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 832 Documents
PERAMALAN CURAH HUJAN KOTA PONTIANAK DENGAN DEKOMPOSISI SENSUS II Helmi, Eka Rahmilia,
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 (361.179 KB) | DOI: 10.26418/bbimst.v5i02.15875

Abstract

Metode Dekomposisi Sensus II merupakan pengembangan dari metode Dekomposisi dengan memisahan komponen musiman terhadap komponen-komponen lainnya. Metode Dekomposisi sensus II meliputi beberapa fase yang berbeda. Fase pertama yaitu penyesuaian musiman awal, fase kedua yaitu penyesuaian musiman akhir, fase ketiga adalah uji ekualitas, selanjutnya mencari nilai MCD (Month for Cyclical Dominance) dan peramalan. Tujuan dari penelitian ini adalah untuk menentukan nilai faktor musiman dan nilai taksiran tren-siklus sebagai dasar untuk  peramalan curah hujan kota Pontianak tahun 2015. Data yang digunakan adalah data curah hujan pada tahun 2005 sampai dengan 2014 yang diperoleh dari Badan Meteorologi Klimatologi dan Geofisika (BMKG) Supadio Pontianak. Berdasarkan hasil analisis disimpulkan bahwa nilai faktor musiman yang tertinggi yaitu 159,2 sedangkan yang terendah yaitu 41,6. Nilai taksiran tren-siklus yang tertinggi yaitu 259,0 sedangkan yang terendah yaitu 258,7. Ramalan curah hujan yang tertinggi yaitu 411,9 mm sedangkan yang terendah yaitu 107,7 mm. Kata Kunci: Dekomposisi Sensus II, faktor musiman, tren-siklus, uji ekualitas
OPTIMASI KEUNTUNGAN PRODUKSI DENGAN ALGORITMA TITIK INTERIOR (Studi Kasus: Memaksimalkan Keuntungan Produksi Lidah Buaya I Sun Vera) Yudhi, Dian Febrianti, Mariatul Kiftiah,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 2 (2019): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (664.274 KB) | DOI: 10.26418/bbimst.v8i2.32158

Abstract

Program linear merupakan metode matematika dalam mengalokasikan sumber daya terbatas untuk mencapai suatu tujuan seperti memaksimumkan keuntungan atau meminimumkan biaya produksi. Metode yang dapat menyelesaikan masalah pemograman linear adalah algoritma titik interior yang pertama kali dikenalkan oleh Karmarkar. Algoritma titik interior merupakan suatu metode yang memotong atau menembus titik dalam dari daerah fisibel untuk mencapai solusi yang optimum. Penelitian ini bermaksuduntuk mengetahui komposisi jumlah dari masing-masing produk yang harus diproduksi, sehingga dapat memaksimalkan keuntungan pada UKM I Sun Vera. Dari tiga kasus kombinasi bahan yang dibutuhkan, dalam memproduksi lidah buaya yang memperoleh keuntungan paling maksimal dihasilkan pada kasus pertama. Hasil dari perhitungan dengan algoritma titik interior menunjukkan bahwa keuntungan optimal sebesar Rp. 23.440.000,00/bulan dengan memproduksi minuman lidah buaya sebanyak 1.400 unit/1,5 kilogram, coklat lidah buaya sebanyak 1.500 unit/200 gram, dodol lidah buaya sebanyak 1.500 unit/200 gram, dan jelly lidah buaya sebanyak 1.500 unit/200 gram. Kata Kunci :program linear, komposisi, daerah fisibel
MATRIKS BENTUK KANONIK RASIONAL DENGAN MENGGUNAKAN PEMBAGI ELEMENTER Fransiskus Fran, Ardiansyah, Helmi,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 6, No 02 (2017): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (144.473 KB) | DOI: 10.26418/bbimst.v6i02.21619

