cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
-
Location
Kota pontianak,
Kalimantan barat
INDONESIA
BIMASTER
Published by Universitas Tanjungpura
ISSN : -     EISSN : -     DOI : -
Core Subject : Science, Education,
Decision Sciences, Operations Research & Management Mathematics
Bimaster adalah Jurnal Ilmiah berkala bidang Matematika, Statistika dan Terapannya yang terbit secara online dan dikelola oleh Jurusan Matematika FMIPA Untan
Arjuna Subject : -
Articles 25 Documents
 1   2   3 
Search results for , issue "Vol 10, No 1 (2021): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya" : 25 Documents clear
PENERAPAN METODE TOPSIS DALAM MENENTUKAN PENERIMA BERAS MISKIN Dwi Setiaji; Shantika Martha
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 1 (2021): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v10i1.44683

Abstract

Beras miskin (raskin) merupakan subsidi pangan sebagai upaya pemerintah untuk meningkatkan ketahanan pangan dan memberikan perlindungan pada keluarga miskin melalui pendistribusian beras yang diharapkan mampu menjangkau keluarga miskin. Banyaknya warga miskin dengan beragam kondisi mengakibatkan penentuan penerima raskin semakin sulit. Oleh karena itu, dibutuhkan metode yang dapat memudahkan pihak terkait untuk menyelesaikan permasalahan tersebut, salah satunya dengan metode TOPSIS (technique for order preference by similarity to ideal solution). TOPSIS adalah metode pengambilan keputusan multikriteria dengan ide dasarnya alternatif yang dipilih memiliki jarak terdekat dengan solusi ideal positif dan memiliki jarak terjauh dari solusi ideal negatif. Penelitian ini bertujuan sebagai bahan pertimbangan/rekomendasi untuk pihak Desa dalam menentukan penerima raskin. Pengambilan keputusan menggunakan tujuh kriteria antara lain umur, pekerjaan, penghasilan, luas bangunan, tanggungan, biaya tagihan listrik dan konsumsi daging. Hasil dari penelitian, direkomendasikan 10 orang penerima raskin dari 30 orang berdasarkan nilai kedekatan relatif dari urutan terbesar hingga terkecil. Nilai kedekatan relatif calon penerima raskin yang telah diurutkan tersebut dapat dijadikan pertimbangan dalam proses penyeleksian penerima raskin di Desa X Kabupaten Mempawah. Kata kunci:  MADM, Prioritas, TOPSIS, Matriks
ANALISIS TINGKAT INFLASI DAN BI RATE MENGGUNAKAN VECTOR ERROR CORRECTION MODEL Enis Rahayu; Yundari Yundari; Shantika Martha
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 1 (2021): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v10i1.44668

Abstract

Vector error correction model (VECM) merupakan bentuk VAR yang terestriksi, karena itu VECM sering disebut sebagai VAR terbatas yang dirancang untuk digunakan pada data non stasioner yang diketahui memiliki hubungan kointegerasi.VECM berguna untuk memperkirakan adanya jangka pendek keduanya dan jangka panjang dari satu deret waktu lainnya. Penelitian ini bertujuan untuk mengetahui hubungan kausalitas tingkat inflasi dan BI Rate dalam jangka pendek dan jangka panjang. Penelitian ini menggunakan metode vector error correction model (VECM) yang diterapkan pada data deret waktu dari tingkat inflasi  dan BI Rate beserta uji prasyarat yaitu uji stasioneritas data, uji lag optimal dan uji kointegrasi. Hasil uji stasioneritas menunjukkan tingkat inflasi dan BI Rate berada pada tingkat differensiasi pertama. Pengujian lag optimal menujukkan bahwa panjang lag optimal terletak pada lag 2. Sementara uji kointegrasi menujukkan tingkat inflasi dan BI rate memiliki hubungan jangka panjang (kointegrasi) satu dengan lainnya. Berdasarkan estimasi VECM maka diperoleh model VECM (2) sebagai model terbaik. Hasil model mengatakan bahwa ada hubungan kausalitas jangka pendek dan jangka panjang antara tingkat inflasi dan BI rate. Kata Kunci: Deret waktu, VECM, VAR, Kausalitas          
PERHITUNGAN VALUE AT RISK PORTOFOLIO PADA FUNGSI ARCHIMEDEAN COPULA Nona Lusia; Neva Satyahadewi; Setyo Wira Rizki
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 1 (2021): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v10i1.44829

