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
 34   35   36   37   38 
PEMODELAN ALIRAN LISTRIK PADA SEL SARAF MANUSIA Mariatul Kiftiah., Sunindri, Nilamsari Kusumastuti,
BIMASTER Vol 4, No 2 (2015): BIMASTER
Publisher : BIMASTER

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Seluruh aktifitas yang yang terjadi pada tubuh manusia dikendalikan oleh sistem saraf pusat. Sistem saraf pusat merupakan sistem koordinasi tubuh yang terdiri dari berjuta-juta sel saraf (neuron). Sel saraf (neuron) adalah unit satuan struktural terkecil pada sistem saraf yang bekerja untuk menghantarkan muatan berupa ion-ion dari dendrit menuju akson. Oleh karena itu, tujuan dari penelitian ini adalah untuk menganalisis aliran listrik pada sel saraf manusia menggunakan model RLC seri sirkuit. Analisis aliran listrik pada sel saraf manusia dilakukan pada dua kawasan yaitu kawasan frekuensi dan kawasan waktu. Analisis pada kawasan frekuensi bertujuan untuk mengetahui besar tanggapan yang baik pada sel saraf manusia. Analisis pada kawasan waktu bertujuan untuk mendeteksi besar muatan yang dihantarkan pada waktu detik dan untuk mendeteksi hambatan optimum pada sel saraf manusia. Hasil analisis pada kawasan frekuensi diperoleh tanggapan keluaran pada sel saraf manusia (vout(s)) dengan faktor peredam α, frekuensi resonansi ω0 radian/detik dan faktor kualitas Q yang ditentukan dari tanggapan keluaran. Hasil pada kawasan waktu diperoleh besar muatan pada waktu t detik dan besar hambatan optimum pada sel saraf manusia.Kata Kunci : Arus listrik, Membran plasma, Rangkaian sel saraf
PENGENDALIAN PERSEDIAAN BAHAN BAKU AMPLANG “ALONG” DENGAN MODEL ECONOMIC ORDER QUANTITY Warzuqna Olyan; Marisi Aritonang; Shantika Martha
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 | DOI: 10.26418/bbimst.v7i4.28275

Abstract

Amplang merupakan makanan khas kabupaten Ketapang yang bahan baku utamanya terbuat dari ikan. Amplang “Along” merupakan industri rumahan, bergerak di bidang makanan. Pengolahan bahan baku pembuatan amplang belum menggunakan perencanaan yang baik sehingga menyebabkan timbulnya masalah persediaan bahan baku amplang. Salah satu model persediaan yang dapat digunakan untuk mengatasi permasalahan persediaan adalah Model Economic Order Quantity (EOQ). Model EOQ digunakan untuk mengetahui kuantitas pemesanan optimal dan biaya total persediaan minimum. Jika ikan yang dipesan tidak tersedia maka model persediaan yang dapat mengatasinya adalah model EOQ Back Order. Hasil analisis persediaan bahan baku dengan model EOQ selama satu tahun kedepan adalah banyak ikan yang dipesan 210,9 kg, banyak tepung tapioka yang dipesan 22 karung, gula 80,14 kg, telur 316 butir, garam 157 pack, bawang putih 83,27 kg, vetsin 21 bungkus, minyak goreng 24 ken, dan soda 56 botol. Biaya total persediaan minimum bahan baku untuk membuat Amplang “Along” sebanyak Rp. 1.196.984. Kata kunci: pengendalian, persediaan, bahan baku, EOQ, back order
PENENTUAN KABUPATEN/KOTA YANG POTENSIAL UNTUK PEMEKARAN DAERAH DI KALIMANTAN BARAT DENGAN METODE COMPLETE LINKAGE Mariatul Kiftiah, Sontiar Elisabeth Napitupulu, Muhlasah Novitasari Mara,
BIMASTER Vol 5, No 01 (2016): BIMASTER
Publisher : BIMASTER

