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 17 Documents

1 2

Search results for , issue "Vol 5, No 03 (2016): BIMASTER" : 17 Documents clear

ANALISIS METODE MOODIE YOUNG DALAM MENENTUKAN KESEIMBANGAN LINTASAN PRODUKSI Mariatul Kiftiah, Dwi Yuli Handayani, Bayu Prihandono,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 5, No 03 (2016): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Lintasan produksi merupakan suatu proses kegiatan produksi yang terdiri dari sejumlah area kerja yang ditangani seorang operator atau lebih untuk membuat suatu produk. Sedangkan keseimbangan lintasan adalah serangkaian proses penyeimbangan stasiun kerja dengan cara mendistribusikan tiap-tiap elemen kerja ke stasiun kerja hingga waktu pengerjaan tiap stasiun kerja relatif sama. Adapun tujuan keseimbangan lintasan produksi yaitu meminimasi waktu menganggur di tiap stasiun kerja dan menyeimbangkan beban kerja pada tiap-tiap stasiun kerja sehingga dicapai efisiensi kerja yang tinggi pada setiap stasiun kerja. Metode Moodie Young adalah salah satu metode keseimbangan lintasan yang mampu memecahkan permasalahan pada kesimbangan lintasan dan hasil yang didapat mendekati efisien. Metode Moodie Young adalah metode keseimbangan yang menggunakan dua tahap analisis. Tujuan dari penelitian ini adalah menentukan keseimbangan stasiun kerja dan menentukan efisiensi lintasan, balance delay, dan smoothes index. Hasil penelitian ini menunjukkan bahwa terdapat pengurangan stasiun kerja, dari 6 stasiun kerja menjadi 3 stasiun kerja sehingga waktu menganggur disetiap stasiun lebih minimum. Selanjutnya hasil yang diperoleh setelah menggunakan metode Moodie Young adalah tingkat efisiensi lintasan sebesar 85,89% kemudian nilai balance delay yang diperoleh sebesar dan smoothes index yang diperoleh sebesar 40,98 menit. Kata Kunci: balance delay, smoothes index, Moodie Young.

METODE REGION APPROACH UNTUK KESEIMBANGAN LINTASAN Fransiskus Fran, Maria Pitriani Miki, Helmi,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 5, No 03 (2016): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Lintasan merupakan proses penempatan operasi kerja pada setiap stasiun kerja dalam suatu proses produksi. Tujuan keseimbangan lintasan adalah untuk menyeimbangkan beban kerja yang dialokasikan pada tiap-tiap stasiun kerja sehingga dapat mengurangi waktu menunggu yang ditentukan oleh operasi kerja yang paling lambat. Dalam penelitian digunakan metode Region Approach untuk mengelompokkan operasi kerja pada percetakan koran P ke dalam wilayah dan selanjutnya membentuk stasiun kerja. Hasil pengkajian menyatakan bahwa dengan adanya penerapan metode Region Approach untuk keseimbangan lintasan pada percetakan koran P diperoleh jumlah stasiun kerja sebelum dilakukan keseimbangan lintasan sebanyak 6, kemudian sesudah dilakukan keseimbangan lintasan jumlah stasiun kerja menjadi 3 sehingga terjadi perubahan pada persentase waktu menunggu (balance delay) yang mengalami penurunan dari 66% menjadi 33%, sementara efisiensi lintasan mengalami peningkatan dari 33% menjadi 67% yang menunjukkan tingkat keefisienan kerja. Waktu kelancaran proses produksi sebelum keseimbangan lintasan sebesar 222,40 menit, sedangkan setelah keseimbangan lintasan sebesar 87,28 menit. Kata kunci: Keseimbangan Lintasan, Region Approach, Stasiun Kerja

