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 19 Documents
 1   2 
Search results for , issue "Vol 8, No 1 (2019): BIMASTER" : 19 Documents clear
ANALISIS KESTABILAN MODEL PENYEBARAN PENYAKIT KAKI GAJAH (FILARIASIS) (Data Kasus Kronis Filariasis di Kabupaten Sambas) Woro Budiartini Partiwi, Nurhajijah, Helmi,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 1 (2019): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (518.2 KB) | DOI: 10.26418/bbimst.v8i1.30523

Abstract

Filariasis merupakan penyakit menular yang disebabkan oleh infeksi cacing Filaria yang ditularkan melalui gigitan nyamuk. Penyakit ini tersebar luas di pedesaan dan perkotaan yang beriklim tropis serta dapat menyerang semua golongan tanpa mengenal usia dan jenis kelamin. Model matematika dalam penelitian ini mendeskripsikan tentang penyebaran penyakit Filariasis berdasarkan asumsi dan nilai parameter yang digunakan. Penelitian ini menggunakan model matematika yang terdiri dari empat subpopulasi pada populasi manusia yaitu manusia yang rentan terhadap penyakit , manusia yang terjangkit penyakit , manusia yang terinfeksi penyakit , dan manusia yang kebal terhadap penyakit  serta tiga subpopulasi pada populasi nyamuk yaitu nyamuk yang rentan terhadap penyakit , nyamuk yang terjangkit penyakit , dan nyamuk yang terinfeksi penyakit . Model matematika yang telah dibentuk selanjutnya dianalisis untuk mengetahui perilaku dari sistem dengan menggunakan simulasi numerik. Simulasi model matematika dan nilai parameter menunjukkan bahwa terdapat dua titik kesetimbangan yaitu titik kesetimbangan bebas penyakit yang bersifat stabil asimtotik dan titik kesetimbangan endemik penyakit yang bersifat tidak stabil. Analisis sensitivitas dari sistem dalam penelitian ini menunjukkan bahwa semakin besar keberhasilan pemberian obat pencegahan Filariasis pada manusia menyebabkan nilai bilangan reproduksi dasar kurang dari satu dan semakin kecil keberhasilan pemberian obat pencegahan Filariasis pada manusia menyebabkan nilai bilangan reproduksi dasar lebih dari satu. Kata Kunci : model matematika, Filariasis, bilangan reproduksi dasar
MODEL KOREKSI KESALAHAN (ECM) PADA KASUS DATA RUNTUN WAKTU INDEKS HARGA KONSUMEN DI JAWA TENGAH Evy Sulistianingsih, Mega Sari,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 1 (2019): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (226.4 KB) | DOI: 10.26418/bbimst.v8i1.30647

Abstract

Model koreksi kesalahan (ECM) berfungsi untuk membentuk hubungan jangka panjang, mengoreksi ketidakseimbangan jangka pendek, mengatasi masalah data runtun waktu yang tidak stasioner dan mengatasi masalah regresi lancung (spurious regression). Diperlukan lima langkah dalam model koreksi kesalahan yaitu melakukan uji akar unit (ADF), melakukan uji kointegrasi Engle-Granger, estimasi model koreksi kesalahan Engle Granger dan Domowitz-Elbadawi, melakukan signifikan parameter, dan pemilihan model yang terbaik dengan membandingkan kriteria nilai AIC. Penelitian ini bertujuan untuk menerapkan model koreksi kesalahan pada kasus data runtun waktu indeks harga konsumen (IHK) di Jawa Tengah dan membandingkan model koreksi kesalahan Engle Granger dan Domowitz-Elbadawi dengan menggunakan kriteria pembanding nilai AIC. Data yang digunakan dalam penelitian ini merupakan data sekunder yang diperoleh dari BPS berupa data bulanan IHK berdasarkan empat kelompok pengeluaran dari tahun 2014 sampai dengan tahun 2017. Hasil penelitian menunjukkan bahwa penerapan model koreksi kesalahan yang digunakan adalah valid (sesuai) dan perbandingan menggunakan nilai AIC dari kedua model koreksi kesalahan diperoleh model koreksi kesalahan Engle Granger mempunyai kemampuan yang baik. Perolehan nilai AIC pada model koreksi kesalahan untuk masing-masing data IHK berdasarkan empat kelompok pengeluaran sebesar 0,4399 dan 1,1601 yang menunjukkan model koreksi kesalahan Engle Granger merupakan model yang lebih baik digunakan dari model koreksi kesalahan Domowitz-Elbadawi.Kata Kunci : Uji Akar Unit, Kointegrasi, Model Koreksi Kesalahan (ECM)
BILANGAN TERHUBUNG PELANGI PADA GRAF PLANTER DAN GRAF GURITA Fransiskus Fran, Yupensius Joko, Helmi,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 1 (2019): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (374.11 KB) | DOI: 10.26418/bbimst.v8i1.30508

