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 820 Documents
 13   14   15   16   17 
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

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (188.666 KB) | DOI: 10.26418/bbimst.v5i03.18049

Abstract

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
PENDEKATAN BAYESIAN LINEX PADA MODEL SURVIVAL EKSPONENSIAL – GAMMA UNTUK MENENTUKAN PREMI DWIGUNA K - TAHUN Naomi Nessyana Debataraja, Fitriani Hartati, Setyo Wira Rizki,
BIMASTER Vol 8, No 3 (2019): BIMASTER
Publisher : BIMASTER

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (636.451 KB)

Abstract

Asuransi merupakan transaksi pertanggungan yang melibatkan dua pihak, tertanggung dan penanggung. Tertanggung diwajibkan membayar sejumlah uang kepada si penanggung, yang biasa disebut sebagai premi. Tujuan penelitian ini menentukan premi dwiguna k?tahun menggunakan pendekatan Bayesian Linex. Distribusi prior yang digunakan adalah distribusi gamma. Distribusi prior dan fungsi likelihood digunakan untuk menentukan distribusi posterior yang menjadi dasar untuk memperoleh estimasi Bayesian. Bayesian Linex merupakan satu dari fungsi kerugian (loss function) yang digunakan dalam menentukan metode survival. Metode survival diaplikasikan untuk memperoleh nilai premi dwiguna k-tahun. Data yang digunakan yaitu data usia seseorang dari 1 sampai 50 tahun dengan jangka 10 tahun, 15 tahun, dan 20 tahun. Diperoleh harga premi tunggal bersih dwiguna pada seseorang yang berusia 1 sampai 50 tahun dengan manfaat yang akan diperoleh Rp100.000.000 dengan jangka 10 tahun sebesar Rp58.421.345, jangka 15 tahun sebesar Rp55.871.644, dan berjangka 20 tahun sebesar Rp47.732.427. Berdasarkan nilai tersebut, semakin lama jangka waktu pembayaran maka harga premi semakin murah.  Kata Kunci: Bayesian Linex, Asuransi, Premi Dwiguna
MENGKONSTRUKSI FUNGSI GREEN PADA PERSAMAAN DIFERENSIAL LINEAR ORDE n DENGAN METODE TRANSFORMASI SUMUDU Maisurah Maisurah; Helmi Helmi; Yudhi Yudhi
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 2 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (510.077 KB) | DOI: 10.26418/bbimst.v9i2.39944

Abstract

Fungsi Green merupakan salah satu metode yang dapat menyelesaikan persamaan diferensial biasa linear nonhomogen. Akan tetapi, fungsi Green harus dikonstruksi terlebih dahulu. Tujuan dari penelitian ini yaitu mengkonstruksi fungsi Green pada persamaan diferensial linear orde  nonhomogen melalui metode transformasi Sumudu. Persamaan diferensial biasa linear orde  nonhomogen dengan syarat  awal  ditransformasi dengan transformasi Sumudu. Kemudian dikonstruksi ke bentuk  dengan  merupakan transformasi dari  dan  merupakan transformasi dari   dan ditransformasi dengan invers transformasi Sumudu, sehingga diperoleh fungsi Green  Kata Kunci : Persamaan diferensial, Transformasi Sumudu, dan Fungsi Green
KARAKTER REPRESENTASI S_n Fransiskus Fran, Megawati June, Helmi,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 1 (2018): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (130.042 KB) | DOI: 10.26418/bbimst.v7i1.23584

Abstract

 Karakter merupakan trace pada setiap matriks representasi dari elemen grup. Karakter dikelompokkan menjadi karakter reducible dan karakter irreducible. Selain menggunakan matriks, karakter pada representasi                          dapat dihitung menggunakan tablo Young. Tablo Young digunakan untuk menentukan tabloid dari  partisi    untuk memperoleh nilai dimensi dan karakter dari  yang merupakan representasi reducible dari , sedangkan tablo Young standar digunakan untuk menentukan polytabloid dari  untuk memperoleh nilai dimensi dan karakter dari  yang merupakan representasi irreducible dari . Kata Kunci : grup permutasi, teori representasi, tablo Young
PERAMALAN CURAH HUJAN DI KABUPATEN KUBU RAYA DENGAN MENGGUNAKAN MODEL FUNGSI TRANSFER MULTIVARIAT Shantika Martha, Indra, Muhlasah Novitasari Mara,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 4, No 03 (2015): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (406.752 KB) | DOI: 10.26418/bbimst.v4i03.11612

