cover
Article Per Year (5 Year)
All
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
Jurnal Statistika Universitas Muhammadiyah Semarang
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
 2   3   4   5   6 
MENAKAR TINGKAT AKURASI SUPPORT VECTOR MACHINE STUDY KASUS KANKER PAYUDARA Moh. Yamin Darsyah
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 1, No 1 (2013): Jurnal Statistika
Publisher : Program Studi Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Muham

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (125.938 KB) | DOI: 10.26714/jsunimus.1.1.2013.%p

Abstract

Kanker payudara adalah salah satu jenis kanker yang paling banyak menyerang kaum wanita. Menurut WHO 8-9% wanita akan mengalami kanker payudara. Pada tahun 2000 yang lalu WHO memperkirakan 1,2 juta wanita terdiagnosis kanker payudara dan lebih dari 700.000 meninggal dunia (WHO, 2005). Di Indonesia, pada tahun 2005 kanker payudara menduduki peringkat kedua setelah kanker leher rahim diantara kanker yang menyerang wanita Indonesia. Kanker ini sering menyebabkan kematian jika penangannya terlambat. Oleh karena itu, deteksi dini penyakit kanker payudara sangat diperlukan. Dewasa ini, penggunaan machine learning untuk diagnosis atau prognosis suatu penyakit telah banyak dilakukan. Dalam penelitian ini, ada metode yang terkenal dalam machine learning yaitu Support Vector Machine (SVM) digunakan untuk analisis diagnosis dan prognosis kanker payudara. SVM merupakan salah satu machine learning yang mempunyai beberapa kelebihan, diantaranya bisa memodelkan dan mengklasifikasikan hubungan antar variabel tanpa perlu asumsi yang ketat, efisien, dan interpretasinya mudah. SVM dalam mengklasifikasikan kategori penyakit penyakit kanker payudara akan bandingkan dengan metode statistika lainnya yaitu  Regresi Logistik dan CART . Selanjutnya masing- masing hasil metode klasifikasi tersebut akan bandingkan dengan hasil dugaan K-Mean dan Kernel K-Mean Clustering.  Maka dapat simpulkan seberapa akurat dan efisien antara SVM, Regresi Logistik,  dan CART  dalam ketepatan akurasi.   Kata Kunci: Kanker Payudara, SVM, Regresi Logistik, CART, K- Mean dan Kernel K-Mean
PEMODELAN VECTOR AUTOREGRESIVE EXOGENOUS (VARX) PADA NILAI INFLASI TERHADAP PDRB DI JAWA TENGAH Alan Prahutama; Agus Rusgiyono; Tiani Wahyu Utami
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 7, No 2 (2019): Jurnal Statistika
Publisher : Program Studi Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Muham

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (636.067 KB) | DOI: 10.26714/jsunimus.7.2.2019.%p

Abstract

Analisis time series dapat dilakukan secara univariat maupun multivariat. Pemodelan time series univariat menggunakan model ARIMA (Autoregressive Integrated Moving Average), sedangkan pemodelan multivariat dapat menggunakan VAR (Vector Autoregressive). Baik model ARIMA ataupun VAR memiliki prosedur yang mirip antaralain stasioneritas data, penentuan orde dari model, checking diagnostic. Model VAR merupakan pengembangan dari model AR (Autoregressive). apabila model univariat time series dipengaruhi oleh variabel eksogen dapat dimodelkan menggunakan ARIMAX, sedangkan time series multivariate dapat dimodelkan menggunakan VARX.Pada penelitian ini dimodelkan nilai inflasi di kota Semarang, kota Surakarta dan kota Purwokerto berdasarkan nilai PDRB Jawa Tengah. Berdasarkan hasil analisis yang didapat, nilai inflasi setiap wilayah dipengaruhi lag ke-(t-1) dengan wilayahnya sendiri ataupun dengan wilayah yang lain. Nilai PDRB tdak signifikan hanya di wilayah Surakarta, tetapi di wilayah lainnya signifikan. Nilai AIC model mencapai 976.876.Kata kunci : VARX, inflasi, PDRB
SPATIAL PATTERN PENYEBARAN MALARIA DI JAWA TENGAH Alan Prahutama; Abdul Hoyyi
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 4, No 2 (2016): Jurnal Statistika
Publisher : Program Studi Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Muham

