cover
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
ISSN : 23383216     EISSN : 25281070     DOI : -
Core Subject : Science,
Focus and Scope a. Statistika Teori, Statistika Komputasi, Statistika terapan b. Matematika Teori dan Aplikasi c. Design of Experiment
Articles 9 Documents
Search results for , issue "Vol 3, No 1 (2015): Jurnal Statistika" : 9 Documents clear
ANALISIS PENGARUH CURAH HUJAN DAN MORFOMETRI PADA PENINGKATAN DEBIT DAN SEDIMEN DI DAS KONTO HULU DENGAN PENDEKATAN MIXED GEOGRAPHICALLY WEIGHTED MULTUVARIATE LINIER MODEL Memi Nor Hayati; - Purhadi
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 3, No 1 (2015): Jurnal Statistika Universitas Muhammadiyah Semarang
Publisher : Department Statistics, Faculty Mathematics and Natural Science, UNIMUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (172.756 KB) | DOI: 10.26714/jsunimus.3.1.2015.%p

Abstract

Metode Mixed Geographically Weighted Multivariate Linier Model (MGWMLM) yangmerupakan gabungan dari model linier multivariat dan GWMLM). Pemilihanbandwidth optimum digunakan metode Cross Validation (CV). Pengujian kesesuaianmodel regresi multivariat dan MGWMLM didekati dengan distribusi F begitu juga padapengujian parameter MGWMLM secara serentak, sedangkan pengujian parameterMGWMLM secara parsial baik untuk parameter global dan parameter lokalmenggunakan distribusi t. Aplikasi dari MGWMLM ini untuk mengetahui pengaruhcurah hujan dan morfometri DAS terhadap penentuan besarnya debit dan sedimentasiDAS Konto Hulu. Berdasarkan MGWMLM dengan pembobot fungsi kernel Gaussian,faktor-faktor yang mempengaruhi debit dan sedimen di DAS Konto Hulu secara lokaladalah luas sub DAS dan rata-rata kemiringan lahan. Sedangkan variabel curah hujanharian berpengaruh signifikan secara global pada seluruh lokasi pengamatan.Kata Kunci : MGWMLM, GWMLM, DAS.
PEMODELAN KETAHANAN PANGAN KEDELAI (GLYSINE SOYA MAX (LENUS&MERRIL)) DI PROVINSI JAWA TENGAH DENGAN PENDEKATAN SPATIAL REGRESSION Fathikatul Arnanda; Yusnia Kriswanto; Imaroh Izzatun; Devi Nurlita; Azqia Fajriyani; Tiani Wahyu Utami
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 (527.392 KB) | DOI: 10.26714/jsunimus.3.1.2015.%p

Abstract

Masalah pangan merupakan salah satu masalah nasional. Kedelai merupakan salah satu sumber bahan komoditas pangan yang telah lama dibudidayakan di Indonesia, yang saat ini tidak hanya diposisikan sebagai bahan baku industri pangan, namun juga ditempatkan sebagai bahan baku industri non-pangan. Beberapa produk yang dihasilkan antara lain tempe, tahu, es krim, susu kedelai, tepung kedelai, minyak kedelai, pakan ternak ,dan bahan baku industri. Sifat multiguna yang ada pada kedelai menyebabkan tingginya permintaan kedelai di dalam negeri. Selain itu, manfaat kedelai sebagai salah satu sumber protein murah membuat kedelai semakin diminati. Variabel penelitian yang digunakan adalah variabel endogenous, yakni nilai total produktifitas kedelai (Y) berdasarkan Kabupaten-Kota di Jawa Tengah dan Variabel Exogenous luas panen kedelai di Kabupaten-Kota di Jawa Tengah (X) dan total produksi kedelai di Kabupaten-Kota di Jawa Tengah(X₂) Penelitian ini mengkaji efek dependensi spasial dengan menggunakan pendataan area. Spatial regression dengan lag di variable independen dinamakan Spatial Lag X (SLX). Model SLX merupakan model regresi linier lokal yang menghasilkan dugaan parameter model regresi yang bersifat lokal.Kata Kunci : Ketahanan Pangan, Kedelai, Spasial Regresi, SLX
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
DIAGRAM KONTROL SHORT- RUN UNTUK MEMANTAU MEAN DAN VARIABILITAS PROSES Fathur Rahman; Muhammad Mashur
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 3, No 1 (2015): Jurnal Statistika Universitas Muhammadiyah Semarang
Publisher : Department Statistics, Faculty Mathematics and Natural Science, UNIMUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (270.563 KB) | DOI: 10.26714/jsunimus.3.1.2015.%p

