Garuda - Garba Rujukan Digital

Article Per Year (5 Year)

All

BIMASTER

jbmstr
Website

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 34 Documents

1 2 3 4

Search results for , issue "Vol 4, No 03 (2015): BIMASTER" : 34 Documents clear

ANALISIS VARIANS TIGA FAKTOR PADA RANCANGAN SPLIT-SPLIT PLOT Neva Satyahadewi., Silvia Widayanti, Muhlasah Novitasari Mara,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 4, No 03 (2015): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Rancangan faktorial tiga faktor merupakan perluasan dari rancangan faktorial dua faktor, dimana dalam rancangannya melibatkan tiga faktor perlakuan. Salah satu rancangan yang menerapkan rancangan faktorial tiga faktor yaitu rancangan split-split plot. Rancangan split-split plot memiliki tiga unit percobaan yang dibagi menjadi whole plot, split plot dan split-split plot. Tujuan penelitian ini adalah mengkaji analisis varians tiga faktor pada rancangan split-split plot dan mengetahui bagaimana penerapannya dalam kehidupan sehari-hari. Tahapan dalam analisis varian tiga faktor pada rancangan split-split plot dimulai dari menginput data dan penataan letak data, menghitung nilai jumlah kuadrat total, analisis pada masing-masing petak, menghitung nilai galat dan melakukan pengujian hipotesis. Berdasarkan contoh kasus yaitu sebuah percobaan dilakukan untuk meneliti apakah ada pengaruh dari lamanya waktu inkubasi, suhu dan konsentrasi tryptone yang digunakan terhadap pertumbuhan bakteri. Dari ketujuh hipotesis yang diujikan terlihat bahwa dari interaksi ketiga faktor menunjukkan tidak ada pengaruh interaksi antara lamanya waktu inkubasi, suhu dan konsentrasi tryptone terhadap pertumbuhan bakteri. Hal ini ditunjukkan dari nilai Fhitung pada interaksi pada ketiga faktor yang lebih kecil dari nilai Ftabel. Kata Kunci : Analisis Varians, Rancangan Split-Split Plot.

PERBANDINGAN IMPUTASI MISSING DATA MENGGUNAKAN METODE MEAN DAN METODE ALGORITMA K-MEANS Ilhamsyah, Mukarromah, Shantika Martha,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 4, No 03 (2015): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Missing data adalah informasi yang hilang atau tidak tersedia untuk sebuah obyek. Missing data merupakan masalah yang sering dijumpai dalam penelitian, keberadaan missing data dapat mengganggu analisis yang akan dilakukan. Salah satu cara yang dapat dilakukan untuk menangani missing data adalah dengan mengisi missing data dengan nilai-nilai yang mungkin berdasarkan informasi yang tersedia pada data atau dikenal dengan imputasi. Mean dan Algoritma K-Means merupakan metode yang dapat digunakan untuk imputasi missing data. Imputasi dengan metode Mean mengisi missing data dengan rata-rata nilai yang diketahui pada suatu variabel, sedangkan imputasi dengan metode Algoritma K-Means mengisi missing data dengan centroid yang sesuai dengan letak missing data berada. Dalam penelitian ini, dibandingkan kedua metode imputasi tersebut, yaitu dengan membandingkan nilai MSE (Mean Square Error) yang diperoleh masing-masing metode. Semakin kecil nilai MSE maka semakin kecil kesalahan hasil imputasi. Dari pengujian imputasi yang telah dilakukan yaitu pada data yang mengandung 10%, 20% dan 30% missing data, didapat bahwa secara rata-rata imputasi missing data menggunakan metode Algoritma K-Means dengan 2 cluster, 3 cluster dan 4 cluster menunjukkan hasil yang lebih baik dibanding metode Mean. Kata Kunci : missing data, imputasi, Algoritma K-Means

PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL LINEAR DENGAN MENGGUNAKAN METODE TRANSFORMASI ELZAKI Helmi., Nova Minarti, Mariatul Kiftiah,
BIMASTER Vol 4, No 03 (2015): BIMASTER
Publisher : BIMASTER

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (508.971 KB)

Persamaan Diferensial Parsial Linear (PDPL) dapat diselesaikan secara analitik dan numerik. Salah satu penyelesaian PDPL secara analitik yaitu dengan menggunakan metode transformasi Elzaki. Metode ini merupakan transformasi integral yang diperoleh dari integral Fourier. Tujuan dari penelitian ini adalah untuk mencari penyelesaian PDPL dengan menggunakan metode transformasi Elzaki. Penyelesaian PDPL dengan metode transformasi Elzaki dilakukan dengan cara mentransformasikan persamaan tersebut sehingga diperoleh Persamaan Diferensial Biasa (PDB). Selanjutnya ditentukan penyelesaian dari PDB, kemudian hasilnya ditransformasikan dengan invers transformasi Elzaki agar diperoleh penyelesaian dari PDPL. Penelitian ini menunjukkan bahwa transformasi Elzaki dapat menyelesaikan PDPL orde satu dan orde dua dengan koefisien konstan. Kata kunci: PDB, Orde eksponensial, Transformasi integral

ALGORITMA AFFINE SCALING UNTUK MENGOPTIMALKAN AKSES LISTRIK PEDESAAN JAWA DAN KALIMANTAN Helmi., Muhariah, Bayu Prihandono,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 4, No 03 (2015): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Program listrik pedesaan adalah program pelayanan listrik untuk konsumen yang tinggal di daerah yang tidak terletak di ibu kota negara, provinsi dan kabupaten. Perencanaan program listrik pedesaan melibatkan Pemerintah Daerah dan PLN. Pada pembangunan listrik pedesaan banyak menghadapi kendala terutama pada teknologi, modal, dan kondisi daerah pedesaan yang banyak terdiri dari pulau-pulau kecil dan tersebar. Penulisan artikel ini bertujuan untuk menganalisis akses listrik pada program listrik pedesaan Jawa dan Kalimantan tahun 2008 sudah optimal atau belum menggunakan Algoritma Affine Scaling. Dalam menyelesaikan permasalahan menggunakan algoritma Affine Scaling terdapat tiga konsep dasar. Pertama menentukan nilai awal melalui bagian dalam (interior) daerah feasible ke arah solusi yang optimal. Kedua, titik interior bergerak dengan sebuah arah yang meningkatkan nilai fungsi tujuan pada kemungkinan rata-rata yang paling cepat. Terakhir, mengubah daerah feasible untuk memindahkan solusi percobaan ke dekat pusatnya sehingga memungkinkan sebuah peningkatan besar saat konsep dua diterapkan. Dari hasil algoritma Affine Scaling didapat bahwa program listrik pedesaan Jawa dan Kalimantan masih bisa di optimalkan, sehingga bila dilakukan optimasi menggunakan Algoritma Affine Scaling diperoleh peningkatan akses listrik sebesar 6,3% dan bisa menghemat anggaran sebesar 0,015%. Â Sehingga langkah kebijakan yang diambil adalah mengoptimalkan pendanaan listrik pedesaan yang terbatas dengan bantuan Algoritma Affine Scaling sehingga lebih efektif dan efisien. Â Kata kunci: Pemrograman Linear, Affine Scaling, Optimalisasi

