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 832 Documents
 30   31   32   33   34 
ESTIMASI VALUE AT RISK DALAM INVESTASI PORTOFOLIO SAHAM MENGGUNAKAN METODE PEAK OVER THRESHOLD Mida Mida; Setyo Wira Rizki; Hendra Perdana
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 3 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (93.298 KB) | DOI: 10.26418/bbimst.v9i3.41157

Abstract

Investasi mengandung dua unsur yaitu risiko dan return. Salah satu alat ukur risiko yang populer saat ini adalah dengan mengestimasi value at risk (VaR). Estimasi VaR dilakukan berdasarkan pada distribusi probabilitas return. Terdapat beberapa macam metode dalam estimasi VaR salah satunya menggunakan peak over threshold (POT). POT merupakan bagian dari extreme value theory (EVT) yang digunakan untuk mendeteksi kejadian ekstrem yang mengikuti generalized pareto distribution (GPD). Seleksi saham dilakukan dengan mencari nilai mean return saham yang bernilai positif, maka didapat lima saham yang memiliki mean return positif yaitu MNCN, BBRI, INCO, INTP, dan KLBF pada periode 01 Januari 2019 sampai dengan 31 Oktober 2019. Tujuan dari penelitian ini adalah untuk menganalisis besar estimasi VaR dalam investasi portofolio saham menggunakan metode POT pada indeks LQ-45. Hasil perhitungan dari penelitian ini diperoleh nilai estimasi VaR sebesar 0,03648. Hal ini menunjukkan bahwa dengan tingkat kepercayaan 95% maka kemungkinan kerugian maksimum yang akan diperoleh oleh investor sebesar 3,648% dari aset saat ini. Misalkan aset saat ini adalah Rp100.000.000,00,- maka kemungkinan kerugian maksimum yaitu sebesar Rp3.648.000,00. Kata Kunci : EVT, GPD, return saham, risiko.
ESTIMASI VALUE AT RISK DALAM INVESTASI PORTOFOLIO SAHAM MENGGUNAKAN METODE PEAK OVER THRESHOLD Hendra Perdana, Mida, Setyo Wira Rizki,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 3 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (93.298 KB) | DOI: 10.26418/bbimst.v9i3.41157

Abstract

Investasi mengandung dua unsur yaitu risiko dan return. Salah satu alat ukur risiko yang populer saat ini adalah dengan mengestimasi value at risk (VaR). Estimasi VaR dilakukan berdasarkan pada distribusi probabilitas return. Terdapat beberapa macam metode dalam estimasi VaR salah satunya menggunakan peak over threshold (POT). POT merupakan bagian dari extreme value theory (EVT) yang digunakan untuk mendeteksi kejadian ekstrem yang mengikuti generalized pareto distribution (GPD). Seleksi saham dilakukan dengan mencari nilai mean return saham yang bernilai positif, maka didapat lima saham yang memiliki mean return positif yaitu MNCN, BBRI, INCO, INTP, dan KLBF pada periode 01 Januari 2019 sampai dengan 31 Oktober 2019. Tujuan dari penelitian ini adalah untuk menganalisis besar estimasi VaR dalam investasi portofolio saham menggunakan metode POT pada indeks LQ-45. Hasil perhitungan dari penelitian ini diperoleh nilai estimasi VaR sebesar 0,03648. Hal ini menunjukkan bahwa dengan tingkat kepercayaan 95% maka kemungkinan kerugian maksimum yang akan diperoleh oleh investor sebesar 3,648% dari aset saat ini. Misalkan aset saat ini adalah Rp100.000.000,00,- maka kemungkinan kerugian maksimum yaitu sebesar Rp3.648.000,00.Kata Kunci : EVT, GPD, return saham, risiko.
PENGENDALIAN KUALITAS DENGAN DIAGRAM KENDALI X ? VARIABLE SAMPLE SIZE AND SAMPLING INTERVAL Trinita Ariningsih; Setyo Wira Rizki; Nurfitri Imro’ah
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 3 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (313.211 KB) | DOI: 10.26418/bbimst.v9i3.41262

