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

5 6 7 8 9

PEMODELAN PERTUMBUHAN EKSPOR INDONESIA 2007-2017 DENGAN PENDEKATAN THRESHOLD VECTOR AUTOREGRESSIVE Gama Putra Danu
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 7, No 2 (2019): Jurnal Statistika Universitas Muhammadiyah Semarang
Publisher : Department Statistics, Faculty Mathematics and Natural Science, UNIMUS

The declining of export performance in 2011-2017 is due to the weakening position of the rupiah's per USD and the high inflation rate. Rupiah exchange rate depreciation and inflation have both positive and negative effects on the growth of Indonesian exports. This phenomenon indicates a nonlinear effect of rupiah exchange rate depreciation and inflation on export growth. This study uses TVAR model to capture the nonlinear effects of rupiah exchange rate depreciation and inflation on export growth by making the depreciation of the rupiah exchange rate as a threshold. According to the threshold value, it can be explained that the effect of exchange rate and inflation on export growth can be seen in 2 conditions. The First condition is when the rupiah exchange rate depreciates below Rp 246.2 (rezim 1) and the second condition is when it is above Rp 246.2 (rezim 2). The estimation results show that in rezim 1, export growth (t-1), inflation (t-1) and exchange rate depreciation (t-2) have a negative and significant effect on export growth (t). While in rezim 2, significantly inflation (t-1), exchange rate depreciation (t-2) has a negative effect and inflation (t-2) has a positive effect on export growth (t). Based on these results, government and exporters in making the decision that is related to the export must consider the difference of influence of exchange rate depretiation and inflation to export growth according to the rezim condition

APLIKASI METODE JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI DATA INDEKS HARGA SAHAM GABUNGAN DI INDONESIA Artanti Indrasetianigsih; Ika Damayanti
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 4, No 2 (2016): Jurnal Statistika Universitas Muhammadiyah Semarang
Publisher : Department Statistics, Faculty Mathematics and Natural Science, UNIMUS

Pergerakan harga saham di Bursa Efek Indonesia dapat di lihat dari Indeks Harga Saham Gabungan (IHSG). Penentuan indeks harga saham tersebut dapat dilakukan melalui data historis, oleh karena itu data indeks harga saham merupakan data runtun waktu. Pemantauan pergerakan IHSG ini digunakan sebagai dasar untuk pengambilan keputusan oleh pelaku investasi. Penelitian ini menerapkan metode jaringan saraf tiruan dengan metode back propagation pada data penutupan Indeks Harga Saham Gabungan di Indonesia. Data IHSG yang digunakan mulai Januari 2014 sampai Juli 2015. Pada penelitian ini digunakan enam hidden layer yaitu 1, 2, 3, 4, 5 dan 20. Berdasarkan hasil analisis data menunjukkan bahwa nilai peramalan terbaik diperoleh dengan menggunakan hidden layer lima (5), karena mempunyai nilai MAD (Mean Absolute Deviation) dan MAPE (Mean Absolute Persentage Error) terkecil.Kata Kunci : Jaringan Syaraf Tiruan, Indeks Harga Saham Gabungan, Peramalan

STUDI SIMULASI BIAS ESTIMATOR GPH PADA DATA SKIP SAMPLING Gede Suwardika; Heri Kuswanto; Irhamah -
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 2, No 2 (2014): Jurnal Statistika Universitas Muhammadiyah Semarang
Publisher : Department Statistics, Faculty Mathematics and Natural Science, UNIMUS

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 nonlinier seperti Markov switching, STOP-BREAK, ESTAR, level shift dan lainnya. Dalam penelitian disimulasikan performansi dari GPH dan GPH terkoreksi pada proses long memory dan markov switching. Data yang diestimasi merupakan data skip sampling dari kedu aproses di atas. Hasil simulasi menujukkan bahwa GPH terkoreksi mampu mengurangi bias parameter long memory. Selain itu, diamati pula bahwa terdapat perbedaan yang signifikan pola yang dihasilkan oleh estimasi pada data long memory dan data yang mengikuti proses Markov switching. Fakta ini dapat digunakan untuk membedakan antara true dan spurious long memory.