Abstract

Statistik proses kontrol (SPC) adalah salah satu alat statistik yang paling penting untuk memantau proses produksi. Hal ini dapat efektif jika dirancang dan diimplementasikan ketika proses suatu produksi yang berurutan diamati dari kondisi produksi massal. Pada siklus produksi jangka pendek (Short Production Run) biasanya tidak memiliki data yang cukup memadai untuk melaksanakan SPC dengan menggunakan diagram kontrolklasik. Pada penelitian ini diperkenalkan bagaimana merancang dan mengimplementasikan diagram kontrol jangka pendek (Short Run Control Chart) untuk kondisi produksi dengan batch terbatas. Misalnya pemantauan spesifikasi kritikal parts untuk industri otomotif. Berdasarkan hasil menunjukkan bahwa variabel yang tidak sama mengikuti distribusi normal dan dapat berfluktuasi dari waktu ke waktu untuk tujuan pemantauan beberapa produk untuk setiap produk multi-dimensi dengan cara berbeda dan varians dari center line (CL) digunakan untuk mengontrol diagram. Dengan pengembangan diagam kontrol sort-run, diharapkan Sinyal Out-of-control dan pola non acak dapat dikenali dengan mudah.Kata Kunci : : statistik proses kontrol (SPC), short-run control cahrt.
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

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (240.408 KB) | DOI: 10.26714/jsunimus.3.1.2015.%p

Abstract

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
HIERARCHICAL CLUSTERING MULTISCALE BOOTSTRAP UNTUK PENGELOMPOKAN KEMISKINAN DI JAWA TIMUR Gangga Anuraga
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 3, No 1 (2015): Jurnal Statistika Universitas Muhammadiyah Semarang
Publisher : Department Statistics, Faculty Mathematics and Natural Science, UNIMUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (133.007 KB) | DOI: 10.26714/jsunimus.3.1.2015.%p

Abstract

Kemiskinan di Jawa Timur merupakan problematika hingga sekarang. Berbagaiprogram telah direncanakan guna menanggulangi permasalahan tersebut. Agar program tersebut dapat terlaksana optimal, perlu strategi perencanaan yang mendalam terutama terkait pemetaan daerah dan karakteristik kemiskinannya. Metode hierarki complete linkage digunakan untuk mengelompokkan daerah-daerah berdasarkan kemiripan karakteristik. Penggunaan metode hierarki dengan teknik pengukuran jarak hanya memberikan satu solusi dalam penyelesaiannya, yaitu didasarkan pada ukuran kemiripan pada teknik jarak yang digunakan. Sehingga penelitian ini menggunakan pendekatan multiscale bootstrap untuk memberikan ukuran ketidaktentuan dalam metode pengelompokan klasik hierarchical clustering. Metode ini bekerja dengan pendekatan bootstrap resampling untuk setiap kelompok (cluster).Pendekatan multiscale bootstrap dalam Hierarchical Cluster Analysis memiliki kestabilan pada saat iterasi B = 500. Hal itu dapat diketahui dari signifikansi nilai AU (P-values) yang mendekati 0.95 dengan nilai standar error bootstrap yang kecil.Terdapat lima kelompok(cluster) yang terbentuk dengan kemiripan satu dengan yang lain dan signifikan dengan nilai AU (Approximately Unbiased) p_value0,95. Berdasarkan signifikansi Approximately unbiassed (AU) p-values0,95, kelompok kelima yang terdiri dari Kabupaten Jember, Kabupaten Bondowoso, Kabupaten Situbondo, Kabupaten Probolinggo, Kabupaten Pasuruan dapat dikatakan sebagai daerah yang masih cukup tinggi persentase kemiskinannya dibandingkan dengan kelompok 1, 2, 3,dan 4.Kata Kunci : Approximately Unbiassed (AU) p-values, clustering hierarki completelinkage, multiscale bootstrap, kemiskinan
ESTIMASI PORTOFOLIO MENGGUNAKAN MODEL BLACKLITTERMAN PADA DATA HARGA SAHAM DI JAKARTA 1,2 ISLAMIC INDEX PERIODE 2009-2013 Alan Prahutama; - Sugito
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 3, No 1 (2015): Jurnal Statistika Universitas Muhammadiyah Semarang
Publisher : Department Statistics, Faculty Mathematics and Natural Science, UNIMUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (132.711 KB) | DOI: 10.26714/jsunimus.3.1.2015.%p