Abstract

Diagram kendali ܺത VSSI (Variable Sample Size and Sampling Interval) adalah suatu diagram kendali variabel yang memiliki kelebihan mendeteksi lebih awal adanya kesalahan atau kegagalan yang telah terjadi pada suatu proses. Tujuan penelitian ini menganalisis pengendalian kualitas dengan diagram kendali ܺത VSSI terhadap kualitas hasil uji kekuatan tekanan pada proses injection molding (dalam satuan psi). Data tersebut diperoleh dari buku Introduction to Statistical Quality Control, Douglas C. Montgomery edisi ke-6 tahun 2009. Data yang digunakan terdiri dari 100 sampel yang didapatkan dari 20 waktu pengamatan dan 5 pengambilan setiap waktu pengamatan. Hasil penelitian menunjukkan bahwa pada diagram kendali ܺത VSSI lebih sensitif, yang dimana sebelumnya pada hasil diagram kendali ܺത dan R menunjukkan terjadi out of control masing-masing pada waktu pengamatan ke-6 dan ke-9. Sedangkan pada diagram kendali ܺത VSSI menunjukkan lebih awal sinyal-sinyal out of control pada waktu pengamatan ke-2. Dari analisis ini dapat disimpulkan bahwa diagram kendali ܺത VSSI lebih sensitif dalam mendeteksi keadaan awal terjadinya out of control terhadap data uji kekuatan tekanan pada proses injection molding, sehingga hal ini bisa mencegah terjadinya kerusakan pada proses produksi injection molding berikutnya. Kata Kunci: Injection, Molding, Diagram Kendali, VSSI
PENGENDALIAN KUALITAS DENGAN DIAGRAM KENDALI X ? VARIABLE SAMPLE SIZE AND SAMPLING INTERVAL Nurfitri Imro?ah, Trinita Ariningsih, Setyo Wira Rizki,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 3 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (313.211 KB) | DOI: 10.26418/bbimst.v9i3.41262

Abstract

Diagram kendali VSSI (Variable Sample Size and Sampling Interval) adalah suatu diagram kendali variabel yang memiliki kelebihan mendeteksi lebih awal adanya kesalahan atau kegagalan yang telah terjadi pada suatu proses. Tujuan penelitian ini menganalisis pengendalian kualitas dengan diagram kendali VSSI terhadap kualitas hasil uji kekuatan tekanan pada proses injection molding (dalam satuan psi). Data tersebut diperoleh dari buku Introduction to Statistical Quality Control, Douglas C. Montgomery edisi ke-6 tahun 2009. Data yang digunakan terdiri dari 100 sampel yang didapatkan dari 20 waktu pengamatan dan 5 pengambilan setiap waktu pengamatan. Hasil penelitian menunjukkan bahwa pada diagram kendali VSSI lebih sensitif, yang dimana sebelumnya pada hasil diagram kendali dan R menunjukkan terjadi out of control masing-masing pada waktu pengamatan ke-6 dan ke-9. Sedangkan pada diagram kendali VSSI menunjukkan lebih awal sinyal-sinyal out of control pada waktu pengamatan ke-2. Dari analisis ini dapat disimpulkan bahwa diagram kendali VSSI lebih sensitif dalam mendeteksi keadaan awal terjadinya out of control terhadap data uji kekuatan tekanan pada proses injection molding, sehingga hal ini bisa mencegah terjadinya kerusakan pada proses produksi injection molding berikutnya.Kata Kunci: Injection, Molding, Diagram Kendali, VSSI
METODE SOLOVAY-STRASSEN UNTUK PENGUJIAN BILANGAN PRIMA Bayu Prihandono, Sari Puspita, Evi Noviani,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 4, No 01 (2015): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v4i01.9795

Abstract

Bilangan prima merupakan bilangan bulat positif yang lebih besar dari satu dan hanya habis dibagi oleh satu dan dirinya sendiri, sedangkan bilangan bulat positif selain prima disebut bilangan komposit atau bilangan yang terdiri dari minimal dua faktor prima. Untuk mencari faktor prima dapat menggunakan uji probabilistik. Uji probabilistik merupakan uji yang menggunakan konsep acak. Salah satu uji probabilistik yaitu metode Solovay-Strassen. Pengujian pada metode Solovay-Strassen diuji berdasarkan Euler pseudoprima. Langkah pertama pengujian bilangan prima pada metode Solovay-Strassen yaitu menentukan bilangan yang diuji yaitu n, n yang dimaksud adalah bilangan bulat positif ganjil. Kemudian menentukan basis b yang dipilih secara acak, basis b yang dimaksud adalah sebarang bilangan bulat positif yang berada pada interval 0<b<n. Kemudian dilanjutkan dengan mencari d=gcd(b,n) dengan menggunakan algoritma Euclid. Jika didapat bahwa d>1, maka n dikatakan komposit. Namun jika didapat bahwa d=1, maka n diuji dengan menggunakan Euler pseudoprima. Jika n lulus uji Euler pseudoprima untuk basis b, maka n disebut Euler pseudoprima untuk basis b. Dengan demikian n dapat dikatakan bilangan prima. Jika n tidak lulus uji persamaan Euler pseudoprima, maka n disebut sebagai komposit.Kata Kunci : Solovay-Strassen, Simbol Jacobi, Simbol Legendre.
PERBANDINGAN METODE MAXIMUM LIKELIHOOD ESTIMATION (MLE) DAN METODE BAYESDALAM PENDUGAAN PARAMETER DISTRIBUSI EKSPONENSIAL Evy Sulistianingsih., Dwi Nurlaila, Dadan Kusnandar,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 2, No 1 (2013): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v2i1.1637