Abstract

Pada suatu matriks persegi apabila polinomial karakteristiknya tidak dapat difaktorkan menjadi polinomial-polinomial yang linear, maka matriks tersebut tidak dapat dibentuk kedalam bentuk kanonik Jordan. Pada kasus ini, matriks asalnya dapat dibentuk kedalam bentuk kanonik rasional, karena untuk menentukan bentuk kanonik rasional polinomial katakteristiknya tidak harus dapat difaktorkan menjadi polinomial-polinomial yang linear. Oleh karena itu pada artikel ini dikaji  pembentukan bentuk kanonik rasional dari suatu matriks persegi dengan menggunakan pembagi elementer. Bentuk kanonik rasional diperoleh dengan mencari polinomial karakteristik, polinomial minimum dan pembagi elementer, kemudian dari masing-masing pembagi elementer dibentuk matriks pendamping. Selanjutnya dengan melakukan jumlah langsung matriks-matriks pendamping maka diperoleh bentuk kanonik rasional. Kata kunci: Polinomial Karakteristik, Polinomial Minimum, Matriks Pendamping
PENYELESAIAN MODEL IMUNOLOGI SELULER PADA TUBERKULOSIS DENGAN METODE EXTENDED RUNGE KUTTA ORDE EMPAT DAN RUNGE KUTTA ORDE EMPAT Yudhi, Ria Risca Pratiwi, Helmi,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 3 (2019): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (588.42 KB) | DOI: 10.26418/bbimst.v8i3.33763

Abstract

Metode Extended Runge Kutta adalah metode perluasan dari metode Runge Kutta. Metode Extended Runge Kutta merupakan salah satu metode numerik yang dapat menyelesaikan permasalahan nilai awal pada persamaan diferensial biasa linear maupun nonlinear dengan tingkat ketelitian yang cukup tinggi. Sehingga menghasilkan nilai galat atau error yang lebih kecil dari metode Runge Kutta.  Tujuan penelitian ini untuk menyelesaikan model imunologi seluler pada tuberkulosis dengan metode Extended Runge Kutta orde empat. Model imunologi seluler pada tuberkulosis berbentuk sistem persamaan diferensial biasa nonlinear yang terdiri dari empat variabel tak bebas yaitu dengan nilai awal makrofag tak terinfeksi ( ) adalah 0.7, makrofag terinfeksi ( ) adalah 0.2 , bakteri Mtb atau Mycobacterium Tuberculosis (B) adalah 0, dan sel T (T) adalah 0. Dari hasil analisis, diperoleh bahwa nilai solusi dan nilai galat yang diperoleh dari metode Extended Runge Kutta orde empat pada variabel bakteri Mtb (B) lebih kecil dari metode Runge Kutta orde empat.Kata kunci: Runge Kutta, Extended Runge Kutta, Persamaan Diferensial Biasa Nonlinear.
PENENTUAN NILAI TUNAI ANUITAS JIWA BERJANGKA INDIVIDU KASUS KONTINU MENGGUNAKANMETODE WOOLHOUSE Shantika Martha, Desi Ratnasari, Neva Satyahadewi,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 4, No 03 (2015): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (473.044 KB) | DOI: 10.26418/bbimst.v4i03.11616

Abstract

Anuitas adalah serangkaian pembayaran dalam jumlah tertentu yang dilakukan setiap selang waktu dan jangka waktu tertentu secara berkala. Anuitas digunakan dalam asuransi jiwa dan berbagai bentuk asuransi lainnya. Unsur yang paling penting dalam menghitung besarnya premi dalam jangka waktu tertentu adalah anuitas. Metode Woolhouse merupakan salah satu metode yang digunakan untuk menentukan nilai tunai anuitas dengan pembayaran m kali dalam setahun. Metode Woolhouse diperoleh dari pendekatan Euler-Maclaurin. Metode Woolhouse ini memberikan pendekatan penilaian yang sesuai terhadap nilai tunai anuitas yang dibayarkan secara tahunan. Langkah-langkah dalam penelitian ini adalah menentukan nilai tunai anuitas dengan pembayaran sekali dalam setahun, dan menentukan nilai tunai anuitas dengan pembayaran m kali dalam setahun. Berdasarkan kedua persamaan tersebut, dibentuk suatu persamaan nilai tunai anuitas kontinu menggunakan metode Woolhouse. Selanjutnya persamaan tersebut digunakan untuk pendekatan penilaian anuitas. Hasil perhitungan menunjukkan bahwa penggunaan metode Woolhouse ini dapat digunakan oleh perusahaan asuransi untuk penilaian nilai tunai anuitas khususnya anuitas berjangka.Hal ini dikarenakanhasil tersebut memberikan penilaian yang sesuai terhadap nilai tunai anuitas untuk pembayaran yang dilakukan beberapa kali dalam setahun. Kata Kunci: nilai tunai anuitas, formula Euler-Maclaurin
ESTIMASI PARAMETER REGRESI RIDGE UNTUK MENGATASI MULTIKOLINEARITAS Wenty Resti Anggraeni; Naomi Nessyana Debataraja; Setyo Wira Rizki
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 (176.94 KB) | DOI: 10.26418/bbimst.v7i4.28382

