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
 50   51   52   53   54 
TRANSFORMASI LAPLACE UNTUK MENYELESAIKAN GENERALISASI INTEGRAL FRESNEL Fransiskus Fran, Asmawati Wanazizah, 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.v11i02.53483

Abstract

Integral Fresnel adalah integral dengan bentuk S(u)=\int\limits_{\0}^{\u}{sin(x^2)\,dx dan C(u)=\int\limits_{\0}^{\u}{cos(x^2)\,dx denganu∊ℝ. Kedua integral tersebut diperumum menjadi \int\limits_{\0}^{\infty}{sin(t(x^p)) \,dx dan \int\limits_{\0}^{\infty}{cos(t(x^p))\,dx denganp>1, dan t∈ ℝ^+ yang selanjutnya dinamakan generalisasi integral Fresnel. Dalam penelitian ini, dicari penyelesaian dari generalisasi integral Fresnel dengan menggunakan pendekatan transformasi Laplace. Penyelesaian generalisasi integral Fresnel diawali dengan memisalkan suatu fungsi f(t)=\int\limits_{\0}^{\infty}{sin (t(x^p))\,dx  dan g(t)=\int\limits_{\0}^{\infty}{cos(t(x^p))\,dx sehingga dapat diubah kebentuk transformasi Laplace. Kemudian dilanjutkan dengan menggunakan definisi dan rumus-rumus transformasi Laplace, serta sifat-sifat fungsi Gamma dan Beta. Selanjutnya mentransformasikan kembali ke fungsi awal menggunakan invers transformasi Laplace. Hasil penelitian menunjukan bahwa transformasi Laplace dapat digunakan untuk mencari penyelesaian numerik generalisasi integral Fresnel dengan rumus \int\limits_{\0}^{\infty}{sin(t(x^p))\,dx=∏sec(∏/2p)/(2p(t^(1/p)))Γ(1-(1/p)) dan \int\limits_{\0}^{\infty}{sin(t(x^p))\,dx=∏csc(∏/2p)/(2p(t^(1/p)))Γ(1-(1/p)). Kata Kunci : Integral Fresnel, Generalisasi Integral Fresnel, Transformasi Laplace.
MODEL ARIMA SEMIPARAMETRIK Helmi, Rosi Pratiwi, Yundari,
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.v11i1.52192

Abstract

Pada pemodelan stokastik asumsi error diperlukan untuk memvalidasi suatu model. Error yang baik adalah error yang kecil, berdistribusi normal dan memenuhi sifat keacakan. Metode Autoregressive Integrated Moving Average (ARIMA) merupakan salah satu model stokastik yang memperhatikan asumsi error tersebut. Pada penelitian ini, error model dimodifikasi agar diperoleh error yang lebih kecil namun tetap memenuhi asumsi error. Model yang diusulkan adalah model ARIMA Semiparametrik. Model ARIMA semiparametrik merupakan teknik pemodelan yang menggabungkan model ARIMA parametrik (konvensional) dengan model nonparametrik. Tujuan dari penelitian ini adalah untuk membandingkan hasil pemodelan ARIMA semiparametrik dengan model ARIMA parametrik pada data Indeks Harga Saham Gabungan (IHSG). Langkah-langkahnya diawali dengan metode ARIMA secara parametrik, selanjutnya dilakukan pemodelan nonparametrik pada error yang dihasilkan oleh metode ARIMA parametrik. Hasil penelitian menunjukkan bahwa analisis data deret waktu menggunakan model ARIMA semiparametrik ini menghasilkan model estimasi yang lebih baik dari model ARIMA parametrik. Hal ini dapat dilihat dari nilai RMSE yang diperoleh yaitu senilai 59,224. Kata Kunci : estimasi, deret waktu, regresi kernel, ARIMA
PERHITUNGAN DANA PENSIUN DENGAN METODE ATTAINED AGE NORMAL PADA TINGKAT SUKU BUNGA MODEL VASICEK (Studi Kasus: Guru Honorer Sekolah Dasar Kecamatan Bunut Hilir) Hendra Perdana, Sumiani, 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.v11i02.53280