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (348.544 KB) | DOI: 10.26714/jsunimus.4.2.2016.%p

Abstract

Malaria merupakan penyakit endemik yang ditularkan oleh nyamuk Anopheles.Penyebaran penyakit malaria sering terjadi pada daerah tropis, termasuk Indonesia. Beberapa faktor penyebab penyebaran penyakit malaria yang dpat dianalisissalah satunya faktor lingkungan. Faktor lingkungan dari setiap wilayah dapat ditinjau dari kepadatan penduduk, banyaknya tenaga kesehatan, banyaknya puskesmas/rumah sakit, prosentasi kemiskinan serta angka gizi buruk.Untuk enganalisis penyebaran penyakit malaria di kabupaten/kota di Jawa Tengah dapat menggunakan metode spasial, karena melibatkan wilayah (spasial). Hal ini dikarenakan fenomena wilayah yang tidak bisa dilepaskan yaitu lokasi yang berdekatan akan memberi pengaruh yang lebih banyak dibandingkan dengan lokasi yang berjauhan. Salah satu metode statistika spasial yang digunakan untuk mengetahui pola penyebaran adalah Indeks Morans.Kata Kunci:Morans I, Spatial Pattern, Penyebaran Malaria
METODE BUCKLEY-JAMES UNTUK ESTIMASI MODEL REGRESI LINIER PADA DATA TERSENSOR KANAN Muhammad Bayu Nirwana
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 6, No 1 (2018): Jurnal Statistika
Publisher : Program Studi Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Muham

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (100.843 KB) | DOI: 10.26714/jsunimus.6.1.2018.%p

Abstract

Data tersensor merupakan permasalahan yang sering dihadapi pada penelitian yang berhubugan dengan lama waktu terjadinya suatu kejadian. Penggunaan analisis statistika tanpa memperhatikan komponen tersensor dapat mengakibatkan bias pada hasil analisis data yang diperoleh. Dalam analisis regresi linier, di mana variabel dependen adalah variabel yang mengandung data tersensor, analisis data tanpa memperhatikan komponen tersensor dapat mengakibatkan koefisien model regresiyang diperoleh tidak tepat. Hal tersebut akan menjadikan model regresi yang diperoleh tidak dapat digunakan untuk memodelkan dan memprediksi data dengan baik. Metode Buckley-James adalah salah satu metode yang dapat digunakan untuk mengatasi permasalahan tersebut. Estimasi dari metode Buckley-James mengubah titik tersensor pada data tersensor ke nilai ekspektasinya. Selanjutnya model regresi linier diestimasi dengan memberikan bobot pada metode least square menggunakan estimator Kaplan-Meier.Kata kunci : Regresi Linear, Data Tersensor, Kaplan-Meier, Least Square.
PEMODELAN ARIMA UNTUK PRAKIRAAN KENAIKAN MUKA AIR LAUT DAN DAMPAKNYA TERHADAP LUAS SEBARAN ROB TAHUN 2020 DI SEMARANG Dwi Haryo Ismunarti; Alfi Satriadi; Azis Rifai
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 2, No 2 (2014): Jurnal Statistika
Publisher : Program Studi Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Muham

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (949.733 KB) | DOI: 10.26714/jsunimus.2.2.2014.%p

