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
 48   49   50   51   52 
GRAF CAYLEY PADA S_n Fransiskus Fran, Marye Okal, Mariatul Kiftiah,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 1 (2019): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v8i1.30506

Abstract

Grup simetri  adalah suatu grup yang elemen-elemennya merupakan permutasi dari suatu himpunan dengan operasi komposisi fungsi. Grup simetri tersebut dapat divisualisasikan ke dalam bentuk graf yang disebut sebagai graf Cayley. Graf Cayley merupakan suatu graf yang terbentuk dari grup berhingga dengan banyak elemennya sebagai banyaknya simpul dan subhimpunan dari grup yang tidak memuat elemen identitas sebagai penentu adanya sisi pada graf. Setelah pola graf Cayley terbentuk, selanjutnya dienumerasikan untuk menentukan banyaknya pola graf yang saling isomorfik. Kemudian dari pola graf tersebut dapat dienumerasikan untuk menentukan banyaknya segitiga yang berbeda. Pola segitiga tersebut diperoleh dari subgraf di graf Cayley, sehingga diperoleh suatu graf Cayley yang memiliki segitiga, namun terdapat pula graf Cayley yang tidak memiliki segitiga.Kata Kunci: grup simetri, graf isomorfik, segitiga dasar.
METODE ESTIMASI-S PADA ANALISIS REGRESI ROBUST DENGAN PEMBOBOTAN TUKEY BISQUARE Evy Sulistianingsih, Wira Setiawan, Naomi Nessyana Debataraja,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 2 (2019): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v8i2.32354

Abstract

Analisis regresi adalah suatu analisis yang bertujuan membentuk hubungan antara satu variabel tak bebas (Y) dengan satu atau lebih variabel bebas (X) dalam suatu model matematis. Metode untuk mengestimasi parameter  yang sering digunakan adalah metode kuadrat terkecil. Ketika terdapat data pencilan metode tersebut kurang efektif digunakan karena dapat menyebabkan estimator yang diperoleh menjadi bias. Regresi robust adalah salah satu metode yang digunakan untuk mengestimasi parameter ketika distribusi dari galat tidak normal dan atau terdapat data pencilan. Pembobotan yang digunakan dalam penelitian ini adalah pembobotan Tukey Bisquare. Tujuan penelitian ini adalah melakukan estimasi parameter dan menunjukkan keefektifan metode estimasi-S pada analisis regresi robust dengan pembobotan Tukey Bisquare. Studi kasus yang digunakan dalam penelitian ini adalah pengaruh IPM (X1), angka partisipasi sekolah usia (APS) 16-18 tahun (X2) dan konsumsi (X3) terhadap kemiskinan (Y) di Indonesia pada tahun 2016. Berdasarkan uji DFFITS dan boxplot data yang digunakan teridentifikasi data pencilan sehingga diperlukan prosedur regresi robust  untuk mengestimasi parameter model matematisnya. Dari model regresi robust estimasi-S dengan pembobotan Tukey Bisquare diperoleh model matematis yaitu  dimana variabel bebas berpengaruh signifikan terhadap variabel tak bebas secara simultan dan parsial dengan nilai adjusted-R square sebesar 0,951 dan nilai standard error sebesar 0,01247. Kata Kunci: Estimasi-S, Regresi Robust, Tukey Bisquare
ANALISIS SURVIVAL PADA DATA TERSENSOR TIPE I DENGAN METODE KAPLAN MEIER Setyo Wira Rizki, Insan Firsawan, Naomi Nessyana Debataraja,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 1 (2022): 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.v11i1.51592