Abstract

Penelitian ini membandingkan metode MLE dan metode Bayes dalam menduga parameter Distribusi Eksponensial. Distribusi prior untuk metode Bayes yang digunakan pada penelitian ini adalah perluasan distribusi prior Jeffrey. Perbandingan kedua metode dilakukan melalui simulasi data pada berbagai kondisi parameter dan ukuran sampel. Evaluasi terhadap kedua metode dilakukan melalui pengamatan terhadap nilai bias dan MSE yang dihasilkan. Penelitian ini menunjukkan bahwa metode Bayes dengan nilai konstanta Jeffrey lebih kecil dari satu selalu menghasilkan nilai bias dan MSE yang lebih baik dibandingkan dengan metode Maximum Likelihood Estimation (MLE). Kata kunci: Distribusi Eksponensial, Metode MLE, Metode Bayes.
APLIKASI MATRIKS LESLIE UNTUK MEMPREDIKSI JUMLAH DAN LAJU PERTUMBUHAN SUATU POPULASI Nilamsari Kusumastuti., Yudha Pratama, Bayu Prihandono,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 2, No 03 (2013)
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v2i03.3859

Abstract

Matriks Leslie merupakan suatu matriks yang digunakan untuk memprediksi jumlah dan laju pertumbuhan suatu populasi. Beberapa faktor yang berpengaruh dalam pertumbuhan populasi adalah tingkat kesuburan, tingkat ketahanan hidup, dan rentang umur dari populasi. Langkah- langkah yang dilakukan untuk memprediksi jumlah populasi p tahun berikutnya dengan matriks Leslie yang pertama adalah dibentuk sebuah vektor kolom yang entrinya merupakan jumlah awal populasi tiap kelas umur. Kedua, dicari n(t+p) yang merupakan jumlah populasi untuk p tahun berikutnya menggunakan rumus n(t+p)=Apn(t) dengan A merupakan matriks Leslie. Selanjutnya, untuk memprediksi laju pertumbuhan populasi dengan matriks Leslie adalah dengan mencari nilai eigen dari matriks A. Selanjutnya dari nilai-nilai eigen dicari nilai eigen dominan yaitu nilai eigen yang memiliki nilai harga mutlak paling besar. Jika nilai eigen dominan bernilai lebih dari 1 maka laju pertumbuhan populasi cenderung meningkat. Jika nilai eigen dominan bernilai kurang dari 1 maka laju pertumbuhan populasi cenderung menurun. Jika nilai eigen dominan bernilai sama dengan 1 maka laju pertumbuhan populasi cenderung tetap. Kata Kunci : matriks Leslie, pertumbuhan populasi, nilai eigen
PENYELESAIAN PERSAMAAN DIFERENSIAL BIASA TAKLINEAR ORDE SATU MENGGUNAKAN METODE ITERASI VARIASIONAL Yundari., Elvira Lusiana, Bayu Prihandono,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 3, No 01 (2014): Bimaster
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v3i01.5189

Abstract

Metode Iterasi Variasional merupakan salah satu metode numeris yang dapat digunakan untuk menyelesaikan Persamaan Diferensial Biasa taklinear orde satu dengan masalah nilai awal. Metode ini dapat menyelesaikan masalah taklinear dengan cara langsung tanpa menggunakan linearisasi, transformasi, dan perturbasi. Metode ini membentuk sebuah fungsi koreksi menggunakan pengali lagrange dan dapat ditentukan dengan menggunakan teori variasional. Pengambilan variasi terhadap variabel independen maka menghasilkan kondisi stasioner dan nilai pengali lagrange sehingga diperoleh rumus iterasi. Penyelesaian bagian linear dari persamaan diferensial biasa taklinear orde satu dan mensubstitusikan nilai awal digunakan sebagai perkiraan awal untuk memperoleh penyelesaian pendekatan. Hasil penelitian menunjukkan bahwa metode Iterasi Variasional merupakan metode pendekatan yang cukup akurat untuk menyelesaikan Persamaan Diferensial Biasa taklinear orde satu. Kata Kunci: Iterasi Variasional, Fungsi Koreksi, Pengali Lagrange
PERBANDINGAN PRESTASI BELAJAR MAHASISWA MATEMATIKA FMIPA UNTAN PADA MATA KULIAH METODE STATISTIK DENGAN DUA KURIKULUM BERBEDA ., Nur Anggraini
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 3, No 03 (2014): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v3i03.7439

