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
 41   42   43   44   45 
PENGELOMPOKAN KUALITAS AIR DI KOTA PONTIANAK MENGGUNAKAN METODE WARD DAN SINGLE LINKAGE Ayu Soraya
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.v10i1.44662

Abstract

Analisis klaster merupakan salah satu analisis multivariat yang bertujuan untuk mengelompokan atau mengklasifikasi objek-objek menjadi beberapa kelompok berdasarkan kemiripan variabel-variabel yang diamati, sehingga diperoleh kemiripan objek dalam kelompok yang sama dibandingkan antar objek dari kelompok yang berbeda. Dalam penelitian ini metode Ward dan Single Linkage digunakan untuk mengelompokan kualitas air di Kota Pontianak. Berdasarkan perhitungan R-Squared diperoleh pengelompokan kualitas air menggunakan Metode Single Linkage adalah metode terbaik dengan nilai R-Squared 0,970 dengan  klaster  yang terbaik diklaster ketiga  yang beranggotakan satu lokasi sampel air yaitu jalan Selat Sumba II.Kata Kunci: Analisis klaster, metode ward, metode single linkage.
KESTABILAN MODEL PREDATOR-PREY DENGAN LESLIE-GOWER DAN HOLLING TANPA ADANYA PERLINDUNGAN DI PREY Anggraini Anggraini; Helmi Helmi; Mariatul Kiftiah
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.v10i1.44752

Abstract

Model predator-prey Leslie Gower merupakan model interaksi antara mangsa dan pemangsa dengan laju pertumbuhan antara populasi predator sebanding dengan jumlah prey. Pertumbuhan kedua populasi yang tidak seimbang mempengaruhi salah satu populasi berkurang atau bertambah banyak. Fungsi respon mengacu pada peningkatan populasi predator atau pengurangan  populasi prey saat terjadinya interaksi. Interaksi terhadap predator-prey yang tidak seimbang mengakibatkan kepunahan di salah satu populasi. Penelitian ini bertujuan untuk mengetahui kestabilan dari model predator-prey Leslie Gower dengan fungsi respon Holling tipe II. Model tersebut dianalisis sehingga diperoleh titik kesetimbangan. Kemudian dicari matriks Jacobian dan dari matriks Jacobian tersebut didapat nilai karakteristik dari titik kesetimbangan, sehingga dapat ditentukan kestabilan dari model predator-prey Leslie Gower dan Holling. Berdasarkan hasil penelitian diperoleh empat titik kesetimbangan yakni    dan . Titik equilibrium trivial terjadi pada titik    dan titik equilibrium dengan kepunahan terhadap predator pada titik  bersifat tidak stabil. Karena tidak adanya keberadaan predator mengakibatkan pertumbuhan terhadap prey yang terus meningkat tanpa adanya pengurangan akibat pemburuan dari predator. Sedangkan titik equilibrium dengan kepunahan terhadap prey stabil pada titik  dengan syarat tertentu jika nilai  dan titik equilibrium interior bersifat stabil pada titik  jika . Kata Kunci : Titik Kesetimbangan, Fungsi Respon
PENDANAAN PROGRAM PENSIUN MANFAAT PASTI DENGAN METODE MODIFIED SPREADING GAINS AND LOSSES Mariana Yopi; Setyo Wira Rizki; Hendra Perdana
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.v10i2.46540

Abstract

Program pensiun adalah program yang mengupayakan manfaat pensiun bagi peserta. Secara umum, program pensiun dibedakan menjadi dua, salah satunya program pensiun manfaat pasti. Program pensiun manfaat pasti adalah program pensiun yang manfaatnya ditetapkan di awal, sementara besar iuran yang dibayarkan didasarkan pada perhitungan aktuaria. Tujuan dari penelitian ini adalah menganalisis pendanaan program pensiun manfaat pasti dalam jangka panjang jika terjadi perbedaan asumsi tingkat suku bunga pengembalian investasi aktuaria dan tingkat suku bunga pengembalian investasi aktual dengan menggunakan metode modified spreading gains and losses. Perhitungan dimulai dengan bantuan Tabel Mortalita Indonesia (TMI) 2019 pada laki-laki dengan usia masuk kerja 25 tahun dan usia pensiun 56 tahun serta mengasumsikan tingkat suku bunga pengembalian investasi aktuaria yang digunakan sebesar 3%; 4,5%; dan 5%, sedangkan tingkat suku bunga pengembalian investasi aktual sebesar 4,5%. Terdapat tiga asumsi tingkat suku bunga pengembalian investasi, yaitu saat asumsi tingkat suku bunga pengembalian investasi aktuaria kurang dari tingkat suku bunga pengembalian investasi aktual, saat asumsi tingkat suku bunga pengembalian investasi aktuaria sama dengan tingkat suku bunga pengembalian investasi aktual, dan saat asumsi tingkat suku bunga pengembalian investasi aktuaria lebih dari tingkat suku bunga pengembalian investasi aktual. Selanjutnya menghitung normal contribution, actuarial liability, dana pensiun, loss, unfunded liability, supplementary contribution dengan metode modified spreading gains and losses, dan kontribusi. Hasil yang diperoleh dari penelitian ini adalah pendanaan program pensiun sepenuhnya terdanai atau tidak terjadi keuntungan maupun kerugian dalam jangka panjang. Kata Kunci: pendanaan pensiun, program pensiun manfaat pasti, tingkat suku bunga
PERHITUNGAN DANA PENSIUN DENGAN METODE TRADITIONAl UNIT CREDIT (TUC) PADA TINGKAT SUKU BUNGA KONSTAN DAN MODEL VASICEK (Studi Kasus: Guru Honorer Kemenag di Kecamatan Kapuas) Rizki Nur Rahmalita; Neva Satyahadewi; Setyo Wira Rizki
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.v9i4.43318