Abstract

Analisis uji data hidup atau analisis survival ialah salah satu teknik statistika yang dapat digunakan dalam melakukan pengujian tentang tahan hidup dan keandalan suatu komponen. Data waktu hidup yang diperoleh dari percobaan uji hidup berbentuk data tersensor tipe I jika data uji hidup dapat dihasilkan setelah percobaan berlangsung selama waktu yang telah ditentukan. Data tersensor tipe I dapat dianalisis menggunakan Metode Kaplan Meier.  Penelitian ini bertujuan untuk menentukan lama hidup seorang penderita kanker paru-paru. Penelitian dimulai dengan menentukan data tersensor dan tipe sensor, lalu menghitung estimasi S(t) dan H(t) kemudian interpretasi. Data dalam penelitian ini adalah  Data Kanker Paru North Central Cancer Treatment Group (NCCTG) dengan jumlah 288 pasien dengan variabel yang digunakan yaitu waktu survival pasien dalam 1 hari, status penyensoran, dan jenis kelamin. Hasil penelitian menunjukkan bahwa seorang pengidap kanker paru-paru memiliki peluang hidup 99,56% untuk 5 hari kemudian. Sedangkan peluang bertahan hidup pengidap kanker paru-paru selama 965 hari kedepan yaitu 5,03%. Selain itu, hasil penelitian ini menunjukkan bahwa pasien kanker paru-paru berjenis kelamin perempuan mempunyai rata-rata peluang hidup selama 455 hari sedangkan pasien berjenis kelamin laki-laki yang memiliki peluang hidup selama 326 hari. Maka dapat dikatakan peluang hidup pasien berjenis kelamin perempuan lebih besar dibandingkan dengan pasien berjenis kelamin laki-laki. Kata kunci : kanker paru-paru, uji data hidup, failure time
PREDIKSI JUMLAH PENDUDUK DENGAN PERSAMAAN LOGISTIK MENGGUNAKAN METODE ADAMS-BASHFORTH-MOULTON (Studi Kasus: Kalimantan Barat) Yudhi, Suci Riska Putri, Evi Noviani,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 1 (2022): 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.v11i1.52200

Abstract

Persamaan logistik adalah sebuah model pertumbuhan penduduk yang merupakan Persamaan Diferensial Biasa (PDB) non linear orde satu. Peneliti menggunakan persamaan logistik sebagai model pertumbuhan penduduk di Kalimantan Barat (Kalbar). Solusi dari persamaan logistik didapatkan dengan metode numerik yaitu menggunakan metode Adams-Bashforth-Moulton. Pada penelitian ini untuk memprediksi pertumbuhan penduduk dengan menggunakan carrying capacity 54.000.000, dengan laju pertumbuhan 1,8%. Metode ini menghasilkan jumlah penduduk provinsi Kalimantan Barat pada tahun 2021 sebanyak 5.264.695 jiwa, tahun 2022 sebanyak 5.350.842 jiwa dan 2023 sebanyak 5.438.242 jiwa. Nilai MAPE pada metode Adam-Bashforth-Moulton sebesar 0,689% berdasarkan kriteria nilai MAPE nilai tersebut sangat baik. Kata Kunci: Persamaan Logistik, Runge-Kutta, Adams-Bashforth-Moulton, Metode Numerik
PENJADWALAN MATA KULIAH DENGAN MODIFIKASI ALGORITMA RUNUT-BALIK (BACKTRACKING) Studi Kasus: Penjadwalan Kuliah pada Program Studi Matematika FMIPA Untan Semester Ganjil Meliana Pasaribu, Retno Wulandari, Mariatul Kiftiah,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 2 (2022): 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.v11i02.53442