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pemekaran daerah merupakan salah satu terobosan untuk mempercepat pembangunan melalui peningkatan kualitas dan kemudahan memperoleh pelayanan bagi masyarakat. Pemekaran daerah bertujuan meningkatkan kesejahteraan masyarakat, percepatan pelaksanaan pembangunan perekonomian daerah, dan lain-lain. Karena masih banyaknya daerah di Kalimantan barat yang tergolong sebagai daerah tertinggal maka dinggap penting untuk melakukan penataan ulang dengan pemekaran daerah. Dalam penelitian ini digunakan metode Complete Linkage untuk mengelompokan kabupaten/kota dalam pemekaran daerah berdasarkan persamaan karakteristik dari variabel yang telah diketahui dan menentukan daerah yang berpotensi diadakannya pemekaran daerah. Langkah-langkah pengerjaan metode Complete Linkage yang pertama menentukan pasangan kluster dengan jarak terdekat, kedua mencari jarak maksimum dari pasangan kluster yang memiliki jarak terdekat dengan objek yang lain, ketiga ulangi langkah pertama sampai semua objek berada dalam kluster tunggal. Dari proses pengelompokan maka ditentukan lima  kelompok kluster, yang pertama kluster daerah sangat tidak berpotensi yaitu Kabupaten Landak, Bengkayang, Kayong Utara, kluster kedua daerah tidak berpotensi yaitu Kabupaten Sekadau, Melawi, kluster ketiga daerah kurang berpotensi yaitu Kabupaten Ketapang, Sambas, Mempawah, Kubu Raya, Kapuas Hulu, dan Kota Singkawang , kluster keempat daerah berpotensi yaitu Kabupaten Sanggau dan Sintang, dan yang terakhir kluster kelima daerah sangat berpotensi yaitu Kota Pontianak. Kata kunci: Complete Linkage, Kluster, Pemekaran Daerah
ALGORITMA k-NEAREST NEIGHBOR DALAM KLASIFIKASI DATA HASIL PRODUKSI KELAPA SAWIT PADA PT. MINAMAS KECAMATAN PARINDU Bayu Prihandono., Nobertus Krisandi, Helmi,
BIMASTER Vol 2, No 1 (2013): BIMASTER
Publisher : BIMASTER

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Di dalam Industri kelapa sawit terdapat sekumpulan informasi yang dapat digali dan dikembangkan demi kemajuan industri tersebut dengan menggunakan metode Data Mining. Data mining dikelompokkan dalam dua kategori, yakni supervised dan unsupervised. Algoritma k-Nearest Neighbor (k-NN) adalah suatu metode yang menggunakan algoritma supervised, dimana hasil dari sampel uji yang baru diklasifikasikan berdasarkan mayoritas dari kategori pada k-NN. Penelitian ini dilakukan untuk mengkaji tentang Algoritma k-NN dan kemudian mengaplikasikan Algoritma k-NN dalam klasifikasi data. Data yang digunakan adalah data hasil produksi kelapa sawit (Tonase) dari 50 kelompok tani pada periode Juli-Desember 2011 pada PT. MINAMAS Kabupaten Sanggau. Nilai k yang digunakan adalah k=1, k=3, k=5 dan k=7. Berdasarkan hasil penelitian data terklasifikasi dalam 6 cluster berdasarkan kemiripan hasil produksi dari 50 kelompok tani yang ada di KUD. HIMADO. Hasil produksi yang dominan adalah produksi dari kelompok tani kelapa sawit yang terletak pada C1 dengan 17 anggota dengan persentase 34% yaitu kelompok 1, 2, 33, 34, 38, 39, 40, 41, 42, 43, 44, 45, 46, 47, 48, 49,50 untuk nilai k=7. Kata Kunci : Data mining, Supervised, Algoritma k-Nearest Neighbor.
PERBANDINGAN METODE BOOTSTRAP DAN JACKKNIFE DALAM MENAKSIR PARAMETER REGRESI UNTUK MENGATASI MULTIKOLINEARITAS Neva Satyahadewi., Ryan Iskandar, Muhlasah Novitasari Mara,
BIMASTER Vol 2, No 02 (2013): Bimaster
Publisher : BIMASTER

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Regresi berganda merupakan suatu metode statistik yang mendeskripsikan hubungan antara variabel terikat dengan dua atau lebih variabel bebas. Penelitian ini membandingkan metode Bootstrap dan metode Jackknife dalam menaksir parameter regresi ketika terjadi multikolinearitas. Penelitian ini menggunakan 33 kondisi data berbeda yang proses simulasinya menggunakan bantuan program R. Tingkat efisiensi dari kedua metode tersebut dibandingkan melalui nilai bias dan standar deviasi dari nilai taksiran yang dihasilkan. Penelitian ini menunjukkan bahwa metode Bootstrap menghasilkan nilai bias dan standar deviasi lebih kecil dibandingkan metode Jackknife. Sehingga metode Bootstrap lebih efisien dalam menduga parameter regresi dibandingkan metode Jackknife ketika terjadi multikolinearitas. Kata Kunci : Multikolinearitas, Bootstrap, Jackknife.
ANALISIS JUMLAH KLAIM ASURANSI KENDARAAN BERMOTOR RODA EMPAT MENGGUNAKAN MODEL GENERALIZED POISSON REGRESSION (GPR) Hendra Perdana, Cahya Septia Dadan Kusnandar
BIMASTER Vol 5, No 03 (2016): BIMASTER
Publisher : BIMASTER