Abstract

Model fungsi transfer merupakan metode yang menggambarkan bahwa nilai prediksi masa depan dari suatu deret waktu (disebut deret output) didasarkan pada nilai-nilai masa lalu dari deret waktu itu sendiri dan didasarkan pada satu atau lebih deret waktu yang berhubungan (disebut deret input) serta dipengaruhi oleh input lain yang digabungkan dalam satu kelompok (disebut deret noise). Model fungsi transfer dengan variabel input lebih dari satu deret waktu disebut dengan model fungsi transfer multivariat. Prosedur pembentukan model fungsi transfer multivariat dilakukan dalam dua tahap, yaitu pembentukan model fungsi transfer pada masing-masing input yang didapat dari proses pemodelan ARIMA dan pembentukan model fungsi transfer secara serentak dari semua variabel inputnya. Tujuan dari penelitian ini adalah untuk mendapatkan model dan hasil peramalan curah hujan di Kabupaten Kubu Raya dengan menggunakan model fungsi transfer multivariat. Data yang digunakan berupa data curah hujan sebagai deret outputnya dan sebagai deret inputnya adalah data kelembaban udara dan suhu udara. Berdasarkan model fungsi transfer multivariat yang didapat, peramalan curah hujan pada bulan ini dipengaruhi oleh curah hujan satu bulan sebelumnya, dipengaruhi oleh kelembaban udara pada bulan ini dan satu bulan sebelumnya, dipengaruhi oleh suhu udara pada enam bulan sebelumnya dan tujuh bulan sebelumnya serta dipengaruhi oleh residual pada bulan ini dan satu bulan sebelumnya. Kata Kunci : fungsi transfer multivariat, ARIMA, curah hujan
REKOMENDASI PEMILIHAN LAPTOP MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING Hendra Perdana, Novi Sri Wulandari, Shantika Martha,
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 (122.267 KB) | DOI: 10.26418/bbimst.v7i4.28277

Abstract

Metode Simple Additive Weighting (SAW) merupakan metode yang digunakan untuk mencari penjumlahan terbobot dari rating alternatif setiap kriteria. Metode tersebut merupakan salah satu dari Fuzzy Multi Attribute Decision Making (FMADM). Data yang digunakan dalam penelitian ini adalah data primer yaitu data yang diperoleh dari brosur-brosur yang ada di toko komputer dan diambil sebanyak 72 data laptop merek Acer dan 80 data laptop merek Asus. Kriteria-kriteria dan bobot yang digunakan dalam rekomendasi pemilihan laptop antara lain harga laptop dengan bobot murah, ukuran layar dengan bobot kecil, kapasitas RAM dengan bobot sedang, HDD dengan bobot sedang dan prosesor dengan bobot besar. Hasil perhitungan dengan menggunakan metode SAW  menunjukkan pemilihan laptop dari 72 data laptop merek Acer yang direkomendasikan adalah tipe ES1-132-C72S/C4BM/C44T dengan harga Rp 3.200.000,00 dan dari 80 data brosur laptop merek Asus yang direkomendasikan adalah tipe  X441NA dengan harga Rp 3.799.000,00.Kata Kunci: Logika Fuzzy, Fuzzy MADM, Metode  SAW.
PENENTUAN GARIS KEMISKINAN PROVINSI MENGGUNAKAN METODE MULTIPLE CLASSIFICATION ANALYSIS Nurfitri Imro’ah, Alvin Firdaus, Shantika Martha,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 4 (2019): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (809.86 KB) | DOI: 10.26418/bbimst.v8i4.36198

Abstract

Multiple classification analysis (MCA) adalah metode yang dapat digunakan untuk menganalisis hubungan  beberapa variabel bebas yang berskala kategorik (nominal atau ordinal) dengan sebuah variabel terikat yang berskala numerik (interval atau rasio). Metode MCA memberikan hasil yang memuaskan dalam mengidentifikasi hubungan antara variabel bebas dan terikat, dimana MCA dapat menghasilkan parameter untuk seluruh kategori, dan juga dapat mengukur besarnya hubungan variabel dependen dengan masing-masing variabel bebas sebelum dan setelah dikontrol variabel bebas lain melalui statistik eta dan statistik beta. Tujuan dari penelitian ini adalah untuk menentukan model MCA pada faktor-faktor yang berpengaruh terhadap garis kemiskinan provinsi (GKP). Data yang digunakan pada penelitian ini adalah data publikasi BPS tahun 2017 yang meliputi data rata-rata lama sekolah (RLS), product domestic regional bruto (PDRB), pengeluaran perkapita perbulan (PPP), upah minimum provinsi (UMP), tingkat pengangguran terbuka (TPT) dan inflasi (I) pada 34 provinsi di Indonesia. Hasil analisis menunjukkan bahwa RLS, PDRB dan PPP berpengaruh signifikan terhadap GKP. PPP merupakan faktor yang paling berpengaruh terhadap GKP yaitu dengan nilai eta sebesar 71,9%  dan  beta sebesar 58,1%. Sedangkan variabel PDRB memiliki  nilai eta sebesar 65,7%  dan nilai beta 39,9%. Variabel RLS hanya memiliki nilai eta 47,2% dan beta sebesar 14,0%. Model MCA yang diperoleh juga memberikan hasil yang sangat baik karena memiliki nilai MAPE 8,93%.Kata Kunci: MCA, Statistik Eta, Statistik Beta
PENERAPAN TEORI SOLOW-SWAN PADA PERTUMBUHAN EKONOMI Evy Sulistianingsih, Kiki Amalia, Mariatul Kiftiah,
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 (317.122 KB) | DOI: 10.26418/bbimst.v5i01.14750

