cover
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
-
Location
Kota pontianak,
Kalimantan barat
INDONESIA
BIMASTER
ISSN : -     EISSN : -     DOI : -
Core Subject : Science, Education,
Bimaster adalah Jurnal Ilmiah berkala bidang Matematika, Statistika dan Terapannya yang terbit secara online dan dikelola oleh Jurusan Matematika FMIPA Untan
Arjuna Subject : -
Articles 820 Documents
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

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (355.21 KB) | DOI: 10.26418/bbimst.v4i03.12425

Abstract

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
PERBANDINGAN HASIL PEMBENTUKAN POHON KLASIFIKASI METODE CHAID DAN IMPROVED CHAID Yudhi, Chici Damayanti, Dadan Kusnandar,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 4 (2018): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (340.213 KB) | DOI: 10.26418/bbimst.v7i4.28655

Abstract

Metode CHAID merupakan teknik klasifikasi yang mengelompokkan data untuk menganalisis keterkaitan antara variabel dependen dan variabel independen dalam bentuk pohon klasifikasi. Metode Improved CHAID merupakan pengembangan dari metode CHAID yakni mengkolaborasikan tabel kontingensi dengan Tschuprow’s T. Penelitian ini bertujuan untuk membandingkan hasil klasifikasi kedua metode tersebut. Langkah untuk mengerjakan metode CHAID adalah melakukan uji Chi-Square dilanjutkan dengan koreksi Bonferroni dan pembentukan pohon klasifikasi. Sedangkan metode Improved CHAID diawali dengan melakukan perhitungan Tschuprow’s T kemudian koreksi Bonferroni dan pembentukan pohon klasifikasi. Metode penelitian ini diaplikasikan pada data hasil usaha tani masyarakat Desa Sebubus Kecamatan Paloh Kabupaten Sambas. Hasil penelitian menunjukkan bahwa metode CHAID dan Improved CHAID menghasilkan pohon klasifikasi yang berbeda. Hasil pohon klasifikasi metode Improved CHAID lebih sederhana dengan nilai akurasi yang tinggi.Kata kunci: CHAID, Improved CHAID, Pohon Klasifikasi, Tschuprow’s T
PERLUASAN INTERVAL NOL PADA ELIMINASI GAUSS UNTUK MENYELESAIKAN SISTEM PERSAMAAN INTERVAL LINEAR Fransiskus Fran, Sabandi, Helmi,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 5, No 02 (2016): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (580.615 KB) | DOI: 10.26418/bbimst.v5i02.15880

Abstract

Sistem persamaan interval linear (SPIL) adalah  sistem persamaan linear yang memiliki koefisien-koefisien berupa interval.Untuk mencari solusi dari SPIL, sama halnya dengan SPL juga dapat menggunakan matriks, namun dalam SPIL matriks yang digunakan adalah matriks interval. Matriks interval merupakan perluasan dari matriks real dengan entri-entri pada matriks interval berupa interval. Penelitian ini bertujuan mengkaji perluasan dari interval nol, pembuktian sifat-sifat aritmatika interval yang berlaku, serta menentukan solusi dari SPIL. Dalam aritmetika interval, ã – ã 0 sehingga diperlukan perluasan interval nol agar ã - ã = dengan =[- y,y], y dan yang akan diterapkan pada eliminasi Gauss menggunakan aritmetika interval untuk mendapatkan matriks interval augmented yang lebih sederhana yang berbentuk matriks interval segitiga atas. Kemudian dilanjutkan mencari solusi dengan cara mensubstitusi balik sistem yang bersesuaian dari matriks interval augmented yang lebih sederhana, sehingga diperoleh solusi yang memenuhi sistem à yang memiliki lebar (width) lebih kecil dari pada solusi SPIL dengan eliminasi Gauss tanpa perluasan interval nol. Kata kunci: Perluasan Interval Nol, Matriks Interval, Eliminasi Gauss.
PENGUJIAN KORELASI KANONIK PENUMPANG PESAWAT DI BANDAR UDARA INTERNASIONAL SUPADIO Fery Prastio; Shantika Martha; Hendra Perdana
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 2 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (218.296 KB) | DOI: 10.26418/bbimst.v8i2.31533

