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
 4   5   6   7   8 
PELATIHAN JARIMATIKA UNTUK INOVASI PEMBELAJARAN MATEMATIKA BAGI JAMAAH MUSHOLA AL-HIDAYAH DESA SUKOHARJO, KEC. NGAGLIK , SLEMAN, YOGYAKARTA Kris Suryowati; Yudi Setyawan; Maria Titah Jatipaningrum
Jurnal Statistika Industri dan Komputasi Vol. 1 No. 01 (2016)
Publisher : Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34151/statistika.v1i01.1251

Abstract

Kegiatan pengabdian masyarakat di laksanakan oleh tim pengabdian masyarakat Jurusan Statistika, Fakultas Sains Terapan, IST AKPRIND Yogyakarta pada bulan Desember 2016 bertempat di Mushola Al-Hidayah, Dusun Tanjungsari, Desa Sukoharjo, Kec. Ngaglik, Kab. Sleman. Peserta pelatihan dan takmir Mushola memberikan apresiasi sambutan yang sangat baik dan antusiasme yang tinggi. Pelatihan Jarimatika memberikan metode perhitungan matematika dengan cepat, tepat dan menyenangkan melalui perhitungan menggunakan jari tangan. Dengan metode jarimatika dapat memberikan inovasi untuk belajar matematika tanpa menggunakan alat hitung. Beberapa faktor pendukung pelatihan ini adalah peserta pelatihan memiliki keinginan dan kemauan yang besar untuk mendapatkan informasi dan pengetahuan mengenai teknik perhitungan jarimatika meliputi cara atau metode jarimatika untuk menghitung penjumlahan, pengurangan, pekalian dan pembagian. Serta cara cepat untuk melakukan perhitungan tanpa menggunakan alat hitung elektronik. Beberapa kendala pada saat pelatihan diantaranya peserta cukup banyak mencapai 47 dari pendidikan yang beragam yaitu mulai kelas SD kelas 1, sampai kelas 6, dan siswa SMP kelas 1,2, dan 3, sementara timnya terbatas dan ruang untuk pelatihan juga terbatas. Pelaksanaan pelatihan direncanakan dua hari tetapi karena waktu sekolah sampai sore sehingga terlaksana satu hari dan selebihnya latihan sendiri dengan diberikan buku praktis untuk belajar dan latihan. Hasil dari pelatihan ini diantaranya terlihat peserta antusias sekali dan hasil dari evaluasi menunjukkan peningkatan kemampuan dalam melakukan perhitungan dengan cepat, tepat dan benar menggunakan jari. Melalui pelatihan ini dapat merubah paradigma bahwa matematika tidak sulit tetapi mudah dan meyenangkan.
PERBANDINGAN METODE FTS-CHEN DAN FTS-MARKOV CHAIN UNTUK MEMPREDIKSI CURAH HUJAN DI NUSA TENGGARA TIMUR Libertania Maria Melania Esti Un; Maria Titah Jatipaningrum
Jurnal Statistika Industri dan Komputasi Vol. 4 No. 2 (2019): 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 | DOI: 10.34151/statistika.v4i2.1916