Abstract

Pembentukan portofolio merupakan salah satu cara meminimalkan risiko investasi.Salah satu metode untuk membentuk portofolio dari saham menggunakan Capital Asset Pricing Model (CAPM). Selanjutnya dari kombinasi portofolio yang terbentukmenggunakan analisis CAPM, perlu diketahui portolio yang mana yang akanmenghasilkan return yang optimal dengan resiko rendah. Salah satu metode untukmengetahui portofolio optimal adalah menggunakan model Black-Litterman. ModelBlack-Litterman merupakan metode yang mengoptimalkan keuntungan investor melalui pemberian proporsi modal yang berbeda pada masing-masing saham portofolio. Metode ini menggabungkan unsur data historis dan pandangan investor untuk membentuk prediksi baru tentang return portofolio sebagai dasar penyusunan model pembobot aset. Sedangkan salah satu metode untuk menghitung kinerja portofolio dengan menggunakan Indeks Jansen. Berdasarkan hasil yang didapat, portofolio optimal adalah portofolio dari SMGR, INTP, PTBA, ANTM, ITMG, KLBF. Estimasi Interval yang terbentuk sebesar 0.0018 <µ <0.0599
PEMODELAN GEOGRAPHICALLY WEIGHTED REGRESSION DENGAN FUNGSI KERNEL BISQUARE TERHADA FAKTOR- FAKTOR YANG MEMPENGARUHI TINGKAT KEMISKINAN DI KABUPATEN DEMAK Marlita Vebiriyana; Moh Yamin Darsyah; Indah Manfaati Nur
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 (199.538 KB) | DOI: 10.26714/jsunimus.3.1.2015.%p

Abstract

Kemiskinan adalah ketidakmampuan untuk membeli barang-barang kebutuhan dasar seperti makanan, pakaian, papan dan obat-obatan. Kemiskinan merupakan salah satu permasalahan pembangunan di Indonesia. Salah satu upaya yang dilakukan untuk mengatasi tingkat kemiskinan ini adalah dengan menentukan faktor-faktor yang diduga berpengaruh terhadap kemiskinan. Keterkaitan akibat faktor lokasi tingkat kemiskinan antara suatu wilayah dengan wilayah sekitarnya diduga akan memberikan efek keragaman spasial terhadap tingkat kemiskinan di suatu wilayah. Hal tersebut dapat diatasi dengan pemodelan Geographically Weighted Regression (GWR). GWR merupakan bentuk lokal dari regresi linier dan merupakan salah satu metode spasial yang menggunakan faktor geografis sebagai variabel bebas yang dapat mempengaruhi variabel respon. Hasil penelitian menunjukkan bahwa variabel yang berpengaruh terhadap tingkat kemiskinan di Kabupaten Demak adalah kepadatan penduduk dengan nilai R2 sebesar 40,79% dengan SSE sebesar 43,976. Keterkaitan antar wilayah berpengaruh terhadap tingkat kemiskinan pada setiap kecamatan di Kabupaten Demak. Kecamatan dengan model terbaik adalah Kecamatan Karangawen dengan nilai Rsebesar 42,4%.Kata kunci : Kemiskinan, Geographically Weighted Regression, Kernel Bisquare.2
ANALISIS PENGARUH LIMBAH SUSU SAPI CAIR MT.GKSI BOYOLALI TERHADAP PERTUMBUHAN DAN HASIL TANAM TANAMAN BAWANG MERAH (Allium cepa var.ascallonicum) Edy Sulistiyawan
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 3, No 1 (2015): Jurnal Statistika Universitas Muhammadiyah Semarang
Publisher : Department Statistics, Faculty Mathematics and Natural Science, UNIMUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (180.843 KB) | DOI: 10.26714/jsunimus.3.1.2015.%p

