![\"\"](\"https:\/\/www.its.ac.id\/statistika\/wp-content\/uploads\/sites\/43\/2025\/01\/R-Cran-Loggo-500x500.png\")
[\/vc_column_text][vc_separator color=”turquoise” style=”shadow” css_animation=”none”][\/vc_column_inner][vc_column_inner width=”2\/3″][vc_column_text]<\/p>\n[vc_row][vc_column width=”1\/4″][vc_empty_space][dot_custom_title position_text=”left” font_style=”AvenirNextLTPro-DemiCn” title=”Dosen & Staff”][\/dot_custom_title][dot_sidebar_menu select_menu=”sidebar-dosen-staff”][vc_empty_space][\/vc_column][vc_column width=”3\/4″][vc_empty_space][dot_custom_title position_text=”center” font_style=”AvenirNextLTPro-DemiCn” title=”Karya dan Prestasi Dosen”][\/dot_custom_title][vc_tta_tabs style=”modern” color=”turquoise” gap=”1″ active_section=”1″][vc_tta_section title=”Karya Dosen” tab_id=”Karya-Dosen”][vc_separator color=”turquoise” style=”shadow” border_width=”2″][vc_row_inner][vc_column_inner width=”1\/3″][vc_column_text]<\/p>\n
[\/vc_column_text][vc_separator color=”turquoise” style=”shadow” css_animation=”none”][\/vc_column_inner][vc_column_inner width=”2\/3″][vc_column_text]<\/p>\n
Provides nine computational algorithms for dimensionality reduction via Principal Component Analysis (PCA), built using an object-oriented (S3) architecture. The package includes classical and modern methods: Singular Value Decomposition (SVD) based on Eckart and Young (1936) <doi:10.1007\/BF02288367<\/a>>, Power Iteration based on Hotelling (1933) <doi:10.1037\/h0071325<\/a>>, QR Algorithm based on Francis (1961) <doi:10.1093\/comjnl\/4.3.265<\/a>>, Jacobi Algorithm based on Jacobi (1846) <doi:10.1515\/crll.1846.30.51<\/a>>, Arnoldi Iteration based on Arnoldi (1951) <doi:10.1090\/qam\/42792<\/a>>, ‘NIPALS’ based on Wold (1975) <doi:10.1017\/S0021900200047604<\/a>>, Alternating Least Squares (ALS) based on Kolda and Bader (2009) <doi:10.1137\/07070111X<\/a>>, Probabilistic PCA (PPCA) with EM Algorithm based on Tipping and Bishop (1999) <doi:10.1111\/1467-9868.00196<\/a>>, and Generalized Hebbian Algorithm (GHA) based on Sanger (1989) <doi:10.1016\/0893-6080(89)90044-0<\/a>>.<\/p>\n Read more: https:\/\/cran.r-project.org\/web\/packages\/apca\/index.html<\/a>[\/vc_column_text][\/vc_column_inner][\/vc_row_inner][vc_row_inner][vc_column_inner width=”1\/3″][vc_column_text]<\/p>\n Buku referensi ini mengangkat Diabetes Mellitus (DM) bukan hanya sebagai persoalan klinis individu, melainkan sebagai fenomena kesehatan masyarakat yang heterogen dan dapat \u201cdibaca\u201d melalui data. Pendekatan utamanya adalah Bayesian Mixture Modeling \u2014 menggabungkan inferensi Bayesian (prior\u2013likelihood\u2013posterior) dengan Mixture Model untuk mengidentifikasi kelompok-kelompok risiko tersembunyi dalam populasi. Konsep ini diterapkan pada studi kasus nyata data Gula Darah Sewaktu (GDS) di Kota Malang, lengkap dengan pemetaan risiko spasial antarwilayah.<\/p>\n Buku ini ditujukan bagi mahasiswa pascasarjana, peneliti statistika\/biostatistika, praktisi kesehatan masyarakat, dan perancang kebijakan. Buku ini menjembatani metodologi statistika lanjutan dengan kebutuhan praktis pengambilan keputusan kesehatan, sekaligus membuka arah pengembangan model ke penyakit tidak menular lain seperti hipertensi, penyakit jantung koroner, dan stroke.[\/vc_column_text][\/vc_column_inner][\/vc_row_inner][vc_row_inner][vc_column_inner width=”1\/3″][vc_column_text]<\/p>\n Implements novel accuracy-level metrics for evaluating continuous data prediction models. Four metrics are provided: Counted Squared Error (CSE), Counted Absolute Error (CAE), Counted Absolute Percentage Error (CAPE), and Symmetric Counted Absolute Percentage Error (SCAPE). These metrics offer robust, consistent, and interpretable evaluation on a 0-100% scale, addressing limitations of conventional metrics like RMSE, MAE, and MAPE. The package integrates with ‘caret’, ‘tidymodels’, and common forecasting frameworks. Based on Agustini, Fithriasari, and Prastyo (2026) <doi:10.1016\/j.dajour.2025.100661<\/a>>.<\/p>\n Baca selengkapnya: https:\/\/cran.r-project.org\/web\/packages\/accuracylevel\/index.html<\/a>[\/vc_column_text][\/vc_column_inner][\/vc_row_inner][vc_row_inner][vc_column_inner width=”1\/3″][vc_column_text]<\/p>\n [\/vc_column_text][vc_separator color=”turquoise” style=”shadow” css_animation=”none”][\/vc_column_inner][vc_column_inner width=”2\/3″][vc_column_text]<\/p>\n Buku ini ditulis dengan tujuan menyediakan bahan bacaan bagi mahasiswa, dosen dan peneliti dalam ilmu gizi, kesehatan, ekonomi, sosial, pertanian dan lain-lain. Materi yang disampaikan mencakup, konsep dan dan teori probit, serta penerapannya dalam ilmu Gizi, Kesehatan, Ekonomi, Sosial dan Pertanian. Materi dilengkapi dengan teladan dan soal-soal. Teladan diselesaikan dengan perangkat lunak Statistical Analysis System (SAS). Analisis probit merupakan salah satu metode yang populer digunakan untuk menganalisis data biner. Dengan menggunakan model probit, peneliti dapat mengidentifikasi faktor-faktor yang signifikan mempengaruhi probabilitas suatu peristiwa. Model ini memiliki asumsi bahwa peubah laten yang mendasari variabel biner mengikuti distribusi normal. Penggunaan model probit memungkinkan peneliti untuk mengestimasi efek marginal dari variabel independen terhadap probabilitas kejadian, sehingga sangat berguna dalam pengambilan keputusan dan analisis kebijakan.