Abstract

Analisis korelasi kanonik berguna dalam menguraikan struktur hubungan dari dua kelompok variabel. Penguraian struktur hubungan dilakukan dengan menginterpretasikan muatan silang kanonik untuk mengetahui urutan variabel mana saja dalam sebuah kelompok yang paling berkontribusi terhadap besaran hubungan antara dua kelompok variabel. Pengujian korelasi kanonik pada penelitian ini dilakukan pada data yang berkaitan dengan penerbangan, dimana satu kelompok variabel dependen  yang beranggotakan lima variabel yang memuat data jumlah penumpang bulanan maskapai Kalstar Aviation , Lion Air , Nam Air , Sriwijaya Air  dan Xpress Air  yang dihubungkan dengan sebuah kelompok variabel independen  yang beranggotakan lima variabel diantaranya adalah pergerakan pesawat , banyaknya wisatawan masuk melalui jalur entikong , rata-rata curah hujan , proyeksi jumlah penduduk Kalimantan Barat , dan indeks harga konsumen . Hubungan yang terjadi diantara kedua kelompok variabel tersebut dijelaskan melalui besaran koefisien korelasi kanonik yang dalam penelitian ini menjelaskan bahwa kedua kelompok variabel tersebut berhubungan sangat erat. Kata Kunci: korelasi kanonik, multivariat, analisis penerbangan, bandar udara 
PERAMALAN TINGKAT KEMATIAN (MORTALITA) Reni Unaeni; Neva Satyahadewi; Hendra Perdana
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 6, No 01 (2017): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (304.163 KB) | DOI: 10.26418/bbimst.v6i01.19458

Abstract

Model LeeCarter merupakan model peramalan tingkat kematian yang menggabungkan modeldemografi dengan model statistik time series. Model ini mengambil logaritmadari Age Spesific Death Rate (ASDR). Peramalan tingkat kematian pada model LeeCarter, didasarkan pada ekstrapolasi indeks kematian berdasarkan tahun ke-tyang diperoleh melalui pemilihan model time series yang tepat. Penelitian ini bertujuan untuk mengkaji estimasiparameter pada model Lee Carter menggunakan Singular Value Decomposition (SVD),dan mengaplikasikan ARIMA untuk peramalan tingkat kematian. Proses estimasi dimulai dengan mengestimasi parameter dari rata-ratatingkat kematian dan kecenderungan perubahan tingkat kematian yang diperngaruhiparameter indeks kematian menggunakan SVD. Selanjutnya indeks kematian tersebutdiramalkan menggunakan ARIMA yang kemudian disubtitusikan kembali pada modelLee Carter untuk memperoleh peramalan tingkat kematian. Dari hasil peramalantingkat kematian tersebut dapat dicari peramalan peluang kematian pada lifetable. Dengan demikian hasil yang diperoleh adalah peramalan tingkat kematian(mortalita) menggunakan model Lee Carter dari tahun 2011-2022 dan peramalanpeluang kematian pada life table menurut usia x dari tahun 2011-2022.  KataKunci: Singular Value Decomposition, ARIMA.
ESTIMASI PARAMETER MODEL SURVIVAL DISTRIBUSI PARETO -GAMMA DENGAN METODE BAYESIAN SELF Bella Amalia; Shantika Martha; Setyo Wira Rizki
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 3 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (529.294 KB) | DOI: 10.26418/bbimst.v8i3.33247

Abstract

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. Tujuan dari penelitian ini adalah menentukan estimasi parameter model survival  distribusi Pareto data tersensor dengan metode Bayesian SELF. Data yang digunakan  adalah data sekunder pasien kanker paru-paru. Berdasarkan nilai estimasi metode Bayesian SELF untuk studi kasus penderita kanker paru-paru dapat diketahui bahwa dengan menggunakan metode Bayesian SELF perhitungan peluang hidup pada kasus penderita kanker paru-paru menjadi lebih tinggi. Berdasarkan nilai MAPE yang diperoleh dari fungsi Survival distribusi Pareto dengan pendekatan Bayesian SELF adalah sebesar 24,68%. Hal ini berarti bahwa metode Bayesian SELF memiliki kemampuan peramalan yang cukup dalam mengestimasi peluang hidup pasien penderita kanker paru-paru. Kata Kunci: Distribusi Pareto, Metode Bayesian SELF, MAPE. 
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)

Abstract

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
PEMODELAN FAKTOR PENYEBAB KECELAKAAN LALU LINTAS DI KALIMANTAN BARAT DENGAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) Selvy Putri Agustianto; Shantika Martha; Neva Satyahadewi
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 4 (2018): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (146.901 KB) | DOI: 10.26418/bbimst.v7i4.28383