Abstract

Untuk mengurangi pencemaran lingkungan akibat pengolahan limbah yang kurangtepat dapat dilakukan pemanfaatan limbah tersebut sebagai pupuk, terutama limbahorganik yang masih banyak mengandung unsur Nitrogen, Fosfat dan Kalium fosfat.MT.GKSI Boyolali merupakan satu-satunya pabrik pengolahan susu sapi cair (cilling) yang telah melakukan uji kualitas air susu sebelum masuk ke pabrik pengolahan susu. Limbah susu yang dihasilkan berwarna putih dan apabila keberadaannya terlalu banyak tentu dapat merusak lingkungan karena dapat menimbulkan bau yang menyengat. Dalam penelitian ini dapat diketahui pengaruh limbah susu sapi cair dan kadar limbah susu sapi cair yang optimal bagi pertumbuhan dan hasil tanam tanaman bawang merah. Dari hasil pengolahan data dengan menggunakan analisis varians multivariate dapat disimpulkan bahwa konsentrasi limbah susu sapi cair yang berbeda-beda ternyata memberikan pengaruh yang berarti terhadap hasil tanam tanaman bawang merah. Dansecara univariate efek konsentrasi limbah susu sapi cair memberikan pengaruh yang berarti terhadap ketiga respon hasil tanam yaitu berat basah, berat kering dan jumlah umbi perumpun. Pengujian perbedaan rata-rata masing-masing perlakukan, dimana metode yang digunakan adalah Newman-Keuls didapatkan bahwa limbah susu sapi cair akan memberikan pengaruh yang optimal pada konsentrasi sebesar 60%. Sedangkan untuk data yang pengamatannya berdasarkan tiap minggunya, menunjukkan bahwa ada pengaruh pengamatan pada waktu yang berbeda terhadap variabel respon pertumbuhan apabila diperlakukan pada konsentrasi limbah yang berbeda-beda. Demikian pula secara univariate juga ada pengaruh pengamatan pada waktu yang berbeda pada respon tinggi tanaman dan jumlah daun apabila diperlukan pada konsentrasi yang berbeda-beda.Kata Kunci : Analisis Varians Multivarite, Limbah Susu Sapi Cair, Newman-Keuls,Tanaman Bawang Merah.

Page 1 of 1 | Total Record : 9


Filter by Year

2015 2015


Filter By Issues
All Issue 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 Universitas Muhammadiyah Semarang Vol 8, No 2 (2020): Jurnal Statistika Vol 8, No 1 (2020): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 8, No 1 (2020): Jurnal Statistika Vol 7, No 2 (2019): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 7, No 2 (2019): Jurnal Statistika 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 Vol 6, No 1 (2018): Jurnal Statistika Universitas Muhammadiyah Semarang 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 Vol 3, No 1 (2015): Jurnal Statistika Universitas Muhammadiyah Semarang 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 Universitas Muhammadiyah Semarang Vol 1, No 1 (2013): Jurnal Statistika More Issue