PENDUGAAN ANGKA MELEK HURUF DI KABUPATEN BANGKALAN MENGGUNAKAN SMALL AREA ESTIMATION DENGAN PENDEKATAN HIERARCHICAL BAYES Risya Fadila; Agnes Tuti Rumiati; Nur Iriawan
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 3, No 2 (2015): Jurnal Statistika Universitas Muhammadiyah Semarang
Publisher : Department Statistics, Faculty Mathematics and Natural Science, UNIMUS

Angka Melek Huruf (AMH) merupakan salah satu komponen yang dihitung untuk mengukur indeks pembangunan manusia (IPM).Informasi AMH yang mendetail sampai pada level kecamatan diperlukan dalam membuat kebijakan terkait keberhasilan pembangunan penduduk suatu daerah untuk pemerintah. Penelitian ini bertujuan untuk mendapatkan AMH pada level kecamatan berdasarkan dugaan AMH yang didapat dari hasil SUSENAS dan varibel-variabel yang diduga berpengaruh terhadap AMH.Small Area Estimation (SAE) adalah sebuah metode untuk memenuhi permintaan akanstatistik pada small area yang akurat ketika hanya tersedia sampel yang sangat kecil untuk area tersebut atau bahkan untuk daerah yang tidak terambil sebagai sampel. Padapenelitian ini diterapkan SAE dengan pendekatan Hierarchical Bayes (HB) yang cocok digunakan untuk data biner maupun cacahan. Berdasarkan korelasi pearson, keempatvariabel yang digunakan untuk menduga AMH memberikan pengaruh terhadap AMH. Namun, dalam pendugaan AMH menggunakan HB, hanya terdapat 1 variabel yangberpengaruh signifikan yaitu Rasio Tenaga Pendidik SMP.Hasil pendugaan antara AMH dengan pendugaan langsung dan tak langsung dengan pendekatan HB tidak terlalu berbeda.Penentuan model terbaik dilakukan dengan metode Deviance Information Criterion (DIC).DIC yang dihasilkan kedua pendugaan sangat berbeda.Pendugaan dengan pendekatan HB menghasilkan DIC yang jauh lebih kecil daripada pendugaan langsung yaitu sebesar 28.153, sehingga model pendugaan taklangsung dengan HB lebih baik dibandingkan model pendugaan langsung.Kata Kunci : Angka Melek Huruf, Hierarchical Bayes, Small Area Estimation

SMOOTH SUPPORT VECTOR MACHINE (SSVM) UNTUK PENGKLASIFIKASIAN INDEKS PEMBANGUNAN MANUSIA KABUPATEN/KOTA SE-INDONESIA Fatkhurokhman Fauzi; Moh. Yamin Darsyah; Tiani Wahyu Utami
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 5, No 2 (2017): Jurnal Statistika Universitas Muhammadiyah Semarang
Publisher : Department Statistics, Faculty Mathematics and Natural Science, UNIMUS

Indeks Pembangunan Manusia (IPM) adalah mengukur capaian pembangunan manusia berbasis sejumlah komponen dasar kualitas hidup. Indeks pembangunan manusia dikatakan rendah jika IPM kurang dari 60, IPM sedang antara 60 sampai kurang dari 70,IPM tinggi antara 70 sampai kurang dari 80, dan sama dengan 80 dan lebih dari 80 tergolong IPM tinggi. Smooth Support Vector Machine (SSVM) merupakan teknik pengklasifikasian yang tergolong baru. Algoritma yang digunakan adalah Newton Armijo dengan pendekatan kernel linier, polynomial, dan Radial Basis Function (RBF). Hasil klasifikasi indeks pembangunan manusia dengan metode SSVM dengan kernel linier menunjukan keakuratan prediksi sebesar 84.77%, kernel polynomial 61.65%, dan kernel RBF sebesar 100%. Dengan jumlah klasifikasi 440 kabupaten/ kota untuk kernel linier,kernel polynomial 320, dan kernel RBF 519 kabupaten/kota yang dibagi menjadi 4 klasifikasi menurut BPS. Dari ketiga kernel yang digunakan kernel Radial Basis Function (RBF) merupakan kernel yang paling akurat dalam memperdiksi serta IPM.Kata kunci: Indeks Pembangunan Manusia, Smooth Support Vector Machine (SSVM), kernel, akurasi, klasifikasi