Abstract

Muka air laut dalam istilah pasang surut disebut  mean sea level (MSL) yaitu rata-rata jumlah seluruh ketinggian pasang yang diamati.  Pemodelan untuk membuat prakiraan kenaikan muka air laut di Semarang telah banyak dilakukan dengan pendekatan yang hanya mempertimbangkan pola trend yaitu jika terjadi kenaikan secara sekuler dalam jangka panjang dari data. ARIMA (autoregressive/integrated/moving average) adalah metode peramalan meliputi dua hal yaitu analisis pola deret data dan seleksi model yang paling cocok dengan data. Terdapat 4 pola data deret berkala yaitu : pola horisontal bila data berfluktuasi disekitar rata-rata, pola musiman bila  deret data dipengaruhi faktor musiman, pola dari deret berkala akan diulang-ulang dalam selang waktu yang tetap,  pola siklis jika deret data dipengaruhi oleh fluktuasi jangka panjang dan pola trend jika terjadi kenaikan atau penurunan secara sekuler dalam jangka panjang. Model ARIMA diturunkan berdasarkan SML sementara harian. Data diperoleh dari BMKG Semarang. Hasil menunjukkan tipe pasang surut di perairan Semarang  diklasifikasikan ke dalam tipe pasang surut campuran condong ke harian ganda dengan nilai Formzahl 1,12.  Elevasi muka air laut rata – rata (MSL) 59,9261 cm, muka air tinggi tertinggi (HHWL) 117,38 cm dan muka air rendah terendah (LLWL) 24,71 cm. Model terbaik ARIMA (0,1,1) yaitu .  Hasil penghitungan deret waktu MSL sejati tahunan menunjukkan laju kenaikan MSL sejati tahunan di Kota Semarang sebesar 1,42 cm per tahun.
REGRESI KUANTIL SEBAGAI PENDUGA KADAR TIMBAL (Pb) DALAM TUBUH PEKERJA SPBU DI KOTA SEMARANG Laila Nur Mahmuda; Indah Manfaati Nur; Abdul Karim
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 3, No 2 (2015): Jurnal Statistika
Publisher : Program Studi Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Muham

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (101.141 KB) | DOI: 10.26714/jsunimus.3.2.2015.%p

Abstract

Regresi kuantil merupakan metode yang mempelajari pola antara variabel respon (Y) dengan satu atau lebih variabel prediktor (X). Regresi Kuantil merupakan perkembangan dari metode OLS (Ordinary Least Square) metode ini sangat rentan dipengaruhi adanya data pencilan, pencilan menyebabkan hasil estimasi tidak stabil. Regresi kuantil (Quantile Regression)dikembangkan untuk mengatasi adanya data pencilan tersebut. Dalam menentukan kadar retikulosit di tubuh para pekerja SPBU kota semarang, terdapat beberapa indikator yang dapat digunakan antara lain umur dan kadar timbal. Tujuan dari penelitian ini yaitu untuk memodelkan faktor-faktor yang mempengaruhi kadar retikulosit dengan regresi kuantil. Datayang digunakan dalam penelitian ini adalah data sekunder. Kadar Retikulosit sebagai variabel dependen (Y) dan variabel independen meliputi Umur (X1), dan kadar timbal (X2). Hasil dari penelitian ini adalah model Regresi Kuantil yang digunakan sebagai penduga kadar retikulosit adalah regresi kuantil dengan nilai kuantil 0.1 dengan nilai kadar timbal terbaik 0,028.Kata kunci :Regresi Kuantil, Timbal(Pb).
FUZZY SUBTRACTIVE CLUSTERING BERDASARKAN KEJADIAN BENCANA ALAM PADA KABUPATEN/KOTA DI JAWA TENGAH Diah Safitri; Rita Rahmawati; Onny Kartika Hitasari
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 5, No 2 (2017): Jurnal Statistika
Publisher : Program Studi Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Muham

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (335.612 KB) | DOI: 10.26714/jsunimus.5.2.2017.%p