Abstract

Penyusunan jadwal mata kuliah di Program Studi (Prodi) Matematika FMIPA Universitas Tanjungpura semester ganjil dapat menggunakan pendekatan metode CSP (Constraint Satisfaction Problem) dan modifikasi dari Algoritma runut-balik (Backtracking). Pendekatan CSP digunakan untuk menyelesaikan suatu masalah dengan memenuhi sejumlah kendala atau kriteria. Modifikasi Algoritma Backtracking dilakukan untuk menghilangkan thrashing, yaitu penelusuran simpul yang tidak mengarah ke solusi sehingga dalam prosesnya terjadi eliminasi pada level yang tidak menghasilkan solusi dan dilanjutkan dengan memperluas level baru pada pohon. Penyusunan jadwal mata kuliah dapat dikonstruksikan ke dalam pohon yang memiliki 50 simpul dan level sebanyak 75, namun yang terpakai hanya 62 level saja karena selebihnya dieliminasi karena tidak sesuai dengan kendala. Lintasan yang dihasilkan dari pohon penjadwalan yang diperoleh berupa barisan dari simpul-simpul, terdapat simpul yang sama pada barisan dikarenakan simpul diimplementasikan sebagai mata kuliah. Terdapat mata kuliah yang memiliki dua pertemuan sehingga terdapat simpul yang sama pada barisan. Jadwal Prodi Matematika semester ganjil menghasilkan jadwal kuliah yang optimal. Jadwal mata kuliah yang optimal, yaitu ketika diperoleh kombinasi terbaik untuk pasangan mata kuliah dan dosen pengajar secara keseluruhan dengan waktu perkuliahan maupun ruangan.  Kata Kunci : Constraint Satisfaction Problem, Thrashing, Solusi.
PEMODELAN PERTUMBUHAN EKONOMI KALIMANTAN BARAT MENGGUNAKAN PENDEKATAN LEAST ABSOLUTE SHRINKAGE AND SELECTION OPERATOR (LASSO) Dadan Kusnandar, Oktavianus Frans L, Setyo Wira Rizki,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 1 (2022): 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.v11i1.51613

Abstract

Pertumbuhan ekonomi suatu daerah dapat diukur dengan peningkatan produksi barang dan jasa serta pendapatan nasional. Salah satu cara untuk menentukan faktor-faktor yang mempengaruhi pertumbuhan ekonomi yaitu dengan menggunakan analisis regresi. Dalam analisis regresi ada beberapa pelanggaran yang sering terjadi terhadap asumsi-asumsinya, salah satunya yaitu terjadinya multikolinearitas. Dalam mengatasi masalah multikolinearitas yang terjadi terdapat beberapa metode yang dapat digunakan salah satunya ialah metode least absolute shrinkage and selection operator (LASSO). Pada penelitian ini, variabel respon yang digunakan yaitu produk domestik regional bruto (PDRB). Sedangkan variabel prediktor diantaranya penanaman modal asing (PMA), angkatan kerja (AK), penanaman modal dalam negeri (PMDN) serta dana alokasi umum (DAU). Berdasarkan uji asumsi klasik pada analisis regresi terjadi masalah multikolinearitas pada variabel PMDN karena memiliki nilai VIF >10. Sehingga dilakukan penanganan dengan menggunakan metode LASSO. Dengan menggunakan metode LASSO, nilai penduga koefisien parameter untuk variabel PMDN disusutkan sampai tepat nol, sehingga variabel PMDN tidak memiliki pengaruh terhadap model. Berdasarkan perbandingan nilai R-Square, metode LASSO lebih tinggi yaitu sebesar 98,70%, dibandingkan dengan metode kuadrat terkecil pada analisis regresi sebesar 95.54%. Sehingga metode LASSO dapat digunakan sebagai metode seleksi variabel sehingga model menjadi lebih sederhana dan efisien serta dapat mengatasi masalah multikolinieritas.Kata kunci:  PDRB, Regresi, Multikolinearitas
PROGRAM APLIKASI PERHITUNGAN CADANGAN PREMI ASURANSI JIWA METODE FULL PRELIMINARY TERM DENGAN MACRO VBA Rosi Kismonika; Neva Satyahadewi; Setyo Wira Rizki
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 2 (2022): 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.v11i02.53277