PENERAPAN MODEL ANTRIAN BATCH ARRIVAL SATU SERVER (Studi Kasus:Antrian Loket Kolam Renang JC. Oevaang Oeray Pontianak) Naomi N Debataraja, Sri Ayu Wulandari, Dadan Kusnandar,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 5, No 03 (2016): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Terdapat dua tipe antrian yaitu antrian individu dan antrian berkelompok. Antrian berkelompok dapat dianalisis menggunakan suatu model antrian yaitu model antrian batch arrival. Model antrian batch arrival adalah suatu model antrian yang digunakan untuk menganalisis antrian dengan ciri kedatangan sekelompok pelanggan dalam satu waktu. Kelebihan dari model antrian batch arrival yaitu dapat digunakan untuk menganalisis antrian individu maupun kelompok. Penelitian ini dilakukan melalui survey langsung di loket kolam renang JC. Oevaang Oeray dengan mengamati banyak kedatangan dan lama waktu pelayanan. Tujuan dari penelitian ini adalah untuk menentukan model antrian, menganalisis kinerja sistem dan mengevaluasi kinerja sistem. Dari hasil analisis diketahui model antrian loket JC. Oevaang Oeray adalah dengan rata-rata anggota kelompok sebanyak orang/kelompok; rata-rata kedatangan sebanyak kelompok/jam; rata-rata banyak pelanggan yang dilayani per jam adalah kelompok; persentase kesibukan petugas loket sebesar ; rata-rata banyak pelanggan yang menunggu dalam antrian adalah kelompok/jam; rata-rata banyak pelanggan didalam sistem kelompok/jam; rata-rata waktu tunggu didalam antrian jam/kelompok dan rata-rata waktu tunggu dalam sistem jam/kelompok. Berdasarkan target yang ditentukan oleh pihak pengelola, sistem dianggap efektif ketika persentase kesibukan server kurang dari sehingga dapat disimpulkan kinerja sistem loket masih efektif dengan adanya satu petugas loket. Kata kunci: Teori Antrian, Antrian Berkelompok, Model Batch Arrival Satu Server

PENENTUAN KESEIMBANGAN LINTASAN PRODUKSI DENGAN MENGGUNAKAN METODE HELGESON-BIRNIE Setyo Wira Rizki, Puji Astuti Saputri, Shantika Martha,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 5, No 03 (2016): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Keseimbangan lintasan adalah serangkaian proses penyeimbangan stasiun kerja dengan cara mendistribusikan tiap-tiap elemen kerja ke stasiun kerja agar waktu menganggur dari stasiun kerja pada suatu lintasan produksi dapat seminimal mungkin hingga pemanfaatan dari setiap stasiun kerja dapat digunakan dengan semaksimal mungkin. Sedangkan lintasan produksi merupakan suatu proses kegiatan produksi yang terdiri dari sejumlah area kerja yang ditangani oleh seorang operator atau lebih untuk membuat suatu produk.Â Teknik keseimbangan lintasan produksi dalam penelitian ini menggunakan metode Helgeson-Birnie. Metode Helgeson-Birnie merupakan metode dengan menentukan bobot posisi dari setiap elemen kerja, menentukan rangking dan teknik penyusunan stasiun kerja. Tujuan dari penelitian ini adalah menghasilkan kelompok tugas pada statsiun kerja dan meminimasi keseimbangan waktu tunggu (balance delay). Data yang digunakan adalah data waktu proses produksi percetakan koran pada bulan November tahun 2015. Keseimbangan lintasan produksi pada data waktu percetakan menggunakan metode Helgeson-Birnie didapat nilai Balavce Delay sebesar 21,03% ini menunjukan semakin baik keseimbangan lintasan produksi, nilai Efisiensi Lintasan sebesar 78,9%, Smoothes Index sebesar 64,28 menit dan hasil dari jumlah penyusunan statiun kerja adalah sebanyak 3 stasiun kerja.Kata Kunci : Balance Delay, Efisiensi Lintasan, Smoothes Index

PENYELESAIAN LUAS BANGUN DATAR DAN VOLUME BANGUN RUANG DENGAN KONSEP DETERMINAN Shantika Martha, Doni Saputra Helmi
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 5, No 03 (2016): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Luas bangun datar dan volume bangun ruang adalah bagian dari geometri. Ketika mencari luas bangun datar seperti segitiga, persegi, persegi panjang, jajar genjang, belah ketupat, layang-layang, trapesium dan volume bangun ruang seperti limas, balok, kubus dan prisma memiliki rumus masing-masing. Rumus-rumus yang ada memanfaatkan unsur-unsur seperti, sisi atau diagonal sisi untuk mencari luas bangun datar dan volume bangun ruang. Akan tetapi menjadi masalah apabila nilai dari unsur-unsur tersebut tidak diketahui sehingga diperlukan pendekatan lain seperti memanfaatkan sudut untuk mencari nilai dari sisi yang belum diketahui. Penelitian ini bertujuan untuk menyelesaikan luas bangun datar dan volume bangun ruang dengan konsep determinan. Luas dari bangun datar dan volume dari bangun ruang dapat dicari melalui hubungan aljabar dengan geometri dalam sistem koordinat kartesius. Selanjutnya menggunakan hubungan dari titik-titik pada koordinat kartesius dapat dibuat rumus untuk mencari luas bangun datar dan volume bangun ruang dengan konsep determinan. Langkah awal untuk membentuk rumus luas bangun datar diawali dengan mencari rumus luas segitiga yang kemudian digunakan untuk mencari luas dari bangun datar segi- . Dari ketiga titik koordinat segitiga dapat ditarik garis yang tegak lurus sumbu . Hasil proyeksi titik dari ketiga titik koordinat segitiga pada sumbu menghasilkan tiga titik baru. Ketiga titik yang dihasilkan dapat digunakan untuk membentuk tiga trapesium. Ketiga trapesium ini yang digunakan untuk membentuk rumus luas segitiga dengan konsep determinan. Sedangkan pada volume digunakan hasil kali titik, hasil kali silang dan panjang proyeksi untuk membentuk rumus volume bangun ruang dengan konsep determinan. Kata Kunci: Geometri Analitik, Aplikasi Determinan, Vektor

