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
 40   41   42   43   44 
PERHITUNGAN VALUE AT RISK PORTOFOLIO PADA FUNGSI ARCHIMEDEAN COPULA Nona Lusia; Neva Satyahadewi; Setyo Wira Rizki
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 1 (2021): 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.v10i1.44829

Abstract

Value at Risk (VaR) merupakan salah satu alat ukur yang digunakan untuk menghitung risiko pada portofolio. Akan tetapi VaR memiliki asumsi distribusi normalitas. Pada kenyataannya data finansial lebih sering berdistribusi tidak normal dan return dari data  mengindikasikan adanya heteroskedastisitas. Salah satu metode yang dapat digunakan untuk mengatasi masalah tersebut adalah menghitung nilai VaR menggunakan copula. Tujuan penelitian ini untuk menganalisis perhitungan nilai VaR saham portofolio menggunakan fungsi archimedean copula. Langkah-langkah perhitungan VaR menggunakan fungsi archimedean copula adalah menghitung nilai return saham, mencari nilai statistik deskriptif dari return, melakukan uji autokorelasi dan uji heterokedastisitas pada return saham, memeriksa nilai ekstrem menggunakan Pareto tail, mengestimasi parameter keluarga archimedean copula, melakukan simulasi archimedean copula,  menghitung nilai VaR saham portofolio. Penelitian ini menggunakan data harga saham penutupan harian BBCA dan BBNI periode 4 Januari 2016 sampai 30 Oktober 2019. Berdasarkan hasil analisis, diperoleh perhitungan nilai VaR pada keluarga fungsi archimedean copula adalah sebagai berikut: Clayton copula dengan tingkat kepercayaan 90%, 95%, dan 99% secara berturut-turut dari aset yang diinvestasikan adalah 0,8254%, 0,8389%, dan 0,8528%. Gumbel copula adalah 0,8306%, 0,8453%, dan 0,8581%. Frank copula adalah 0,8244%, 0,8382%, dan 0,8539%. Terlihat bahwa semakin besar tingkat kepercayaan yang digunakan maka semakin besar tingkat risiko yang diperoleh investor. Perhitungan nilai VaR portofolio menggunakan fungsi Gumbel copula menghasilkan nilai VaR tertinggi. Kata Kunci: Investasi, Portofolio, VaR, Clayton copula, Gumbel copula, Frank copula
PEMODELAN AKREDITASI SEKOLAH SMA/MA DI KALIMANTAN BARAT DENGAN PENDEKATAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE Nur Azmi; Hendra Perdana
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 1 (2021): 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.v10i1.44660

Abstract

Multivariate Adaptive Regression Spline (MARS) merupakan salah satu model regresi nonparametrik, MARS merupakan pengembangan dari pendekatan recursive partition regressio (RPR) yang dikombinasikan dengan metode Spline sehingga MARS mampu menghasilkan prediksi variabel respon yang akurat, serta menghasilkan model yang kontinu pada knot berdasarkan nilai generalized cross validation (GCV) terkecil. MARS akan membangun suatu model terbaik sebagai model klasifikasi yang akan melibatkan beberapa fungsi basis yang memuat variabel prediktor yang berpengaruh. Pemilihan model MARS terbaik dilakukan dengan prosedur forward stepwise dan backward stepwise didasarkan pada nilai GCV. Penelitian ini menggunakan 8 variabel prediktor dan 2 variabel respon dengan menggunakan data akreditasi sekolah SMA/MA di Kalimantan Barat. Hasil dari penelitian ini, menunjukkan bahwa model MARS terbaik didapat dari hasil kombinasi fungsi basis (BF) = 32, maksimum interaksi (MI) = 3, dan minimum observasi (MO) = 10 dengan nilai sebesar GCV = 0,0468. Dari proses yang dilakukan terdapat 2 variabel prediktor yang memberikan pengaruh persentase paling besar terhadap model yaitu komponen standar sarana dan prasarana sebesar 100% dan komponen standar pendidik dan tenaga kependidikan 92,5%. Kata Kunci: komponen akreditasi sekolah, MARS, GCV
ESTIMASI NILAI EIGEN MENGGUNAKAN TEOREMA GERSHGORIN Ditanti Putri Shofia; Mariatul Kiftiah; Yundari Yundari
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 1 (2021): 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.v10i1.44751