PREDIKSI JUMLAH LULUSAN DAN PREDIKAT KELULUSAN MAHASISWA FMIPA UNTAN TAHUN ANGKATAN 2013/2014 DENGAN METODE RANTAI MARKOV Naomi Nessyana Debataraja, Ahmad Hidayat, Evy Sulistianingsih,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 4, No 03 (2015): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Proses Markov adalah suatu proses stokastik dengan distribusi peluang bersyarat yang memenuhi sifat Markov. Proses Markov dikatakan sebagai rantai Markov jika memiliki ruang state yang diskrit. Rantai Markov sepenuhnya didefinisikan sebagai matriks peluang transisi satu langkah yang menjelaskan distribusi peluang pada state dimana proses dimulai pada saat nol. Metode rantai Markov dibedakan menjadi dua yakni, metode rantai Markov waktu diskrit dan metode rantai Markov waktu kontinu. Metode rantai Markov waktu diskrit pada penelitian ini digunakan untuk memprediksi jumlah lulusan dan predikat kelulusan mahasiswa FMIPA Untan tahun angkatan 2013/2014. Berdasarkan hasil perhitungan yang diperoleh, dari 375 mahasiswa terdapat sebanyak 230 mahasiswa yang akan lulus dengan berbagai predikat yaitu, predikat cum laude sebanyak 22 mahasiswa, predikat sangat memuaskan sebanyak 139 mahasiswa dan predikat memuaskan sebanyak 69 mahasiswa. Kata Kunci : proses stokastik, rantai Markov, peluang transisi, ruang state.

PENGUKURAN VALUE AT RISK DENGAN PENDEKATAN AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTIC (ARCH) (Studi Kasus Data Saham PT. Gudang Garam Tbk.) Neva Satyahadewi., Dila Aprillia, Muhlasah Novitasari Mara,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 4, No 03 (2015): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Risiko dalam investasi adalah ketidakpastian yang dihadapi investor karena harga aset atau investasi menjadi lebih kecil dari pada expected return. Risiko dapat dicerminkan dengan volatilitas dari return. Volatilitas saham dapat memiliki karakteristik homoskedastisitas atau heteroskedastisitas. Volatilitas yang heteroskedastisitas dapat dihitung dengan menggunakan model Autoregressive Conditional Heteroscedastic (ARCH). Setelah mengetahui volatilitas maka investor dapat memperkirakan dengan tingkat keyakinan dan jangka waktu tertentu berapa potensi risiko penurunan nilai return (Value at Risk (VaR)). VaR ini dapat diukur dengan menggunakan metode Variance Covariance yang mengasumsikan bahwa return berdistribusi normal. Saham yang digunakan untuk studi kasus pada penelitian ini adalah saham dari PT. Gudang Garam Tbk, dengan periode data dari Juni 2003 sampai September 2014. Hasil perhitungan studi kasus nilai VaR dapat diartikan pada tingkat keyakinan sebesar 95%, pola nilai VaR berfluktuasi dengan kerugian terbesar terjadi dibulan September 2015 yakni sebesar Rp. 159.415.917,26 dan kerugian terkecil terjadi dibulan November 2014 yakni sebesar Rp. 135.087.042,52. Kata Kunci: Volatilitas, ARCH, Value at Risk

PERAMALAN CURAH HUJAN DI KABUPATEN KUBU RAYA DENGAN MENGGUNAKAN MODEL FUNGSI TRANSFER MULTIVARIAT Shantika Martha, Indra, Muhlasah Novitasari Mara,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 4, No 03 (2015): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Model fungsi transfer merupakan metode yang menggambarkan bahwa nilai prediksi masa depan dari suatu deret waktu (disebut deret output) didasarkan pada nilai-nilai masa lalu dari deret waktu itu sendiri dan didasarkan pada satu atau lebih deret waktu yang berhubungan (disebut deret input) serta dipengaruhi oleh input lain yang digabungkan dalam satu kelompok (disebut deret noise). Model fungsi transfer dengan variabel input lebih dari satu deret waktu disebut dengan model fungsi transfer multivariat. Prosedur pembentukan model fungsi transfer multivariat dilakukan dalam dua tahap, yaitu pembentukan model fungsi transfer pada masing-masing input yang didapat dari proses pemodelan ARIMA dan pembentukan model fungsi transfer secara serentak dari semua variabel inputnya. Tujuan dari penelitian ini adalah untuk mendapatkan model dan hasil peramalan curah hujan di Kabupaten Kubu Raya dengan menggunakan model fungsi transfer multivariat. Data yang digunakan berupa data curah hujan sebagai deret outputnya dan sebagai deret inputnya adalah data kelembaban udara dan suhu udara. Berdasarkan model fungsi transfer multivariat yang didapat, peramalan curah hujan pada bulan ini dipengaruhi oleh curah hujan satu bulan sebelumnya, dipengaruhi oleh kelembaban udara pada bulan ini dan satu bulan sebelumnya, dipengaruhi oleh suhu udara pada enam bulan sebelumnya dan tujuh bulan sebelumnya serta dipengaruhi oleh residual pada bulan ini dan satu bulan sebelumnya. Kata Kunci : fungsi transfer multivariat, ARIMA, curah hujan

