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
 46   47   48   49   50 
PENYELESAIAN PERSAMAAN DIFERENSIAL BIASA ORDE DUA DENGAN METODE BLOK K-LANGKAH Muhammad Adiyan Septianda; Mariatul Kiftiah; Yudhi Yudhi
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 4 (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.v10i4.7126

Abstract

Penelitian ini mengkaji dan menentukan penyelesaian numerik persamaan diferensial biasa orde dua menggunakan metode blok k-langkah dengan banyaknya langkah  yaitu dua langkah dan tiga langkah. Nilai masing-masing koefisien pada metode blok dua langkah dan tiga langkah diperoleh dengan ekspansi deret Taylor. Metode  ini mampu menghitung penyelesaian numerik di dua titik atau lebih. Hasil penelitian diperoleh penyelesaian numerik dengan galat yang kecil mendekati penyelesaian eksaknya sehingga metode ini bisa menjadi alternatif untuk menyelesaikan persamaan diferensial biasa orde dua linear maupun nonlinear dengan baik.   Kata Kunci: Persamaan diferensial biasa, metode blok k-langkah, deret Taylor
PENGUKURAN VALUE AT RISK DENGAN PROSEDUR VOLATILITY UPDATING HULL AND WHITE BERDASARKAN ROBUST EXPONENTIALLY WEIGHTED MOVING AVERAGE Sumiarti Sumiarti; Shantika Martha; Setyo Wira Rizki
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 4 (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.v10i4.49685

Abstract

Risiko adalah besarnya penyimpangan antara tingkat pembelian yang diharapkan dengan tingkat pengembalian sebenarnya. Salah satu alat untuk mengukur risiko adalah Value at Risk (VaR). VaR adalah pengukuran kemungkinan kerugian terburuk dalam kondisi pasar yang normal dengan probabilitas tertentu dan pada horizon waktu tertentu. Keberhasilan penggunaan VaR sangat bergantung pada estimasi volatilitas bersyarat dari return portofolio. Salah satu metode untuk menghitung volatilitas bersyarat adalah robust exponentially weighted moving average (robust EWMA). Robust EWMA adalah metode EWMA alternatif yang digunakan saat kondisi data return tidak berdistribusi normal dan bersifat heteroskedastik. VaR dihitung menggunakan metode historical simulation dengan data yang diperbarui dengan volatilitas Hull and White. Tujuan dari  penelitian ini adalah untuk menentukan return yang deperoleh dengan prosedur volatility updating Hull and White dan menghitung VaR dengan metode robust EWMA. Data yang digunakan adalah data return saham dari saham PT. Jakarta Islamic Indeks, Tbk (JII) dan PT. Astra Internasional, Tbk. (ASII) penutupan harian pada periode  01 Agustus 2019 hingga 18 Agustus 2020. Berdasarkan hasil penelitian ukuran pembelian optimal untuk portofolio dua aset ASII dan JII dengan investasi awal sebesar Rp100.000.000,00,- investor diperkirakan tidak akan mengalami kerugian lebih dari Rp3.097.059 dalam jangka waktu satu hari setelah portofolio dibentuk dengan tingkat kesalahan  α =0,05 dan λ = 0,94 . Kata Kunci: robust EWMA, VaR, volatility updating
PEMODELAN DATA GARIS KEMISKINAN DI PULAU KALIMANTAN DENGAN PENDEKATAN SPATIAL DURBIN ERROR MODEL (SDEM) Ervin Ervin; Dadan Kusnandar; Nurfitri Imro’ah
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 4 (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.v10i4.49542