Abstract

Pewarnaan pelangi yaitu pewarnaan sisi pada  yang menyebabkan graf  terhubung pelangi dengan sisi yang bertetangga dapat memiliki warna yang sama. Bilangan terhubung pelangi pada graf , dinotasikan  yaitu bilangan bulat positif terkecil  sehingga  mempunyai suatu pewarnaan  pelangi. Berikut ini membahas tentang bilangan  pada graf planter dan graf gurita. Graf planter  merupakan graf yang dibentuk dari penjumlahan graf kipas dan graf cycle. Graf gurita    merupakan graf yang dibentuk dari penjumlahan graf kipas dan graf bintang. Kemudian diperoleh bahwa  pada graf planter adalah , ,  dan  pada graf gurita  adalah , . Kata Kunci : bilangan terhubung pelangi, graf planter   , graf gurita   .
ANALISIS PERBANDINGAN METODE MULTIDIMENSIONAL SCALING (MDS) DAN WEIGHTED MULTIDIMENSIONAL SCALING (WMDS) Hendra Perdana, Dea Pradita, Neva Satyahadewi,
BIMASTER Vol 8, No 1 (2019): BIMASTER
Publisher : BIMASTER

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (540.391 KB)

Abstract

Analisis multivariat merupakan teknik statistik yang digunakan untuk menganalisis data terdiri dari banyak variabel yang saling berhubungan satu sama lain. Salah satu metode dalam analisis multivariat adalah metode Multidimensional  Scaling (MDS). Metode MDS bertujuan untuk  memberikan gambaran visual dari pola kedekatan yang berupa kesamaan atau jarak diantara beberapa objek. Penelitian ini menggunakan bentuk perluasan dari metode Multidimensional Scaling (MDS) yakni Metode Weighted Multidimensional  Scaling (WMDS). Tidak banyak yang berbeda dari proses metode MDS biasa, hanya saja pembobotan  yang dilakukan pada penelitian ini bertujuan untuk membuat nilai stress yang lebih baik. Nilai stress (Standarized Residual Sum of Square) merupakan alat ukur ketidak cocokan metode dengan data yang digunakan. Semakin kecil nilai stress maka dinilai semakin  cocok. Pembobotan pada WMDS dilakukan menggunakan distribusi Uniform. Penelitian ini membandingkan metode  MDS dan WMDS. Data yang digunakan adalah data primer tentang operator telepon seluler dari 90 orang mahasiswa FMIPA UNTAN. Hasil penelitian diperoleh perbedaan antara metode Multidimensional Scaling dan Weighted Multidimensional Scaling.  Nilai stress pada metode MDS sebesar 0,092 (9,2%) sedangkan pada metode WMDS sebesar 0,074 (7,4%). Kedua metode tersebut menghasilkan nilai stress dengan kategori baik, hanya saja WMDS di nilai lebih baik karena mempunyai nilai yg lebih kecil dari MDS.  Namun, pada peta persepsi yang terbentuk kedua metode menghasilkan peta persepsi yang serupa. Kata Kunci: Multidimensional Scaling, Bobot, Analisis Multivariat
MODEL AUTOREGRESSIVE DISTRIBUTED LAG (ADL) PADA DATA HARGA SAHAM Naomi Nessyana Debataraja, Uny Minna Chilin, Evy Sulistianingsih,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 1 (2019): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (104.267 KB) | DOI: 10.26418/bbimst.v8i1.30535