Abstract

Dana pensiun diandalkan oleh para karyawan untuk menunjang kesejahteraan hidup dimasa tua. Penelitian ini menerapkan tingkat suku bunga konstan dan model suku bunga stokastik untuk melakukan perhitungan program dana pensiun. Model suku bunga stokastik yang digunakan adalah model Vasicek. Berdasarkan rata-rata suku bunga tahunan BI, langkah awal perhitungan dimulai dengan mengestimasi parameter model Vasicek meliputi kecepatan tingkat suku bunga menuju titik keseimbangan, titik keseimbangan, dan volatilitas dengan metode maximum likelihood estimation (MLE). Tujuan penelitian ini adalah menganalisis perhitungan nilai iuran normal (NC) dan kewajiban aktuaria (AL) pada tingkat suku bunga konstan dan model Vasicek,  dengan metode perhitungan dana pensiun traditional unit credit (TUC). Data yang digunakan adalah data guru honorer Kementerian Agama (Kemenag) di Kecamatan Kapuas, Kabupaten Sanggau dengan asumsi jumlah gaji per bulan tetap. Proporsi dari gaji yang disiapkan untuk manfaat pensiun sebesar 2,5% dari total gaji peserta per tahun. Kesimpulan yang dihasilkan adalah pada suku bunga model Vasicek dihasilkan nilai NC dan AL yang lebih kecil sehingga cadangan manfaat pensiun yang disediakan instansi akan lebih kecil, begitu pula iuran normal yang harus dibayarkan peserta. Kata Kunci: guru honorer, manfaat pensiun tetap, usia pensiun normal.
PEMODELAN PERSENTASE ANGKA KEMATIAN BAYI DI KALIMANTAN BARAT DENGAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION PRINCIPAL COMPONENT ANALYSIS (GWRPCA) Finta Kurnia Putri; Nufitri Imro’ah
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.v10i1.44685

Abstract

Geographically Weighted Regression Principal Component Analysis (GWRPCA) merupakan gabungan dari metode Principal Component Analysis (PCA) dan Geographically Weighted Regression (GWR), dimana untuk mengatasi data multikolinieritas yang mengandung faktor spasial. Dalam penelitian ini, GWRPCA digunakan untuk menentukan model Angka Kematian Bayi (AKB) di Kalimantan Barat. Variabel Independen yang digunakan yaitu jumlah ibu hamil, persalinan yang ditolong tenaga kesehatan, jumlah tenaga medis, jumlah ibu hamil yang mengalami komplikasi kebidanan dan persentase penduduk miskin. Hasil penelitian ini menunjukkan bahwa diperoleh 2 variabel komponen utama yaitu  dan  yang dapat mewakili 5 variabel bebas dari data angka kematian bayi dengan nilai koefisien determinasi (R2) sebesar 42,06%. Sedangkan untuk model Goegraphically Weighted Regression Principal Component Analysis (GWRPCA) didapatkan 14 model untuk setiap lokasi dengan nilai koefisien determinasi global sebesar 42,74% dan untuk nilai koefisien determinasi lokal yaitu nilai koefisien determinasi lokal terbesar yaitu 52,71% terdapat di Kabupaten Ketapang dan koefisien determinasi lokal terkecil yaitu  38,3% terdapat di Kabupaten Kapuas Hulu. Kata Kunci: Heterogenitas Spasial, PCA, GWRPCA.
PERBANDINGAN MODEL ARIMAX DAN FUNGSI TRANSFER PADA PERAMALAN CURAH HUJAN Kunti Wijayanti; Shantika Martha; 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.v10i2.45877