REGRESI NEGATIF BINOMIAL BIVARIAT UNTUK MENGATASI OVERDISPERSI REGRESI POISSON BIVARIAT Wulan Fitriyanti; Untung Kurniawan
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 7, No 1 (2019): Jurnal Statistika Universitas Muhammadiyah Semarang
Publisher : Department Statistics, Faculty Mathematics and Natural Science, UNIMUS

Model regresi poisson bivariat digunakan untuk sepasang data count yang berkorelasi. Sama seperti pada model regresi poisson univariat, pada model regresi poisson bivariat juga terjadi overdispersi. Model regresi binomial negatif bivariat merupakan salah satu model yang dapat digunakan saat terjadi overdispersi pada data count. Penelitian ini bertujuan mengkaji estimator parameter dan bentuk statistik uji model regresi binomial negatif bivariat, dan mengetahui faktor yang berpengaruh terhadap jumlah kematian bayi dan kematian ibu di Provinsi Jawa Tengah Tahun 2017. Data yang digunakan adalah data sekunder data jumlah kematian bayi dan ibu di Propinsi Jawa Tengah Tahun 2017 dari Dinas Kesehatan Provinsi Jawa Tengah. Estimasi parameter dilakukan dengan menggunakan metode Maximum Likelihood Estimation (MLE) melalui iterasi Newton-Raphson. Metode pengujian parameter yang digunakan adalah Maximum Likelihood Ratio Test. Pengujian parameter untuk regresi binomial negatif bivariat secara parsial model kematian bayi adalah persentase ibu hamil melaksanakan program K4 (X3), persentase bayi yang diberi asi eksklusif (X7) dan persentase rumah tangga berperilaku hidup bersih dan sehat (X8). Sedangkan model kematian ibu variabel persentase ibu bersalin mendapat pelayanan kesehatan nifas (X2) dan persentase bayi yang diberi asi eksklusif (X7) signifikan terhadap variabel respon.

MAMMOGRAPHY SCREENING PADA KANKER PAYUDARA DENGAN GENERALIZED STRUCTURED COMPONENT ANALYSIS Indah Manfaati Nur
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 2, No 1 (2014): Jurnal Statistika Universitas Muhammadiyah Semarang
Publisher : Department Statistics, Faculty Mathematics and Natural Science, UNIMUS