Abstract

Harga saham adalah sejumlah nilai dalam mata uang rupiah yang terbentuk berdasarkan penawaran jual dan permintaan beli efek yang dilakukan oleh anggota Bursa Efek di Bursa Efek Indonesia (BEI). PT. AKR Corporindo Tbk adalah salah satu perusahaan swasta terbesar di Indonesia yang mendistribusikan dan memperdagangkan bahan bakar dan bahan kimia dasar. Penelitian ini bertujuan untuk mengetahui pengaruh data IHSG dan kurs US Dollar terhadap harga saham dari PT. AKR Corporindo Tbk dengan menggunakan model Autoregressive Distributed Lag. Data yang digunakan merupakan data sekunder periode Januari 2011 sampai dengan Desember 2016. Model Autoregressive Distributed Lag (ADL) adalah model regresi yang memasukkan nilai variabel yang menjelaskan baik nilai masa kini atau nilai masa lalu (lag) dari variabel independen sebagai tambahan pada model yang memasukkan nilai lag dari variabel dependen sebagai salah satu variabel penjelas. Dari hasil pengujian, tidak terdapat kointegrasi antar variabel dependen dengan independen. Hasil estimasi parameter pada model ADL menunjukkan bahwa variabel yang berpengaruh signifikan terhadap harga saham PT. AKR Corporindo Tbk bulan sekarang adalah harga saham itu sendiri pada satu bulan sebelumnya dan IHSG pada bulan sekarang.Kata Kunci: Kointegrasi, Autoregressive Distributed Lag (ADL). 
PENCARIAN LINTASAN TERPENDEK MENUJU RUMAH SAKIT DI PONTIANAK MENGGUNAKAN ALGORITMA DJIKSTRA, FLOYD WARSHALL DAN A STAR Lita Novianti; Helmi Helmi; Yudhi Yudhi
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 1 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (407.245 KB) | DOI: 10.26418/bbimst.v8i1.30524

Abstract

Seseorang yang mengalami kecelakaan lalu lintas tak jarang memerlukan pertolongan apabila mengalami kejadian gawat darurat. Kejadian gawat darurat adalah keadaan seseorang yang membutuhkan pertolongan segera. Pertolongan gawat darurat memiliki dua komponen utama yaitu fase pra rumah sakit dan fase rumah sakit. Pertolongan penderita yang mengalami kondisi gawat darurat pra rumah sakit yaitu kecepatan menemukan korban, kecepatan meminta pertolongan, kualitas pertolongan di tempat kejadian dan penanganan dalam perjalanan ke rumah sakit. Penanganan fase pra rumah sakit berupa sistem transportasi pasien menuju fasilitas pelayanan gawat darurat diperlukan suatu lintasan terpendek untuk mencapai lokasi. Permasalahan lintasan terpendek merupakan permasalahan optimasi yang dapat dimodelkan ke dalam graf dan dapat diselesaikan menggunakan algoritma. Tujuan penelitian ini adalah (i) untuk menentukan lintasan terpendek menuju rumah sakit yang memiliki fasilitas pelayanan Unit Gawat Darurat dan menerima pelayanan kesehatan Badan Penyelenggara Jaminan Sosial, (ii) membandingkan hasil pencarian lintasan terpendek pada algoritma Djikstra, Floyd Warshall dan A Star sehingga diperoleh algoritma yang tepat. Langkah-langkah pencarian lintasan terpendek yaitu (i) membuat graf berarah dan berbobot lintasan Unit Gawat Darurat rumah sakit di Pontianak, (ii) menemukan penyelesaian dari penerapan algoritma Djikstra, (iii) menemukan penyelesaian dari penerapan algoritma Floyd Warshall, (iv) menemukan penyelesaian dari penerapan algoritma A Star, (v) menentukan lintasan terpendek yang direkomendasikan. Berdasarkan hasil penelitian diperoleh lima lintasan terpendek dimana empat lintasan adalah sama dan satu lintasan berbeda. Pencarian lintasan paling terpendek untuk menuju lima titik tujuan Unit Gawat Darurat rumah sakit yaitu dengan menggunakan algoritma Djikstra dan algoritma Floyd Warshall.    Kata Kunci : Lintasan terpendek, algoritma, Djikstra, Floyd Warshall,  A Star
PEMODELAN VOLATILITAS SAHAM MENGGUNAKAN MODEL ASYMMETRIC POWER AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY Shantika Martha, Merista Dominika Br Pandia, Naomi Nessyana Debataraja,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 1 (2019): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1189.326 KB) | DOI: 10.26418/bbimst.v8i1.30673