Abstract

Model ARIMAX merupakan modifikasi dari model dasar ARIMA dengan penambahan variabel bebas atau suatu perluasan dari ARIMA. Fungsi transfer disebut sebagai metode yang menggabungkan pendekatan kausal dan deret waktu ARIMA yang bertujuan untuk meramalkan keadaan pada masa yang akan datang. Model ARIMAX dan fungsi transfer ini digunakan untuk menganalisis data curah hujan dengan kelembaban udara sebagai variabel bebas. Tujuan penelitian ini untuk membandingkan model peramalan terbaik berdasarkan model ARIMAX dan fungsi transfer. Berdasarkan hasil analisis pada model ARIMAX diperoleh MAPE sebesar 50,7% dan fungsi transfer dengan nilai MAPE sebesar 73,7%. Hal ini dapat dikatakan bahwa hasil peramalan model ARIMAX dan fungsi transfer tidak dapat dibandingkan karena memiliki nilai MAPE lebih dari 50% yang artinya hasil peramalan kedua metode tersebut buruk atau tidak cocok untuk data curah hujan Kabupaten Ketapang. Kata Kunci: ARIMAX, fungsi transfer, curah hujan
PERAMALAN HARGA EMAS BATANGAN MENGGUNAKAN METODE GREY DOUBLE EXPONENTIAL SMOOTHING Ika Novira Zulianti; Shantika Martha; Nurfitri Imro’ah
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.v9i4.42280

Abstract

Grey Double Exponential Smoothing (GDES) merupakan gabungan dari metode grey dan double exponential smoothing yang digunakan untuk melakukan peramalan data deret waktu yang berpola trend dengan keacakan, ketidakteraturan dan keterbatasan informasi data yang ada. Grey accumulated generating operator (r-AGO) yang dapat memuluskan gangguan acak data dimasukkan ke dalam metode double exponential smoothing sehingga kecenderungan pola data dapat dilihat dengan jelas. Hasil peramalan metode GDES diperoleh dengan cara mentransformasikan balik data transformasi r-AGO menggunakan inverse accumulated generating operator (IAGO). Penelitian ini bertujuan meramalkan harga emas batangan pada bulan Januari sampai Juni tahun 2020 menggunakan metode GDES serta mengukur kesalahan peramalan yang dihasilkan metode tersebut. Keakuratan hasil peramalan yang digunakan adalah mean absolute precentage error (MAPE). Dataset yang digunakan pada penelitian ini adalah rata-rata harga  emas batangan per gram dari bulan Januari 2016 sampai Desember 2019. Hasil peramalan harga emas yang diperoleh menggunakan metode GDES menunjukkan trend naik setiap bulannya dengan hasil peramalan terendah adalah Rp.755.340,39 pada bulan Januari 2020 dan hasil peramalan tertinggi adalah Rp.763.833,70 pada bulan Juni 2020. Nilai MAPE yang dihasilkan sebesar 1,53% yang berarti bahwa peramalan GDES untuk harga emas batangan termasuk dalam kategori peramalan yang sangat baik. Kata Kunci : peramalan, exponential smoothing, grey, r-AGO, IAGO, MAPE
PENGGUNAAN AKAR LATEN DALAM MENGATASI MULTIKOLINEARITAS PADA MODEL REGRESI Wulan Yuni Adila; Nufitri Imro’ah
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.v10i1.44670

Abstract

Akar laten merupakan metode yang digunakan untuk mengatasi masalah multikolinearitas pada data. Penelitian ini bertujuan untuk mengatasi masalah multikolinearitas menggunakan akar laten. Data yang digunakan pada penelitian ini merupakan data sekunder yang diambil dari Badan Pusat Statistik (BPS) pada tahun 2014 dengan variabel dependen yaitu, data tingkat pengangguran terbukadan tiga variabel independen yaitu jumlah penduduk miskin (X1), jumlah penduduk Indonesia (X2) dan jumlah partisipasi angkatan kerja (X3). Nilai Variance Inflation Factor (VIF) diawal diperoleh sebesar 12,949(X1), 12,949(X2), 1,113(X3), hal ini menunjukkan terjadinya multikolinearitas pada data  (X1) dan (X2). Setelah dilakukan uji menggunakan akar laten nilai Variance Inflation Factor (VIF) dari ketiga variabel untuk masing-masing variabel yaitu sebesar 1,231629(X1), 1,172524(X2), 1,220886 (X3). Hal ini menunjukkan bahwa jumlah penduduk miskin, jumlah penduduk Indonesia dan jumlah partisipasi angkatan kerja berpengaruh secara signifikan terhadap tingkat pengangguran terbuka dengan  sebesar 91% dan tidak terjadi masalah multikolinearitas pada model. Dari hasil penelitian menunjukkan bahwa masalah multikolinearitas pada data dapat teratasi dengan menggunakan akar laten. Kata Kunci: Akar laten, multikolinearitas, vektor laten, regresi berganda.
PERBANDINGAN CADANGAN PREMI PADA ASURANSI JIWA DWIGUNA MENGGUNAKAN METODE COMMISSIONERS DAN CANADIAN Yumna Siska Fitriyani; Neva Satyahadewi; 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.v10i1.45246