[\/vc_column_text][\/vc_column_inner][\/vc_row_inner][vc_row_inner][vc_column_inner width=”1\/3″][vc_column_text]<\/p>\n [\/vc_column_text][vc_separator color=”turquoise” style=”shadow” css_animation=”none”][\/vc_column_inner][vc_column_inner width=”2\/3″][vc_column_text]<\/p>\n Buku Pengantar Teori Probabilitas dan Statistika merupakan salah satu buku yang dapat digunakan sebagai referensi mata kuliah teori probabilitas dan juga sebagai referensi Ujian Probabilitas dan Statistika (A20) pada mata ujian Persatuan Aktuaris Indonesia. Dalam buku ini dibahas beberapa materi yang berkaitan dasar-dasar probabilitas dan statistika. Selain itu, buku ini juga dilengkapi dengan banyak contoh soal dan Latihan soal yang didasarkan pada ujian Persatuan Aktuaris Indonesia pada beberapa tahun terakhir.<\/p>\n [\/vc_column_text][\/vc_column_inner][\/vc_row_inner][vc_row_inner][vc_column_inner width=”1\/3″][vc_column_text]<\/p>\n [\/vc_column_text][vc_separator color=”turquoise” style=”shadow” css_animation=”none”][\/vc_column_inner][vc_column_inner width=”2\/3″][vc_column_text]<\/p>\n Buku ini menawarkan panduan lengkap tentang pengembangan dan penerapan model regresi untuk respons yang tidak berdistribusi normal. Buku ini secara khusus membahas model regresi gamma, mulai dari model sederhana univariate hingga model multivariate yang lebih kompleks. Pembahasan diawali dengan dasar-dasar distribusi gamma dan univariate gamma regression (UGR) yang meliputi metode estimasi parameter serta pengujian hipotesis. Selanjutnya, buku ini mengeksplorasi Geographically Weighted Gamma Regression (GWGR), sebuah model yang memperhitungkan pengaruh spasial dalam analisis data, serta cara-cara melakukan uji serentak dan parsial untuk mengevaluasi signifikansi parameter model tersebut. Buku ini juga mencakup Model Multivariate Gamma Regression (MGR) dan variannya, seperti Geographically Weighted Multivariate Gamma Regression (GWMGR) dan Geographically and Temporally Weighted Bivariate Gamma Regression (GTWBGR) yang memungkinkan analisis data bervariabel banyak dengan pengaruh geografis dan temporal. Selain menjelaskan teori di balik setiap model, buku ini dilengkapi dengan algoritma estimasi parameter, pengujian hipotesis, serta berbagai aplikasi praktis dalam bidang ekonomi, lingkungan, dan data spasial. Buku ini sangat cocok bagi akademisi, peneliti, dan praktisi yang mencari pendekatan statistika modern untuk analisis data spasial-temporal yang kompleks.<\/p>\n Dapatkan buku ini di sini<\/a><\/strong>[\/vc_column_text][\/vc_column_inner][\/vc_row_inner][vc_row_inner][vc_column_inner width=”1\/3″][vc_column_text]<\/p>\n [\/vc_column_text][vc_separator color=”turquoise” style=”shadow” css_animation=”none”][\/vc_column_inner][vc_column_inner width=”2\/3″][vc_column_text]<\/p>\n Buku ini disajikan dengan bahasa dan bahasan yang sangat mudah untuk mengenalkan pemikiran analisis data-driven sebagai pemikiran realistis apa adanya sesuai dengan data yang diperoleh dari pengamatan.<\/p>\n Ide utamanya adalah memadukan pengertian data sebagai catatan takdir alam yang dikenal sebagai Sunatullah yag dipercaya harus dipelajari isinya tanpa memanipulasi yang mengubah arti dari kaidah aslinya.[\/vc_column_text][\/vc_column_inner][\/vc_row_inner][vc_row_inner][vc_column_inner width=”1\/3″][vc_column_text]<\/p>\n [\/vc_column_text][vc_separator color=”turquoise” style=”shadow” css_animation=”none”][\/vc_column_inner][vc_column_inner width=”2\/3″][vc_column_text]<\/p>\n Minitab adalah salah satu software yang banyak digunakan untuk mengolah data statistik, kelebihan Minitab dibanding dengan software lain nya adalah mengolah data untuk para professional dalam industri. Minitab memberikan beberapa kelebihan dalam mengolah data\u00a0 untuk Analysis of Variance (ANOVA), desain eksperimen, pengendalian kualitas statistik, analisis multivariat, reliability analysis, peramalan, serta kemudahan dalam membuat grafik- grafik statistik, software yang dipakai disini adalah Minitab versi 14.<\/p>\n Agar mudah dipahami, tiap pembahasan memberikan contoh kasus beserta interpretasi output pengolahan data. Tahap- tahap mengolah data diberikan secara detail agar pembaca dapat mengikuti dan mempraktikkannya.[\/vc_column_text][\/vc_column_inner][\/vc_row_inner][vc_row_inner][vc_column_inner width=”1\/3″][vc_column_text]<\/p>\n [\/vc_column_text][vc_separator color=”turquoise” style=”shadow” css_animation=”none”][\/vc_column_inner][vc_column_inner width=”2\/3″][vc_column_text]<\/p>\n Buku Ajar ini disusun untuk membantu Mahasiswa Program Magister (S-2) Statistika, Program Pascasarjana, Institut Teknologi Sepuluh Nopember (ITS) Surabaya, dalam menyelesaikan mata kuliah Teori Probabilitas, ataupun rekan-rekan yang ingin memperdalam pengetahuan tentang dasar-dasar Statistika Inferensia.