Abstract

Regresi ridge adalah metode yang digunakan untuk mengatasi masalah multikolinearitas, dimana metode ini merupakan modifikasi dari metode kuadrat terkecil yang menghasilkan penduga yang bias. Penelitian ini bertujuan untuk mengestimasi parameter regresi ridge menggunakan iterasi Hoerl, Kennard, dan Baldwin dalam mengatasi masalah multikolinearitas. Penelitian ini bertujuan mengatasi masalah multikolinearitas pada data tingkat pengangguran terbuka (Y), jumlah penduduk miskin (X1), jumlah penduduk Indonesia (X2), dan tingkat partisipasi angkatan kerja (X3) menggunakan regresi ridge. Hasil penelitian menunjukkan bahwa jumlah penduduk miskin, jumlah penduduk Indonesia, dan tingkat partisipasi angkatan kerja berpengaruh secara signifikan terhadap tingkat pengangguran. Nilai Variance Inflation Factors (VIF) untuk masing-masing variabel yaitu sebesar 1,037 (X1), 1,0374 (X2), 0,8037 (X3). Hal ini menunjukkan bahwa tidak terjadi multikolinearitas pada model. Kata Kunci: multikolinearitas, regresi berganda, iterasi Hoerl, Kennard dan Baldwin (HKB) 
ESTIMASI CONFIDENCE TITIK PANAS PADA KEBAKARAN HUTAN MENGGUNAKAN METODE ORDINARY KRIGING Evy Sulistianingsih, Nur’ainul Miftahul Huda, Naomi Nessyana Debataraja,
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 (475.407 KB) | DOI: 10.26418/bbimst.v5i01.14865

Abstract

Analisis data geostatistik menggunakan metode Ordinary Kriging merupakan analisis statistik spasial untuk mengestimasi data berdasarkan lokasi. Ordinary Kriging menghasilkan estimator yang tak bias, linier dan terbaik. Data yang digunakan pada penelitian ini berupa data sekunder tentang titik panas di Desa Nanga Tayap dan Kendawangan, Kabupaten Ketapang, Kalimantan Barat yang diperoleh dari Badan Meteorologi, Klimatologi dan Geofisika (BMKG). Ukuran data yang digunakan adalah sebanyak 107 yang terdiri dari koordinat titik dan confidence titik panas pada tanggal 15 September 2015. Penelitian ini bertujuan untuk memberikan informasi peringatan titik panas yang berpotensi mengakibatkan kebakaran hutan berdasarkan nilai confidence. Hubungan antar titik dapat dimodelkan oleh semivariogram yang menggambarkan variansi dari selisih nilai pengamatan antar pasangan lokasi yang terpisahkan oleh jarak tertentu. Hasil penelitian menunjukkan bahwa model semivariogram teoritis terbaik adalah Spherical dan diperoleh 840.813 titik yang menjadi peringatan titik panas dihari berikutnya. Kata kunci: Ordinary Kriging, Semivariogram, Titik Panas.
ESTIMASI PARAMETER REGRESI SPLINE DENGAN METODE PENALIZED SPLINE Wahyu Kurniasari; Dadan Kusnandar; Evy Sulistianingsih
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 (449.299 KB) | DOI: 10.26418/bbimst.v8i2.31532