INVERS DRAZIN DARI SUATU MATRIKS DENGAN MENGGUNAKAN BENTUK KANONIK JORDAN Eka Wulan Ramadhani, Eko Sulistyono, Shantika Martha,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 5, No 03 (2016): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Suatu matriks A berukuran nxn dikatakan tidak memiliki invers atau disebut dengan matriks singular jika tidak ada matriks B yang memenuhi AB=In dan BA=In . Jika matriks A adalah matriks singular maka dapat ditentukan suatu matriks B yang memiliki karakteristik dari sifat invers matriks sehingga matriks B disebut dengan invers tergeneralisasi dari matriks A. Invers Drazin merupakan salah satu invers tergeneralisasi dari suatu matriks berukuran nxn. Penelitian ini bertujuan untuk menentukan invers Drazin dari suatu matriks dengan menggunakan bentuk kanonik Jordan. Invers Drazin dari matriks A yang dinotasikan AD diperoleh dengan menentukan nilai karakteristik dari matriks A dan multiplisitas aljabar dari masing-masing nilai karakteristik. Langkah selanjutnya adalah menentukan bilangan bulat positif terkecil p yang memenuhi dimensi ruang karakteristik ke-p sama dengan multiplisitas aljabar dari masing-masing nilai karakteristik. Nilai p digunakan untuk menentukan vektor karakteristik tergeneralisasi dari matriks A. Selanjutnya menentukan matriks P dengan kolom-kolomnya merupakan vektor karakteristik tergeneralisasi dari matriks A. Hasil perkalian dari P-1AP merupakan bentuk kanonik Jordan yang dinotasikan dengan J. Matriks J kemudian dipartisi menjadi J1 dan J0 secara berturut-turut merupakan matriks blok diagonal utama dari J, dan matriks nol untuk matriks blok lainnya. Invers Drazin diperoleh dari PKP-1dengan K merupakan matriks yang dibentuk dari J1-1dan matriks nol secara berturut-turut merupakan matriks blok diagonal utama dari K dan matriks nol untuk matriks blok lainnya. Kata Kunci: Invers Drazin, Bentuk Kanonik Jordan Suatu matriks A berukuran nxn dikatakan tidak memiliki invers atau disebut dengan matriks singular jika tidak ada matriks B yang memenuhi AB=In dan BA=In . Jika matriks A adalah matriks singular maka dapat ditentukan suatu matriks B yang memiliki karakteristik dari sifat invers matriks sehingga matriks B disebut dengan invers tergeneralisasi dari matriks A. Invers Drazin merupakan salah satu invers tergeneralisasi dari suatu matriks berukuran nxn. Penelitian ini bertujuan untuk menentukan invers Drazin dari suatu matriks dengan menggunakan bentuk kanonik Jordan. Invers Drazin dari matriks A yang dinotasikan AD diperoleh dengan menentukan nilai karakteristik dari matriks A dan multiplisitas aljabar dari masing-masing nilai karakteristik. Langkah selanjutnya adalah menentukan bilangan bulat positif terkecil p yang memenuhi dimensi ruang karakteristik ke-p sama dengan multiplisitas aljabar dari masing-masing nilai karakteristik. Nilai p digunakan untuk menentukan vektor karakteristik tergeneralisasi dari matriks A. Selanjutnya menentukan matriks P dengan kolom-kolomnya merupakan vektor karakteristik tergeneralisasi dari matriks A. Hasil perkalian dari P-1AP merupakan bentuk kanonik Jordan yang dinotasikan dengan J. Matriks J kemudian dipartisi menjadi J1 dan J0 secara berturut-turut merupakan matriks blok diagonal utama dari J, dan matriks nol untuk matriks blok lainnya. Invers Drazin diperoleh dari PKP-1dengan K merupakan matriks yang dibentuk dari J1-1dan matriks nol secara berturut-turut merupakan matriks blok diagonal utama dari K dan matriks nol untuk matriks blok lainnya.