Abstract

Visual basic for application adalah pengembangan bahasa pemograman visual basic yang diterapkan dalam program microsoft excel. Macro merupakan sebuah script pada sebuah aplikasi yang dapat mengotomatisasi perintah atau program, dan script tersendiri merupakan rangkaian kode untuk melakukan perintah dalam macro. Penelitian ini membahas tentang program aplikasi perhitungan cadangan premi asuransi metode full preliminary term untuk menganalisis risiko kerugian pada perusahaan asuransi, perusahaan asuransi jiwa dapat mengantisipasi risiko kerugian dengan memanfaatkan cadangan dari premi asuransi. Data yang digunakan pada penelitian ini adalah tabel mortalita 2019, untuk menghitung cadangan premi  yang harus dibayarkan kepada peserta asuransi jiwa. Peserta asuransi jiwa berusia 25 tahun sampai 50 tahun yang berjenis kelamin laki-laki dan perempuan. Jenis asuransi yang dipilih adalah asurasi jiwa dwiguna dengan masa pertanggungan 25 tahun, dan besar santunan yang akan di terima pihak tertanggung sebesar Rp150.000.000,- dan menggunakan tingkat suku bunga sebesar 3% atau 6%. Program Aplikasi Perhitungan Cadangan Premi Asuransi Jiwa Metode Full Preliminary Term dengan Macro dan Microsoft Excel Visual For Application (VBA) merupakan alat bantu yang dibuat untuk memudahkan perusahaan asuransi dalam memaksimalkan cadangan dari pemegang polis. Kata Kunci : Microsoft Excel, Macro, Excel VBA, Full Preliminary Term
MODEL EXTENDED COX UNTUK MENGATASI NONPROPORTIONAL HAZARD Naomi Nessyana Debataraja, Mega Puji Paramitha, Neva Satyahadewi,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 1 (2022): 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.v11i1.51604

Abstract

Salah satu metode semiparametrik yang digunakan untuk menganalisis data survival adalah regresi Cox Proportional Hazard (PH). Penggunaan regresi Cox ini harus memenuhi asumsi PH, apabila asumsi ini tidak terpenuhi dalam memodelkan regresi cox, maka komponen linear yang membentuk model dalam berbagai waktu tidak sesuai. Hal ini mengakibatkan pemodelan regresi cox tidak tepat dan disebut nonproportional hazard. Salah satu cara yang dapat digunakan untuk mengatasi hal tersebut adalah model regresi Extended Cox. Model regresi Extended Cox adalah modifikasi dari model regresi Cox PH yang mengandung variabel terikat oleh waktu. Model ini digunakan dengan mengalikan covariate yang tidak memenuhi asumsi PH dengan fungsi waktu. Adapun fungsi waktu yang digunakan dalam model Extended Cox adalah g1(t)=t, g2(t)=log t dan g3(t) adalah fungsi heaviside. Oleh karena itu, tujuan penelitian ini adalah mengetahui fungsi waktu yang dapat mengatasi nonproportional hazard pada data Criminal Recidivsm. Data Criminal recidivsm merupakan data survival 432 mantan narapidana untuk tidak melakukan kriminalitas dan ditangkap kembali. Adapun variabel yang diduga dapat mempengaruhi hal tersebut yaitu bantuan dana pasca bebas (X1), usia (X2), suku (X3), pengalaman bekerja (X4), status pernikahan (X5), bebas bersyarat (X6), tingkat pendidikan: kelas 7-9 (X7), kelas 10-11 (X8), kelas 12 (X9), perguruan tinggi (X10) dan banyaknya hukuman yang diterima (X11). Berdasarkan model regresi terbaik diperoleh variabel yang signifikan yaitu X1, X2, X5 dan X11. Selanjutnya dilakukan pengujian asumsi PH dan diperoleh bahwa variabel X2 tidak memenuhi asumsi. Dan dari hasil penelitian diperoleh bahwa model regresi Extended Cox dengan fungsi heaviside dapat mengatasi nonproportional hazard pada data Criminal Residivism.Kata kunci: Fungsi heaviside, Proportional hazard, survival, Criminal Recidivism
IMPLEMENTASI METODE LATENT CLASS CLUSTER ANALYSIS DALAM PENGELOMPOKAN WILAYAH BERDASARKAN INDIKATOR INDEKS PEMBANGUNAN MANUSIA Florencita Yessica; Dadan Kusnandar; Nurfitri Imro’ah
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 2 (2022): 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.v11i02.53269