Abstract

Kemiskinan adalah keadaan dimana terjadi ketidakmampuan untuk dapat memenuhi kebutuhan dasar seperti makanan, pakaian, tempat berlindung, pendidikan dan kesehatan. Sementara itu, garis kemiskinan atau batas kemiskinan adalah tingkat minimum pendapatan yang dianggap perlu dipenuhi untuk memperoleh standar hidup yang mencukupi di suatu negara. Angka garis kemiskinan setiap tahunnya mengalami kenaikan, hal ini menunjukkan bahwa aspek pembangunan manusia terus mengalami kemajuan dan memungkinkan adanya saling ketergantungan dari faktor-faktor yang mempengaruhi garis kemiskinan dengan terjadinya hubungan antardaerah. Faktor-faktor yang mempengaruhi angka garis kemiskinan yang digunakan dalam penelitian ini diantaranya angka harapan hidup, harapan lama sekolah, rata-rata lama sekolah dan pengeluaran perkapita disesuaikan. Perbedaan angka garis kemiskinan antardaerah dan permasalahan yang dihadapi dapat dimodelkan dalam bentuk pemodelan spasial. Salah satu pemodelan spasial yang dapat digunakan adalah Spatial Durbin Error Model (SDEM). Pada penelitian ini dilakukan dengan pemodelan SDEM yang bertujuan untuk mengetahui hubungan dependensi spasial yang terjadi pada variabel dependen. Hasil penelitian menunjukkan bahwa terdapat dependensi spasial lag dan spasial error antar kabupaten/kota yang berarti kabupaten/kota yang berdekatan memiliki nilai yang cenderung mirip. Uji dependensi spasial dilakukan pada matriks pembobot dengan metode queen contiguity. Hasil yang menunjukkan bahwa lag variabel error signifikan adalah dengan nilai uji signifikansi parameter λ>X(0,05;1). Berdasarkan persamaan yang diperoleh untuk masing-masing model dengan jumlah tetangga yang berbeda, disimpulkan bahwa semakin banyak jumlah tetangga akan berpengaruh terhadap nilai koefisien dependensi spasial lag dan nilai koefisien dependensi spasial error yang semakin kecil.Kata Kunci: pembobot spasial, regresi spasial, garis kemiskinan, SDEM.
PERBANDINGAN BIAYA DISTRIBUSI DENGAN MENGGUNAKAN SOLUSI AWAL DARI MASALAH BIAYA DISTRIBUSI DENGAN MDM, KSAM DAN VAM Felicia Yulita Kartika Sari; Helmi Helmi; Fransiskus Fran
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 4 (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.v10i4.49543

Abstract

Mengalokasikan sejumlah produk yang terdapat pada sumber sedemikian sehingga memenuhi seluruh kebutuhan pada lokasi permintaan menjadi target dalam permasalahan transportasi. Biaya distribusi adalah satu faktor penting dalam dunia bisnis untuk memaksimumkan keuntungan dengan menekan ongkos kirim. Berbagai metode dikembangkan untuk menyelesaikan permasalahan transportasi seperti Vogel’s Approximation Method (VAM), Karagul-Sahin Approximation Method (KSAM), dan Maximum Difference Method (MDM). Penelitian ini bertujuan untuk membandingkan VAM, KSAM, dan MDM dalam menghasilkan biaya distribusi minimum pada beberapa kasus dengan kondisi seimbang dan tidak seimbang serta ukuran kasus yang berbeda. Kasus transportasi seimbang terjadi ketika besar persediaan dan permintaan sama sedangkan pada kasus tidak seimbang, persediaan lebih besar daripada permintaan atau sebaliknya. Solusi awal permasalahan distribusi didapatkan dengan terlebih dahulu membuat tabel transportasi dari data yang sudah dikumpulkan. Selanjutnya, tabel transportasi yang diperoleh digunakan untuk mencari biaya distribusi menggunakan VAM, KSAM, dan MDM. Berdasarkan hasil perhitungan, ketiga metode tersebut menghasilkan biaya distribusi yang lebih rendah dibandingkan biaya yang dikeluarkan perusahaan. Hasil VAM menghasilkan biaya yang paling minimum pada seluruh kasus. Hasil KSAM cenderung mendekati hasil VAM pada 3 kasus yang terdiri dari kasus seimbang dan tidak seimbang. Hasil MDM cenderung mendekati VAM pada kasus tidak seimbang.Kata Kunci: biaya distribusi,kasus distribusi seimbang, kasus distribusi tidak seimbang
PEMODELAN MARKOV SWITCHING AUTOREGRESSIVE (MSAR) PADA DATA INFLASI DI INDONESIA Bartolomius Bartolomius; Shantika Martha; Siti Aprizkiyandari
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 4 (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.v10i4.50930