Abstract

Curah hujan merupakan hal penting yang perlu dipelajari di suatu daerah karena dapat menentukan rangkaian aktifitas manusia, salah satunya adalah curah hujan di Provinsi Nusa Tenggara Timur. Tujuan dari penelitian ini adalah untuk memprediksi data curah hujan dengan menggunakan metode Fuzzy Time Series-Chen (FTS-Chen) dan Fuzzy Time Series-Markov Chain (FTS-MC). Hasil prediksi tersebut dibandingkan dengan menggunakan Root Mean Square Error (RMSE) dan Koefisien Determinasi (). Metode FTS-Chen digunakan untuk memprediksi data curah hujan dengan menggunakan Fuzzy Logical Relationship Group (FLRG). Sedangkan, untuk metode FTS-MC digunakan untuk memprediksi data curah hujan dengan menggunakan FLRG dan matriks probabilitas transisi. Hasil prediksi dari metode yang terbaik dipilih untuk melakukan pengujian dependensi spasial menggunakan uji Moran’s I. Hasil analisis menunjukkan bahwa metode FTS-MC merupakan metode yang lebih baik untuk prediksi data curah hujan yaitu untuk bulan Desember 2018, Januari 2019, dan Februari 2019 berturut-turut di Kabupaten Belu sebesar 261,4 mm ; 339 mm ; 258,167 mm, Kabupaten TTU 123,5 mm ; 77,35 mm ; 57,57 mm, Kabupaten TTS 379,5 mm ; 381,95 mm ; 380,07 mm, Kabupaten Kupang 56,91 mm ; 82,11 mm ; 101,83 mm dan Kota Kupang sebesar 309,7 mm ; 326,7 mm ; 329,13 mm. Pada uji dependensi spasial, data curah hujan untuk periode Desember 2018, Januari 2019, dan Februari 2019 tidak terdapat dependensi spasial artinya tidak ada keterkaitan antar kabupaten/kota di pulau Timor provinsi Nusa Tenggara Timur sehingga dilakukan pemetaan berdasarkan tinggi rendahnya curah hujan di masing-masing kabupaten/kota.
PERAMALAN HARGA SAHAM PADA INDEKS LQ45 MENGGUNAKAN FUZZY TIME SERIES MARKOV CHAIN DAN MODIFIKASI DOUBLE EXPONENTIAL SMOOTHING Dygta Hadinagara; Noeryanti Noeryanti
Jurnal Statistika Industri dan Komputasi Vol. 4 No. 2 (2019): 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 | DOI: 10.34151/statistika.v4i2.1919

Abstract

Indeks harga saham merupakan faktor yang sangat penting dan harus diperhatikan oleh investor dalam melakukan investasi serta pedoman bagi investor untuk melihat pergerakan harga saham. Indeks LQ45 merupakan salah satu indeks di Bursa Efek Indonesia. Data indeks yang dikeluarkan oleh Indeks LQ45 selalu berfluktuasi sesuai dengan keadaan ekonomi. Fluktuasi harga saham ini dapat menyulitkan pelaku pasar/investor untuk melihat bagaimana prospek investasi saham sebuah perusahaan dimasa yang akan datang. Untuk mengatasi hal tersebut, diperlukan suatu teknik peramalan. Metode peramalan yang digunakan adalah metode Fuzzy Time Series Markov Chain (FTSMC) dan Modifikasi Double Exponential Smoothing dengan Golden Section. Golden Section pada Double Exponential Smoothing digunakan sebagai alternatif metode trial and error dalam menentukan parameter (α) untuk Brown dan (α, γ) untuk Holt. Hasil penelitian yang diperoleh bahwa metode Fuzzy Time Series Markov Chain lebih baik digunakan untuk meramalkan harga saham pada Indeks LQ45 karena menghasilkan nilai MAPE yang lebih kecil yaitu sebesar 2.184122% untuk data harga pembukaan dan sebesar 2.361132% untuk data harga penutupan sedangkan nilai MAPE untuk metode Modifikasi Double Exponential Smoothing dari Brown dan Holt yaitu lebih dari 3% baik untuk harga pembukaan maupun harga penutupan.
PENGARUH SEKTOR PERTANIAN, PERTAMBANGAN DAN FAKTOR SOSIAL TERHADAP PERKEMBANGAN EKONOMI DAN KESEJAHTERAAN MASYARAKAT DI SULAWESI TAHUN 2016 DENGAN METODE PARTIAL LEAST SQUARE (PLS) Indar Ariska; Noeryanti Noeryanti
Jurnal Statistika Industri dan Komputasi Vol. 4 No. 2 (2019): 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 | DOI: 10.34151/statistika.v4i2.1921