[\/vc_column_text][\/vc_column_inner][\/vc_row_inner][vc_row_inner][vc_column_inner width=”1\/3″][vc_column_text]<\/p>\n Dengan diterbitkannya Buku Ajar ini, diharapkan mahasiswa dapat memahami betapa pentingnya Statistika Matematika untuk membangun dan mengembangkan keilmuan Statistika. Disamping itu, agar dapat menhilangkan Kesan negative terhadap mata kuliah Statistika Matematika, Dimana kebanyanyak mahasiswa menganggap mata kuliah ini sulit dan tidak menyenangkan serta anggapan bahwa mata kuliah ini tidak banyak membaerikan kontribusi dan peran dalam pengembangan profesi dan keilmuan Statistika.<\/p>\n Oleh sebab itu, Buku Ajar ini disusun, tidak hanya disesuaikan dengan kurikulum berbasis kompetensi, tetapi juga dirancang agar mahasiswa dapat dengan mudah memahami materi dari setiap bab, dengan memberikan banyak contoh-contoh yang diuraikan dan disajikan sangat terperinci dan sangat detail Langkah demi langkah.[\/vc_column_text][\/vc_column_inner][\/vc_row_inner][vc_row_inner][vc_column_inner width=”1\/3″][vc_column_text]<\/p>\n [\/vc_column_text][vc_separator color=”turquoise” style=”shadow” css_animation=”none”][\/vc_column_inner][vc_column_inner width=”2\/3″][vc_column_text]<\/p>\n Buku ajar ini disusun untuk dijadikan pegangan\u00a0 dan referensi bagi mahasiswa tingkat Sarjana Statistika\/ pembaca dalam mempelajari regresi nonparametric dan semiparametric, khususnya Spline Truncated.<\/em><\/p>\n Buku ajar ini hanya membahas tentang regresi nonparametric Spline Truncated<\/em>, sama sekali tidak membahas regresi nonparametric yang lain. Materi buku ajar ini sengaja disusun dengan menggunakan dasar- dasar Matematika dan Matriks yang diuraikan dalam pembahasan secara runtun, detail dan sistematis, serta dengan bahasa sederhana agar dapat dengan mudah dipahami mahasiswa\/ pembaca dari berbagai latar belakang keilmuan.[\/vc_column_text][\/vc_column_inner][\/vc_row_inner][vc_row_inner][vc_column_inner width=”1\/3″][vc_column_text]<\/p>\n [\/vc_column_text][vc_separator color=”turquoise” style=”shadow” css_animation=”none”][\/vc_column_inner][vc_column_inner width=”2\/3″][vc_column_text]<\/p>\n Buku Tentang Statistika (BTS) dengan materi pokok Regresi Parametrik dan Nonparametrik dipersiapan oleh penulis agar dapat menjadi bahan bacaan pengantar kepada mahasiswa dan siapa saja yang ingin mempelajari statistika, khususnya pada bidang Analisis Regresi.<\/p>\n Buku ini diharapkan dapat menjadi referensi dan membuat para pembaca untuk bis mempelajari, memahami materi analisis regresi dengan mudah dan langsung praktek dengan kasus-kasus yang diberikan menggunakan software R.<\/p>\n Pada buku ini , diperkenalkan estimator-estimator dalam regresi nonparametrik yang bisa menjadi alternatif pendekatan pemodelan menggunakan analisis regresi.[\/vc_column_text][\/vc_column_inner][\/vc_row_inner][vc_row_inner][vc_column_inner width=”1\/3″][vc_column_text]<\/p>\n [\/vc_column_text][vc_separator color=”turquoise” style=”shadow” css_animation=”none”][\/vc_column_inner][vc_column_inner width=”2\/3″][vc_column_text]<\/p>\n The aims of this research are to describe the profile of married woman in the economic behavior according to residence area; to test the relation of education, attitude with economic behavior; to test personal values aspects differences according to residence area and economic behavior, also to analyze the pattern of relation between education, attitude and personal values on economic behavior. The type of this research is survey. The research was conducted in Sidoarjo regency. Samples taken by multistage sampling were 390 respondents. Dependent variable is economic behavior, while independent variable are education, attitude to economic activity (attitude) and personal values. The analysis method used by Chi-Square Analysis, Multivariat Analysis of Variant (Manova) and Multinominal Logistic Regression Analysis.[\/vc_column_text][\/vc_column_inner][\/vc_row_inner][vc_row_inner][vc_column_inner width=”1\/3″][vc_column_text]<\/p>\n [\/vc_column_text][vc_separator color=”turquoise” style=”shadow” css_animation=”none”][\/vc_column_inner][vc_column_inner width=”2\/3″][vc_column_text]<\/p>\n Buku ini merupakan panduan lengkap untuk memahami dan menerapkan teknik klasifikasi pohon (decision tree<\/em>) dalam analisis data. Dengan penekanan pada teori dan praktik, buku ini membahas konsep dasar klasifikasi pohon, algoritma pembentukan model, serta keunggulan dn keterbatasannya dalam pengolahan data. Penulis secara khusus menjelaskan algoritma CART (Classication and Regression Trees<\/em>) yang dikenal luas karena kemampuannya menangani data kompleks dan menghasilkan model yang interpretatif. Setiap konsep diperkaya dengan ilustrasi, contoh studi kasus, serta panduan langkah demi langkah menggunakan perangkat lunak CART 4.0, menjadikan buku ini cocok untuk akademisi, peneliti, maupun prkatisi.