Abstract

Value at Risk (VaR) merupakan salah satu alat ukur yang digunakan untuk menghitung risiko pada portofolio. Akan tetapi VaR memiliki asumsi distribusi normalitas. Pada kenyataannya data finansial lebih sering berdistribusi tidak normal dan return dari data  mengindikasikan adanya heteroskedastisitas. Salah satu metode yang dapat digunakan untuk mengatasi masalah tersebut adalah menghitung nilai VaR menggunakan copula. Tujuan penelitian ini untuk menganalisis perhitungan nilai VaR saham portofolio menggunakan fungsi archimedean copula. Langkah-langkah perhitungan VaR menggunakan fungsi archimedean copula adalah menghitung nilai return saham, mencari nilai statistik deskriptif dari return, melakukan uji autokorelasi dan uji heterokedastisitas pada return saham, memeriksa nilai ekstrem menggunakan Pareto tail, mengestimasi parameter keluarga archimedean copula, melakukan simulasi archimedean copula,  menghitung nilai VaR saham portofolio. Penelitian ini menggunakan data harga saham penutupan harian BBCA dan BBNI periode 4 Januari 2016 sampai 30 Oktober 2019. Berdasarkan hasil analisis, diperoleh perhitungan nilai VaR pada keluarga fungsi archimedean copula adalah sebagai berikut: Clayton copula dengan tingkat kepercayaan 90%, 95%, dan 99% secara berturut-turut dari aset yang diinvestasikan adalah 0,8254%, 0,8389%, dan 0,8528%. Gumbel copula adalah 0,8306%, 0,8453%, dan 0,8581%. Frank copula adalah 0,8244%, 0,8382%, dan 0,8539%. Terlihat bahwa semakin besar tingkat kepercayaan yang digunakan maka semakin besar tingkat risiko yang diperoleh investor. Perhitungan nilai VaR portofolio menggunakan fungsi Gumbel copula menghasilkan nilai VaR tertinggi. Kata Kunci: Investasi, Portofolio, VaR, Clayton copula, Gumbel copula, Frank copula
PEMODELAN AKREDITASI SEKOLAH SMA/MA DI KALIMANTAN BARAT DENGAN PENDEKATAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE Nur Azmi; Hendra Perdana
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 1 (2021): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v10i1.44660

Abstract

Multivariate Adaptive Regression Spline (MARS) merupakan salah satu model regresi nonparametrik, MARS merupakan pengembangan dari pendekatan recursive partition regressio (RPR) yang dikombinasikan dengan metode Spline sehingga MARS mampu menghasilkan prediksi variabel respon yang akurat, serta menghasilkan model yang kontinu pada knot berdasarkan nilai generalized cross validation (GCV) terkecil. MARS akan membangun suatu model terbaik sebagai model klasifikasi yang akan melibatkan beberapa fungsi basis yang memuat variabel prediktor yang berpengaruh. Pemilihan model MARS terbaik dilakukan dengan prosedur forward stepwise dan backward stepwise didasarkan pada nilai GCV. Penelitian ini menggunakan 8 variabel prediktor dan 2 variabel respon dengan menggunakan data akreditasi sekolah SMA/MA di Kalimantan Barat. Hasil dari penelitian ini, menunjukkan bahwa model MARS terbaik didapat dari hasil kombinasi fungsi basis (BF) = 32, maksimum interaksi (MI) = 3, dan minimum observasi (MO) = 10 dengan nilai sebesar GCV = 0,0468. Dari proses yang dilakukan terdapat 2 variabel prediktor yang memberikan pengaruh persentase paling besar terhadap model yaitu komponen standar sarana dan prasarana sebesar 100% dan komponen standar pendidik dan tenaga kependidikan 92,5%. Kata Kunci: komponen akreditasi sekolah, MARS, GCV
ESTIMASI NILAI EIGEN MENGGUNAKAN TEOREMA GERSHGORIN Ditanti Putri Shofia; Mariatul Kiftiah; Yundari Yundari
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 1 (2021): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v10i1.44751

