODEL (CAPM) (Studi Kasus Saham Indonesia Periode 2009-2013) Siti Azizah
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 7, No 2 (2019): Jurnal Statistika
Publisher : Program Studi Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Muham

Diversifikasi investasi adalah salah satu cara untuk meminimalkan risiko investasi. Pembentukan portofolio saham adalah salah satu bentuk diversifikasi investasi saham. Pembentukan portofolio dilakukan dengan harapan bahwa jika satu atau sejumlah saham yang diinvestasikan mengalami kerugian, investasi dalam saham lain dapat menjadi penyeimbang dengan memberikan pengembalian investasi/return. Saham yang masih memberikan keuntungan akan mengurangi total kerugian yang ditimbulkan oleh investasi saham lain. Dengan demikian tujuan investasi, yaitu memperoleh pengembalian dapat dicapai. Metode Capital Asseet Pricing Model (CAPM) adalah salah satu metode yang dapat memberikan pertimbangan dalam penyusunan portofolio saham yaitu dengan menghitung risiko yang berasal dari suku bunga bebas risiko. Nilai CAPM positif menunjukkan bahwa portofolio memiliki potensi pengembalian lebih besar dari risiko. Penyusunan portofolio dalam penelitian ini menghasilkan beberapa opsi portofolio berdasarkan kombinasi jumlah saham. Menentukan portofolio terbaik dapat dilakukan dengan mengukur kinerja atau dengan kata lain mengukur perbandingan potensi pengembalian dan risiko portofolio. Perhitungan kinerja dapat dilakukan dengan menggunakan metode Indeks Sharpe dengan menghitung standar deviasi dari nilai pengembalian portofolio/return. Pengukuran kinerja portofolio dari sejumlah portofolio yang disusun dari saham syariah yang likuid memberikan hasil bahwa portofolio optimal merupakan portofolio yang dibentuk dari saham PT Semen Indonesia (Persero) Tbk. dan saham PT Indocement Tunggal Prakarsa Tbk. dengan proporsi alokasi modal masing-masing 50%.

PEMODELAN PRODUKSI PADI DI PROVINSI JAWA TENGAH DENGAN PENDEKATAN SPATIAL ECONOMETRICS Fathikatul Arnanda; Abdul Karim
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 4, No 2 (2016): Jurnal Statistika
Publisher : Program Studi Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Muham

Produksi padi pada dasarnya tergantung pada variabel luas panen dan hasil per hektar, produksi padi dapat ditingkatkan jika luas panen mengalami peningkatan. Dalam penelitian ini dilakukan pendeskripsian produksi padi dan faktor-faktor yangmempengaruhinya dari sudut pandang kewilayahan dengan matriks pembobot customaize, serta pemodelan produksi padi dengan menggunakan spatial econometrics.Hasil penelitian menunjukan bahwa penyebaran produksi padi di Provinsi Jawa Tengah mempunyai pola yang mengelompok antara wilayah yang saling berdekatan satu sama lain. Berdasarkan hubungan produksi padi (PP) dengan variabel yang mempengaruhinya yaitu luas panen padi (LPP), produktivitas padi (PVP), jumlah petani padi (JPP), dan luas lahan sawah (LLS), dapat diartikan bahwa persamaan dan perbedaan karakteristik pada setiap kabupaten/kota yang berdekatan dapat menimbulkan peningkatan atau penurunan produksi padi di Provinsi Jawa Tengah. Model yang memenuhi evaluasimodel spatial econometriks yaitu model SDEM (Spatial Durbin Error Models), artinya produksi padi di suatu wilayah dipengaruhi oleh luas panen padi, produktivitas, jumlah petani padi dan luas lahan sawah wilayah tersebut dan wilayah lain yang memilikikarakteristik yang sama.Kata Kunci : Produksi Padi, Spatial Durbin Error Models (SDEM), Spatial Econometrics

PENERAPAN REGRESI ZERO-INFLATED GENERALIZED POISSON DAN PENGUJIAN AUTOKORELASI SPASIAL PADA KASUS PENYAKIT FILARIASIS DI JAWA TENGAH Sylvi Natalia P P; Dwi Ispriyanti; Sugito Sugito
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 6, No 1 (2018): Jurnal Statistika
Publisher : Program Studi Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Muham