Abstract

Pada asuransi jiwa, peserta asuransi diharuskan untuk membayar sejumlah uang kepada perusahaan asuransi sebagai premi, dimana premi yang telah dibayarkan akan disisihkan sebagian sebagai cadangan premi yang akan dibayarkan kembali kepada peserta asuransi apabila terjadi klaim. Cadangan premi bertujuan untuk mengurangi risiko terjadinya kerugian pada perusahaan asuransi yang disebabkan tidak adanya dana yang cukup untuk membayarkan uang santunan pada saat terjadi klaim. Penelitian ini bertujuan untuk menentukan besarnya cadangan premi dengan menggunakan metode Commissioners dan Canadian yang merupakan perluasan dari cadangan prospektif. Dari metode Commissioners dan Canadian akan ditentukan metode manakah yang lebih efektif digunakan dalam menghitung besarnya cadangan premi. Perhitungan cadangan premi dilakukan dengan mencari nilai asuransi dan nilai anuitas awal, menentukan premi tahunan, menentukan premi modifikasi untuk tahun-tahun berikutnya, dan menghitung besarnya cadangan premi di akhir tahun ke-t. Penelitian ini dilakukan pada seorang laki-laki berusia 25 tahun yang mengikuti program asuransi jiwa dwiguna dengan masa pertanggungan 25 tahun dan jangka waktu pembayaran premi 23 tahun. Hasil analisis yang telah dilakukan dengan tingkat suku bunga 4%, menyatakan bahwa metode yang lebih efektif digunakan untuk menentukan besarnya cadangan premi adalah metode Canadian. Hal ini dikarenakan cadangan premi di awal tahun yang dihasilkan metode Canadian lebih besar dari pada metode Commissioners sehingga keuntungan yang diperoleh pihak perusahaan juga semakin besar.  Kata kunci: Polis, metode Commissioners, metode Canadian
ANALISIS REGRESI COX PROPORTIONAL HAZARD PADA PEMODELAN WAKTU TUNGGU MEMPEROLEH PEKERJAAN PERTAMA Jawani Jawani; Neva Satyahadewi; Hendra Perdana
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.v9i4.44081

Abstract

Analisis survival merupakan kumpulan dari prosedur statistika untuk menganalisis data dimana outcome variabel yang diteliti adalah waktu hingga suatu kejadian atau peristiwa (event) terjadi. Terdapat beberapa metode yang digunakan untuk menganalisis data survival. Salah satunya adalah metode regresi survival yang digunakan untuk mencari hubungan variabel-variabel terhadap waktu survival. Metode regresi survival adalah metode regresi yang digunakan untuk melihat faktor-faktor yang berpengaruh pada terjadinya suatu peristiwa atau kejadian. Dalam analisis survival dikenal dua model regresi, yaitu model semiparametrik dan model parametrik. Regresi semiparametrik adalah regresi yang paling populer diantara metode regresi lainnya. Salah satu regresi semiparametrik yang sering digunakan adalah regresi Cox proportional hazard. Dalam penelitian ini waktu survival yang digunakan adalah selang waktu tunggu lulusan dalam memperoleh pejerjaan pertamanya. Data yang digunakan adalah data lulusan Program Studi S1 Statistika FMIPA Untan pada periode Oktober 2017 sampai Januari 2020 sebanyak 46 data dengan kategori 14 data tersensor dan 32 data tidak tersensor. Berdasarkan analisis dan pengujian di peroleh model terbaik dan faktor-faktor yang berhubungan dengan lama waktu tunggu memperoleh pekerjaan pertama adalah jenis kelamin, nilai TUTEP, masa studi dan IPK, dengan masing-masing nilai hazard ratio 0,649, 1,007, 0,999 dan 1,118.Kata Kunci: analisis daya tahan, data tersensor, pekerjaan pertama, regresi cox.

Page 43 of 84 | Total Record : 832

 41   42   43   44   45 

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 Vol 9, No 1 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 4 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 4 (2019): BIMASTER Vol 8, No 3 (2019): BIMASTER Vol 8, No 3 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 2 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 2 (2019): BIMASTER Vol 8, No 1 (2019): BIMASTER Vol 8, No 1 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya 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 : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 2 (2018): BIMASTER 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 : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 6, No 01 (2017): BIMASTER 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