Abstract

Nilai eigen adalah nilai karakteristik dari suatu matriks persegi. Penentuan nilai eigen dilakukan dengan cara mencari akar-akar karakteristiknya. Cara umum yang biasa dipelajari dalam penentuan akar karakteristik adalah menggunakan pencarian determinan matriks. Cara ini terbilang cukup memakan waktu untuk matriks yang berukuran besar atau berordo lebih dari 3. Dalam menggunakan metode analitik, ada sebuah teorema yang digunakan dalam penentuan nilai eigen dengan cara mengestimasi nilai eigen. Teorema ini disebut dengan teorema Gershgorin. Estimasi nilai eigen dengan menggunakan teorema Gershgorin menghasilkan rentang kumpulan nilai eigen dari suatu matriks. Rentang nilai eigen yang terbentuk dari teorema ini berupa cakram pada bidang kompleks. Cakram ini disebut dengan cakram Gershgorin yang memiliki n-cakram sesuai dengan n-baris pada matriks yang akan dicari nilai eigennya. Penelitian ini bertujuan untuk menganalisis dan mengkaji penerapan teorema Gershgorin untuk matriks berukuran besar. Penerapan teorema Gershgorin ini hanya terfokus pada nilai eigen yang selalu berada didalam cakram Gershgorin. Berdasarkan hasil yang telah didapat, nilai eigennya selalu berada dalam cakram Gershgorin. Kata kunci : cakram Gershgorin, rentang, matriks kompleks.
PEMODELAN JUMLAH KEMATIAN BAYI DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED POISSON REGRESSION (GWPR) STUDI KASUS DI PROVINSI KALIMANTAN BARAT Ika Nur Septiani
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 1 (2021): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v10i1.44684

Abstract

Geograpically Weighted Poisson Regression (GWPR) merupakan pemodelan spasial dengan pendekatan titik yang memiliki variable respon yang berdistribusi Poisson, dimana faktor lokasi diperhatikan. Tujuan penelitian ini adalah untuk menetukan model terbaik dalam analisis faktor-faktor yang mempengaruhi jumlah kematian bayi. Pada data penelitian dilakukan uji multikolonearitas, selanjutnya mengestimasi parameter model regresi Poisson mengunakan metode MLE dan diselesaikan dengan iterasi Newton-Raphson. Kemudian menguji signifikansi parameter model secara serentak dan parsial. Selanjutnya dilakukan penaksiran parameter model GWPR dengan metode MLE. Lalu menguji kesamaan model Poisson dan GWPR yang didekati dengan distribusi F, sedangkan pengujian parameter parsial menggunakan distribusi t. Kemudian model terbaik dipilih berdasarkan nilai AIC terkecil. Hasil penelitian ini menunjukkan bahwa model GWPR dengan pembobot kernel Gaussian merupakan model terbaik yang dapat digunakan untuk menganalisis jumlah kematian bayi di Provinsi Kalimantan Barat dengan nilai AIC yaitu sebesar 27,2119.  Kata Kunci: Spasial, Kematian Bayi, Poisson, Regresi
ANALISIS ANGKA KEMATIAN BAYI (AKB) DI KALIMANTAN BARAT DENGAN ROBUST PRINCIPAL COMPONENT ANALYSIS (ROBPCA) Lina Astuti; Yundari Yundari
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 1 (2021): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v10i1.44669