Filariasis merupakan penyakit yang disebabkan oleh cacing filaria yang dapat menular melalui gigitan nyamuk. Jumlah kasus filariasis di Provinsi Jawa Tengah tahun 2016 berupa data diskrit berdistribusi poisson dengan proporsi data bernilai nol sebesar 60 persen. Banyaknya data yang bernilai nol mengindikasikan adanya overdispersi. Untuk mengatasinya digunakan model regresi Zero-Inflated Generalized Poisson (ZIGP). Penaksiran parameter dilakukan menggunakan metode Maximum Likelihood Estimation dan dalam penyelesaiannya digunakan iterasiNewton Raphson. Regresi Zero-Inflated Generalized Poisson (ZIGP) menghasilkan 3 variabel prediktor yang berpengaruh terhadap jumlah kasus filariasis di Provinsi Jawa Tengah tahun 2016 dengan nilai R2 sebesar 5,37%. Tiga variabel prediktor tersebut yaitu banyaknya penduduk dengan akses terhadap fasilitas sanitasi yang layak, kepadatan penduduk, dan jumlah sarana kesehatan. Untuk mengetahui keterkaitanantar wilayah berdasarkan jumlah kasus filariasis dilakukan pengujian menggunakan Indeks Moran. Hasil pengujian signifikansi terhadap nilai Indeks Moran menyatakan tidak terdapat autokorelasi spasial terhadap jumlah kasus filariasis di Provinsi Jawa Tengah tahun 2016. Kata kunci : Filariasis, regresi Zero-Inflated Generalized Poisson (ZIGP), Indeks Moran

PENERAPAN TEORI ANTREAN UNTUK ANALISIS KINERJA SISTEM PELAYANAN DI GERBANG TOL GAYAMSARI Yunanur Hanikmah; Sugito Sugito; Mustafid Mustafid
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 7, No 2 (2019): Jurnal Statistika
Publisher : Program Studi Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Muham

Queue theory is a method that can be used to analyze the performance of a service system. This study aims to apply queue theory for analysis system performance’s size at the Gayamsari Toll Gate by using data obtained through observation. Then the analysis step starts with checking the steady state assumption, goodness of fit tests to data, determines thequeue model, simulates the queue model, and calculates system performance’s size. Based on analysis with Arena software, the results of the study obtained queue model with Beta distribution on the number of arrivals and the number of services data. From this model, it can be used to calculate the service system performance’s size at the Gayamsari Toll Gate.The result of this calculation include estimates of the waiting time and the number of vehicles in the system or queue. Beside that based on the result of performance’s size, it can be concluded that the service system at the Gayamsari Toll Gate is in good condition because it’s waiting time is less than half minute. Keywords: Queue, Beta Distribution, Performance’s Size

KLASIFIKASI TUBERKULOSIS DENGAN PENDEKATAN METODE SUPPORTS VECTOR MACHINE (SVM) Moh. Yamin Darsyah
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 2, No 2 (2014): Jurnal Statistika
Publisher : Program Studi Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Muham

Tuberkulosis (TBC atau TB) adalah suatu penyakit infeksi yang disebabkan oleh basil tahan asam disingkat BTA dengan nama lengkap bakteri Mycobacterium Tubercolosis. TBC menjadi salah satu penyebab kematian terbesar di Indonesia sehingga perlu penanganan khusus dalam pencegahan TBC. Data Kesehatan di Kota Semarang menunjukkan TBC menjadi salah satu kontributor terbesar dalam kejadian luar biasa di Provinsi Jawa Tengah. Beberapa faktor yang mempengaruhi penyakit TBC antara lain faktor lingkungan, jenis pekerjaan, status sosial, kebiasaan merokok dan minuman keras. Dalam menganalisis klasifikasi kasus pasien TBC terinfeksi atau tidak terinfeksi maka digunakan pendekatan Supports Vector Machine (SVM) dan Regresi logistik. Hasil menunjukkan SVM mampu mengukur ketepatan klasifikasi dengan akurasi lebih tinggi. Hasil akurasi yang diperoleh SVM dengan fungsi kernel RBF sebesar 98%.