Abstract

Inflasi adalah kenaikan harga secara umum yang berlangsung secara terus-menerus selama periode tertentu. Inflasi memiliki dua kondisi (state) yang sering berubah, yaitu ketika inflasi mengalami kenaikan atau penurunan. Pemodelan data deret waktu biasanya menggunakan model ARIMA, ARCH, dan GARCH. Akan tetapi ketiga model tersebut tidak memperhitungkan adanya perubahan struktur. Salah satu model alternatif yang dapat digunakan untuk menganalisis data yang mengalami perubahan struktur adalah model Markov switching autoregressive (MSAR). Data yang digunakan pada penelitian ini adalah data tingkat inflasi di Indonesia periode Januari 2005 sampai Desember 2020. Adapun tujuan dari penelitian ini adalah membentuk model MSAR serta mengetahui nilai peluang transisi setiap state pada data inflasi di Indonesia. Tahapan analisis dimulai dengan input data, melakukan deskripsi data, uji stasioneritas data dan melakukan pemodelan Box-Jenkins. Langkah selanjutnya yaitu melakukan uji perubahan struktur dan uji heteroskedastisitas yang dilanjutkan dengan estimasi parameter model MSAR serta membentuk matriks transisi. Hasil penelitian diperoleh bahwa model MSAR terbaik ialah model MS(2)-AR(1) dengan nilai peluang transisi inflasi tetap berada pada state 1 adalah sebesar 0,666668. Meskipun demikian, ada peluang sebesar 0,333332 dimana kondisi inflasi akan berpindah ke state 2. Demikian juga halnya untuk kasus state 2, dimana besaran peluang transisi inflasi tetap berada pada state 2 adalah sebesar 0,961672 dan peluang transisi inflasi berpindah dari state 2 ke state 1 adalah sebesar 0,038328. Kata Kunci: msar, inflasi, deret waktu, matriks peluang transisi, perubahan struktur, state.
PEMODELAN DATA RETURN SAHAM MENGGUNAKAN METODE SMOOTH TRANSITION AUTOREGRESSIVE Siti Lestari; Dadan Kusnandar; Siti Aprizkiyandari
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 4 (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.v10i4.50492

Abstract

Metode Smooth Transition Autoregressive (STAR) adalah data deret waktu nonlinear yang dimana perluasan dari model AR, sehingga terdapat dua daerah dan nilai parameternya dimuluskan dengan pemulusan transisi. STAR terbagi dalam dua bentuk berdasarkan fungsi transisi yaitu model Exponential Smooth Transition Autoregressive (ESTAR) dan model Logistic Smooth Transition Autoregressive (LSTAR). Tujuan dari penelitian ini adalah menganalisis model data return saham menggunakan metode Smooth Transition Autoregressive (STAR). Data yang digunakan pada penelitian ini merupakan data penutupan mingguan saham PT United Tractors (UNTR) periode pengamatan 5 Juli 2014 sampai dengan 25 Mei 2019. Penelitian ini diawali pembentukan model Box-Jenkins yang digunakan untuk mengidentifikasi model terbaik (AR). Pengujian autokorelasi dan heterokedastisitas dilakukan terhadap residual model terbaik (AR). Ordo model AR terbaik digunakan kedalam uji nonlinearitas untuk metode STAR. Jika uji nonlinear terpenuhi pada metode STAR maka dilakukan uji pemilihan variabel fungsi ESTAR atau LSTAR. Berdasarkan hasil dari penelitian, model nonlinear yang diperoleh adalah model ESTAR (1,1) . Kata Kunci: Nonlinearitas, STAR, ESTAR, LSTAR
OPTIMALISASI PORTOFOLIO SAHAM INDEKS LQ-45 DENGAN METODE STOCHASTIC DOMINANCE Siti Aprizkiyandari, Khairunnisa, Dadan Kusnandar,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 4 (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.v10i4.50700