Abstract

Nilai eigen adalah nilai karakteristik dari suatu matriks persegi. Penentuan nilai eigen dilakukan dengan cara mencari akar-akar karakteristiknya. Cara umum yang biasa dipelajari dalam penentuan akar karakteristik adalah menggunakan pencarian determinan matriks. Cara ini terbilang cukup memakan waktu untuk matriks yang berukuran besar atau berordo lebih dari 3. Dalam menggunakan metode analitik, ada sebuah teorema yang digunakan dalam penentuan nilai eigen dengan cara mengestimasi nilai eigen. Teorema ini disebut dengan teorema Gershgorin. Estimasi nilai eigen dengan menggunakan teorema Gershgorin menghasilkan rentang kumpulan nilai eigen dari suatu matriks. Rentang nilai eigen yang terbentuk dari teorema ini berupa cakram pada bidang kompleks. Cakram ini disebut dengan cakram Gershgorin yang memiliki n-cakram sesuai dengan n-baris pada matriks yang akan dicari nilai eigennya. Penelitian ini bertujuan untuk menganalisis dan mengkaji penerapan teorema Gershgorin untuk matriks berukuran besar. Penerapan teorema Gershgorin ini hanya terfokus pada nilai eigen yang selalu berada didalam cakram Gershgorin. Berdasarkan hasil yang telah didapat, nilai eigennya selalu berada dalam cakram Gershgorin. Kata kunci : cakram Gershgorin, rentang, matriks kompleks.
PEMETAAN KASUS MULTIDRUG RESISTANT TUBERCULOSIS(MDR-TB) DI KALIMANTAN BARAT Zettira Septiani; Naomi Nessyana Debataraja; Yudhi Yudhi
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 2 (2021): 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.v10i2.46054

Abstract

Penyakit Tuberkulosis (TB) masih menjadi prioritas utama di dunia dan menjadi salah satu target dalam SDGs (Sustainability Development Goals). Pengobatan TB yang tidak memadai dapat meningkatkan risiko resistansi kuman terhadap Obat Anti TB (OAT), salah satunya adalah Multidrug Resistant Tuberculosis (MDR-TB). MDR-TB memerlukan waktu yang lebih lama dibandigkan pengobatan TB biasa, serta memiliki angka kegagalan pengobatan dan kematian yang tinggi. Pemetaan pada kasus MDR-TB yang terjadi dapat digunakan sebagai gambaran dalam penyebaran penyakit MDR-TB. Dengan pemetaan, kasus MDR-TB dapat dianalisis dari berbagai aspek sehingga dapat membantu dalam pengendalian penyebaran penyakit ini. Penelitian ini bertujuan untuk memetakan kasus MDR-TB di Kalimantan Barat dengan pendekatan deskriptif dan menggunakan metode Indeks Moran. Data yang digunakan dalam penelitian ini adalah data sekunder, yaitu data kasus MDR-TB di Kalimantan Barat yang diperoleh dari e-TB Manager TB Unit Dinas Kesehatan Provinsi Kalimantan Barat. Dari hasil yang diperoleh dalam penelitian ini, dapat disimpulkan bahwa kasus MDR-TB di Kalimantan Barat meningkat pada tahun 2019 dibandingkan dengan tahun 2018. Kasus terbanyak pada tahun 2019 terjadi pada Kabupaten Ketapang. Kemudian, berdasarkan pemetaan yang dilakukan, diketahui bahwa daerah dengan kasus MDR-TB tinggi pada tahun 2019 terjadi di Kabupaten Mempawah, Ketapang, Kubu Raya, dan Kota Pontianak. Pemantauan penderita MDR-TB di daerah dengan angka kejadian yang tinggi sangat penting dilakukan untuk memutuskan mata rantai penularan MDR-TB. Kata Kunci: Multidrug Resistant Tuberculosis (MDR-TB), Pemetaan, Deskriptif, Indeks Moran
MODIFIKASI METODE NEWTON DENGAN KONVERGENSI ORDE TIGA UNTUK MENYELESAIKAN SISTEM PERSAMAAN NONLINEAR Yuli Rahayu; Evi Noviani; Yudhi Yudhi
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 4 (2020): 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.v9i4.43316