Kanker merupakan salah satu jenis penyakit tidak menular yang paling banyak menyebabkan kematian di seluruh dunia. Kementrian kesehatan RI (2008) mencatat bahwa Kanker Payudara dan Kanker Leher Rahim merupakan salah satu masalah utama kesehatan perempuan di dunia, terutama di negara berkembang seperti Indonesia, dan salah satu alasan semakin berkembangnya kanker tersebut disebabkan oleh rendahnya upaya deteksi dini atau screening. Pada saat ini, mammografi masih menjadi standar paling efektif untuk screening dini kanker payudara. Beberapa faktor yang digunakan untuk pemeriksaan mammografi merupakan unobserved variable, karena tidak dapat diukur secara langsung dan masing-masing memiliki indikator untuk mengukurnya. Oleh karena itu, teknik analisis yang dipilih adalah menggunakan pemodelan persamaan struktural. Generalized Structure Component Analysis (GSCA) merupakan salah salah satu pendekatan dalam Component Based Structured Analysis, yang merupakan pengembangan lebih lanjut dari pemodelan dengan menggunakan pendekatan Partial Least Square (PLS) [6]. hal ini dikarenakan GSCA menggunakan algoritma Alternating Least Square (ALS) sedangkan PLS menggunakan algoritma Fixed Point. Kegunaan GSCA adalah untuk mendapatkan model struktural yang powerfull guna tujuan prediksi. Jika model struktural dirancang tanpa mendasarkan landasan teori yang kuat dan aplikasi GSCA adalah dalam kerangka model building, model hasil analisis lebih diutamakan untuk tujuan prediksi. Tujuan pertama penelitian ini yaitu untuk menduga parameter menggunakan pendekatan GSCA dan mengetahui pengaruh antar faktor dalam variabel laten pada proses skrining mammografi menggunakan pendekatan GSCA. Hasil analisis menunjukkan bahwa nilai signifikansi parameter model terlihat bahwa hampir semua nilai loading factor signikan secara statistik, dengan taraf signifikansi 0,05 (nilai t hitung t-tabel(α/2;n-1) = 2,023), kecuali pada konstruk BIRADS C-2. Composite reliability dan AVE menunjukkan bahwa seluruh konstruk memiliki reliabilitas yang baik terlihat dari nilai composite reliability semua diatas 0,70 dan semua nilai AVE semua diatas 0,5. Selain itu masing-masing konstruk memiliki discriminant validity yang baik, terlihat nilai akar AVE lebih tinggi dari nilai korelasi antar konstruk. Pada analisis pengaruh antar faktor dalam variabel laten, terbukti bahwa variabel eksogen memiliki pengaruh signifikan terhadap variabel endogen.

PEMODELAN JUMLAH PENDERITA KONJUNGTIVITIS DI LAMONGAN BERDASARKAN PENDEKATAN MODEL REGRESI GENERALIZED POISSON Zahrotul Azizah; Umi Tri Ruhana; Nur Chamidah
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 3, No 1 (2015): Jurnal Statistika Universitas Muhammadiyah Semarang
Publisher : Department Statistics, Faculty Mathematics and Natural Science, UNIMUS

Konjungtivitis adalah penyakit mata berbahaya yang disebabkan kandungan debu yang tinggi pada udara di daerah tertentu dan mikroorganisme seperti bakteri, alergi, viral, dan sika. Hal lain yang diindikasikan menyebabkan konjungtivitis adalah tingkat kesadaran masyarakat terhadap Perilaku Hidup Bersih dan Sehat (PHBS), jarak tempat tinggal dengan pegunungan kapur, kepadatan penduduk, jumlah pabrik di daerah tempat tinggal, tingkat pendidikan masyarakat, dan letak tempat tinggal dengan jalan raya. Lamongan merupakan daerah yang mempunyai volume debu yang cukup tinggi, terutama daerah sekitar pegunungan kapur dan pabrik sehingga banyak penduduknya yang terjangkit penyakit konjungtivitis dan menghasilkan rasio satu banding dua penderita dari total permasalahan konjungtiva dalam selang waktu tertentu. Jumlah penderita konjungtivitis memiliki ciri percobaan poisson. Pada distribusi poisson, diharuskan memenuhi asumsi equal dispersion (mean sama dengan variansi), padahal pada realita jarang ditemui kasus yang memenuhi equal dispersion. Dalam kasus tersebut, dapat diatasi dengan model regresi Generalized Poisson (GP) yang bisa mengatasi over dispersion atau under dispersion. Berdasarkan analisis model regresi GP pada penelitian ini, dihasilkan bahwa setiap kenaikan kepadatan penduduk sebesar 100 jiwa/Km2menyebabkan bertambahnya penderita konjungtivitis sebesar 3,78 kali,setiap kenaikan jumlah pabrik sebanyak sepuluh pabrik menyebabkan kenaikanpenderita konjungtivitis sebesar 1,135 kali, dan setiap kenaikan satu jumlah penduduk yang berpendidikan terakhir SMP menyebabkan kenaikan jumlah penderita mata konjungtivitis sebesar 2,724. Hasil uji goodness of fit untuk model regresi GP lebih baik dibandingkan jika menggunakan regresi Poisson karena memiliki nilai AIC lebih kecil.Kata Kunci : Konjugtivitis, Lamongan, Generalized Poisson, AIC