Abstract

Regresi spline merupakan suatu pendekatan ke arah pencocokan data dengan tetap memperhitungkan kemulusan kurva. Salah satu bentuk estimator dari regresi spline ialah penalized spline. Tujuan dari penelitian ini adalah untuk mengestimasi parameter regresi spline dengan metode penalized spline untuk data yang tidak memiliki pola tertentu. Data penelitian ini menggunakan data sekunder yang diperoleh dari Badan Pusat Statistik Indonesia pada tahun 2015 yaitu indeks pembangunan manusia, gini rasio, harapan lama sekolah, penduduk miskin, dan kepadatan penduduk. Hasil regresi spline yang diperoleh untuk model terbaik yaitu model spline linier pada setiap variabel dengan nilai Generalized Cross Validation (GCV) minimum. Hasil penelitian menunjukkan bahwa regresi spline dengan metode penalized spline menghasilkan estimasi parameter yang signifikan dan memperoleh nilai koefisien determinasi terkoreksi  sebesar 76,66% serta nilai MAPE untuk model regresi spline sebesar 1,415%. Kata Kunci: regresi nonparametrik, regresi spline, penalized spline.
BENTUK KANONIK JORDAN DALAM MENYELESAIKAN Umi Salmah; Mariatul Kiftiah; Fransiskus Fran
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 (122.538 KB) | DOI: 10.26418/bbimst.v6i01.19252

Abstract

Bentukkanonik Jordan merupakan matriks Jordan yang similar dengan matriks asalnya.Bentuk kanonik Jordan dapat diaplikasikan untuk menyelesaikan sistem persamaandiferensial linear. Penelitian ini bertujuanuntuk menentukan bentuk kanonik Jordan dari suatu matriks                          dan mengaplikasikan bentuk kanonikJordan dalam menyelesaikan sistem persamaan diferensial linear. Langkah pertamauntuk menentukan bentuk kanonik Jordan adalah menentukan persamaankarakteristik untuk mendapatkan nilai eigen dan vektor eigen. Selanjutnya, menentukanmultiplisitas aljabar dan multiplisitas geometri serta vektor eigentergeneralisasi. Kemudian, menentukan matriks tak singular S dan inversnyaserta bentuk kanonik Jordan  Setelahmendapatkan bentuk kanonik Jordan J, langkah untuk menyelesaikan sistempersamaan diferensial linear  adalahmenentukan solusi w dengan  dan merupakan blok Jordan dari J. Langkahselanjutnya, menentukan dan  sehingga mendapatkan solusi umum sistem persamaandiferensial linear . Hasil penelitian ini menunjukkan bahwa vektor eigentergeneralisasi dapat digunakan untuk menentukan bentuk kanonik Jordan danbentuk kanonik Jordan dapat digunakan untuk menyelesaikan sistem persamaandiferensial linear. Kata Kunci: vektor eigentergeneralisasi, sistem persamaan diferensial
VERIFIKASI MODEL ARIMA PADA PERAMALAN JUMLAH KECELAKAAN LALU LINTAS KOTA PONTIANAK MENGGUNAKAN STATISTICAL PROCESS CONTROL Canseria Yuli Ismayanti; Dadan Kusnandar; Nurfitri Imro’ah
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 (652.026 KB) | DOI: 10.26418/bbimst.v8i3.33246

Abstract

Peramalan adalah alat bantu yang penting dalam perencanaan yang efektif dan efisien. Salah satu langkah setelah peramalan adalah melakukan verifikasi model untuk memeriksa apakah model yang didapat sudah baik atau tidak untuk peramalan pada periode ke depan. Penelitian ini bertujuan untuk menerapkan metode Statistical Process Control (SPC) untuk memverifikasi model ARIMA terbaik dengan grafik pengendali Individual Moving Range (IMR). Grafik pengendali yang digunakan untuk menentukan perubahan dalam pola data menggunakan nilai errornya. Data yang digunakan dalam  penelitian ini  merupakan data bulanan jumlah kecelakaan lalu lintas Kota Pontianak dari tahun 2012 hingga tahun 2016 yang diperoleh dari Kepolisian Daerah Kalimantan Barat. Berdasarkan identifikasi model didapat model terbaik yaitu model ARIMA  dengan hasil verifikasinya menunjukkan bahwa semua nilai error dalam keadaan terkendali. Perolehan nilai  MAPE pada model ARIMA adalah 14,88% dan BIC sebesar 4,23 artinya model ARIMA  baik untuk meramalkan jumlah kecelakaan lalu lintas Kota Pontianak satu tahun ke depan. Kata Kunci: Peramalan, SPC, grafik pengendali IMR

Filter by Year

2012 2025


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 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 Vol 8, No 4 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya 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 : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 4 (2018): BIMASTER 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 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