Abstract

Investor pada pasar modal umumnya akan menginvestasikan dananya pada saham-saham yang memiliki return tinggi dengan risiko minimal. Untuk mengurangi tingkat risiko saham-saham tersebut dapat dibentuk menjadi portofolio. Stochastic dominance digunakan untuk membentuk portofolio optimal dengan saham diurutkan berdasarkan jumlah dominasi dari setiap pasangan saham. Metode ini tidak mensyaratkan distribusi return saham harus bersifat normal. Terdapat asumsi yang digunakan dalam stochastic dominance yaitu stochastic dominance orde pertama (SD-1), stochastic dominance orde kedua (SD-2), dan stochastic dominance orde ketiga (SD-3). SD-1 menyatakan bahwa investor bersikap menyukai saham yang banyak risikonya,  sedangkan SD-2 menyatakan bahwa investor bersikap risk aversion atau tidak menyukai risiko dan SD-3 menyatakan bahwa investor bersikap ruin aversion atau menginvestasikan dana yang lebih banyak pada kesempatan investasi yang berisiko. Tujuan dari penelitian ini adalah menganalisis sikap investor, menganalisis besar bobot masing-masing saham yang membentuk portofolio optimal, dan menganalisis besarnya nilai return dan risiko dengan metode stochastic dominance. Data yang digunakan dalam penelitian ini adalah data harga penutupan saham yang konsisten tergabung dalam Indeks LQ-45 periode Januari 2017 sampai dengan Januari 2020. Hasil penelitian menunjukkan bahwa metode stochastic dominance menghasilkan portofolio optimal yang terdiri dari sembilan kode saham yang mendominasi, diantaranya adalah BBCA, BBRI, BMRI, ICBP, KLBF, BBNI, JSMR, SMGR, dan SRIL. Asumsi sikap investor pada portofolio yang terbentuk adalah 76,47% investor bersikap risk aversion dan 23,53% investor bersikap ruin aversion. Pada kasus ini diambil contoh dengan menginvestasikan dana sebesar Rp100.000.000,- pada periode waktu 23 hari, kemudian diperoleh return sebesar Rp4.592.735,- dengan risiko sebesar Rp2.831.345,- pada tingkat kepercayaan 95%. Kata Kunci : Stochastic dominance, return ekspektasi, portofolio optimal.
ESTIMASI PARAMETER MODEL SURVIVAL DISTRIBUSI RAYLEIGH PRIOR UNIFORM DENGAN METODE BAYESIAN SELF Eka Rizki Wahyuni; Setyo Wira Rizki; Hendra Perdana
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 | DOI: 10.26418/bbimst.v8i2.32789

Abstract

Data survival adalah data yang menjelaskan tentang waktu suatu individu atau objek dapat bertahan hingga terjadinya suatu kejadian. Penelitian ini menggunakan metode Bayesian dengan pendekatan Squared Error Loss Function (SELF) untuk melakukan estimasi parameter pada model survival. Proses estimasi parameter metode Bayesian SELF memerlukan informasi dari fungsi likelihood dan distribusi prior yang kemudian akan membentuk distribusi posterior. Hasil dari estimasi parameter metode Bayesian SELF diterapkan pada data kasus penderita kanker paru-paru untuk mengetahui peluang bertahan hidup pasien penderita kanker paru-paru. Kesimpulan dari penelitian ini adalah hasil dari estimasi parameter distribusi Rayleigh prior Uniform dengan menggunakan metode Bayesian SELF menghasilkan nilai survival pada hari ke-95 sebesar 0,929056666 dan nilai hazard 1,549169  sedangkan hari ke-791 menghasilkan nilai survival sebesar 0,006087581 dan nilai hazard sebesar 1,289887 . Hal ini berarti, nilai fungsi survival bergerak mendekati nol sesuai dengan karakteristik fungsi survival dan fungsi hazard yang bergerak naik mendekati satu sesuai dengan karakteristik distribusi Rayleigh. Kata Kunci: Survival, Rayleigh, Bayesian, SELF.
PERBANDINGAN APLIKASI CPM, PDM, DAN TEKNIK BAR CHART-KURVA S PADA OPTIMALISASI PENJADWALAN PROYEK Beni Irawan., Wahyu Amani, Helmi,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 1, No 01 (2012): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v1i01.604