Abstract

Bencana alam adalah bencana yang diakibatkan oleh peristiwa atau serangkaianperistiwa yang disebabkan oleh alam.  Provinsi Jawa Tengah terdiri dari 76kabupaten/kota, kabupaten/kota tersebut dapat dikelompokkan menjadi beberapakelompok berdasarkan frekuensi terjadinya bencana, yang mana masing-masingkelompok mempunyai karakteristik yang berbeda berdasarkan kejadian bencana alam.Metode untuk mengelompokkan yang digunakan dalam penelitian ini adalah FuzzySubtractive Clustering yang merupakan metode dalam fuzzy. Dari penelitian ini dapatdisimpulkan bahwa cluster dengan jari-jari 0,92 – 0,94 merupakan jumlah cluster yangterbaik yang digunakan dalam permasalahan ini. Pada jari-jari (r) antara 0,92 – 0,94diperoleh kesamaan kecenderungan data yang masuk pada setiap cluster, maka clusteryang terbentuk dengan r = 0,92 sampai 0,94 adalah sebagai berikut, cluster 1 terdapat14 Kabupaten/Kota, cluster 2 terdapat 7 Kabupaten/Kota, cluster 3 terdapat 7Kabupaten/Kota, cluster 4 terdapat 5 Kabupaten/Kota, dan Cluster 5 terdapat 2 Kabupaten/Kota.Kata Kunci: bencana alam, fuzzy subtractive clustering
PEMILIHAN TEKNIK SAMPLING BERDASARKAN PERHITUNGAN EFISIENSI RELATIF Permadina Kanah Arieska; Novera Herdiani
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 6, No 2 (2018): Jurnal Statistika
Publisher : Program Studi Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Muham

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (282.707 KB) | DOI: 10.26714/jsunimus.6.2.2018.%p

Abstract

Metode sampling yang dapat digunakan untuk pengambilan sampel antara lain Simple Random sampling dan Stratified Sampling. Pada Simple Random Sampling, setiap elemen populasi memiliki kesempatan yang sama untuk diambil. Sedangkan Stratified Sampling adalah teknik pengambilan sampel dengan membuat strata (tingkatan/kelas) didalampopulasi. Kedua metode sampling ini akan dibandingkan untuk memperoleh Margin of Error (MoE) yang lebih kecil pada data Indeks Massa Tubuh (IMT)  Mahasiswa Fakultas Kesehatan Universitas Nahdlatul Ulama Surabaya. Didapatkan bahwa nilai varian penduga parameter pada Stratified Sampling lebih kecil dibandingkan dengan Simple Random Sampling. Penghitungan efisiensi relatif menunjukkan bahwa nilai varianpenduga parameter pada teknik Simple Random Sampling 1,3 kali lebih besar dibandingkan dengan Stratified Sampling. Secara deskriptif, dapat disimpulkan bahwa stratified sampling lebih efisien digunakan untuk data IMT Mahasiswa dibandingkan teknik Simple Random Sampling.  Kata kunci : Simple Random sampling,  Stratified Sampling, Efisiensi Relatif
PERFORMANSI GPH TERKOREKSI TERHADAP SKIP SAMPLING PADA PROSES LONG MEMORY DAN SPURIOUS LONG MEMORY Gede Suwardika; Heri Kuswanto
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 2, No 1 (2014): Jurnal Statistika
Publisher : Program Studi Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Muham

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (211.698 KB) | DOI: 10.26714/jsunimus.2.1.2014.%p