Abstract

Geographically Weighted Regression (GWR) merupakan metode yang dapat digunakan untuk membentuk analisis regresi yang bersifat lokal untuk setiap lokasi. Penaksiran parameter Model GWR diperoleh menggunakan Weighted Least Square (WLS). Tujuan penelitian ini menganalisis faktor-faktor yang berpengaruh dengan GWR dan mendapatkan model terbaik antara regresi linear dan GWR yang dapat diterapkan pada kasus kecelakaan lalu lintas di setiap Kabupaten/Kota Kalimantan Barat. Berdasarkan hasil penelitian penyebab kecelakaan lalu lintas tahun 2015, faktor yang berpengaruh terhadap kecelakaan lalu lintas tiap Kabupaten/Kota dengan GWR memiliki kesamaan di setiap lokasi yaitu jumlah pelanggaran lalu lintas. Model terbaik pada kasus kecelakaan lalu lintas adalah model GWR karena memiliki nilai AIC lebih kecil yaitu 130,8698 dan memiliki nilai SSE lebih kecil yaitu 24876,11 dari model regresi. Kata Kunci: Gaussian, Weighted Least Square, AIC
ANALISIS ALGORITMA FLOYD UNTUK MENYELESAIKAN MASALAH PENCARIAN LINTASAN TERPENDEK PADA SETIAP PASANGAN SIMPUL Bayu Prihandono, Syurya Pratiningsih, Neva Satyahadewi,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 5, No 01 (2016): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (746.606 KB) | DOI: 10.26418/bbimst.v5i01.14893

Abstract

Penentuan lintasan terpendek dapat dilakukan dengan beberapa algoritma, salah satunya dengan Algoritma Floyd. Algoritma Floyd merupakan algoritma perhitungan untuk mencari lintasan terpendek pada setiap pasangan simpul (all pairs shortest path). Tujuan dari penelitian ini adalah mengkaji dan mengaplikasikan Algoritma Floyd untuk menentukan lintasan terpendek setiap pasangan simpul. Salah satu penerapan Algoritma Floyd digunakan untuk menentukan lintasan terpendek antar tempat kunjungan wisata di Kota Singkawang. Pencarian lintasan terpendek menggunakan Algoritma Floyd dimaksudkan untuk meminimalisir kemungkinan wisatawan berputar-putar mengitari Kota Singkawang. Daftar nama tempat wisata diperoleh dari Dinas Kebudayaan, Pariwisata, Pemuda dan Olahraga Kota Singkawang dan data besarnya jarak antar tempat kunjungan wisata diperoleh dari Dinas Bina Marga Kota Singkawang dan bantuan Google Map. Data bobot diinterpretasikan ke dalam bentuk matriks , dimana merupakan jumlah simpul. Matriks pendahulu (predecessor) kemudian dibentuk untuk mendapatkan lintasan terpendek pada iterasi 1. Setelah itu dilakukan iterasi sebanyak . Penentuan bobot lintasan terpendek adalah nilai dari setiap elemen pada matriks bobot. Sehingga lintasan yang dilalui dari simpul awal ke simpul tujuan diberikan oleh matriks pendahulu. Lintasan terpendek yang diperoleh untuk menempuh semua simpul dengan salah satu simpul boleh dilewati kembali adalah dengan panjang lintasannya 110,7 km. Kata kunci : lintasan terpendek, algoritma Floyd, matriks, simpul
ANALISIS DAMPAK KENAIKAN MUKA AIR LAUT DI KABUPATEN KUBU RAYA DAN KABUPATEN MEMPAWAH DENGAN METODE ANALYTICAL HIERARCHY PROCESS (AHP) Naomi Nessyana Debataraja, Abang Yogi Pratama, Dadan Kusnandar,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 6, No 03 (2017): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (151.203 KB) | DOI: 10.26418/bbimst.v6i03.21678

Abstract

Analytical Hierarchy Process (AHP) merupakan salah satu metode pendukung pengambilan keputusan. AHP menghasilkan urutan prioritas beberapa alternatif ketika kriteria dan subkriteria harus dipertimbangkan. Penelitian ini bertujuan untuk menganalisis dampak kenaikan muka air laut terhadap demografi, penggunaan lahan dan sosial ekonomi yang perlu diwaspadai di Kalimantan Barat. Data dalam penelitian ini adalah data hasil dari wawancara kepada responden ahli pada instansi terkait. Hasil penelitian menunjukan bahwa pada level kriteria sosial ekonomi lebih diprioritaskan. Prioritas level subkriteria adalah mata pencaharian pada kriteria demografi, sekolah pada kriteria penggunaan lahan, lingkungan pada subkriteria sosial ekonomi. Prioritas level alternatif yang perlu direlokasi adalah perumahan, fasilitas kesehatan, sekolah dan pasar sedangkan subkriteria yang perlu diadaptasi adalah luas wilayah. Subkriteria yang perlu diproteksi agar terhindar dari dampak kenaikan muka air laut adalah mata pencaharian, kepadatan penduduk, jumlah penduduk, hutan rawa pantai, perkantoran, pendidikan, pertanian, pariwisata dan lingkungan.Kata Kunci: multikriteria, konsistensi, bobot, hirarki.

Filter by Year

2012 2025


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