MODEL ANTRIAN PADA STASIUN PENGISIAN DAN PENGANGKUTAN BULK ELPIJI (SPPBE) PT USAHA GAS ELPINDO PONTIANAK DENGAN NOTASI KENDALL-LEE Marisi Aritonang, Yustina Titin, Helmi,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 4, No 03 (2015): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Masalah antrian merupakan hal yang tidak bisa terlepas dari sistem pelayanan. Antrian terjadi karena banyaknya pelanggan yang membutuhkan jasa pelayanan pada waktu bersamaan. Terdapat dua ukuran dalam antrian yaitu antrian terbatas dan antrian tidak terbatas. Antrian dikatakan terbatas jika hanya sejumlah pelanggan yang bisa masuk ke dalam sistem antrian. Hal ini terjadi dikarenakan adanyaÂ batasan kapasitas dan jumlah stok yang tersedia. Antrian tidak terbatas berarti tidak ada batasan jumlah pelanggan yang bisa masuk ke dalam sistem antrian. Pengisian ulang gas elpiji pada SPPBE PT Usaha Gas Elpindo Pontianak merupakan salah satu contoh antrian terbatas, jumlah truk yang bisa masuk ke dalam sistem antrian dibatasi, dikarenakan jumlah persediaan stok perhari yang tersedia terbatas. Penelitian ini menganalisis proses kedatangan truk, waktu pelayanan truk dan menentukan model antrian yang sesuai pada SPPBE PT Usaha Gas Elpindo Pontianak dengan notasi Kendall-Lee. Notasi Kendall-Lee dituliskan dalam format umum yaitu , dengan a adalah distribusi kedatangan, b adalah distribusi waktu pelayanan, c adalah jumlah fasilitas pelayanan, d adalah disiplin pelayanan, e adalah ukuran dalam antrian dan f adalah sumber kedatangan. Dengan uji Chi Kuadrat diperoleh proses kedatangan truk berdistribusi Poisson dan waktu pelayanan truk berdistribusi Eksponensial. Berdasarkan notasi Kendall-Lee, model antrian yang sesuai pada SPPBE PT Usaha Gas Elpindo Pontianak di tahap pertama (pengisian ulang) adalah model antrian dan pada tahap kedua (pengecekkan) adalah model antrian Kata Kunci : Sistem Antrian, Model Antrian Khusus Poisson