<\/p>\n Selain teori, buku ini menawarkan praktik langsung melalui simulasi dan analisis data nyata, mulai dari preprocessing hingga evaluasi kinerja model. Dilengkapi dengan tutorial visual dan kode, pembaca dapat dengan mudah mempelajari cara membangun model yang optimal untuk klasifikasi maupun regresi. Buku ini juga membahas aplikasi CART di berbagai bidang, seperti kesehatan, keuangan, dan pemasaran, sehingga memberikan wawasan luas tentang manfaat dan fleksibilitas metode ini. Dengan pendekatan yang komprehensif, buku inimenjadi referensi berharga bagi siapa saja yang tertarik menguasai teknik klasifikasi pohon secara mendalam.[\/vc_column_text][\/vc_column_inner][\/vc_row_inner][vc_row_inner][vc_column_inner width=”1\/3″][vc_column_text]<\/p>\n Buku ini merupakan kumpulan dari hasil penelitian yang dilakukan oleh penulis yang memberikan petunjuk tentang penggunaan software dalam analisis data menggunakan uji korelasi dan regresi yang banyak dikeluhkan oleh para peneliti pemula. Buku ini dilengkapi dengan urutan langkah-langkah yang mudah dan sistematis beserta cara membaca output penelitian. Berbagai prasyarat uji juga telah lengkap dikupas oleh peneliti.<\/p>\n Analisis regresi yang dibahas antara lain analisis regresi linier, analisis regresi logistik, analisis regresi panel, analisis regresi dummy dan analisis korelasi kanonikal. Setiap pembahasan bab dilengkapi dengan langkah dalam softeare yang digunakan. Selain itu setiap output dari software juga dibahas secara lengkap. Sehingga harapan kami buku ini dapat menjadi referensi bagi peneliti pemula untuk lebih baik dalam melakukan analisis data sehingga dapat menghasilkan informasi yang menarik dan inovatif dari hasil penelitian yang telah dilakukan.<\/p>\n [\/vc_column_text][\/vc_column_inner][\/vc_row_inner][vc_row_inner][vc_column_inner width=”1\/3″][vc_column_text]<\/p>\n Metode Propensity score<\/em> didefinisikan sebagai probabilitas bersyarat untuk menerima suatu treatment<\/em> berdasarkan pada karakteristik sebelum treatment<\/em>. Buku ini membahas tentang konsep dasar dan metode propensity score<\/em>, penggunaan propensity score<\/em> dalam stratification, weighting<\/em> Buku Materi Pokok (BMP) ini ditulis bagi mahasiswa yang tertarik untuk mempelajari cara mengukur perilaku anggota kelompok (grup) yang berguna untuk mengetahui hubungan interpersonal dalam grup, menggambarkan pola dan bagaimana asosiasi individu dengan individu lainnya ketika berada dalam grup. Pengetahuan tersebut akan sangat berguna, misalnya untuk mereduksi konflik dan meningkatkan komunikasi. [\/vc_column_text][vc_separator color=”turquoise” style=”shadow” css_animation=”none”][\/vc_column_inner][vc_column_inner width=”2\/3″][vc_column_text]<\/p>\n Mata kuliah Pengumpulan dan Penyajian Data\/SATS4213 merupakan mata kuliah pendukung pada Program Studi Statistika. Mata kuliah ini sangat penting dibaca dan dipelajari oleh mahasiswa yang ingin memperoleh pengetahuan dan kemampuan dalam pembuatan instrumen penelitian, pengumpulan data, analisis data, dan pelaporan hasil penelitian. Semua materi tersebut dibahas dalam Buku Materi Pokok (BMP) SATS4213. Buku \u2018Analisis Survival dan Aplikasinya Menggunakan R\u2019 disusun sebagai rujukan buku pendamping untuk mata kuliah Pengantar Analisis Survival di Departemen Statistika ITS Surabaya. Konten buku ini didasarkan pada modul-modul perkuliahan yang kami, tim pengajar, siapkan untuk mata kuliah tersebut sejak tahun 2014. Buku ini disusun atas lima bab yang seluruhnya dijelaskan dalam bahasa Indonesia. ISBN: 978-623-318-226-7[\/vc_column_text][\/vc_column_inner][\/vc_row_inner][vc_row_inner][vc_column_inner width=”1\/3″][vc_column_text]<\/p>\n Materi dalam buku ini disusun sangat detail, terperinci tahap demi tahap disertai uraian yang sangat lengkap dan sistematis sehingga mudah dipahami oleh mahasiswa. Tak lupa contoh-contoh soal beserta jawabannya ikut disertakan sehingga lebih mempermudah pembaca memahami materi buku ini.<\/p>\n Buku ini membahas mulai dari makna filosofis statistik, teori-teori pendukung dalam pengambilan keputusan hingga penerapan praktisnya dalam kehidupan sehari-hari[\/vc_column_text][\/vc_column_inner][\/vc_row_inner][vc_row_inner][vc_column_inner width=”1\/3″][vc_column_text]<\/p>\n Secara umum pendekatan materi dari buku ini adalah penekanan pengelolaan pelaksanaan penelitian mulai dari persiapan, pelaksanaan sampai pada akhir kegiatan berbasis penggunaan program komputasi statistika praktis, dengan harapan si peneliti punya panduan dan tuntuan yang komprehensif dalam melaksanakan penelitian[\/vc_column_text][\/vc_column_inner][\/vc_row_inner][vc_row_inner][vc_column_inner width=”1\/3″][vc_column_text]<\/p>\n Buku ini merupakan bagian dari karya Disertasi ketika penulis menempuh studi Doktor di Program Studi S3 Matematika Institut Teknologi Bandung, dilengkapi dengan hasil penelitian ketika penulis kembali aktif mengajar di Departemen Statistika Institut Teknologi Sepuluh Nopember Surabaya. Oleh karena itu, pada bagian utama buku ini dikemukakan dua diagram pengendali variabilitas multivariat yang didasarkan pada dua matriks yang berbeda, yaitu: Matriks Kovariansi dan Matriks Korelasi. Sementara itu, pada bagian awal buku ini dibahas tentang Kerangka Konseptual Vektor Variansi, sedangkan pada bagian akhir diberikan contoh penerapan beberapa diagram pengendali variabilitas multivariat tersebut.