Abstract

Penelitian ini bertujuan untuk mengetahui pengaruh secara langsung dan tidak langsung perkembangan ekonomi dan kesejahteraan masyarakat di Sulawesi Tahun 2016 dengan penerapan metode Partial Least Square (PLS). Hasil analisis yang dilakukan untuk mengetahui seberapa besar pengaruh terhadap variabel endogen, diperoleh hasil variabel eksogen sektor pertanian, pertambangan ( ) dan endogen ( ) berpengaruh secara positif terhadap variabel endogen kesejahteraan masyarakat ( ) dengan nilai T-Hitung sebesar 2,115, 4,297 dan 3,705, sedangkan variabel eksogen faktor sosial ( ) tidak berpengaruh secara langsung terhadap variabel endogen kesejahteraan masyarakat ( ) dengan nilai T-Hitung sebesar 1,005 lebih kecil dari 1,96. Sedangkan pengaruh tidak langsung dari ketiga variabel eksogen terhadap variabel endogen melalui variabel mediasi berpengaruh secara positif dengan nilai T-Hitung sebesar 3,705. Selain itu, dengan menggunakan uji efek mediasi diperoleh nilai effect size sebesar 0,768 yang berarti bahwa variabel endogen sebagai variabel mediasi memiliki pengaruh yang strong terhadap variabel endogen . Melalui pengujian bootsrapping diperoleh persamaan inner model sebesar 6,267 Rx1 + 4,379 Rx2 + 2,128 Ix3 + 10,836 Ix4 + 0,890 Sx5 + 7,704 Sx6 dan persamaan outer model sebesar 5,721 Ky1 + 11,115 Ky2 + 0,790 Ay3 + 15,829Ay4.
SPASIAL PANEL RANDOM EFFECT UNTUK INDEKS PEMBANGUNAN MANUSIA DI DAERAH ISTIMEWA YOGYAKARTA Ana Maulana; Kris Suryowati
Jurnal Statistika Industri dan Komputasi Vol. 4 No. 2 (2019): 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 | DOI: 10.34151/statistika.v4i2.1922

Abstract

Untuk mengukur keberhasilan pembangunan salah satu indikator yang bisa digunakan adalah Indeks Pembangunan Manusia (IPM). Hubungan IPM antar wilayah amatan secara spasial dapat menggunakan analisis regresi spasial. Oleh karena itu, untuk mendapatkan hubungan IPM antar wilayah amatan Kota/Kabupaten di DIY pada tahun 2010-2017 dilakukan melalui pemodelan spasial panel random effect. Tujuan dari penelitian ini adalah mengetahui faktor-faktor yang mempengaruhi IPM di Kabupaten/Kota DIY tahun 2010-2017 dan mengetahui model yang baik digunakan dengan metode spasial panel random effect dengan pendekatan matriks queen contiquity. Hasil analisis menunjukan model yang terpilih adalah model spasial panel random effect (SEM-RE) dengan nilai R2 sebesar 0,6468 dan nilai AIC sebesar -0,9161. Variabel yang signifikan berpengaruh terhadap IPM di DIY adalah laju pertumbuhan ekonomi (X2) dan persentase penduduk miskin (X3). Serta diperoleh nilai yang menunjukkan parameter spasial error pada model SEM data panel juga signifikan. Hal ini menunjukkan bahwa y suatu lokasi dipengaruhi oleh y lokasi lain yang bertetanggaan.
PENERAPAN METODE TWO STEP CLUSTER UNTUK PENGELOMPOKAN POTENSI DESA Agung Hendra Setyawan; Noviana Pratiwi
Jurnal Statistika Industri dan Komputasi Vol. 4 No. 2 (2019): 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 | DOI: 10.34151/statistika.v4i2.1923

Abstract

Kabupaten Konawe merupakan satu dari 17 kabupaten/kota yang menjadi bagian wilayah dari Provinsi Sulawesi Tenggara. Usalah satu cara untuk mengembangkan kabupaten Konawe adalah dengan meningkatkan potensi desa. Dengan mengetahui klasifikasi potensi desa maka pemerintah bisa menentukan potensi apa yang bisa dikembangkan agar pembangunan tepat sasaran. Pengklasteran adalah proses pengelompokan objek ke dalam klaster-klaster yang memiliki kemiripan. Beberapa masalah yang sering dijumpai dalam analisis klaster yaitu skala pengukuran variabel tidak sama dan jumlah objek besar serta jumlah klaster tidak diketahui. Salah satu pendekatan untuk menangani masalah ini tanpa mentransformasi variabel-variabel tersebut adalah dengan menggunakan metode Two Step Cluster. Penelitian ini bertujuan menerapkan metode Two Step Cluster dengan mengklasterkan kelurahan/desa yang berada di Kabupaten Konawe. Hasil pengklasteran dengan metode Two Step Cluster adalah klaster 2 lebih baik daripada klaster 1 sehingga pemerintah harus lebih memperhatikan 13 variabel-variabel pada claster 1.
ANALISIS PENGARUH KUALITAS PELAYANAN AKADEMIK DAN KEPUASAN MAHASISWA TERHADAP LOYALITAS MAHASISWA INSTITUT SAINS & TEKNOLOGI AKPRIND YOGYAKARTA MENGGUNAKAN PENDEKATAN PARTIAL LEAST SQUARE (PLS) Muhamad Syair Musyafir; Yudi Setyawan
Jurnal Statistika Industri dan Komputasi Vol. 4 No. 2 (2019): 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 | DOI: 10.34151/statistika.v4i2.1926