Abstract

Pertumbuhan ekonomi merupakan proses kenaikan jumlah produksi barang dan jasa secara terus menerus dalam jangka waktu yang panjang.  Ada beberapa teori yang mengkaji tentang pertumbuhan ekonomi, salah satunya yaitu teori Solow-Swan. Teori ini menyebutkan terdapat tiga faktor yang mempengaruhi  pertumbuhan ekonomi yaitu pertumbuhan jumlah tenaga kerja, akumulasi modal, dan kemajuan teknologi. Bentuk dari teori Solow-Swan yaitu Y=F(K, AL) dengan Y  merupakan jumlah barang dan jasa yang diproduksi, K merupakan akumulasi modal, merupakan kemajuan teknologi, dan L merupakan jumlah tenaga kerja. Penelitian ini akan mengkaji bentuk model, kondisi mapan, kestabilan dari teori Solow-Swan dan menerapkan teori tersebut dalam pertumbuhan ekonomi. Model ini dicari dengan menggunakan persamaan differensial biasa dan didapat modelnya yaitu           k=sf(k)-(n+g+δ)k. Solusi dari model menunjukkan bahwa kondisi mapan terjadi jika k=sf(k)-(n+g+δ)k dan model dikatakan stabil ketika k = sf’’(k)-(n+g+δ)k <0. Selanjutnya dilakukan kajian untuk melihat perilaku dari model dengan menggunakan simulasi nilai parameter. Berdasarkan hasil analisis diketahui bahwa fungsi produksi per jumlah tenaga kerja adalah y=y0,5. Kemudian pada kondisi mapan akumulasi modal sebesar unit satuan modal, sementara pada golden rule, akumulasi modal mencapai unit satuan modal. Kata kunci : Teori Neoklasik, Kesetimbangan, Stabilisasi, Tingkat Pertumbuhan
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
PEMODELAN FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PEMBANGUNAN MANUSIA DI INDONESIA MENGGUNAKAN REGRESI SEMIPARAMETRIK SPLINE Naomi Nessyana Debataraja, Megawati Nugroho Ningrum, Neva Satyahadewi,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 1 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (805.307 KB) | DOI: 10.26418/bbimst.v9i1.38583

Abstract

Indeks Pembangunan Manusia (IPM) dibangun melalui tiga dimensi dasar yaitu umur panjang dan hidup sehat, mempunyai pengetahuan, dan kehidupan yang layak. Ketiga dimensi tersebut memiliki pengertian sangat luas karena terkait banyak faktor yang mempengaruhi IPM. Penelitian ini bertujuan untuk memodelkan dan menganalisis pengaruh faktor pengeluaran per kapita, kepadatan penduduk, penduduk miskin, dan angka partisipasi sekolah tingkat SMA/MA terhadap IPM di Indonesia pada tahun 2017. Metode statistika yang digunakan untuk menganalisis hubungan antara IPM dengan faktor-faktor yang mempengaruhi adalah regresi semiparametrik spline. Tahapan pengerjaan metode tersebut di awali dengan membuat scatterplot antara IPM dengan faktor-faktor yang mempengaruhi, memodelkan dengan menggunakan titik-titik knot, menguji signifikansi parameter dengan uji F dan uji t, melakukan uji asumsi-asumsi klasik, menghitung MSE dan koefisien determinasi terkoreksi  kemudian melakukan interpretasi serta menarik kesimpulan. Model terbaik didapatkan dari titik knot optimal berdasarkan nilai Generalized Cross Validation (GCV) terkecil. Berdasarkan penelitian ini, model regresi semiparametrik spline terbaik adalah dengan menggunakan tiga knot dan empat variabel signifikan yaitu pengeluaran per kapita, kepadatan penduduk, penduduk miskin dan angka partisipasi sekolah tingkat SMA/MA. Model tersebut memiliki   sebesar 86,23%. Kata Kunci: Indeks Pembangunan Manusia, Regresi Semiparametrik, Spline.

Page 15 of 82 | Total Record : 820

 13   14   15   16   17 

Filter by Year

2012 2025


Reset
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 Vol 12, No 3 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya (dalam proses) 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 : 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 : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 3 (2019): BIMASTER Vol 8, No 2 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 2 (2019): BIMASTER 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 Vol 7, No 2 (2018): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 1 (2018): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 1 (2018): BIMASTER Vol 6, No 03 (2017): BIMASTER Vol 6, No 03 (2017): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 6, No 02 (2017): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 6, No 02 (2017): BIMASTER 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