Abstract

Principal Component Analysis (PCA) merupakan teknik analisis multivariat yang bertujuan mereduksi dimensi data dimana sejumlah variabel bebas yang masih saling berkorelasi, dengan mempertahankan sebesar mungkin varians data menjadi kumpulan data  baru yang tidak berkorelasi lagi. PCA sangat dipengaruhi oleh kehadiran pencilan (outlier) karena PCA didasarkan pada matriks kovarians yang sensitif terhadap keberadaan data outlier. Robust Principal Component Analysis (ROBPCA) merupakan suatu analisis komponen utama yang robust terhadap keberadaan outlier dalam data pengamatan. Dalam analisis ini menggabungkan konsep Projection Pursuit (PP) dan Minimum Covariance Determinant (MCD). Tujuan penelitian ini adalah mendapatkan komponen utama dengan data yang terindikasi masalah multikolinearitas dan outlier, serta mendapatkan model persamaan terbaik yang diterapkan pada data Angka Kematian Bayi (AKB). Variabel-variabel bebas yang memengaruhi AKB yaitu, jumlah ibu hamil, jumlah persalinan yang ditolong tenaga kesehatan, jumlah tenaga medis, jumlah ibu hamil yang mengalami komplikasi kebidanan, dan presentase penduduk miskin. Pada proses awal data pengamatan dilakukan uji multikolinearitas dan selanjutnya menentukan komponen utama dengan PCA. Setelah mendapatkan komponen utama, dilakukan analisis regresi. Pendeteksian outlier menggunakan jarak robust Mahalanobis. Ketika terdapat outlier, maka proses dilanjutkan menggunakan ROBPCA. Hasil analisis menunjukkan bahwa ROBPCA dapat menghasilkan 2 komponen utama dari 5 variabel asal. Berdasarkan penelitian model regresi PCA dan ROBPCA sama-sama memiliki nilai R-square sebesar 0,4206 artinya bahwa penelitian ini mampu menjelaskan 42,06% varians Y. Akan tetapi pada Residual Standard Error (RSE) untuk model regresi PCA sebesar 3,526 lebih besar daripada model regresi ROBPCA yaitu sebesar 0,827. Model terbaik yang didapatkan untuk analisis Angka Kematian Bayi di Kalimantan Barat   adalah ROBPCA. Kata Kunci : PCA, robust, ROBPCA, outlier, R-square, RSE  
PENENTUAN IURAN NORMAL DANA PENSIUN UNTUK STATUS JOINT-LIFE DENGAN METODE BENEFIT PRORATE TIPE CONSTANT DOLLAR Deni Wardani; Setyo Wira Rizki; Hendra Perdana
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 1 (2021): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v10i1.45080

Abstract

Program Pensiun dibagi menjadi dua jenis, yaitu Program Pensiun Manfaat Pasti (defined benefit plan) dan Program Pensiun Iuran Pasti (defined contribution plan). Program pensiun manfaat pasti merupakan program yang manfaatnya ditetapkan dalam peraturan Dana Pensiun, sedangkan program pensiun iuran pasti adalah program yang iurannya ditetapkan dalam peraturan Dana Pensiun. Benefit prorate merupakan metode yang digunakan untuk menghitung besarnya dana pensiun apabila terjadi pensiun pada masa aktif kerja maupun pada waktu yang telah ditentukan. Tujuan dari penelitian ini adalah menghitung besar iuran normal dana pensiun yang harus dibayarkan dengan  metode benefit prorate tipe constant dollar. Pada penelitian ini jumlah peserta dana pensiun dua orang yaitu suami dan istri. Perhitungan  dimulai dengan mengumpulkan informasi mengenai Tabel Mortalita Indonesia (TMI) 2019, usia peserta, gaji awal peserta, dan tingkat suku bunga. Langkah kedua yaitu menghitung anuitas awal seumur hidup, ketiga menghitung total gaji dan besar manfaat pensiun dengan asumsi gaji tahun terakhir dan  total gaji selama bekerja. Selanjutnya menentukan besar nilai sekarang dari manfaat pensiun dan terakhir menentukan besar tarif iuran normal yang harus dibayarkan oleh peserta. Berdasarkan perhitungan, ketika usia suami sama dengan istri dan asumsi yang digunakan adalah total gaji selama bekerja, maka diperoleh iuran normal terkecil Rp933.301. Kata Kunci: Anuitas, Suku bunga, Dana pensiun, Joint-life
PENGELOMPOKAN KUALITAS AIR DI KOTA PONTIANAK MENGGUNAKAN METODE WARD DAN SINGLE LINKAGE Ayu Soraya
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 1 (2021): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v10i1.44662

Abstract

Analisis klaster merupakan salah satu analisis multivariat yang bertujuan untuk mengelompokan atau mengklasifikasi objek-objek menjadi beberapa kelompok berdasarkan kemiripan variabel-variabel yang diamati, sehingga diperoleh kemiripan objek dalam kelompok yang sama dibandingkan antar objek dari kelompok yang berbeda. Dalam penelitian ini metode Ward dan Single Linkage digunakan untuk mengelompokan kualitas air di Kota Pontianak. Berdasarkan perhitungan R-Squared diperoleh pengelompokan kualitas air menggunakan Metode Single Linkage adalah metode terbaik dengan nilai R-Squared 0,970 dengan  klaster  yang terbaik diklaster ketiga  yang beranggotakan satu lokasi sampel air yaitu jalan Selat Sumba II.Kata Kunci: Analisis klaster, metode ward, metode single linkage.
KESTABILAN MODEL PREDATOR-PREY DENGAN LESLIE-GOWER DAN HOLLING TANPA ADANYA PERLINDUNGAN DI PREY Anggraini Anggraini; Helmi Helmi; Mariatul Kiftiah
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 1 (2021): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v10i1.44752

