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 34 Documents
 1   2   3   4 
Search results for , issue "Vol 4, No 03 (2015): BIMASTER" : 34 Documents clear
METODE BOOTSTRAP RESIDUAL DALAM PENDUGAAN PARAMETER REGRESI DENGAN MULTIKOLINEARITAS ., Bastian, Evy Sulistianingsih
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 4, No 03 (2015): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (464.963 KB) | DOI: 10.26418/bbimst.v4i03.11405

Abstract

Dalam penelitian ini metode Bootstrap Residual digunakan dalam menduga parameter regresi linier berganda. Prinsip kerja dari metode Bootstrap Residual adalah melakukan resampling terhadap variabel galat secara berulang-ulang. Dalam setiap ulangan dilakukan proses resampling data dan dilakukan proses pendugaan untuk memperoleh penduga parameter bagi metode Bootstrap Residual. Penelitian ini menggunakan teknik simulasi data yang melibatkan dua buah variabel bebas yang saling berkorelasi. Data yang dibangkitkan berjumlah 30 buah data dengan koefisien korelasi 0,9. Parameter regresi β0, β1, dan β2 diasumsikan berturut-turut adalah 0,1, dan 1. Data hasil simulasi kemudian diduga dengan metode Bootstrap Residual. Nilai dugaan yang dihasilkan merupakan rata-rata seluruh penduga parameter tiap-tiap perulangan. Penduga dari metode Bootstrap Residual dibandingkan dengan metode OLS. Dari hasil penelitian menunjukkan metode OLS menghasilkan bias yang kurang lebih sama terhadap bias dari metode Bootstrap Residual, sehingga dapat disimpulkan bahwa metode Bootstrap tidak lebih efisien daripada metode OLS dalam menduga parameter regresi ketika terjadi multikolinearitas. Kata Kunci : resampling, korelasi, simulasi
PENYELESAIAN PERSAMAAN NONLINEAR BERDERAJAT DUA MENGGUNAKAN METODE HOPFIELD MODIFIKASI Bayu Prihandono, Ikon Pratikno, Nilamsari Kususmastuti,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 4, No 03 (2015): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (508.274 KB) | DOI: 10.26418/bbimst.v4i03.12659

Abstract

Persamaan nonlinear adalah suatu persamaan yang pangkat variabelnya lebih dari satu atau terdapat suku  dari persamaan yang merupakan hasilkali dari dua atau lebih variabel-variabelnya. Sedangkan sistem persamaan nonlinear adalah kumpulan dari persamaan nonlinear. Penelitian ini bertujuan mencari solusi dari persamaan dan sistem persamaan nonlinear dengan menggunakan metode Hopfield modifikasi. Metode Hopfield adalah metode pengembangan jaringan saraf tiruan yang diterapkan ke dalam jaringan listrik R-C. Metode Hopfield bertujuan mengetahui proses arus yang mengalir pada jaringan listrik. Metode Hopfield dapat digunakan untuk mencari solusi dari persamaan maupun sistem persamaan dengan memodifikasi Metode Hopfield. Metode Hopfield modifikasi merupakan pengembangan metode Hopfield dengan menambahkan integrator metode Euler dan fungsi sigmoid unilopar serta mengasumsikan bahwa arus yang mengalir pada jaringan dengan penyebaran variabel. Metode Hopfield modifikasi termasuk salah satu metode numerik dimana solusi yang didapatkan merupakan solusi hampiran. Langkah-langkah metode Hopfield modifikasi dimulai dari menyelidiki apakah nilai f(1,1,...,1)≥ Pi . Setelah itu dilanjutkan mengubah bentuk persamaan ke dalam fungsi energi persamaan, kemudian fungsi  tersebut diturunkan terhadap variabel-variabel dalam persamaan. Hasil-hasil dari derivatif digunakan untuk mendapatkan fungsi energi jaringan metode Hopfield modifikasi dan langkah untuk proses pembaharuan nilai inputan (ui) dan variable (xj) (Iterasi pada metode Hopfield modifikasi akan berhenti apabila nilai absolut fungsi variabel dijumlahkan dengan negatif nilai persamaan kurang dari kriteria pemberhentian atau maksimum iterasi yang sudah ditentukan. Nilai variabel yang didapatkan merupakan solusi dari masalah persamaan dan sistem persamaan nonlinear tersebut.   Kata Kunci: metode Euler,fungsi sigmoid, jaringan saraf tiruan, jaringan Hopfield
KAJIAN METODE KONDENSASI CHIO PADA DETERMINAN MATRIKS n×n×n, n≥3 Shantika Martha, Adrianus Sumitro, Nilamsari Kusumastuti,
BIMASTER Vol 4, No 03 (2015): BIMASTER
Publisher : BIMASTER