MODEL KELELAHAN MATA PENGRAJIN KERAWANG BERDASARKAN PENGUKURAN VISUS MENGGUNAKAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS) Reni Hiola; Bambang Widjanarko Otok; Rama Hiola
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 4, No 1 (2016): Jurnal Statistika Universitas Muhammadiyah Semarang
Publisher : Department Statistics, Faculty Mathematics and Natural Science, UNIMUS

Tujuan penelitian ini adalah mengkaji faktor-faktor yang mempengaruhi kelelahan mata berdasarkan visus pengrajin kerrawang di Kabupaten Gorontalo . Hasil penelitian menunjukkan bahwa model terbaik dengan kriteria GCV terkecil sebesar 0.022 dan R2 terbesar sebesar 0,958 yaitu model yang melibatkan jumlah basis fungsi (BF) = 38, maksimum interaksi (MI) = 3 dan Minimum Observasi antar knot (MO) = 1. Pengrajin kerawang sesudah bekerja cenderung mengalami kelelahan mata dibanding sebelum bekerja, sedangkan dengan pendekatan adaptive regression spline menunjukkan bahwa kelelahan mata berdasarkan visus pengrajin dipengaruhi oleh umur di atas 34 tahun diikuti dengan motif kerawang 2 atau 3 atau 4 warna benang dan visus sebelum bekerja lebih dari 0.25, lama kerja lebih dari 1 tahun.Kata kunci: Kelelahan mata, visus, MARS, GCV

AUTOKORELASI SPASIAL UNTUK PEMETAAN KARAKTERISTIK INDEKS PEMBANGUNAN KESEHATAN MASYARAKAT (IPKM) PADA KABUPATEN/KOTA DI JAWA TIMUR Gangga Anuraga; Edy Sulistiyawan
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 5, No 2 (2017): Jurnal Statistika
Publisher : Program Studi Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Muham

Indeks Pembangunan Kesehatan Masyarakat (IPKM) merupakan kumpulan indikator kesehatan yang dapat dengan mudah dan langsung diukur untuk menggambarkan masalah kesehatan suatu daerah. Beberapa penelitian seringkali ditemukan keterlibatan aspek kewilayahan (spasial) dalam suatu variabel, sehingga dalam pengembangannya perlu dipertimbangkan aspek spasial tersebut. Penelitian ini menggunakan Moran’s I dan Local Moran’s I (LISA) untuk mengetahui pola spasial dan asosiasi spasial pada data IPKM 2013 di 38 Kabupaten/Kota Jawa Timur. Hasil analisis Moran’s I didapatkan IPKM (Y), Indeks Kesehatan Balita (X1), Indeks Kesehatan Reproduksi (X2), Indeks Perilaku Kesehatan (X4), Indeks Penyakit Tidak Menular (X5), Indeks Penyakit Menular (X6) dan Indeks Kesehatan Lingkungan (X7) lebih kecil dari α = 0,05, artinya ada autokorelasi antar lokasi secara keseluruhan. Indikator kesehatan Indeks Pelayanan Kesehatan (X3) tidak signifikan atau tidak terjadi autokorelasi spasial antar lokasi karena probabilitas atau p_value Moran’s I lebih besar dari α = 0,05. Hasil analisis LISA untuk indikator kesehatan Indeks Penyakit Menular (X6), kabupaten/kota yang mengelompok dan memiliki karakteristik Indeks Penyakit Menular (X6) tinggiatau terletak pada kuadran High-High,kabupaten nganjuk, kabupaten madiun, kabupaten magetan, kabupaten ponorogo, kabupaten trenggalek, kabupaten tulungagung dan kabupaten pacitan. Sedangkan kabupaten/kota yang mengelompok atau terletak pada kuadran Low-Low adalah kabupaten pamekasan dan kabupaten sumenep, kabupaten probolinggo. Kata Kunci: Asosiasi Spasial, IPKM, Local Moran’s I, Moran’s I, Pola Spasial

MODEL HIDDEN MARKOV UNTUK MEMPREDIKSI HARGA BERAS DAN PERPINDAHAN KONSUMEN BERAS DI PROVINSI SUMATERA BARAT Binti Karomah
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 7, No 1 (2019): Jurnal Statistika
Publisher : Program Studi Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Muham