Abstract

Model Generalized Autoregressive Conditional Heteroscedasticity (GARCH) merupakan generalisasi dari model Autoregressive Conditional Heteroscedasticity (ARCH). Model GARCH digunakan untuk memodelkan volatilitas pada return saham yang memiliki heteroskedastisitas. Namun model GARCH mengabaikan efek asimetris pada volatilitas sehingga ditemukan model Asymmetric Power Autoregressive Conditional Heteroscedasticity (APARCH). Model APARCH digunakan untuk memodelkan volatilitas yang memiliki efek asimetris. Efek asimetris dapat dilihat dari cross correlogram dengan melakukan korelasi silang residual kuadrat model Box-Jenkins dan residual model GARCH. Tujuan penelitian ini adalah untuk menentukan model APARCH return saham Bank Central Asia (BCA) pada 4 Juni 2015 sampai dengan 28 Maret 2018. Hasil penelitian menunjukkan model terbaik Box-Jenkins adalah model AR(3). Residual kuadrat model AR(3) digunakan untuk melakukan uji heteroskedastisitas sedangkan residual model GARCH(1,1) digunakan untuk uji efek asimetris. Model APARCH terbaik yang diperoleh adalah APARCH (1,1). Kata Kunci: Asimetris, GARCH, APARCH
KESTABILAN LYAPUNOV PADA PEMODELAN RESPIRASI SELULAR DENGAN PETRI NET BERWAKTU Melinda Mareta Sari; Mariatul Kiftiah; Yundari Yundari
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 1 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (293.839 KB) | DOI: 10.26418/bbimst.v8i1.30515

Abstract

Respirasi sel merupakan proses perombakan molekul organik kompleks yang kaya akan energi potensial menjadi produk limbah yang berenergi lebih rendah (proses katabolik) pada tingkat seluler. Proses perombakan yang terjadi pada respirasi sel tersebut belum diketahui tingkat kestabilannya. Hal ini terjadi karena terdapat beberapa faktor yang mempengaruhi keseimbangan pada setiap tahapannya. Berdasarkan kasus tersebut, untuk mengetahui tingkat kestabilan pada proses respirasi sel digunakan analisis kestabilan Lyapunov dengan menggunakan Petri Net berwaktu. Hal pertama yang dilakukan adalah membentuk model Petri Net dari sistem respirasi sel, kemudian membentuk matriks Incidence  dari model Petri Net yang telah terbentuk. Selanjutnya menyelidiki tingkat kestabilan dari sistem respirasi sel menggunakan analisis kestabilan Lyapunov. Sistem dikatakan stabil apabila memenuhi . Jika  tidak terpenuhi, langkah selanjutnya yaitu mencari vektor firing dari sistem tersebut menggunakan . Sistem dikatakan dapat distabilkan apabila memiliki vektor firing. Jika tidak terdapat vektor firing, maka dapat dikatakan bahwa sistem tersebut tidak dapat distabilkan. Hasil yang diperoleh dari analisis tersebut adalah  sistem dikatakan stabil, dapat distabilkan, dan tidak dapat distabilkan. Berdasarkan analisis kasus, hasil akhir yang diperoleh menyatakan bahwa sistem respirasi sel dalam proses perombakan molekul glukosa yang terjadi di dalam tubuh manusia tersebut adalah stabil. Kata Kunci : respirasi sel, petri net, kestabilan lyapunov.
MODEL PERAMALAN BEBAN LISTRIK DI KALIMANTAN BARAT DENGAN METODE FUZZY LINEAR REGRESSION Vina Annisa Nurdiani Aji; Shantika Martha; Nurfitri Imro’ah
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 1 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (511.146 KB) | DOI: 10.26418/bbimst.v8i1.30556