Abstract

Jurnal ini membahas perbandingan aplikasi CPM, PDM, teknik bar chart-kurva S pada optimalisasi penjadwalan proyek pembangunan gedung kantor Balai Penyuluhan Pertanian, Perikanan, dan Kehutanan (BP3K) yang berlokasi di kecamatan Lumar di Kabupaten Bengkayang. Tujuannya adalah menganalisis lintasan kritis dan nilai optimal pada manajemen proyek tersebut. Untuk menganalisisnya digunakan ketiga metode tadi dan dicari metode mana yang paling optimal penggunaanya. Penelitian ini dilakukan dengan mengambil data time schedule dan rencana anggaran biaya yang diperoleh dari Cv Lumar Agro Mandiri yang menangani rencana penjadwalan proyek pembangunan gedung kantor BP3K pada bulan Juli 2010. Dari data tersebut dapat dihitung lintasan kritis dan nilai optimum dengan membuat tahap-tahap penyelesaiannya yaitu 1) menyusun daftar rencana kegiatan pelaksanaan pembangunan proyek, 2) menyusun network, 3) menyusun ke dalam model matematika, 4) menentukan perhitungan maju dan perhitungan mundur, serta perhitungan kelonggaran waktu, 5) menentukan lintasan kritis dan nilai optimum. Hasil perhitungan dari manajemen proyek tersebut dengan menggunakan CPM dan teknik bar chart-kurva S mendapatkan lintasan kritis 10 minggu dengan biaya Rp.328.415.302,09. Dengan menggunakan PDM lintasan kritis yang didapat 8,5 minggu dengan biaya Rp.314.742.302,09. Hasil penghitungan Cv Lumar Agro Mandiri yaitu lintasan kritis sekitar 12 minggu dengan biaya Rp. 347.557.000,00. Dengan demikian hasil dengan menggunakan PDM lebih menguntungkan dibandingkan dengan CPM dan teknik bar chart-kurva S. Hal ini dapat diketahui dari penghematan waktu 24 hari dan penghematan biaya sebesar Rp.32.814.697,91. Kata Kunci: CPM, PDM, bar chart, kurva S, lintasan kritis
TEKNIK PERAMALAN DENGANMODEL AUTOREGRESSIVE CONDITIONALHETEROSCEDASTIC (ARCH) (Studi KasusPada PT. Astra Agro Lestari Indonesia Tbk) Neva Satyahadewi., Donatus Ari Wibowo, Dadan Kusnandar,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 2, No 02 (2013): Bimaster
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v2i02.3023

Abstract

Model ARCH digunakan untuk menganalisis dan meramalkan variansi bersyarat dari suatu data runtun waktu. Tahap pembentukan model ARCH meliputi, pemeriksaan kestasioneran data, pembentukan model awal, pengujian efek ARCH, pendugaan parameter dan penentuan model ARCH yang cocok. Di dalam penelitian ini model ARCH diaplikasikan pada data return saham PT. Astra Agro Lestari Indonesia Tbk. Pada data return saham PT. Astra Agro Lestari Indonesia Tbk periode 5 Oktober 2003 sampai 30 September 2011 diperoleh model terbaik adalah ARCH (1). Dari model ARCH (1), didapat hasil peramalan harga saham pada bulan Oktober 2011 yakni harga saham terendah berada pada tanggal 3 Oktober 2011 sebesar Rp17.559,36,- dan terjadi peningkatan harga setiap harinya hingga tanggal 28 Oktober 2011dengan harga sebesar Rp18.933,04,-. Kata Kunci :ARCH, heteroskedastik, return.

Page 48 of 84 | Total Record : 832

 46   47   48   49   50 

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