[\/vc_column_text][\/vc_column_inner][\/vc_row_inner][vc_row_inner][vc_column_inner width=”1\/3″][vc_column_text]<\/p>\n Provides functions for calculating the density, cumulative distribution, quantile, and random number of neo-normal distribution. It also interfaces with the ‘brms’ package, allowing the use of the neo-normal distribution as a custom family. This integration enables the application of various ‘brms’ formulas for neo-normal regression. The package implements the following distributions: Modified to be Stable as Normal from Burr (MSNBurr), Modified to be Stable as Normal from Burr-IIa (MSNBurr-IIa), Generalized of MSNBurr (GMSNBurr), and Jones-Faddy Skew-t. References: Choir, A. S. (2020).Unpublished Dissertation. Iriawan, N. (2000).Unpublished Dissertation. Jones, M. C. and Faddy,M. J. (2003).<doi:10.1111\/1467-9868.00378<\/a>>. Rigby, R. A., Stasinopoulos, M. D., Heller, G. Z., & Bastiani, F. D. (2019) <doi:10.1201\/9780429298547<\/a>>.<\/p>\n Baca selengkapnya<\/strong> : https:\/\/cran.r-project.org\/web\/packages\/neodistr\/index.html<\/a>[\/vc_column_text][\/vc_column_inner][\/vc_row_inner][vc_row_inner][vc_column_inner width=”1\/3″][vc_column_text]<\/p>\n [\/vc_column_text][vc_separator color=”turquoise” style=”shadow” css_animation=”none”][\/vc_column_inner][vc_column_inner width=”2\/3″][vc_column_text]<\/p>\n Buku ini memadukan dua metode, yaitu Bayesian dan Neural Network yang diimplementasikan dalam pemodelan\u00a0Small Area Estimation<\/em>\u00a0(SAE). Perpaduan tersebut diawali dengan membahas konsep dasar Bayesian dan Neural Network dan bertahap memadukan keduanya melalui pintu Bayesian Regresi yang mendasari pemodelan SAE. Dalam buku ini juga dibahas tentang bagaimana pemanfaatan teknologi informasi untuk penyajian data yang lebih menarik dan interaktif. Materi bahasan disajikan dalam bahasa yang mudah dan dilengkapi dengan contoh aplikasi baik dalam bentuk\u00a0source code<\/em>\u00a0maupun tampilan hasilnya.<\/p>\n https:\/\/play.google.com\/store\/books\/details?id=tfkAEAAAQBAJ<\/a><\/strong>[\/vc_column_text][\/vc_column_inner][\/vc_row_inner][\/vc_tta_section][vc_tta_section title=”Prestasi Internasional” tab_id=”Prestasi-Internasional”][vc_separator color=”turquoise” style=”shadow” border_width=”2″][vc_column_text]<\/p>\nMEMBACA RISIKO DIABETES DENGAN DATA<\/h5>\n
![\"\"](\"https:\/\/www.its.ac.id\/statistika\/wp-content\/uploads\/sites\/43\/2026\/07\/Membaca-Risiko-Diabetes-Dengan-Data-465x700.jpg\")
[\/vc_column_text][vc_separator color=”turquoise” style=”shadow” css_animation=”none”][\/vc_column_inner][vc_column_inner width=”2\/3″][vc_column_text]<\/p>\nAni Budi Astuti, Nur Iriawan, Suci Astutik, Achmad Efendi, Solimun, Viera Wardhani<\/h5>\n
R package: accuracylevel (Robust Accuracy-Level Metrics for Predictive Model Evaluation)<\/h5>\n
[\/vc_column_text][vc_separator color=”turquoise” style=”shadow” css_animation=”none”][\/vc_column_inner][vc_column_inner width=”2\/3″][vc_column_text]<\/p>\nAchmad Syahrul Choir, Mety Agustini, Kartika Fithriasari, Dedy Dwi Prastyo<\/strong><\/h5>\n
ANALISIS PROBIT DENGAN PERANGKAT LUNAK EXCEL DAN SAS<\/h5>\n
![\"\"](\"https:\/\/www.its.ac.id\/statistika\/wp-content\/uploads\/sites\/43\/2026\/05\/ANALISIS-PROBIT-DENGAN-PERANGKAT-LUNAK_cover-500x371.jpeg\")
<\/p>\nDadang Sukandar, Setiawan, Abu Hasan As-sadili<\/h5>\n
PENGANTAR TEORI PROBABILITAS DAN STATISTIKA<\/h5>\n
![\"\"](\"https:\/\/www.its.ac.id\/statistika\/wp-content\/uploads\/sites\/43\/2026\/01\/Pengantar-Teori-Probabilitas-dan-Statistika_cover-496x700.jpg\")
<\/p>\nW. H. Syaifudin, A. Choiruddin<\/h5>\n
STATISTIKA SPASIAL TITIK RESPONS KONTINU<\/h5>\n
![\"\"](\"https:\/\/www.its.ac.id\/statistika\/wp-content\/uploads\/sites\/43\/2025\/07\/STATISTIKA-SPASIAL-TITIK-RESPONS-KONTINU.png\")
<\/p>\nPurhadi, Sutikno, Dedy Dwi Prastyo, Hasbi Yasin, Anita Rahayu, Anggitya Pratiwi<\/h5>\n
Pemodelan dan Anailisis Data \u2013 Driven<\/h5>\n
![\"\"](\"https:\/\/www.its.ac.id\/statistika\/wp-content\/uploads\/sites\/43\/2025\/03\/Pemodelan-dan-Analisis-Data-Driven_cover-492x700.jpg\")
<\/p>\nNur Iriawan<\/h5>\n
Mengolah Data Statistik dengan Mudah menggunakan Minitab 14<\/h5>\n
![\"\"](\"https:\/\/www.its.ac.id\/statistika\/wp-content\/uploads\/sites\/43\/2025\/03\/Mengolah-Data-Statistik-dengan-Mudah-menggunakan-Minitab-14_cover-481x700.jpg\")
<\/p>\nNur Iriawan, Septin Puji Astuti<\/h5>\n
Teori Probabilitas<\/h5>\n
![\"\"](\"https:\/\/www.its.ac.id\/statistika\/wp-content\/uploads\/sites\/43\/2025\/02\/Teori-Probabilitas_cover-498x700.jpeg\")
<\/p>\nI Nyoman Budiantara<\/strong><\/h5>\n
Statistika Matematika I<\/h5>\n
![\"\"](\"https:\/\/www.its.ac.id\/statistika\/wp-content\/uploads\/sites\/43\/2025\/02\/Statmat-I_cover-496x700.jpeg\")
[\/vc_column_text][vc_separator color=”turquoise” style=”shadow” css_animation=”none”][\/vc_column_inner][vc_column_inner width=”2\/3″][vc_column_text]<\/p>\nI Nyoman Budiantara<\/strong><\/h5>\n