Abstract

Model predator-prey Leslie Gower merupakan model interaksi antara mangsa dan pemangsa dengan laju pertumbuhan antara populasi predator sebanding dengan jumlah prey. Pertumbuhan kedua populasi yang tidak seimbang mempengaruhi salah satu populasi berkurang atau bertambah banyak. Fungsi respon mengacu pada peningkatan populasi predator atau pengurangan  populasi prey saat terjadinya interaksi. Interaksi terhadap predator-prey yang tidak seimbang mengakibatkan kepunahan di salah satu populasi. Penelitian ini bertujuan untuk mengetahui kestabilan dari model predator-prey Leslie Gower dengan fungsi respon Holling tipe II. Model tersebut dianalisis sehingga diperoleh titik kesetimbangan. Kemudian dicari matriks Jacobian dan dari matriks Jacobian tersebut didapat nilai karakteristik dari titik kesetimbangan, sehingga dapat ditentukan kestabilan dari model predator-prey Leslie Gower dan Holling. Berdasarkan hasil penelitian diperoleh empat titik kesetimbangan yakni    dan . Titik equilibrium trivial terjadi pada titik    dan titik equilibrium dengan kepunahan terhadap predator pada titik  bersifat tidak stabil. Karena tidak adanya keberadaan predator mengakibatkan pertumbuhan terhadap prey yang terus meningkat tanpa adanya pengurangan akibat pemburuan dari predator. Sedangkan titik equilibrium dengan kepunahan terhadap prey stabil pada titik  dengan syarat tertentu jika nilai  dan titik equilibrium interior bersifat stabil pada titik  jika . Kata Kunci : Titik Kesetimbangan, Fungsi Respon

Page 1 of 3 | Total Record : 25

 1   2   3 

Filter by Year

2021 2021


Reset
Filter By Issues
All Issue Vol 14, No 5 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 4 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 3 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 2 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 1 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 6 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 5 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 4 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 3 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 2 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 1 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 6 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 5 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 4 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 3 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya (dalam proses) Vol 12, No 3 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 2 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 1 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 5 (2022): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 4 (2022): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 3 (2022): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 2 (2022): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 1 (2022): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 4 (2021): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 3 (2021): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 2 (2021): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 1 (2021): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 4 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 3 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 3 (2020): BIMASTER Vol 9, No 2 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 2 (2020): BIMASTER Vol 9, No 1 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 1 (2020): BIMASTER Vol 8, No 4 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 4 (2019): BIMASTER Vol 8, No 3 (2019): BIMASTER Vol 8, No 3 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 2 (2019): BIMASTER Vol 8, No 2 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 1 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 1 (2019): BIMASTER Vol 7, No 4 (2018): BIMASTER Vol 7, No 4 (2018): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 3 (2018): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 3 (2018): BIMASTER Vol 7, No 2 (2018): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 2 (2018): BIMASTER Vol 7, No 1 (2018): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 1 (2018): BIMASTER Vol 6, No 03 (2017): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 6, No 03 (2017): BIMASTER Vol 6, No 02 (2017): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 6, No 02 (2017): BIMASTER Vol 6, No 01 (2017): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 6, No 01 (2017): BIMASTER Vol 5, No 03 (2016): BIMASTER Vol 5, No 02 (2016): BIMASTER Vol 5, No 01 (2016): BIMASTER Vol 4, No 03 (2015): BIMASTER Vol 4, No 01 (2015): BIMASTER Vol 4, No 2 (2015): BIMASTER Vol 3, No 03 (2014): BIMASTER Vol 3, No 02 (2014): BIMASTER Vol 3, No 01 (2014): Bimaster Vol 2, No 03 (2013) Vol 2, No 02 (2013): Bimaster Vol 2, No 1 (2013): BIMASTER Vol 1, No 01 (2012): BIMASTER More Issue