Main Article Content
Abstract
Keywords
Article Details
All articles published in the Eigen Mathematics Journal will be available for free reading and downloading. The license applied to this journal is Creative Commons Attribution-Non-Commercial-Share Alike (CC BY-NC-SA).
References
- Ambarwati, Atika Nurani. (2019). Latent Class Cluster Analysis untuk Pengelompokkan Kabupaten/Kota Di Provinsi Jawa Tengah Berdasarkan Indikator Indeks Pembangunan Manusia 2017. Jurnal Variance: Journal Statistics and Its Applications.
- Badan Pusat Statistik. (2019). Indeks Pembangunan Manusia 2018. Jakarta.
- Badan Pusat Statistik. (2019). Provinsi Banten Dalam Angka. Banten.
- Badan Pusat Statistik. (2019). Provinsi Daerah Istimewa Yogyakarta Dalam Angka. Yogyakarta.
- Badan Pusat Statistik. (2019). Provinsi DKI Jakarta Dalam Angka. Jakarta.
- Badan Pusat Statistik. (2019). Provinsi Jawa Barat Dalam Angka. Jawa Barat.
- Badan Pusat Statistik. (2019). Provinsi Jawa Tengah Dalam Angka. Jawa Tengah.
- Badan Pusat Statistik. (2019). Provinsi Jawa Timur Dalam Angka. Jawa Timur.
- Badan Pusat Statistik. (2019). Tabel Dinamis: Indikator Indeks Pembangunan Manusia. www.bps.go.id (diakses pada 1 Desember 2020).
- Gordon, A.D. (1999). Classification (2nd Edition). London: Chapman & Hall.
- Gudono. (2011). Analisis Data Multivariat Edisi Pertama. Yogyakarta: BPFE.
- Johnson, R.A. & Wichern, D.W. (2007). Applied Multivariate Statistical Analiysis, Sixth Edition. Prentic-Hall International: New Jersey.
- Kassambara, A. (2017). Practical Guide to Cluster Analysis in R. (sthd.com)
- Kusumanintyas, Clara Aulia. (2017). Analisis Klaster Untuk Pengelompokkan Kabupaten/Kota di Provinsi Papua Berdasarkan Indikator Indeks Pembangunan Manusia Tahun 2017. Jakarta: Skripsi Politeknik Statistika STIS.
- Rachmatin, Dewi dan Kania Sawitri. (2012). Perbandingan Antara Metode Agglomeratif, Metode Divisif, dan Metode K-Means dalam Analisis Klaster. Jurnal Pendidikan Matematika FMIPA UPI.
- Wahyuni, Sri. (2018). Pengelompokkan Kabupaten/Kota di Pulau Jawa Berdasarkan Faktor-Faktor Kemiskinan deengan Pendekatan Average Linkage Hierarchical Clustering. Jakarta: Jurnal Aplikasi Statistika dan Komputasi Statistik, V.10.1.2018.
References
Ambarwati, Atika Nurani. (2019). Latent Class Cluster Analysis untuk Pengelompokkan Kabupaten/Kota Di Provinsi Jawa Tengah Berdasarkan Indikator Indeks Pembangunan Manusia 2017. Jurnal Variance: Journal Statistics and Its Applications.
Badan Pusat Statistik. (2019). Indeks Pembangunan Manusia 2018. Jakarta.
Badan Pusat Statistik. (2019). Provinsi Banten Dalam Angka. Banten.
Badan Pusat Statistik. (2019). Provinsi Daerah Istimewa Yogyakarta Dalam Angka. Yogyakarta.
Badan Pusat Statistik. (2019). Provinsi DKI Jakarta Dalam Angka. Jakarta.
Badan Pusat Statistik. (2019). Provinsi Jawa Barat Dalam Angka. Jawa Barat.
Badan Pusat Statistik. (2019). Provinsi Jawa Tengah Dalam Angka. Jawa Tengah.
Badan Pusat Statistik. (2019). Provinsi Jawa Timur Dalam Angka. Jawa Timur.
Badan Pusat Statistik. (2019). Tabel Dinamis: Indikator Indeks Pembangunan Manusia. www.bps.go.id (diakses pada 1 Desember 2020).
Gordon, A.D. (1999). Classification (2nd Edition). London: Chapman & Hall.
Gudono. (2011). Analisis Data Multivariat Edisi Pertama. Yogyakarta: BPFE.
Johnson, R.A. & Wichern, D.W. (2007). Applied Multivariate Statistical Analiysis, Sixth Edition. Prentic-Hall International: New Jersey.
Kassambara, A. (2017). Practical Guide to Cluster Analysis in R. (sthd.com)
Kusumanintyas, Clara Aulia. (2017). Analisis Klaster Untuk Pengelompokkan Kabupaten/Kota di Provinsi Papua Berdasarkan Indikator Indeks Pembangunan Manusia Tahun 2017. Jakarta: Skripsi Politeknik Statistika STIS.
Rachmatin, Dewi dan Kania Sawitri. (2012). Perbandingan Antara Metode Agglomeratif, Metode Divisif, dan Metode K-Means dalam Analisis Klaster. Jurnal Pendidikan Matematika FMIPA UPI.
Wahyuni, Sri. (2018). Pengelompokkan Kabupaten/Kota di Pulau Jawa Berdasarkan Faktor-Faktor Kemiskinan deengan Pendekatan Average Linkage Hierarchical Clustering. Jakarta: Jurnal Aplikasi Statistika dan Komputasi Statistik, V.10.1.2018.