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (165.912 KB)

Abstract

Determinan merupakan suatu fungsi dari himpunan semua matriks persegi ke himpunan semua bilangan real. Determinan matriks A biasanya dinyatakan oleh ⃓A⃓ atau det (A). Terdapat beberapa metode yang digunakan untuk menentukan determinan matriks diantaranya metode Sarrus, Ekspansi Kofaktor, dan Kondensasi. Kondensasi CHIO merupakan salah satu metode yang dapat digunakan dalam menentukan determinan matriks yang memiliki ordo n× n ,n 3. Kondensasi CHIO menyusutkan determinan matriks ordo n menjadi ordo n-1 dan dikalikan dengan elemen a11. Proses kondensasi ini berakhir pada determinan matriks ordo2×2. Kata Kunci : Permutasi, Metode Sarrus, Ekspansi Kofaktor
ANALISIS ALGORITMA ANT SYSTEM (AS) PADA KASUS TRAVELLING SALESMAN PROBLEM (TSP) Shantika Martha, Cindy Cipta Sari, Bayu Prihandono,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 4, No 03 (2015): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (556.502 KB) | DOI: 10.26418/bbimst.v4i03.11614

Abstract

Traveling Salesman Problem (TSP) merupakan permasalahan optimasi yang mencari rute terpendek  dengan ruang pencarian yang besar. Ukuran ruang pencarian yang besar menjadi permasalahan dalam menentukan rute terpendek sehingga diperlukan metode Heuristik yang mampu menyelesaikan permasalahan TSP. Algoritma Ant System (AS) merupakan salah satu metode Heuristik yang terinspirasi terhadap makhluk hidup yaitu semut  yang dapat mencari rute terpendek dalam mencari makanan.  Sehingga pada penelitian ini mengaplikasikan algoritma AS untuk menyelesaikan permasalahan TSP. Langkah pertama adalah menginisialisasi parameter yang digunakan. Pada pengujian parameter didapat parameter yang memiliki kinerja yang baik dalam menghasilkan rute terpendek yaitu α=1, β=2,5 dan ρ=0,9. Langkah selanjutnya menentukan rute perjalanan dan memperbarui intensitas pheromone pada setiap edge yang dilewati. Hasil yang diperoleh untuk contoh kasus yang diambil yaitu panjang rute terpendek yang dilalui pengantar koran sebesar 18,814 km dengan rute terpendek dimulai dari Jalan Gusti Sulung Lelanang – Jalan A. Marzuki – Jalan M. Sohor – Jalan Prof. M. Yamin Gg Sederhana – Jalan Pangeran Natakusuma Gg Sekolah – Jalan Pangeran Natakusuma Gg Jambi – Jalan Alianyang Gg Kencana 2 – Jalan Bukit Barisan – Jalan Johar – Jalan Setia Budi – Jalan Wr. Supratman – Jalan Gusti Sulung Lelanang. Kata Kunci : Algoritma Ant System, Traveling Salesman Problem
PREDIKSI pH AIR HUJAN DI KALIMANTAN BARAT DENGAN METODE BACKPROPAGATION Naomi Nessyana Debataraja, Fra Siskus Dian Arianto, Muhlasah Novitasari Mara,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 4, No 03 (2015): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (465.807 KB) | DOI: 10.26418/bbimst.v4i03.13278