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Model regresi Poisson digunakan untuk menganalisis data diskrit. Model regresi Poisson memiliki asumsi bahwa nilai mean dan variansnya sama (equidispersi). Namun pada penelitian ini ditemukan nilai variansi lebih besar daripada nilai rata-rata yang dikenal dengan overdispersi. Overdispersi akan menyebabkan nilai standar error menjadi underestimate. Oleh karena itu perlu dilakukan pendekatan dengan model regresi yang lebih sesuai dalam hal ini digunakan model Generalized Poisson Regression (GPR). Model GPR dapat digunakan pada data baik dalam keadaan equidispersi, underdispersi maupun overdispersi. Penelitian ini diaplikasikan pada data jumlah klaim asuransi kendaraan bermotor roda empat di PT. BUMIDA Kalimantan Barat tahun 2015. Estimasi parameter menggunakan Maximum Likelihood Estimation. Setelah parameter diestimasi didapat faktor-faktor yang mempengaruhi jumlah klaim asuransi. Hasil estimasi yang diperoleh kemudian dipilih dengan melakukan pemilihan model terbaik berdasarkan nilai AIC, BIC yang paling kecil. Dari keempat model yang diestimasi diperoleh model terbaik adalah model GPR dengan semua rating factors. Kata kunci: Regresi Poisson, Overdispersi, Maximum Likelihood Estimation
PERHITUNGAN NILAI EKSPEKTASI RETURN DAN RISIKO DARI PORTOFOLIO DENGAN MENGGUNAKAN MEAN - VARIANCE EFFICIENT PORTFOLIO Evy sulistianingsih., Irma Prakas Sanggup, Neva Satyahadewi,
BIMASTER Vol 3, No 01 (2014): Bimaster
Publisher : BIMASTER

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pada pembentukan portofolio, investor berusaha memaksimalkan ekspektasi return dari investasi dengan tingkat risiko tertentu yang dapat diterima. Salah satu metode portofolio yang dapat digunakan untuk menghitung ekspektasi return portofolio saham dan meminimalkan risiko investasi adalah Mean-Variance Efficient Portfolio (MVEP). MVEP merupakan salah satu metode yang dapat digunakan untuk menentukan bobot portofolio dari beberapa aset. MVEP menghasilkan portofolio yang memiliki variansi minimum diantara keseluruhan kemungkinan portofolio yang dibentuk. Dalam MVEP, investor tidak memasukkan aset bebas risiko (risk free asset) dalam portofolionya. Berdasarkan hasil studi kasus diperoleh nilai ekspektasi dan risiko untuk portofolio saham INDY, INTP dan PGAS adalah 0.001186 dan 2.359410?. Kata kunci: Portofolio, Mean-Variance Efficient Portfolio
MODEL PERUBAHAN KETINGGIAN AIR TERHADAP WAKTU PADA CERAMIC WATER FILTER Nilamsari Kusumastuti, Yogi Bagus Angriawan, Evi Noviani,
BIMASTER Vol 3, No 03 (2014): BIMASTER
Publisher : BIMASTER

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Model perubahan ketinggian air terhadap waktu merupakan model matematika yang merepresentasikan kecepatan aliran air yang tersaring menggunakan Ceramic Water Filter (CWF). Model ini erat kaitannya dengan perubahan massa air yang tersaring keluar melalui luas penampang sisi-sisi CWF. Perubahan massa air dipengaruhi oleh waktu proses penyaringan air. Perubahan massa air terhadap waktu secara fisis sebanding dengan massa jenis air yang konstan dan perubahan volume air terhadap waktu. Pengaruh perubahan ketinggian air terhadap waktu pada proses penyaringan air dengan menggunakan CWF dikaji untuk pembentukan dan penerapan model perubahan ketinggian air terhadap waktu. Pembentukan model ini diawali dengan menentukan volume dalam CWF secara geometris untuk mendeskripsikan volume air. Pada proses penyaringan air, tidak ada penambahan air sampai air habis tersaring, sehingga volume air tersaring sama dengan volume awal air. Selain itu, tidak ada pengaruh endapan yang menempel pada sisi-sisi CWF, sehingga konduktivitas hidroliknya konstan. Banyaknya aliran air yang tersaring per satuan waktu disebut dengan laju aliran air. Laju aliran air dimodelkan menggunakan persamaan Darcy. Perubahan massa air terhadap waktu dinyatakan juga sebanding dengan massa jenis air dan laju aliran air. Perubahan volume air terhadap waktu berdasarkan aturan rantai persamaan diferensial sebanding dengan perubahan volume air terhadap ketinggian air dan perubahan ketinggian air terhadap waktu. Hubungan antara perubahan massa air terhadap waktu dan perubahan volume air terhadap waktu, diperoleh model perubahan ketinggian air terhadap waktu. Pada aplikasi model ini terhadap produk CWF, diperoleh perubahan ketinggian air terhadap waktu sampai air tersaring habis adalah 1,743634 × 10-6 cm/s. Kata Kunci: Ceramic water filter, laju aliran air dan persamaan darcy.
PENERAPAN SISTEM LINEAR ALJABAR MAX-PLUS INTERVAL WAKTU INVARIANT PADA SISTEM PRODUKSI (Studi Kasus : Produksi Minuman Khas Pontianak Lidah Buaya I Sun Vera) Adli Gumelar; Mariatul Kiftiah; Woro Budiartini Partiwi
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 1 (2018): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v7i1.23564