Abstract

Listrik merupakan salah satu sumber energi utama yang hampir digunakan pada seluruh aspek kehidupan masyarakat. Peningkatan kebutuhan listrik di masyarakat saat ini mengharuskan PT. PLN (Perusahaan Listrik Negara) perlu melakukan perencanaan operasi dan perencanaan sistem pengembangan tenaga listrik. Hal tersebut diperlukan untuk mengetahui seberapa besar daya listrik yang harus disalurkan ke konsumen agar daya listrik yang ditransmisikan tepat sasaran dan tepat ukuran. Oleh karena itu, diperlukan model peramalan untuk penyesuaian antara pembangkit dan permintaan daya. Banyaknya data merupakan masalah peneliti untuk memodelkan peramalan beban listrik di Kalimantan Barat. Dalam penelitian ini menggunakan metode Fuzzy Linear Regression (FLR) untuk memodelkan peramalan beban listrik di Kalimantan Barat. FLR adalah metode yang dapat memodelkan peramalan dengan himpunan data minimal dua dengan satu variabel independen dan satu variabel dependen. Data yang digunakan dalam penelitian ini sebanyak delapan data dari tahun 2008 sampai dengan tahun 2015 dengan tiga variabel bebas yaitu jumlah penduduk ( ), jumlah pelanggan ( ), dan produksi listrik ( ). Hasil model peramalan beban listrik adalah  dengan nilai hasil ukuran kesalahan model menggunakan MAPE sebesar . Kata kunci: Peramalan, Beban listrik, Fuzzy Linear Regression
PREDIKSI NILAI TUKAR DOLAR AMERIKA SERIKAT TERHADAP RUPIAH DENGAN METODE SUPPORT VECTOR REGRESSION (SVR) Sriyana Sriyana; Shantika Martha; Evy Sulistianingsih
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 1 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (411.009 KB) | DOI: 10.26418/bbimst.v8i1.30503

Abstract

Support Vector Regression (SVR) merupakan salah satu metode yang digunakan dalam peramalan data linier dan non linier dengan bantuan fungsi kernel. Pada penelitian ini, metode SVR digunakan untuk memprediksi nilai tukar dolar Amerika Serikat terhadap rupiah. Data nilai tukar jual harian dolar Amerika terhadap rupiah yang berjumlah 445 hari telah dibagi menjadi dua bagian, yaitu 415 data training dan 30 data testing. Data tersebut merupakan data sekunder yang diperoleh dari web resmi Bank Indonesia dari periode 4 Januari 2016 sampai 29 September 2017. Data training digunakan untuk mengestimasi parameter model pada metode SVR dan data testing digunakan sebagai pembanding hasil prediksi. Dari hasil penelitian, parameter SVR yang diestimasi menghasilkan hasil prediksi yang bersesuaian dengan data training dengan nilai  bernilai 0,9223 dan R bernilai 54,3156. Selain itu, hasil estimasi parameter model pada metode  SVR yang dihasilkan mampu untuk memprediksi nilai tukar jual harian dolar Amerika terhadap rupiah yang dikomparasi dengan data testing dengan nilai nilai  bernilai 0,5397 dan  bernilai 66,8015. Kata Kunci : Lagrange, RMSE, , Estimasi Parameter, Training, Testing, Kernel 

Page 1 of 2 | Total Record : 19

 1   2 

Filter by Year

2019 2019


Reset
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 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