PERBANDINGAN MODEL STAR DAN GSTAR UNTUK PERAMALAN INFLASI DUMAI, PEKANBARU, DAN BATAM Gama Putra Danu Sohibien
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 5, No 1 (2017): Jurnal Statistika Universitas Muhammadiyah Semarang
Publisher : Department Statistics, Faculty Mathematics and Natural Science, UNIMUS

Inflasi merupakan salah satu masalah perekonomian yang bisa berdampak buruk pada variabel ekonomi makro lainnya. Adanya ketergantungan antar wilayah dalam pemenuhan kebutuhan mengakibatkan inflasi dapat berkaitan dengan wilayah lain. Model yang dapat mengakomodir keterkaitan antara variabel time series suatu wilayah dengan variabel time series wilayah lain adalah model STAR dan GSTAR. Penelitian ini dibatasi untuk pemodelan inflasi Kota Dumai, Pekanbaru, dan Batam. Hasil identifikasi menunjukkan bahwa STAR (11) dan GSTAR (11) tepat untuk memodelkan inflasi ketiga kota tersebut. Hasil penghitungan MAE dan RMSE menunjukan bahwa peramalan inflasi Kota Dumai dan Pekanbaru lebih baik menggunakan GSTAR bobot normalisasi korelasi silang sedangkan permalan inflasi Kota Batam lebih baik menggunakan STAR bobot normalisasi korelasi silang. Kata Kunci : Inflasi, STAR, GSTAR, Seragam, Normalisasi Korelasi Silang

MULTIVARIATE ADAPTIVE REGRESSION SPLINE DAN REGRESI KUANTIL PADA INDEKS HARGA SAHAM GABUNGAN PERIODE 2013-2018 Putri Permathasari; Dodi Devianto; Mayastri Mayastri
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 6, No 2 (2018): Jurnal Statistika Universitas Muhammadiyah Semarang
Publisher : Department Statistics, Faculty Mathematics and Natural Science, UNIMUS

Indeks Harga Saham Gabungan yang disingkat dengan IHSG adalah indikator pergerakan harga saham. IHSG merupakan salah satu pedoman bagi investor untuk melakukan investasi di pasar modal. Data IHSG yang fluktuatif cendrung melanggar asumsi normalitas, homoskedastisitas, autokorelasi, dan multikolinearitas. Permasalahan tersebut dapat diatasi dengan memodelkan data IHSG menggunakan regresi nonparametrik diantaranya metode Multivariate Adaptive Regression Spline (MARS)dan metode Regresi Kuantil, dengan variabel prediktor suku bunga, inflasi, nilai tukar (kurs), gold, Indeks Down Jones dan Indeks Nikkei 225. Data IHSG yang digunakan adalah periode April 2013 sampai dengan April 2018. Model terbaik dipilih dengan membandingkan nilai R2 dan MSE metode MARS dan metode Regresi Kuantil. Dari analisis nilai R2 metode MARS lebih besar dari metode Regresi Kuantil. Sedangkan nilai MSE metode MARS lebih kecil dari metode Regresi Kuantil. Ini artinya regresiMARS lebih baik digunakan pada penelitian IHSG ini. Kata kunci : Multivariate Adaptive Regression Spline (MARS), Regrsi Kuantil, IHSG.

Page 7 of 20 | Total Record : 200

5 6 7 8 9

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