Regresi Nonparametrik Spline Truncated<\/h5>\n
![\"\"](\"https:\/\/www.its.ac.id\/statistika\/wp-content\/uploads\/sites\/43\/2025\/02\/Regnonpar-Sline-Truncated_cover-500x658.jpeg\")
<\/h5>\nI Nyoman Budiantara<\/strong><\/h5>\n
BTS (Buku Tentang Statistika)<\/h5>\n
Regresi Parametrik dan Non Parametrik. Teori dan Aplikasi dengan Software R.<\/h5>\n
![\"\"](\"https:\/\/www.its.ac.id\/statistika\/wp-content\/uploads\/sites\/43\/2025\/02\/BTS_cover-496x700.jpeg\")
<\/p>\nAndrea Tri Rian Dani, Fachrian Bimantoro Putra, Ludia Ni\u2019matuzzahroh, Vita Ratnasari, I Nyoman Budiantara<\/strong><\/h5>\n
The Influence of Education, Attitude and Personal Values on Economic Behavior<\/h5>\n
![\"\"](\"https:\/\/www.its.ac.id\/statistika\/wp-content\/uploads\/sites\/43\/2025\/02\/The-Influence-of-Education-Attitude-and-Personal-Values-on-Economic-Beahvior_cover-460x700.jpeg\")
<\/p>\nIsmaini Zain<\/h5>\n
Klasifikasi Pohon<\/h5>\n
(Teori & Praktek dengan CART 4.0)<\/h5>\n
![\"\"](\"https:\/\/www.its.ac.id\/statistika\/wp-content\/uploads\/sites\/43\/2025\/02\/Klasifikasi-Pohon-Teori-Praktek-dengan-CART-4.0_Cover-491x700.jpeg\")
<\/p>\nBambang Widjanarko Otok, Angga Dwi Mulyanto, Cindy Cahyaning Astuti, Hendra H. Dukalang, Setia Ningsih<\/h5>\n
Aplikasi Regresi dan Korelasi Dalam Analisis Data Hasil Penelitian<\/h5>\n
![\"\"](\"https:\/\/www.its.ac.id\/statistika\/wp-content\/uploads\/sites\/43\/2025\/02\/Aplikasi-Regresi-dan-Korelasi-Dalam-Analisis-Data-Hasil-Penelitian_Cover.png\")
[\/vc_column_text][vc_separator color=”turquoise” style=”shadow” css_animation=”none”][\/vc_column_inner][vc_column_inner width=”2\/3″][vc_column_text]<\/p>\nEka Diah Kartininingrum, Hari Basuki Notobroto, Bambang Widjanarko Otok, Nurul Endah Kumarijati, Endang Yuswatiningsih.<\/h5>\n
PROPENSITY SCORE
\nUntuk Data Kesehatan<\/h5>\n![\"\"](\"https:\/\/www.its.ac.id\/statistika\/wp-content\/uploads\/sites\/43\/2025\/02\/PROPENSITY-SCORE_Cover-493x700.jpg\")
[\/vc_column_text][vc_separator color=”turquoise” style=”shadow” css_animation=”none”][\/vc_column_inner][vc_column_inner width=”2\/3″][vc_column_text]<\/p>\nBambang Widjanarko Otok, Purhadi, Mahdalena<\/h5>\n
\nserta dalam boostrap<\/em>.
\nBuku ini disusun dalam 6 bab yang diterjemahkan dari beberapa referensi dan memuat panduan praktis yang bisa diaplikasikan untuk data kesehatan. Buku ini dilengkapi lampiran-lampiran data yang bisa dipraktekkan pembaca.[\/vc_column_text][\/vc_column_inner][\/vc_row_inner][vc_row_inner][vc_column_inner width=”1\/3″][vc_column_text]<\/p>\nPengantar Sosiometri<\/h5>\n
![\"\"](\"https:\/\/www.its.ac.id\/statistika\/wp-content\/uploads\/sites\/43\/2025\/02\/Pengantar-Sosiometri_cover-476x700.jpg\")
[\/vc_column_text][vc_separator color=”turquoise” style=”shadow” css_animation=”none”][\/vc_column_inner][vc_column_inner width=”2\/3″][vc_column_text]<\/p>\nBambang Widjanarko Otok, Agnes Tuti Rumiyati<\/h5>\n
\nTopik yang akan dipelajari dalam BMP ini dibagi dalam tiga bagian yaitu: (1) konsep dasar sosiometri, (2) penyajian data sosiometri dalam matriks dan sosiogram, dan (3) pengembangan analisis sosiometri dengan mengaplikasikan metode statistik yang relevan.[\/vc_column_text][\/vc_column_inner][\/vc_row_inner][vc_row_inner][vc_column_inner width=”1\/3″][vc_column_text]<\/p>\nPengumpulan dan Penyajian Data<\/h5>\n
![\"\"](\"https:\/\/www.its.ac.id\/statistika\/wp-content\/uploads\/sites\/43\/2025\/02\/Pengumpulan-dan-Penyajian-Data_Cover-500x691.jpg\")
<\/p>\nBambang Widjanarko Otok, Dewi Juliah Ratnaningsih<\/h5>\n
\nMateri mata kuliah ini disajikan dalam 9 modul yang berisi penjelasan topik-topik bahasan dan contoh-contoh yang relevan dengan topik yang dibahas. Selain itu, dalam BMP ini diberikan soal-soal latihan beserta petunjuk jawabannya, rangkuman, dan tes formatif yang ditujukan untuk membantu mahasiswa memahami dengan baik dan lebih mendalam melalui proses berpikir dan aktif dalam menjawab baik berupa pertanyaan maupun contoh kasus yang diberikan.[\/vc_column_text][\/vc_column_inner][\/vc_row_inner][vc_row_inner][vc_column_inner width=”1\/3″][vc_column_text]<\/p>\nAnalisis Survival dan Aplikasinya Menggunakan R<\/h5>\n
![\"\"](\"https:\/\/www.its.ac.id\/statistika\/wp-content\/uploads\/sites\/43\/2025\/01\/Analisis-Survival-dan-Aplikasinya-Menggunakan-R-496x700.jpeg\")
[\/vc_column_text][vc_separator color=”turquoise” style=”shadow” css_animation=”none”][\/vc_column_inner][vc_column_inner width=”2\/3″][vc_column_text]<\/p>\nSanti W. Purnami, Shofi Andari, Dedy D. Prastyo, Jerry D.T. Purnomo<\/h5>\n
\nBuku ini menekankan konsep dasar analisis survival. Termasuk di dalamnya prosedur dalam mengestimasi kurva survival dengan metode Kaplan-Meier dan menguji perbedaan dua atau beberapa kurva survival dengan uji log-rank. Pemodelan yang dikenalkan dalam buku ajar ini meliputi regresi survival parametrik, model Cox proportional hazard dan model Cox nonproportional hazard. Setiap pembahasan dalam buku ini dilengkapi dengan aplikasi studi kasus dengan implementasi dalam pemrograman R.