Abstract

Aloe vera merupakan tumbuhan tropis yang tumbuh subur di Kota Pontianak, yang dapat diolah menjadi produk Minuman Khas Pontianak Lidah Buaya I Sun Vera. Untuk memproduksi suatu produk diperlukan penjadwalan kegiatan produksi dalam sistem produksi. Penelitian ini bertujuan mengoptimalkan produksi produk Minuman Khas Pontianak Lidah Buaya I Sun Vera. Permasalahan-permasalahan dalam jaringan yang terutama terkait dengan masalah penjadwalan dapat dimodelkan dan diselesaikan dengan aljabar Max-Plus. Salah satu metode pada aljabar Max-Plus yang dapat diaplikasikan pada sistem produksi yaitu metode Sistem Linear Max-Plus waktu Invariant (SLMI). Salah satu perluasan dari metode SLMI yakni Sistem Linear Max-Plus Interval waktu Invariant (SLMII). Pada penelitian ini digunakan data primer sistem produksi Minuman Khas Pontianak Lidah Buaya dengan delapan unit proses. Hasil penelitian menunjukan bahwa I Sun Vera dapat memproduksi paling banyak lima kali dan paling sedikit empat kali, ketika kegiatan produksi dilakukan secara maksimal dan kontinu. Kata kunci: interval, aljabar Max-Plus, waktu invariant
OPTIMALISASI WAKTU PRODUKSI MIE INSTAN MENGGUNAKAN ANALISIS INPUT-OUTPUT SISTEM LINEAR MAKS-PLUS WAKTU INVARIAN Evi Noviani, Winda Fitri Winarti, Nilamsari Kusumastuti,
BIMASTER Vol 4, No 01 (2015): BIMASTER
Publisher : BIMASTER

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Aljabar maks-plus adalah himpunan , dengan merupakan himpunan semua bilangan real, yang dilengkapi dua operasi biner, yaitu maksimal sebagai Å dan penjumlahan sebagai Ä. Aljabar maks-plus digunakan untuk memodelkan suatu permasalahan dalam kehidupan sehari-hari. Penerapan aljabar maks-plus untuk memodelkan suatu permasalahan diantaranya pada penjadwalan, transportasi, manufakturing dan sistem antrian. Sistem Linear Maks-Plus Waktu Invarian (SLMI) merupakan Sistem Kejadian Diskret (SKD) yang dinyatakan dalam persamaan x(k+1) = A Ä x(k) Å B Ä u(k) dan y(k) = C Ä x(k). Dengan memanfaatkan aljabar maks-plus, pada penelitian ini akan dikaji input-output untuk mengoptimalkan waktu produksi Mie Instan di perusahaan PT.XX. Langkah awal penelitian ini adalah memodelkan sistem produksi ke dalam SLMI. Setelah model terbentuk, dilakukan analisis input-output sistem produksinya dengan kondisi awal dengan penyangga dalam keadaan kosong x(0)= dan barisan input. Diketahui vektor input dengan bilangan k Î N pada SLMI SISO dengan kondisi awal kosong x(0) = , maka outputnya y = H Ä u dengan H merupakan matriks keterobservasian. Hasil penelitian ini diperoleh output waktu penyelesaian produksi dalam satu hari yaitu selama 85512 detik atau 23 jam 45 menit 12 detik atau dalam satu hari perusahaan Mie Instan hanya bisa melakukan 26 kali produksi. Kata kunci: analisis input-output, optimal, SLMI SISO

Page 36 of 84 | Total Record : 832

 34   35   36   37   38 

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 : 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 : 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 : 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 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