ABSTRAKModel hidden Markov merupakan pengembangan dari rantai Markov. Rantai Markov merupakan salah satu proses stokastik yang memiliki sifat prediktif. Sifat prediktif tersebut dapat dipahami sebagai suatu kejadian dimasa akan datang yang sangat bergantung pada perilaku masa sekarang. Parameter dari model ini adalah matriks probabilitas transisi, matriks probabilitas awal, ekspektasi, dan varians dari proses observasi. Model diterapkan untuk memprediksi harga beras Solok nonsubsidi dan memprediksi perpindahan konsumen beras Solok. Diasumsikan bahwa faktor penyebab kejadian perubahan harga beras Solok dan perpindahan konsumen beras Solok tidak diamati secara langsung dan membentuk rantai Markov. Keadaan seperti ini dapat dimodelkan dengan model hidden Markov dan algoritma Viterbi dengan mengimplementasikannya menggunakan software Delphi. Prediksi harga beras Solok menggunakan 36 data harga beras dari tahun 2016, 2017, 2018 setiap bulannya, sedangkan untuk data prediksi perpindahan konsumen beras menggunakan kuesioner dengan total 420 orang responden yang tersebar di dua kelurahan di kota Solok. Hasil dari penelitian ini menunjukan bahwa prediksi harga beras Solok ini mendapatkan hasil yang sangat baik. Nilai MAPE yang cukup kecil yaitu 6.11% (kurang dari 20%) sehingga data prediksi yang dihasilkan mendekati data aktual atau data sebenarnya. Prediksi perpindahan konsumen beras menghasilkan barisan hidden state yang sesuai dengan alasan harga dan kualitas beras. Harga dan kualitas beras sangat mempengaruhi konsumen beras dalam menentukan pilihan beras yang akan dikonsumsi. Dengan demikian model hidden Markov dengan algoritma Viterbi dapat memprediksi dengan baik pada masalah harga dan perpindahan konsumen beras Solok.

PEMODELAN REGRESI BINOMIAL NEGATIF UNTUK MENGATASI OVERDISPERSION PADA REGRESI POISSON Rena Muntafiah; Rochdi Wasono; Moh. Yamin Darsyah
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 2, No 1 (2014): Jurnal Statistika Universitas Muhammadiyah Semarang
Publisher : Department Statistics, Faculty Mathematics and Natural Science, UNIMUS

Data dari Kepolisian Republik Indonesia pada tahun 2009 menunjukkan bahwa setiap 9,1 menit sekali terjadi satu kecelakaan di jalan raya. Menurut WHO Saat ini kecelakaan lalu lintas menjadi penyebab pembunuh manusia terbesar di Dunia setelah penyakit jantung dan TBC.Banyaknya korban kecelakaan lalu lintas tidak hanya mengakibatkan kerugian materiil tetapi juga kerugian fisik dan psikis.Pada kenyataannya faktor kelalaian manusia merupakan penyebab utama terjadinya kecelakaan lalu lintas. Selain faktor manusia faktor jalan seperti jalan lurus (X1), tikungan (X2), persimpangan perempatan atau pertigaan (X3), jenis aspal (X4), penerangan gelap (X5), bundaran (X6) dan jalan berlubang (X7) juga diduga menjadi penyebab terjadinya kecelakaan lalu. Kecelakaan lalu lintas dapat digambarkan sebagai peristiwa yang jarang terjadi, bersifat acak (random) dan diskrit, maka dari itu untuk meneliti kasus kecelakaan lalu lintas dapat digunakan metode Generalized Linier Model (GLM) dengan sebaran Poisson untuk menghasilkan pemodelan yang lebih baik. Pada penelitian ini digunakan metode Regresi Poisson untuk menganalisa data cacahan dengan variabel respon berdistribusi Poisson atau menyatakan kejadian yang relatif jarang terjadi dan bersifat diskrit.Tetapi pada kenyataannya, data diskrit seringkali mengalami overdispersion (dimana varians data lebih besar daripada mean). Adanya overdispersion dalam model Poisson menyebabkan nilai deviance model menjadi sangat besar.Metode Regresi Binomial Negatif dapat mengatasi overdispersi pada Regresi Poisson karena memiliki parameter dispersi (κ). Kemungkinan fungsi hubungan dalam penelitian ini menggunakan pendekatan GLM yaitu; μ=exp(β0+β1x1+ … +βkxk). Hasil dari pemodelan diatas didapatkan pemodelan interaksi antara faktor persimpangan (4/3) dengan bundaran adalah model yang memiliki nilai devians terkecil. Sehingga model terbaik pada penelitian ini adalah μ =exp(β0+β3X3+β6X6)= exp(2.9239+0.0461X3+0.0587X6).

MODEL REGRESI NONPARAMETRIK DENGAN PENDEKATAN DERET FOURIER PADA POLA DATA CURAH HUJAN DI KOTA SEMARANG Fatmawati Nurjanah; Tiani Wahyu Utami; Indah Manfaati Nur
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 3, No 2 (2015): Jurnal Statistika Universitas Muhammadiyah Semarang
Publisher : Department Statistics, Faculty Mathematics and Natural Science, UNIMUS