\nBuku ini cocok untuk mahasiswa yang ingin menguasai analisis survival dengan pendekatan praktis menggunakan peranti lunak. Kami berharap buku ini dapat menjadi panduan untuk membantu para mahasiswa dalam memahami konsep dan pemodelan dalam analisis survival.<\/p>\nTeori Peluang<\/h5>\n
![\"\"](\"https:\/\/www.its.ac.id\/statistika\/wp-content\/uploads\/sites\/43\/2025\/01\/Teori-Peluang_cover-485x700.jpg\")
[\/vc_column_text][vc_separator color=”turquoise” style=”shadow” css_animation=”none”][\/vc_column_inner][vc_column_inner width=”2\/3″][vc_column_text]<\/p>\nI Nyoman Budiantara<\/h5>\n
Manajemen Riset Dengan Pendekatan Komputasi Statistika<\/h5>\n
![\"\"](\"https:\/\/www.its.ac.id\/statistika\/wp-content\/uploads\/sites\/43\/2025\/01\/MR-Komstat-Cover_Prof-INB-472x700.jpg\")
[\/vc_column_text][vc_separator color=”turquoise” style=”shadow” css_animation=”none”][\/vc_column_inner][vc_column_inner width=”2\/3″][vc_column_text]<\/p>\nZulfikar, I Nyoman Budiantara<\/h5>\n
Diagram Pengendali Variabilitas Multivariat Berbasis Vektor Variansi dan Vektor Korelasi<\/h5>\n
![\"\"](\"https:\/\/www.its.ac.id\/statistika\/wp-content\/uploads\/sites\/43\/2025\/01\/Diagram-Pengendali_cover-494x700.jpg\")
[\/vc_column_text][vc_separator color=”turquoise” style=”shadow” css_animation=”none”][\/vc_column_inner][vc_column_inner width=”2\/3″][vc_column_text]<\/p>\nMuhammad Mashuri<\/h5>\n
R package: neodistr (Neo-Normal Distribution)<\/h5>\n
[\/vc_column_text][vc_separator color=”turquoise” style=”shadow” css_animation=”none”][\/vc_column_inner][vc_column_inner width=”2\/3″][vc_column_text]<\/p>\nAchmad Syahrul Choir , Anisa’ Faoziah, Nur Iriawan<\/h5>\n
Bayesian Neural Networkdalam Pemodelan Small Area Estimation<\/h5>\n
![\"\"](\"https:\/\/www.its.ac.id\/statistika\/wp-content\/uploads\/sites\/43\/2020\/08\/tfkAEAAAQBAJ.jpg\")
<\/p>\nNur Iriawan, <\/span>Brodjol Sutijo Suprih Ulama,<\/span><\/strong> Kar<\/span>tika<\/span> Fithriasari, <\/span>Achmad Syahrul Choir, <\/span>Rindang Bangun Prasetyo<\/span><\/strong><\/h5>\n
![\"\"](\"https:\/\/www.its.ac.id\/statistika\/wp-content\/uploads\/sites\/43\/2026\/10\/Best-Papaer-ICACSIS-2026_NS-500x349.jpeg\")
<\/td>\n![\"\"](\"https:\/\/www.its.ac.id\/statistika\/wp-content\/uploads\/sites\/43\/2026\/04\/Top-cited-article-wiley-2025_Prof.NI_-500x369.jpeg\")
<\/td>\n![\"\"](\"https:\/\/www.its.ac.id\/statistika\/wp-content\/uploads\/sites\/43\/2026\/04\/Best-Presenter-the-2-FORSTAT-International-Conference-2026_Dr.-Achmad-Choiruddin-1-500x326.jpg\")
<\/a><\/td>\n![\"\"](\"https:\/\/www.its.ac.id\/statistika\/wp-content\/uploads\/sites\/43\/2026\/04\/Best-Paper-the-2-FORSTAT-International-Conference-2026_Dr.-WIB-Dr.-MA-Akhmad-Imam-Haromain-6003251025-500x354.jpg\")
<\/a><\/td>\n![\"\"](\"https:\/\/www.its.ac.id\/statistika\/wp-content\/uploads\/sites\/43\/2025\/12\/Best-Papers-The-8th-ISRITI-2025_Aldan-Maulana-Hamdani-6003241014-Nur-Iriawan-Irhamah.jpg\")
<\/a><\/td>\n![\"\"](\"https:\/\/www.its.ac.id\/statistika\/wp-content\/uploads\/sites\/43\/2025\/12\/Best-Paper-DaSET2025_Yusrianti-Hanike-7003232002-Purhadi-Achmad-Choiruddin.jpg\")
<\/a><\/td>\n![\"\"](\"https:\/\/www.its.ac.id\/statistika\/wp-content\/uploads\/sites\/43\/2025\/12\/BEST-PRESENTER-_DaSET2025_Muhamad-Syukron.jpg\")
<\/a><\/td>\n![\"\"](\"https:\/\/www.its.ac.id\/statistika\/wp-content\/uploads\/sites\/43\/2025\/07\/Best-paper-in-the-ICoDSA-2025_Ahmad-Hilal-Alimuddin-6003232007.jpeg\")
<\/a><\/td>\n![\"\"](\"https:\/\/www.its.ac.id\/statistika\/wp-content\/uploads\/sites\/43\/2025\/07\/Best-paper-in-the-ICoDSA-2025.jpeg\")
<\/a><\/td>\n![\"\"](\"https:\/\/www.its.ac.id\/statistika\/wp-content\/uploads\/sites\/43\/2025\/07\/Best-paper-in-the-ICoDSA-2025_Achmad-Choiruddin.jpeg\")