Abstract

Hujan asam dipengaruhi oleh emisi gas Karbon Monoksida (CO), Sulfur Dioksida (SO2), dan Nitrogen Dioksida (NO2). Terjadinya hujan asam diakibatkan oleh gas CO, SO2, dan NO2 yang mencair bersamaan dengan air hujan sehingga membentuk asam pada air tersebut. Dikatakan hujan asam apabila pH air kurang dari 5,6 dan jika terjadi hujan asam maka dapat menyebabkan berbagai macam penyakit. Oleh karena itu, informasi hujan asam penting diketahui dengan cara memperkirakan pH air hujan. Salah satu upaya untuk memperkirakan permasalahan tersebut yaitu dengan cara membentuk model untuk mensimulasikan hujan asam  dengan akurasi yang tinggi. Adapun data CO, SO2, NO2, dan pH air hujan yang digunakan dalam penelitian ini yaitu sebanyak 55 pengamatan. Berdasarkan data tersebut, digunakan metode Backpropagation untuk menentukan model terbaik pH air hujan. Dari hasil 40 percobaan terhadap neuron pada lapisan tersembunyi diperoleh struktur jaringan yang outputnya mendekati data aktual pH air hujan yaitu 3 unit neuron pada lapisan input, 2 unit neuron pada lapisan tersembunyi, dan 1 unit neuron pada lapisan output. Struktur jaringan tersebut menghasilkan MSE 0,06414, MAD 0,212, MAPE 0,041349, dan R -0,41573. Kata kunci: Algoritma Backpropagation, Gradient Descent
ESTIMASI PARAMETER MODEL REGRESI ZERO ADJUSTED INVERSE GAUSSIAN (ZAIG) UNTUK MENENTUKAN BESAR KLAIM Mariatul Kiftiah, Nurul Huda, Dadan Kusnandar,
BIMASTER Vol 4, No 03 (2015): BIMASTER
Publisher : BIMASTER

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (252.643 KB)

Abstract

Model regresi Zero Adjusted Inverse Gaussian (ZAIG) merupakan gabungan dari Distribusi diskrit Bernoulli dan Distribusi kontinu Inverse Gaussian. Model regresi ZAIG adalah model regresi yang dapat menangani kasus terjadi dan tidak terjadinya klaim, karena kasus tersebut berdistribusi diskrit dan kontinu. Dari kasus terjadi dan tidak terjadinya klaim tersebut dapat ditentukan perkiraan probabilitas klaim dan besar klaim pada suatu perusahaan asuransi. Pada penelitian ini, digunakan data biaya klaim pada perusahaan asuransi auto PT. Asuransi Umum Bumiputera Muda 1967 (BUMIDA) tahun 2013-2014. Data biaya klaim yang digunakan merupakan variabel respon yang berdistribusi Inverse Gaussian. Dengan mengestimasi parameter pada data tersebut, dapat diketahui faktor-faktor yang mempengaruhi probabilitas klaim dan besar klaim. Estimasi parameter dilakukan dengan cara menggunakan metode Maximum Likelihood Estimation (MLE) yang dilakukan secara iteratif dengan metode iterasi Newton-Raphson. Hasil estimasi yang diperoleh kemudian dipilih dengan melakukan pemilihan model terbaik. Hasil dari model terbaik menunjukkan bahwa pemilihan model terbaik tidak mempengaruhi probabilitas terjadinya klaim, namun berpengaruh terhadap besarnya biaya klaim yang akan dikeluarkan oleh perusahaan terhadap peserta asuransi. Dari probabilitas klaim dan besarnya klaim yang diperoleh, dapat ditentukan ekspetasi besar klaim dari suatu kendaraan yang diasuransikan. Kata kunci: Probabilitas klaim, besar klaim, ZAIG, MLE
ALGORITMA DIJKSTRA UNTUK MENCARI LINTASAN TERPENDEK DAN OPTIMALISASI KENDARAAN PENGANGKUT SAMPAH DI KOTA PONTIANAK Dadan Kusnandar., Supriyani Wijayanti, Bayu Prihandono,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 4, No 03 (2015): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (379.942 KB) | DOI: 10.26418/bbimst.v4i03.11619