Abstract

Prestasi belajar merupakan hasil nyata yang dilakukan oleh seseorang setelah melakukan kegiatan belajar. Program studi Matematika FMIPA UNTAN merupakan institusi pengembangan ilmu dasar yang diproyeksikan untuk menghasilkan lulusan sains yang berkualitas dan mampu barsaing di era globalisasi. Tahun 2011 Matematika FMIPA UNTAN mulai memberlakukan pembaharuan kurikulum, yaitu dari Kurikulum Berbasis Isi (KBI) dengan Kurikulum Berbasis Kompetensi (KBK). KBI yang terdiri dari Kurikulum Inti dan Kurikulum Institusional merupakan kurikulum berbasis ilmu pengetahuan dan keterampilan. Sedangkan KBK merupakan seperangkat rencana dan pengaturan tentang kompetensi yang dibakukan dengan penerapannya disesuaikan dengan keadaan. Penelitian ini bertujuan untuk membandingkan prestasi belajar mahasiswa Matematika FMIPA UNTAN pada mata kuliah Metode Statistik yang menggunakan KBI dan KBK. Data yang digunakan dalam penelitin ini adalah mahasiswa angkatan 2006/2007 yang berjumlah 77 orang dan mahasiswa angkatan 2011/2012 berjumlah 44 orang. Prosedur pada penelitian ini dimulai dengan pengumpulan data. Selanjutnya, data yang diperoleh dihitung rata-rata dan varians. Kemudian diuji hipotesis dengan uji signifikansi dua rata-rata  independen. Hasil yang diperoleh dari penelitian ini adalah tidak terdapat perbedaan yang signifikan antara prestasi belajar mahasiswa  yang menggunakan KBI dengan prestasi belajar mahasiswa yang menggunakan KBK. Kata Kunci: Prestasi Belajar, KBI, KBK
CLUSTERING LULUSAN MAHASISWA MATEMATIKA FMIPA UNTAN PONTIANAK MENGGUNAKAN ALGORITMA FUZZY C-MEANS Kusumastuti, Beni Irawan., Cary Lineker Simbolon, Nilamsari
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 2, No 1 (2013): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v2i1.1536

Abstract

Clustering adalah proses pengelompokan data ke dalam cluster berdasarkan parameter tertentu sehingga obyek-obyek dalam sebuah cluster memiliki tingkat kemiripan yang tinggi satu sama lain dan sangat tidak mirip dengan obyek yang lain pada cluster yang berbeda. Fuzzy C-Means termasuk dalam salah satu teknik clustering. Seperti teknik clustering lainnya. Fuzzy C-Means juga mengelompokkan sejumlah obyek. Pada jurnal ini teknik Fuzzy C-Means digunakan untuk mengelompokkan lulusan jurusan Matematika FMIPA Universitas Tangjungpura (UNTAN). Lulusan dibagi kedalam empat cluster berdasarkan IPK dan lama studi. Hasil dari penelitian ini adalah diperoleh empat pusat cluster atau center. Untuk cluster 1 terdiri dari lulusan dengan kisaran IPK 3,15 dan lama studi 5,09 tahun , cluster 2 terdiri dari lulusan dengan kisaran IPK 2,88 dan lama studi 7,32 tahun, cluster 3 terdiri dari lulusan dengan kisaran IPK 3,48 dan lama studi 4,37 tahun serta cluster 4 terdiri dari lulusan dengan kisaran IPK 2,89 dan lama studi 5,91 tahun. Lulusan yang paling banyak anggotanya ada pada cluster 4. Hasil yang diperoleh menunjukkan bahwa masih banyak lulusan jurusan Matematika di Fakultas MIPA UNTAN yang menempuh lama studi lebih dari 5 tahun. Kata Kunci : Fuzzy, Fuzzy C-Means, clustering

Page 32 of 84 | Total Record : 832

 30   31   32   33   34 

Filter by Year

2012 2025


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 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 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 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 Vol 7, No 1 (2018): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya 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