<\/a><\/td>\n![\"\"](\"https:\/\/www.its.ac.id\/statistika\/wp-content\/uploads\/sites\/43\/2025\/01\/Best-Paper-DaSET-2024_Ina-Tantri-Nareswari-Achmad-Choiruddin-scaled.jpg\")
<\/a><\/td>\n![\"\"](\"https:\/\/www.its.ac.id\/statistika\/wp-content\/uploads\/sites\/43\/2025\/01\/Best-Paper-DaSET-2024_Tintrim-Dwi-Ary-Widhianingsih-Achmad-Choiruddin-Jessica-Zerlina-Sarwono-495x700.jpg\")
<\/a><\/td>\n![\"\"](\"https:\/\/www.its.ac.id\/statistika\/wp-content\/uploads\/sites\/43\/2024\/12\/Best-Paper-DaSET-2024_Hendra-Dukalang-UNITAR-International-University-12-13-Des-2024-scaled.jpg\")
<\/a><\/td>\n![\"\"](\"https:\/\/www.its.ac.id\/statistika\/wp-content\/uploads\/sites\/43\/2024\/09\/Best-Paper-ISBIS-2024_Annisa-Auliya-Rahman-Achmad-Choiruddin-Hidayatul-Khusna.jpg\")
<\/a><\/td>\n![\"\"](\"https:\/\/www.its.ac.id\/statistika\/wp-content\/uploads\/sites\/43\/2022\/07\/Best-Paper-DaSET2023_Hasbi-Yasin-Purhadi-Achmad-Choiruddin.jpg\")
<\/a><\/td>\n![\"\"](\"https:\/\/www.its.ac.id\/statistika\/wp-content\/uploads\/sites\/43\/2023\/12\/Best-Paper-DaSET2023_Christopher-A-Achmad-C-Dedy-DP.jpg)
<\/a><\/td>\n![\"\"](\"https:\/\/www.its.ac.id\/statistika\/wp-content\/uploads\/sites\/43\/2023\/09\/Best-Paper-BioMIC-2023-scaled.jpg\")
<\/a><\/td>\n![\"\"](\"https:\/\/www.its.ac.id\/statistika\/wp-content\/uploads\/sites\/43\/2022\/07\/2nd-Best-Paper-ICoDSA-2022-Bandung-6-7-Jul-2022_Jaka-P-6003201029-Dr.-A.-Choiruddin.jpg\")
<\/a><\/td>\n![\"\"](\"https:\/\/www.its.ac.id\/statistika\/wp-content\/uploads\/sites\/43\/2020\/12\/Best-Paper-SCDS-2021_Selvi-M.jpeg\")
<\/a><\/td>\n![\"\"](\"https:\/\/www.its.ac.id\/statistika\/wp-content\/uploads\/sites\/43\/2020\/12\/Best-Paper-SCDS-2021_Tabita.jpeg\")
<\/a><\/td>\n![\"\"](\"https:\/\/www.its.ac.id\/statistika\/wp-content\/uploads\/sites\/43\/2020\/12\/Best-Paper-SCDS-2021_Ahmad-Husain.jpeg\")
<\/a><\/td>\n![\"\"](\"https:\/\/www.its.ac.id\/statistika\/wp-content\/uploads\/sites\/43\/2020\/12\/Best-Paper-SCDS-2021_Prilyandari-Dina-Saputri-et-al..jpeg\")
<\/a><\/td>\n![\"\"](\"https:\/\/www.its.ac.id\/statistika\/wp-content\/uploads\/sites\/43\/2020\/12\/Best-Paper-SCDS-2021_Hendri-P.jpeg\")
<\/a><\/td>\n![\"\"](\"https:\/\/www.its.ac.id\/statistika\/wp-content\/uploads\/sites\/43\/2025\/09\/Juara-I-BNYC-2025_Dimas-WS-5052231022-Putri-AF-5052231037-Oktavia-AR-5006231018.jpg\")
<\/a><\/td>\n![\"\"](\"https:\/\/www.its.ac.id\/statistika\/wp-content\/uploads\/sites\/43\/2025\/08\/Finalist-Data-Quest-Challenge-2025_Muhammad-Danish-Rafiesya-5003251187.jpg\")
<\/a><\/td>\n![\"\"](\"https:\/\/www.its.ac.id\/statistika\/wp-content\/uploads\/sites\/43\/2025\/02\/Terbaik-I-Pelatihan-Teknik-Sampling-2025_Dr.-Neny-AF.jpeg\")
<\/a><\/td>\n![\"\"](\"https:\/\/www.its.ac.id\/statistika\/wp-content\/uploads\/sites\/43\/2025\/02\/Juara-II-ONS-2025_M.-Akmal-Laili-AD-Dr.-rer.-pol-Dedy-D-Prastyo.jpeg\")
<\/a><\/td>\n![\"\"](\"https:\/\/www.its.ac.id\/statistika\/wp-content\/uploads\/sites\/43\/2022\/07\/4C-Nation-competition.jpg\")
<\/a><\/td>\n![\"\"](\"https:\/\/www.its.ac.id\/statistika\/wp-content\/uploads\/sites\/43\/2022\/07\/Tadulako-data-challenge-2023.jpg\")
<\/a><\/td>\n![\"\"](\"https:\/\/www.its.ac.id\/statistika\/wp-content\/uploads\/sites\/43\/2022\/07\/Olimpiade-Statistika-2023.jpg\")
<\/a><\/td>\n![\"\"](\"https:\/\/www.its.ac.id\/statistika\/wp-content\/uploads\/sites\/43\/2022\/07\/Data-Analysis-competition-2023.jpg\")
<\/a><\/td>\n![\"\"](\"https:\/\/www.its.ac.id\/statistika\/wp-content\/uploads\/sites\/43\/2022\/07\/SIC-Satria-Data-2023.jpg\")
<\/a><\/td>\n![\"\"](\"https:\/\/www.its.ac.id\/statistika\/wp-content\/uploads\/sites\/43\/2022\/07\/Lomba-Infografis-Leading-by-Data-Magister-Manajemen-UNAIR.jpg\")
<\/a><\/td>\n![\"\"](\"https:\/\/www.its.ac.id\/statistika\/wp-content\/uploads\/sites\/43\/2022\/07\/TrackAML-Hackathon-PPATK-2023.jpg\")
<\/a><\/td>\n