Pendekatan regresi dapat dilakukan dengan tiga pendekatan yaitu pendekatan parametrik, nonparametrik, dan semiparametrik. Pendekatan regresi nonparametrik pada penelitian ini dilakukan dengan menggunakan deret Fourier. Estimasi deret Fourier dapat menggunakan LS (Least Square). Pada estimasi deret Fourier penentuan K optimal menggunakan GCV (Generalized Cross Validation). Curah hujan merupakan salah satu unsur iklim yang penting di Indonesia. Tujuan dari penelitian ini adalah untuk menganalisis pola curah hujan di kota Semarang dengan menghasilkan kurva sinus atau cosinus. Pendekatan deret Fourier adalah sebuah metode yang menghasilkan kurva sinus cosinus pada data yang bersifat periodik. Variabel independennya adalahwaktu.Hasil dari data yang diolah pada penelitian ini untuk lokasi Semarang Barat menghasilkan sebesar 92%, lokasi Semarang Timur menghasilkan sebesar 95%, lokasi Semarang Utara menghasilkan sebesar 89%, dan lokasi Semarang Selatan menghasilkan sebesar 89% sehingga model yang didapatkan adalah sederhana.Kata Kunci : Regresi Nonparametrik, GCV, Deret Fourier, Curah Hujan

Page 13 of 20 | Total Record : 200

11 12 13 14 15

Filter by Year

2013 2025

Filter By Issues

All Issue Vol 13, No 1 (2025): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 12, No 2 (2024): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 12, No 1 (2024): Jurnal Statistika Universitass Muhammadiyah Semarang Vol 11, No 2 (2023): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 11, No 1 (2023): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 10, No 2 (2022): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 10, No 1 (2022): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 9, No 2 (2021): Jurnal Statistika Vol 9, No 2 (2021): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 9, No 1 (2021): Jurnal Statistika Vol 9, No 1 (2021): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 8, No 2 (2020): Jurnal Statistika Vol 8, No 2 (2020): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 8, No 1 (2020): Jurnal Statistika Vol 8, No 1 (2020): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 7, No 2 (2019): Jurnal Statistika Vol 7, No 2 (2019): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 7, No 1 (2019): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 7, No 1 (2019): Jurnal Statistika Vol 6, No 2 (2018): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 6, No 2 (2018): Jurnal Statistika Vol 6, No 1 (2018): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 6, No 1 (2018): Jurnal Statistika Vol 5, No 2 (2017): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 5, No 2 (2017): Jurnal Statistika Vol 5, No 1 (2017): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 4, No 2 (2016): Jurnal Statistika Vol 4, No 2 (2016): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 4, No 1 (2016): Jurnal Statistika Vol 4, No 1 (2016): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 3, No 2 (2015): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 3, No 2 (2015): Jurnal Statistika Vol 3, No 1 (2015): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 3, No 1 (2015): Jurnal Statistika Vol 2, No 2 (2014): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 2, No 2 (2014): Jurnal Statistika Vol 2, No 1 (2014): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 2, No 1 (2014): Jurnal Statistika Vol 1, No 2 (2013): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 1, No 2 (2013): Jurnal Statistika Vol 1, No 1 (2013): Jurnal Statistika Vol 1, No 1 (2013): Jurnal Statistika Universitas Muhammadiyah Semarang More Issue

Home Page

OAI Link

Editorial Team

Contact

Reviewer

Google Scholar

Contact Name
Tiani Wahyu Utami

Contact Email
jurnalstatistik@unimus.ac.id

Phone
+6285235004282

Journal Mail Official
jurnalstatistik@unimus.ac.id

Editorial Address
Sekretariat Jurnal Statistika Universitas Muhammadiyah Semarang Program Studi Statistika FMIPA Universitas Muhammadiyah Semarang

Location
Kota semarang,

Jawa tengah

INDONESIA

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Home Page

OAI Link

Editorial Team

Contact

Reviewer

Google Scholar

Contact Name Tiani Wahyu Utami

Contact Email jurnalstatistik@unimus.ac.id

Phone +6285235004282

Journal Mail Official jurnalstatistik@unimus.ac.id

Editorial Address Sekretariat Jurnal Statistika Universitas Muhammadiyah Semarang Program Studi Statistika FMIPA Universitas Muhammadiyah Semarang

Location Kota semarang, Jawa tengah INDONESIA

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Contact Name
Tiani Wahyu Utami

Contact Email
jurnalstatistik@unimus.ac.id

Phone
+6285235004282

Journal Mail Official
jurnalstatistik@unimus.ac.id

Editorial Address
Sekretariat Jurnal Statistika Universitas Muhammadiyah Semarang Program Studi Statistika FMIPA Universitas Muhammadiyah Semarang

Location
Kota semarang,

Jawa tengah

INDONESIA