Abstract

Penelitian ini bertujuan untuk mengetahui pengaruh secara langsung dan tidak langsung loyalitas mahasiswa Institut Sains & Teknologi AKPRIND Yogyakarta menggunakan pendekatan Partial Least Square (PLS). Analisis yang dilakukan melalui boostrapping, menunjukkan bahwa kualitas pelayanan akademik ( ) berpengaruh positif secara langsung terhadap kepuasan mahasiswa ( ) dan loyalitas mahasiswa ( ) dengan nilai t-hitung sebesar 9,695 dan 6,707 > t(0,05;166) (=1,97). Kemudian kepuasan mahasiswa ( ) berpengaruh positif secara langsung terhadap loyalitas mahasiswa ( ) dengan nilai t-hitung sebesar 9,370 > t(0,05;166) (=1,97). Sedangkan pengaruh tidak langsung dari kualitas pelayanan akademik ( ) terhadap loyalitas mahasiswa ( ) melalui kepuasan mahasiswa ( ) berpengaruh secara positif dengan nilai t-hitung sebesar 3,701 > t(0,05;166) (=1,97). Selain itu, dengan menghitung efek mediasi diperoleh nilai effect size sebesar 0,355 yang berarti bahwa kepuasan mahasiswa ( ) sebagai variabel mediasi memiliki pengaruh yang strong terhadap loyalitas mahasiswa ( ).
KLASIFIKASI STATUS HUMAN IMMUNODEFICIENCY VIRUS (HIV) MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM) DAN REGRESI LOGISTIK BINER (Studi Kasus: Rumah Sakit Tiom Kabupaten Lanny Jaya Provinsi Papua) Kasmawati Kasmawati; Rokhana Dwi Bekti
Jurnal Statistika Industri dan Komputasi Vol. 4 No. 2 (2019): 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 | DOI: 10.34151/statistika.v4i2.1927

Abstract

Terdapat beberapa metode statistik dalam data mining yang digunakan untuk mengklasifikasikan antar dua kelas yaitu metode support vector machine dan regresi logistik biner, kedua metode ini memiliki persamaan jenis variabel data yaitu pada variabel responnya bernilai nominal. Klasifikasi adalah proses memprediksi label/kelas yang akan dilakukan pada data yang belum diberikan label/kelas berdasarkan fungsi atau pola yang telah dibentuk. Penelitian ini membahas tentang status HIV di RS Tiom Kabupaten Lanny Jaya provinsi Papua dan menggunakan metode support vector machine dan regresi logistik biner. Metode ini berfungsi untuk melihat klasifikasi ketepatan status HIV berdasarkan variabel prediktor diantaranya jenis kelamin (X1), umur (X2), status pernikahan (X3), tingkat pendidikan (X4), daerah tempat tinggal (X5), dan pendapatan (X6), dengan variabel dependen adalah status HIV dikategorikan menjadi dua yaitu 1 dan -1, dengan nilai 1 menyatakan bahwa positif HIV dan nilai -1 menyatakan negatif HIV sedangkan regresi logistik merupakan suatu metode analisis data yang digunakan untuk mencari hubungan antara variabel respon (Y) yang bersifat biner atau dikotomi dengan variabel prediktor (X) yang bersifat polikotomus. Dari variabel respon Y terdiri dari 2 kategori yaitu “sukses” dan “gagal” yang dinotasikan 1 dan 0. Penelitian ini membahas pengklasifikasian dengan menggunakan metode support vector machine dan regresi logistik biner dalam menentukan faktor-faktor yang mempengaruhi status Human Immunodeficiency Virus (HIV) di Tiom. Data RS Tiom tahun 2018 jumlah yang berstatus positif HIV sebanyak 37 orang atau 25% dan jumlah status negatif HIV sebanyak 113 orang atau 75%. Dari hasil analisis klasifikasi didapatkan bahwa model terbaik adalah model klasifikasi support vector machine dengan menggunakan kernel linier dengan parameter cost (C) sebesar 0.1 dan error sebesar 0.268657.
ANALISIS GEOGRAPHICALLY WEIGHTED REGRESSION MENGGUNAKAN PEMBOBOT ADAPTIVE BISQUARE DAN NEAR NEIGHBOURHOOD KERNEL (Studi Kasus: Kemiskinan di Provinsi Sulawesi Tenggara tahun 2017) Abdul Fattah Jaya Putra Dao; Kartiko Kartiko
Jurnal Statistika Industri dan Komputasi Vol. 4 No. 2 (2019): 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 | DOI: 10.34151/statistika.v4i2.1950