MODEL STRATIFIED COX UNTUK MENGATASI NONPROPORTIONAL HAZARD Hendra Perdana, Yesica Anastasya, Neva Satyahadewi,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 5, No 03 (2016): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Model Stratified Cox (SC) adalah modifikasi dari model Cox Proportional Hazard (PH) yang mengontrol covariate yang tidak memenuhi asumsi PH dengan membentuk strata, yaitu kombinasi dari semua kategoriÂ masing-masing covariate yang tidak memenuhi asumsi PH. Pembentukan model SC tersebut akan menghasilkan model Cox PH untuk setiap strata, sehingga variabel yang tidak memenuhi asumsi PH tetap dapat diamati efeknya dalam strata. Koefisien regresi dalam model diestimasi dengan memaksimumkan fungsi partial likelihood, dan kemudian diiterasi menggunakan metode Newton-Raphson. Data yang digunakan dalam penelitian ini adalah data Criminal Recidivism berupa waktu ditangkapnya kembali 432 mantan narapidana yang dipengaruhi oleh tujuh variabel yaitu bantuan dana (Fin), umur (Age), suku (Race), pengalaman bekerja (Wexp), status pernikahan (Mar), bebas bersyarat (Paro), tingkat pendidikan (Educ), dan banyak hukuman yang pernah diterima (Prio). Variabel yang tidak memenuhi asumsi PH adalah variabel Age yang merupakan variabel kontinu dengan rata-rata Â tahun yang kemudian akan dibentuk menjadi dua strata. Setelah dibandingkan berdasarkan nilai AIC/BIC, model SC tanpa interaksi lebih baik dibandingkan model Cox PH dan semua variabel dalam model SC telah memenuhi asumsi PH. Dapat disimpulkan, model SC dapat digunakan dalam mengatasi variabel yang tidak memenuhi asumsi PH dalam model Cox PH. Kata Kunci: Cox Proportional Hazard, fungsi survival

PERBANDINGAN METODE STEPPING STONE DAN MODIFIED DISTRIBUTION DENGAN SOLUSI AWAL METODE LEAST COST UNTUK MEMINIMUMKAN BIAYA DISTRIBUSI (Studi Kasus Produsen Mulya Telur Pontianak) Eka Wulan Ramadhani, Hermansyah, Helmi,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 5, No 03 (2016): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Setiap perusahaan mengharapkan keuntungan yang semaksimal mungkin agar siklus perusahaan tetap berlangsung. Biaya operasional merupakan biaya yang mutlak ada dalam perusahaan manufaktur ataupun perusahaan yang bergerak dibidang jasa. Salah satu biaya operasional adalah biaya transportasi. Untuk menentukan biaya transportasi yang minimum terdapat beberapa metode salah satunya adalah metode Least Cost dengan solusi minimum menggunakan metode Stepping Stone dan Modified Distribution. Penelitian ini bertujuan untuk membandingkan metode Least Cost-Stepping Stone dan metode Least Cost-Modified Distribution dalam menyelesaikan permasalahan biaya transportasi Produsen Mulya Telur Pontianak. Langkah pertama dalam menyelesaikan biaya transportasi yang minimum adalah membentuk data jarak, biaya pendistribusian, jumlah produksi dan permintaan ke dalam model transportasi. Selanjutnya model transportasi dianalisis menggunakan metode Least Cost-Stepping Stone dan Least Cost-Modified Distribution. Berdasarkan analisis perhitungan diperoleh biaya distribusi minimum menggunakan Â metode Least Cost-Stepping Stone dan Least Cost-Modified Distribution adalah sama yaitu sebesar Rp. 1.297.536,-.Biaya distribusi yang digunakan oleh Produsen Mulya Telur Pontianak sebesar Rp. 1.826.000,-. Sehingga menghemat biaya pendistribusian telur sebesar Rp. 528.464,-. Perhitungan dengan metode Modified Distribution lebih mudah dan efisien dibandingkan metode Stopping Stone. Kata Kunci: Metode transportasi, Least Cost, Stepping Stone, Modified Distribution Â