Abstract

Proses long memory telah diamati dalam banyak hal, seperti hidrologi, telekomunikasi, ekonomi dan keuangan. Long Memory adalah salah satu fenomena dalam time series, dimana dependensi antara kejadian masih ada dan dapat diamati untuk waktu yang lama, yang dicirikan oleh nilai difference yang tidak bulat (fractional). Parameter differencing ini biasanya diestimasi menggunakan GPH estimator. Dengan estimator ini, seringkali menghasilkan kesimpulan yang spurious untuk model-model seperti Estar, Markov switching, STOP-BREAK dan level shift. Tesis ini akan melakukan simulasi model-model tersebut dan estimasi parameter GPH terkoreksi pada proses aggregasi. Selanjutnya dilakukan pemodelan menggunakan ARFIMA dan Markov Switching pada data stock price LQ45 . Pengidentifikasian sifat Long Memory dalam suatu series data dapat dilakukan dengan aggregasi baik flow aggregation maupun stock aggregation. Dimana pada kasus ini hanya menggunakan stock aggregation. Berdasarkan hasil simulasi, stok aggregasi ini menghasilkan perilaku yang sama dalam parameternya untuk Spurious Long Memory, yaitu random, tidak memiliki trend turun atau naik jika seriesnya diaggregasi. Pemodelan dari absolut return saham dari kedua series terpilih yaitu Indosat dan Telkom, didapatkan bahwa model Markov Switching lebih baik diban-dingkan  model ARFIMA. Hasil aplikasi saham menunjukkan nilai estimasi GPH untuk data teraggregasi memiliki pola yang random, dilihat dari nilai AIC terkecil berdasarkan kedua model, model ARFIMA memiliki nilai AIC terkecil, sehingga GPH standar tidak bisa digunakan untuk mendeteksi Sprurious Long Memory, dimana return saham dari kedua series adalah mengandung outlier.
RANDOM FOREST DAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS) BINARY RESPONSE UNTUK KLASIFIKASI PENDERITA HIV/AIDS DI SURABAYA - Nidhomuddin; Bambang Widjanarko Otok
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 3, No 1 (2015): Jurnal Statistika
Publisher : Program Studi Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Muham

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (313.797 KB) | DOI: 10.26714/jsunimus.3.1.2015.%p

Abstract

Human Immunodeficiency Virus (HIV) merupakan salah satu virus yang menurunkan sistem kekebalan tubuh. Acquired immunodeficiency syndrome (AIDS) merupakan penyakit menular yang disebabkan infeksi HIV. Pada tahun 2010, Jawa Timur menempati posisi kedua sedangkan tahun 2011 posisi keempat untuk kasus HIV/AIDS di Indonesia. Meskipun peringkatnya menurun namun jumlah kasusnya mengalami peningkatan yaitu 235 kasus (6,6%) dari tahun 2010. Hubungan variabel respon dan variabel prediktor terkadang tidak diketahui bentuk fungsi regresinya, karena itu menggunakan pendekatan regresi nonparametrik. Penelitian ini memiliki variabel prediktor yang berjumlah banyak sehingga menggunakan metode Multivariate Adaptive Regrression Spline (MARS). Untuk meningkatkan akurasi klasifikasi menggunakan metode resampling yakni random forest (RF) serta kombinasi antara metode MARS dan RF yang disebut RF MARS. Penelitian ini bertujuan untuk mendapat model terbaik dengan metode MARS berdasarkan nilai GCV minimum serta variabel-variabel yang berpengaruh terhadap HIV/AIDS di Surabaya dan mendapatkan tingkat akurasi klasifikasi penderita HIV/AIDS dengan metode MARS, RF, dan RF MARS.. Model MARS terbaik diperoleh saat kombinasi BF = 26, MI =3, dan MO = 0. Nilai GCV sebesar 0,1687. Dari 13 variabel prediktor yang dianalisis, 5 variabel masuk ke dalam model MARS terbaik yakni variabel usia, pekerjaan, pernah ditahan kasus NAPZA, status nikah, dan selalu pakai jarum steril. Akurasi klasifikasi status HIV/AIDS di Surabaya menggunakan metode MARS sebesar 80,28%. Pada metode RF diperoleh klasifikasi terbaik sebesar 97,80%. Pada RF MARS diperoleh Akurasi klasifikasi terbaik sebesar 91,00%.Kata Kunci : Multivariate Adaptive Regrression Spline, random forest, HIV/AIDS

Page 4 of 20 | Total Record : 200

 2   3   4   5   6 

Filter by Year

2013 2025


Reset
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 Universitas Muhammadiyah Semarang Vol 9, No 2 (2021): Jurnal Statistika 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 Universitas Muhammadiyah Semarang Vol 7, No 2 (2019): Jurnal Statistika Vol 7, No 1 (2019): Jurnal Statistika Vol 7, No 1 (2019): Jurnal Statistika Universitas Muhammadiyah Semarang 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 Universitas Muhammadiyah Semarang Vol 4, No 1 (2016): Jurnal Statistika 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