Abstract

Metode Newton merupakan metode iterasi yang digunakan untuk mencari akar-akar persamaan nonlinear maupun sistem persamaan nonlinear dengan orde konvergensi dua. Pada penelitian ini dibahas tentang penyelesaian sistem persamaan nonlinear dengan modifikasi metode Newton. Metode yang diperoleh dengan modifikasi metode Newton mempunyai orde konvergensi tiga. Langkah-langkah untuk mencari solusi sistem persamaan nonlinear  dengan menggunakan metode ini adalah mencari nilai  sebagai solusi dari iterasi ke-  dengan toleransi error . Hasil penelitian menunjukkan bahwa metode tersebut dapat menyelesaikan sistem persamaan nonlinear dengan orde konvergensi tiga.Kata kunci: Metode Newton, Orde konvergensi, Galat, Norm, Sistem Persamaan Nonlinear
PEMODELAN JUMLAH KEMATIAN BAYI DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED POISSON REGRESSION (GWPR) STUDI KASUS DI PROVINSI KALIMANTAN BARAT Ika Nur Septiani
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 1 (2021): 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.v10i1.44684

Abstract

Geograpically Weighted Poisson Regression (GWPR) merupakan pemodelan spasial dengan pendekatan titik yang memiliki variable respon yang berdistribusi Poisson, dimana faktor lokasi diperhatikan. Tujuan penelitian ini adalah untuk menetukan model terbaik dalam analisis faktor-faktor yang mempengaruhi jumlah kematian bayi. Pada data penelitian dilakukan uji multikolonearitas, selanjutnya mengestimasi parameter model regresi Poisson mengunakan metode MLE dan diselesaikan dengan iterasi Newton-Raphson. Kemudian menguji signifikansi parameter model secara serentak dan parsial. Selanjutnya dilakukan penaksiran parameter model GWPR dengan metode MLE. Lalu menguji kesamaan model Poisson dan GWPR yang didekati dengan distribusi F, sedangkan pengujian parameter parsial menggunakan distribusi t. Kemudian model terbaik dipilih berdasarkan nilai AIC terkecil. Hasil penelitian ini menunjukkan bahwa model GWPR dengan pembobot kernel Gaussian merupakan model terbaik yang dapat digunakan untuk menganalisis jumlah kematian bayi di Provinsi Kalimantan Barat dengan nilai AIC yaitu sebesar 27,2119.  Kata Kunci: Spasial, Kematian Bayi, Poisson, Regresi
EKSPLORASI DATA TINGKAT KUALITAS AIR DI KOTA PONTIANAK: INDIKATOR FISIK DAN KIMIA Shindy Utari; Dadan Kusnandar; Naomi Nessyana Debataraja
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 2 (2021): 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.v10i2.45876

Abstract

Air bersih dan sanitasi layak merupakan salah satu tujuan dalam Sustainable Development Goals. Seiring berjalannya waktu, kualitas air mengalami penurunan terutama di daerah pemukiman akibat tercemar limbah dari hasil kegiatan manusia. Standar baku mutu kesehatan lingkungan dan persyaratan kesehatan air untuk keperluan higiene sanitasi diatur berdasarkan Peraturan Menteri Kesehatan Republik Indonesia Nomor 32 Tahun 2017. Data yang digunakan adalah data primer yang diambil dari enam Kecamatan di Kota Pontianak. Terdapat dua indikator yang digunakan antara lain fisik dan kimia. Indikator fisik yang digunakan pada penelitian ini adalah suhu dan kekeruhan. Indikator kimia yang digunakan pada penelitian ini adalah pH. Langkah-langkah penelitian adalah melakukan statistik deskriptif terhadap masing-masing variabel.Kata Kunci: pencemaran air, standar baku mutu, statistik deskriptif
ALJABAR NONASOSIATIF DAN NONKOMUTATIF TERKAIT MUTASI Fransiskus Fran, Paula, Yundari,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 4 (2020): 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.v9i4.42277

Abstract

Aljabar pada pewarisan genetik merupakan aljabar  atas . Aljabar  merupakan aljabar dengan realisasi genetik jika  memuat suatu segregasi Mendel. Hukum Mendel dalam pewarisan genetik menyatakan bahwa pada waktu pembentukan gamet tiap pasang gen disegregasi ke dalam masing-masing gamet yang terbentuk. Secara umum, dalam pewarisan genetik memungkinkan terjadinya suatu mutasi. Dalam penelitian ini dibahas tentang aljabar mutasi yang merupakan left almost algebra. Lebih lanjut dibahas pula tentang left almost algebra yang berkaitan dengan aljabar alternatif dan aljabar Jordan. Kata Kunci : aljabar mutasi, aljabar alternatif, aljabar Jordan.
ANALISIS ANGKA KEMATIAN BAYI (AKB) DI KALIMANTAN BARAT DENGAN ROBUST PRINCIPAL COMPONENT ANALYSIS (ROBPCA) Lina Astuti; Yundari Yundari
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 1 (2021): 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.v10i1.44669