Abstract

Pencarian lintasan terpendek dan pembagian tugas dalam pengangkutan sampah dari Tempat Pembuangan Sampah Sementara (TPS) ke Tempat Pembuangan Sampah Akhir (TPA) diperlukan supaya sampah yang ada di TPS dapat terangkut secara maksimal sesuai waktu yang telah ditentukan. Tujuan dari penelitian ini adalah menyusun model lintasan terpendek dan menentukan jumlah kendaraan dalam pengangkutan sampah dari TPS ke TPA. Data banyaknya TPS dan jarak jalan dibuat dalam model graf berdasarkan letak wilayah pada peta Kota Pontianak. Lintasan terpendek dalam pengangkutan sampah di Kota Pontianak didapat dengan menggunakan Algoritma Dijkstra dan waktu yang ditentukan dalam pengangkutan sampah yaitu mulai pukul 02.00 WIB  ditargetkan selesai maksimal pukul 07.00 WIB. Penentuan jumlah kendaraan didasarkan pada banyaknya TPS, lintasan terpendek dan waktu maksimal lima jam bagi tiap kendaraan. Berdasarkan penentuan jumlah kendaraan dari lintasan terpendek  yang diperoleh dengan Algoritma Dijkstra didapat jumlah kendaraan yang dibutuhkan yaitu sebanyak 48 kendaraan. Kata kunci:teori graf, jumlah kendaraan
ANALISIS KESTABILAN DAN PROSES MARKOV MODEL PENYEBARAN PENYAKIT EBOLA Shantika Martha, Auliah Arfani, Nilamsari Kusumastuti,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 4, No 03 (2015): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (657.288 KB) | DOI: 10.26418/bbimst.v4i03.11448

Abstract

Ebola merupakan penyakit menular yang mematikan, disebabkan oleh virus ebola dari famili Filoviridae, genus Ebolavirus. Dinamika virus ebola dalam populasi manusia dapat diketahui melalui model matematika. Model matematika adalah representasi dari suatu persamaan atau sekumpulan persamaan yang mengungkapkan perilaku suatu sistem. Pada penelitian ini, diasumsikan populasi manusia terbagi menjadi empat sub populasi yaitu sub populasi susceptible (S), exposed (E), infectious (I) dan recovery (R). Berdasarkan model penyebaran penyakit ebola yang terbentuk didapat dua titik kesetimbangan yaitu titik kesetimbangan bebas penyakit dan endemik. Titik kesetimbangan bebas penyakit menggambarkan ketiadaan infeksi virus ebola dalam populasi manusia sedangkan titik kesetimbangan endemik menunjukkan kondisi populasi manusia saat terjadi penyebaran virus ebola. Rasio reproduksi dasar ( merupakan bilangan yang menunjukkan seberapa cepat wabah virus ebola menyebar. Setelah dilakukan analisis terhadap model, diperoleh sistem di sekitar titik kesetimbangan bebas penyakit stabil asimtotik pada saat dan sistem di sekitar titik kesetimbangan endemik stabil asimtotik pada saat . Melalui proses Markov pada keadaan endemik diprediksi terjadi peningkatan probabilitas perpindahan sub populasi susceptible (S) ke sub populasi infectious (I) hingga tahun ke tiga belas yakni 0.0086 dan tahun berikutnya mengalami penurunan. Kata kunci:model matematika, titik kesetimbangan, rasio reproduksi dasar, proses Markov
OPTIMALISASI MASALAH PENUGASAN MENGGUNAKAN METODE HUNGARIAN (Studi kasus pada PT Pos Indonesia (Persero) Pontianak) Fransiskus Fran, Erlinda Rahmawati, Neva Satyahadewi,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 4, No 03 (2015): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (309.887 KB) | DOI: 10.26418/bbimst.v4i03.13272