IDENTIFIKASI AUTOKORELASI SPASIAL PADA PENYEBARAN ANAK TERLANTAR DI KABUPATEN KETAPANG DENGAN INDEKS MORAN Bayu Prihandono, Adi retno Kuncoro Shantika Martha
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 5, No 03 (2016): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Tingkat penyebaran anak terlantar di suatu daerah diperkirakan dapat dipengaruhi oleh penyebaran anak terlantar di daerah lain yang berdekatan. Pernyataan tersebut didukung oleh hukum geografi pertama yang diungkapkan Tobler yang menyatakan â€œsegala sesuatu saling berhubungan satu sama lain dan sesuatu yang berada lebih dekat mempunyaiÂ hubunganÂ yang Â lebih Â erat dibandingkanÂ Â denganÂ Â yangÂ Â beradaÂ Â lebihÂ Â jauhâ€. Oleh karena itu, jika suatu daerah memiliki jumlah anak terlantar yang tinggi, maka diduga daerah tersebut akan mempengaruhi jumlah anak terlantar di daerah yang berbatasan langsung dengannya. Ukuran kemiripan pada jumlah anak terlantar ini dapat diketahui dengan menghitung autokorelasi spasial. Autokorelasi spasial adalah ukuran kemiripan dari objek dalam suatu ruang sampel. Autokorelasi spasial dapat dicari dengan menggunakan metode indeks moran. Tujuan dari penelitian ini adalah untuk mengetahui ada atau tidaknya autokorelasi spasial pada penyebaran anak terlantar di Kabupaten Ketapang. Hasil dari penelitian ini menunjukkan bahwa tidak ada autokorelasi spasial pada penyebaran anak terlantar karena nilai Indeks Moran sebesar 0.0049. Nilai ini mendekati nol sehingga dapat disimpulkan bahwa penyebaran anak terlantar di masing-masing kecamatan tidak saling mempengaruhi satu sama lain dan polanya adalah menyebar. Kata Kunci : Anak Terlantar, Indeks Moran, Autokorelasi Spasial

ESTIMASI PARAMETER MODEL SURVIVAL DISTRIBUSI EKSPONENSIAL DATA TERSENSOR DENGAN METODE MAKSIMUM LIKELIHOOD DAN BAYESIAN SELF Setyo Wira Rizki, Syarifah Fitria, Helmi,
BIMASTER Vol 5, No 03 (2016): BIMASTER
Publisher : BIMASTER

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (254.829 KB)

Data survival adalah data yang menunjukkan waktu suatu individu atau objek dapat bertahan hidup hingga terjadinya suatu kegagalan atau kejadian tertentu. Data survival dikatakan tersensor apabila objek pada penelitian hilang atau sampai akhir penelitian objek tersebut belum mengalami kejadian tertentu. Pada penelitian ini dibahas mengenai estimasi parameter model survival distribusi Eksponensial pada data tersensor dengan metode Maksimum Likelihood dan metode Bayesian SELF. Setelah diperoleh estimator dari kedua metode tersebut, selanjutnya akan diterapkan pada data pasien penderita kanker paru-paru berdistribusi Eksponensial yang diambil dari program R versi 3.3.0 untuk mengetahui peluang individu dapat bertahan hidup. Nilai MSE yang diperoleh untuk fungsi survival dan fungsi hazard dari metode Maksimum Likelihood ialah 0,000311 dan 2,91728E-07, dari metode Bayesian SELF ialah 0,000244 dan 2,30505E-07. Berdasarkan nilai MSE dari estimator diperoleh metode Bayesian SELF lebih baik dari pada metode Maksimum Likelihood. Hasil olah data dari metode Bayesian SELF diperoleh peluang hidup pasien pada kasus ini yang mengidap penyakit kanker paru-paru selama 30 hari adalah 0,7927, selama 100 hari adalah 0,4611, selama 200 hari adalah 0,2126, selama 553 hari adalah 0,0138 dan 999 hari adalah 0,0004. Berdasarkan hasil tersebut dapat dikatakan bahwa semakin lama seorang pasien mengidap penyakit kanker paru-paru maka peluang hidup pasien akan semakin kecil (mendekati nol), hingga akhirnya mengalami kematian. Kata Kunci: Distribusi Eksponensial, MLE, Metode Bayesian SELF

Page 1 of 2 | Total Record : 17

1 2

Filter by Year

2016 2016

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