Abstract

Analisis multivariat merupakan analisis yang digunakan untuk memahami struktur data yang melibatkan lebih dari dua variabel pada setiap objek. Salah satu analisis pada analisis multivariat ialah analisis cluster yang bertujuan untuk mengelompokkan objek-objek berdasarkan karakteristik yang dimiliki. Setiap kelompok berisi objek-objek yang mirip satu sama lain. Pada analisis cluster terdapat metode Latent Class Cluster Analysis yang mengasumsikan objek masuk ke dalam salah satu cluster dengan jumlah dan ukuran cluster yang tidak diketahui sebelumnya. Pada penelitian ini metode Latent Class Cluster Analysis digunakan untuk mengelompokkan kabupaten/kota di Provinsi Kalimantan Barat. Indikator Indeks Pembangunan Manusia pada tahun 2019 yang digunakan yakni Angka Harapan Hidup saat Lahir, Angka Kesakitan, Harapan Lama Sekolah Rata-rata Lama Sekolah, Pengeluaran per Kapita dan Jumlah Penduduk Miskin. Metode ini menggunakan pendekatan berbasis model yang didasarkan pada konsep probabilitas dengan Algoritma Expectation Maximization sebagai tahapan estimasi parameter. Pemilihan model cluster berdasarkan kriteria nilai Bayesian Information Criterion terkecil kemudian pengelompokan anggota cluster menggunakan peluang posterior. Dari hasil analisis diperoleh model dengan 2 cluster. Cluster 1 terdiri dari 12 kabupaten/kota dan cluster 2 terdiri dari 2 kabupaten/kota. Berdasarkan pengelompokan kedua cluster yang diperoleh dapat dikategorikan sebagai “IPM Tinggi” untuk cluster 1 dan ”IPM Rendah” untuk cluster 1. Berdasarkan hasil tersebut maka bentuk kebijakan-kebijakan dari pemerintah dapat lebih diperhatikan dan prioritaskan pada perkembangan indikator IPM kabupaten/kota yang terdapat pada cluster 1.   Kata Kunci: Indeks pembangunan manusia, latent class cluster analysis, peluang posterior
SPEKTRUM ADJACENCY DARI GRAF BINTANG, GRAF MAHKOTA, DAN GRAF TANGGA Yani Agustina; Nilamsari Kusumastuti; Fransiskus Fran
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 2 (2022): 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.v11i02.53668

Abstract

Suatu graf G dapat disajikan dalam berbagai bentuk, antara lain dalam bentuk geometrik, dalam bentuk himpunan, dan dalam bentuk matriks yang memuat informasi tentang ikatan di antara titik-titiknya. Bentuk matriks dari suatu graf yang memuat informasi tentang ikatan ini disebut matriks adjacency. Matriks adjacency dari suatu graf sederhana G dengan n titik merupakan matriks berukuran n × n dengan entri ke-ij (baris ke-i dan kolom ke-j) bernilai 0 atau 1. Entri baris ke-i dan kolom ke-j pada matriks adjacency bernilai 0 jika tidak terdapat sisi yang menghubungkan titik vᵢ dan vj serta bernilai 1 jika tidak memenuhi. Spektrum adjacency dari suatu graf dinotasikan Spec(G) adalah matriks berukuran 2 × p, dengan p menyatakan banyaknya nilai eigen yang berbeda dari A(G). Entri a1j dari Spec(G) menyatakan nilai-nilai eigen yang berbeda tersebut dan entri a2j menyatakan multiplisitas dari nilai eigen yang bersesuaian. Dalam penelitian ini, dicari mengenai rumusan pola spektrum adjacency dari graf bintang (Sn), graf mahkota (Sn0), dan graf tangga (Ln). Perumusan pola tersebut diawali dengan menentukan A(G) dari masing-masing graf untuk nilai  yang berbeda-beda, kemudian dicari nilai-nilai eigen dari A(G) dan multiplisitasnya. Dari hasil tersebut, dirumuskan spektrum dari masing-masing graf menjadi sebuah teorema dan dibuktikan kebenarannya. Kata Kunci: matriks adjacency, nilai eigen, multiplisitas.

Page 50 of 84 | Total Record : 832

 48   49   50   51   52 

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