Abstract

Principal Component Analysis (PCA) merupakan teknik analisis multivariat yang bertujuan mereduksi dimensi data dimana sejumlah variabel bebas yang masih saling berkorelasi, dengan mempertahankan sebesar mungkin varians data menjadi kumpulan data  baru yang tidak berkorelasi lagi. PCA sangat dipengaruhi oleh kehadiran pencilan (outlier) karena PCA didasarkan pada matriks kovarians yang sensitif terhadap keberadaan data outlier. Robust Principal Component Analysis (ROBPCA) merupakan suatu analisis komponen utama yang robust terhadap keberadaan outlier dalam data pengamatan. Dalam analisis ini menggabungkan konsep Projection Pursuit (PP) dan Minimum Covariance Determinant (MCD). Tujuan penelitian ini adalah mendapatkan komponen utama dengan data yang terindikasi masalah multikolinearitas dan outlier, serta mendapatkan model persamaan terbaik yang diterapkan pada data Angka Kematian Bayi (AKB). Variabel-variabel bebas yang memengaruhi AKB yaitu, jumlah ibu hamil, jumlah persalinan yang ditolong tenaga kesehatan, jumlah tenaga medis, jumlah ibu hamil yang mengalami komplikasi kebidanan, dan presentase penduduk miskin. Pada proses awal data pengamatan dilakukan uji multikolinearitas dan selanjutnya menentukan komponen utama dengan PCA. Setelah mendapatkan komponen utama, dilakukan analisis regresi. Pendeteksian outlier menggunakan jarak robust Mahalanobis. Ketika terdapat outlier, maka proses dilanjutkan menggunakan ROBPCA. Hasil analisis menunjukkan bahwa ROBPCA dapat menghasilkan 2 komponen utama dari 5 variabel asal. Berdasarkan penelitian model regresi PCA dan ROBPCA sama-sama memiliki nilai R-square sebesar 0,4206 artinya bahwa penelitian ini mampu menjelaskan 42,06% varians Y. Akan tetapi pada Residual Standard Error (RSE) untuk model regresi PCA sebesar 3,526 lebih besar daripada model regresi ROBPCA yaitu sebesar 0,827. Model terbaik yang didapatkan untuk analisis Angka Kematian Bayi di Kalimantan Barat   adalah ROBPCA. Kata Kunci : PCA, robust, ROBPCA, outlier, R-square, RSE  
PENENTUAN IURAN NORMAL DANA PENSIUN UNTUK STATUS JOINT-LIFE DENGAN METODE BENEFIT PRORATE TIPE CONSTANT DOLLAR Deni Wardani; Setyo Wira Rizki; Hendra Perdana
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 1 (2021): 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.v10i1.45080

Abstract

Program Pensiun dibagi menjadi dua jenis, yaitu Program Pensiun Manfaat Pasti (defined benefit plan) dan Program Pensiun Iuran Pasti (defined contribution plan). Program pensiun manfaat pasti merupakan program yang manfaatnya ditetapkan dalam peraturan Dana Pensiun, sedangkan program pensiun iuran pasti adalah program yang iurannya ditetapkan dalam peraturan Dana Pensiun. Benefit prorate merupakan metode yang digunakan untuk menghitung besarnya dana pensiun apabila terjadi pensiun pada masa aktif kerja maupun pada waktu yang telah ditentukan. Tujuan dari penelitian ini adalah menghitung besar iuran normal dana pensiun yang harus dibayarkan dengan  metode benefit prorate tipe constant dollar. Pada penelitian ini jumlah peserta dana pensiun dua orang yaitu suami dan istri. Perhitungan  dimulai dengan mengumpulkan informasi mengenai Tabel Mortalita Indonesia (TMI) 2019, usia peserta, gaji awal peserta, dan tingkat suku bunga. Langkah kedua yaitu menghitung anuitas awal seumur hidup, ketiga menghitung total gaji dan besar manfaat pensiun dengan asumsi gaji tahun terakhir dan  total gaji selama bekerja. Selanjutnya menentukan besar nilai sekarang dari manfaat pensiun dan terakhir menentukan besar tarif iuran normal yang harus dibayarkan oleh peserta. Berdasarkan perhitungan, ketika usia suami sama dengan istri dan asumsi yang digunakan adalah total gaji selama bekerja, maka diperoleh iuran normal terkecil Rp933.301. Kata Kunci: Anuitas, Suku bunga, Dana pensiun, Joint-life

Page 42 of 84 | Total Record : 832

 40   41   42   43   44 

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 : 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