Abstract

Penelitian ini bertujuan untuk membandingkan pembobot GWR yaitu adaptive kernel bisquare dan near neighbourhood kernel pada kasus kemiskinan di Provnsi Sulawesi Tenggara. Hasil analisis diperoleh nilai GWR menggunakan pembobot adaptive kernel bi-square dengan 3 variabel independen memiliki standart error sebesar 49,53732 dan Kab./Kota yang signifikan dengan α=5% sebanyak 15 lokasi pada variabel X2. Sedangkan untuk nilai GWR menggunakan pembobot adaptive kernel bi-square dengan 1 variabel independen memiliki standart error sebesar 55,66681 dan Kab./Kota yang signifikan dengan α=5% sebanyak 17 lokasi. Dan untuk GWR menggunakan pembobot near neighbourhood kernel memiliki standart error sebesar 44,30874 dan tidak ada Kab./Kota yang signifikan dengan α=5%. Berdasarkan hasil analisis yang diperoleh untuk pembobot terbaik dalam model GWR adalah pembobot adaptive kernel bi-square dengan 1 variabel. Hal ini dapat diketahui dari banyaknya Kabupaten/Kota yang signifikan yaitu sebanyak 17 Kabupaten/Kota.
PENGUKURAN VALUE AT RISK (VaR) PORTOFOLIO OPTIMAL PADA INVESTASI SAHAM BANK BADAN USAHA MILIK NEGARA (BUMN) MENGGUNAKAN METODE VARIAN COVARIAN DAN METODE SIMULASI MONTE CARLO Syariah Syariah; Noviana Pratiwi
Jurnal Statistika Industri dan Komputasi Vol. 5 No. 01 (2020): 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

Value at Risk (VaR) merupakan salah satu ukuran risiko yang dapat digunakan untuk mengetahui maksimal kerugian dari suatu saham individu maupun portofolio pada periode mendatang. Penelitian ini membahas perbandingan perhitungan VaR metode varian-kovarian dan metode simulasi monte carlo yang kemudian kedua model akan divalidasi uji backtesting dengan kupiec POF-test pada sahan individu dan portofoio pada periode 23 Januari 2018 - 23 Januari 2019. Pengukuran Value at Risk dengan metode Varians Kovarians dan metode Simulasi Monte Carlo yang dibahas pada skripsi ini harga penutupan saham harian PT Bank Rakyat Indonesia (Persero) Tbk, PT Bank Mandiri (Persero) Tbk dan PT Bank Negara Indonesia (Persero) Tbk pada periode 23 Januari 2018 - 23 Januari 2019. Dari analisis Model Indeks Tunggal didapatkan bahwa proporsi yang dialokasikan untuk saham BBRI.JK sebesar 28%, BMRI.JK sebesar 46% dan BBNI.JK sebesar 24% dengan metode varian kovarian untuk tingkat kepercayaan 95% diperoleh hasil Value at Risk (VaR) masing-masing saham BBRI.JK 3.31%, BMRI.JK 3.58%, BBNI.JK 3.91% dan portofolio 3.10% sedangkan dengan metode simulasi monte carlo diperoleh hasil rata-rata Value at Risk (VaR) dengan tiga belas kali simulasi untuk masing-masing saham BBRI.JK -3.3% BMRI.JK -3.5% BBNI.JK -3.7% dan portofolio -2.2%. Berdasarkan uji backtesting nilai VaR Portofolio kedua metode tidak akurat.

Page 6 of 14 | Total Record : 137

 4   5   6   7   8 

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