Abstract

Salah satu bagian dari program linear yang dapat dijumpai dalam kehidupan sekitar adalah masalah penugasan (assignment problem). Masalah umum penugasan meliputi n tugas yang harus ditetapkan kepada m pekerja dimana setiap pekerja memiliki kompetensi yang berbeda dalam menyelesaikan setiap tugas. Salah satu metode dalam menyelesaikan persoalan ini adalah metode Hungarian. Untuk dapat menerapkan metode Hungarian, matriks biaya berbentuk persegi (Jumlah sumber-sumber yang ditugaskan harus sama dengan jumlah tugas yang akan diselesaikan ). Tujuan dari penelitian ini adalah menganalisis penerapan metode Hungarian dalam menentukan waktu optimal pengantaran barang pada PT Pos Indonesia (Persero) Pontianak. Langkah pertama dalam menyelesaikan masalah penugasan yaitu dengan mengambil data yang meliputi nama karyawan, alamat tujuan, dan waktu perjalanan karyawan dalam mengantar barang. Selanjutnya adalah membentuk model matematika dari masalah penugasan ke dalam program linear dan diselesaikan dengan metode Hungarian. Berdasarkan hasil penelitian, menunjukkan bahwa optimalisasi perhitungan menggunakan metode Hungarian diperoleh total waktu optimal yaitu 93 menit, dibandingkan dengan hasil yang diperoleh sebelum menggunakan metode Hungarian yaitu 98 menit. Dalam hal ini terjadi efisiensi waktu  sebanyak 5 menit apabila perusahaan melakukan penempatan karyawan dalam pengantaran barang pada PT Pos Indonesia (Persero) yaitu Rimba ditugaskan ke Tanjung Pura, Wahyu ditugaskan ke Sei Raya Dalam, Hendra ditugaskan ke Gajah Mada, Agus ditugaskan ke Jeruju, Riki ditugaskan ke Ayani, Oki ditugaskan ke Sungai Jawi, dan terakhir Lukman ditugaskan ke Imam Bonjol. Kata Kunci: Matriks Biaya, Harold Kuhn, Program Linear
ANALISIS MODEL INTERVENSI FUNGSI PULSE Studi Kasus : Peramalan Harga Saham Malaysia Airlines dan Jumlah Wisatawan Asing Evy Sulistianingsih, Muhammad Mukhlis, Dadan Kusnandar,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 4, No 03 (2015): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (835.575 KB) | DOI: 10.26418/bbimst.v4i03.11714

Abstract

Model intervensi fungsi pulse digunakan untuk intervensi yang terjadi pada suatu waktu tertentu dalam jangka waktu yang pendek, seperti kecelakaan, bencana alam, dan promosi. Analisis model intervensi fungsi pulse meliputi beberapa tahapan. Tahapan tersebut dimulai dengan pembentukan model ARIMA sebelum intervensi, kemudian dilanjutkan dengan tahap identifikasi respon intervensi, estimasi parameter intervensi, dan diagnosis model intervensi. Dalam penelitian ini, model intervensi fungsi pulse digunakan untuk meramalkan harga saham Malaysia Airlines System (MAS) dan jumlah wisatawan asing yang melalui pintu masuk Bandara Ngurah Rai Bali. Penelitian ini dibatasi dengan pembentukan model intervensi fungsi pulse dengan kejadian untuk saham MAS yaitu hilangnya pesawat MH370 pada bulan Maret 2014 dan untuk jumlah wisatawan asing adalah bom Bali yang terjadi pada bulan Oktober 2002. Berdasarkan hasil analisis disimpulkan bahwa kejadian hilangnya pesawat MH370 tidak memberikan efek intervensi pada Saham MAS, sedangkan kejadian bom Bali memberikan efek intervensi dengan menurunnya jumlah wisatawan asing  pada waktu kejadian dan satu bulan setelah kejadian. Kata kunci : Analisis intervensi, fungsi pulse, dan ARIMA

Page 2 of 4 | Total Record : 34

 1   2   3   4 

Filter by Year

2015 2015


Reset
Filter By Issues
All Issue Vol 15, No 1 (2026): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya 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 Vol 9, No 1 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya 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 : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 2 (2019): BIMASTER Vol 8, No 1 (2019): BIMASTER Vol 8, No 1 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya 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