ALGORITMA ELIMINASI GAUSS INTERVAL DALAM MENDAPATKAN NILAI DETERMINAN MATRIKS INTERVAL DAN MENCARI SOLUSI SISTEM PERSAMAAN INTERVAL LINEAR Ilhamsyah, Egi Zulkarnain, Bayu Prihandono,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 4, No 03 (2015): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Sistem Persamaan Interval Linear (SPIL) merupakan perluasan dari Sistem Persamaan Linear (SPL) dengan koefisien-koefisiennya berupa interval. Bentuk umum dari SPIL dapat ditulis sebagai . Untuk memperoleh solusi dari SPIL dapat digunakan matriks sebagaimana pada SPL. Dalam hal ini, matriks yang digunakan adalah matriks interval dengan entri-entri berupa interval. Selain untuk menyelesaikan SPIL, teori-teori tentang matriks interval juga sangat diperlukan yang salah satunya adalah untuk mendapatkan nilai determinan Â matriks interval. Salah satu metode yang digunakan adalah dengan menggunakan Algoritma Eliminasi Gauss Interval. Algoritma ini dimulai dengan mereduksi matriks interval dan matriks interval augmanted dari SPIL denganÂ menerapkanÂ aritmatikaÂ interval yang dimodifikasi untuk mendapatkan matriks interval segitiga atas dan matriks interval augmanted yang lebih sederhana. Selanjutnya, dengan metode substitusi balik pada sistem yang bersesuaian dari matriks interval augmanted yang lebih sederhana sehingga diperoleh solusi dari SPIL dan mengalikan entri-entri diagonal utama dari matriks interval segitiga atas untuk mendapatkan nilai determinan matriks interval segitiga atas. Solusi yang diperoleh adalah solusi yang memenuhi sistem dan vektor interval yang diperoleh dari sistem ekuivalen dengan vektor interval dari sistem yang dapat dilihat dari masing-masing midpoint pada vektor interval . Nilai determinan matriks interval segitiga atas ekuivalen dengan nilai determinan matriks interval. Kata kunci : Aritmatika Interval, Algoritma Eliminasi Gauss Interval

PENENTUAN JADWAL PELAKSANAAN PEKERJAAN REHABILITASI JALAN ALIANYANG KOTA PONTIANAK DENGAN PRECEDENCE DIAGRAM METHOD (PDM) Naomi Nessyana Debataraja, Kornelius Gunawan, Evy Sulistianingsih,
BIMASTER Vol 4, No 03 (2015): BIMASTER
Publisher : BIMASTER

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (545.674 KB)

Dalam suatu proyek konstruksi yang memiliki berbagai macam kegiatan yang kompleks, diperlukan suatu metode yang dapat meningkatkan kualitas perencanaan dan pengendalian proyek. Salah satu metode tersebut adalah metode Network Analysis. Metode Network Analysis yang sering digunakan pada proyek-proyek konstruksi dengan pekerjaan yang berulang dan saling tumpang tindih waktu pelaksanaan pekerjaannya adalah Precedence Diagram Method (PDM). Di dalam PDM sebuah kegiatan dapat dikerjakan tanpa menunggu kegiatan pendahulunya (predecessor) selesai, sehingga dapat mempercepat waktu penyelesaian pekerjaan proyek tersebut. Network Analysis dengan PDM tidak menggunakan Dummy Activity, sehingga network yang dihasilkan relatif sederhana dibandingkan dengan metode CPM. Metode PDM adalah metode Network Analysis yang termasuk dalam klasifikasi Activity on Node (AON). Penelitian ini bertujuan untuk menyusun Network PDM dan menentukan jalur kritis pada penjadwalan proyek Rehabilitasi/Pemeliharaan Jalan Alianyang Kelurahan Sungai Bangkong, Pontianak Kota, Provinsi Kalimantan Barat. Berdasarkan hasil analisis diperoleh bahwa semua kegiatan yang dilaksanakan pada proyek tersebut adalah kritis (jalur kritis), dimana waktu optimal yang diperlukan untuk menyelesaikan proyek tersebut adalah 175 hari. Kata kunci: Network Analysis, Activity on Node, Predecessor

Page 1 of 4 | Total Record : 34

1 2 3 4

Filter by Year

2015 2015

Filter By Issues

All Issue Vol 14, No 6 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya 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

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

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

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

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Contact Name
-

Contact Email
-

Phone
-

Journal Mail Official
-

Editorial Address
-

Location
Kota pontianak,

Kalimantan barat

INDONESIA