Abstract

Program dana pensiun merupakan salah satu bentuk perencanaan masa depan bagi karyawan ketika pensiun karena adanya jaminan hari tua. Penelitian ini menggunakan metode Attained Age Normal yang merupakan metode perhitungan di mana nilai sekarang manfaat pensiun peserta dialokasikan antara usia peserta pada tanggal perhitungan hingga usia pensiun normal. Tujuan penelitian ini adalah menganalisis perhitungan nilai sekarang dari manfaat pensiun (PVFB) yang dibayarkan pihak program pensiun kepada peserta di masa mendatang dan iuran normal (NC) yang dibayarkan peserta kepada pihak program pensiun dengan metode Attained Age Normal pada tingkat suku bunga model Vasicek yang bersifat fluktuatif. Langkah awal analisis dimulai dengan mengestimasi parameter model Vasicek dengan metode Maximum Likelihood Estimator (MLE), kemudian mencari nilai anuitas hidup, fungsi manfaat, dan iuran normal. Data yang digunakan adalah data guru honorer di Sekolah Dasar, Kecamatan Bunut Hilir, Kabupaten Kapuas Hulu, berjenis kelamin Laki-laki, mulai bekerja pada usia 24, 34, dan 36 tahun, dengan usia saat ini 28, 37 dan 39 tahun. Gaji pokok tetap sebesar Rp1.000.000,- per bulan. Tingkat suku bunga Vasicek yang digunakan adalah 4,63%, 5,83%, dan 6,18%.  Berdasarkan analisis yang telah dilakukan dapat disimpulkan bahwa nilai PVFB dan NC cenderung mengalami penurunan seiring bertambahnya usia masuk. Selain itu, semakin besar tingkat suku bunga yang digunakan maka nilai PVFB dan NC semakin kecil, sehingga nilai PVFB yang dibayarkan pihak program pensiun kepada peserta lebih kecil, begitu pula iuran normal yang dibayarkan peserta. Kata Kunci: Pensiun, Attained Age Normal, Vasicek
PENERAPAN REGRESI ZERO-INFLATED NEGATIVE BINOMIAL (ZINB) PADA DATA KECELAKAAN LALU LINTAS DI KOTA PONTIANAK Siti Aprizkiyandari, Anisa Nuraeni, Shantika Martha,
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.v11i1.51606

Abstract

Model regresi poisson menganalisis sebuah hubungan antara peubah respon diskrit dengan satu atau lebih peubah prediktor yang diasumsikan dengan nilai mean dan varians yang sama yang disebut sebagai equisdispersi. Ketika nilai varian lebih dari nilai mean atau yang disebut sebagai overdispersi, regresi poisson tidak layak untuk digunakan. Salah satu penyebab dari overdispersi adalah banyaknya nilai 0 pada sebuah data variabel Y. Untuk mengatasi masalah tersebut dapat menggunakan metode Zero Inflated Negative Binomial (ZINB). Tujuan penelitian ini yaitu menerapkan metode ZINB pada data kecelakaan lalu lintas di Kota Pontianak karena data mengandung banyak nilai 0 pada variabel Y, dan untuk melihat faktor-faktor apa saja yang berpengaruh terhadap jumlah kematian akibat kecelakaan lalu lintas di kota Pontianak. Penelitian ini menggunakan data sekunder yang tersedia di Dirjen Lalu Lintas Polisi Resort di Kota Pontianak yang terdiri dari jumlah kematian akibat kecelakaan lalu lintas (Y) sebagai variable respon dan variable bebas berupa faktor manusia ( ), faktor kendaraan ( ), faktor jalan ( ), dan faktor lingkungan ( ). Berdasarkan hasil analisis dari model ZINB diperoleh bahwa faktor yang paling berpengaruh untuk kasus kematian akibat kecelakaan lalu lintas adalah faktor manusia dan faktor kendaraan itu sendiri.Kata kunci: Regresi Poisson, Overdispersi, Zero Inflated Negative Binomial (ZINB).
DEKOMPOSISI QR DENGAN MATRIKS TRANSFORMASI HOUSEHOLDER Fransiskus Fran, Widiya Nawaty, Evi Noviani,
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.v11i02.53272

Abstract

Dekomposisi  merupakan bentuk pemfaktoran dari suatu matriks  yang berukuran  yang selanjutnya diperoleh matriks  berupa matriks ortogonal dan  matriks segitiga atas. Dalam penelitian ini, untuk memperoleh dekomposisi  dari suatu matriks digunakan transformasi Householder. Transformasi Householder mengubah suatu vektor tak nol menjadi vektor yang semua elemennya bernilai nol kecuali untuk elemen pertama dari vektor tersebut. Hasil dekomposisi  dengan transformasi Householder dalam penelitian ini digunakan untuk menyelesaikan suatu sistem persamaan linear (SPL) dengan persamaan dalam bentuk matriks  , dengan  sebagai matriks koefisien, matriks  adalah matriks variabel dan matriks kolom  sebagai matriks konstanta.Kata Kunci: matriks refleksi, matriks ortogonal, matriks segitiga atas, SPL.
PENGELOMPOKAN KABUPATEN/KOTA DI KALIMANTAN BARAT BERDASARKAN INDEKS PEMBANGUNAN MANUSIA DENGAN LATENT CLASS CLUSTER ANALYSIS Setyo Wira Rizki, Izza Azzahara, 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.v11i1.51598

Abstract

Indeks pembangunan manusia (IPM) mengukur pencapaian penduduk dalam mengakses hasil pembangunan untuk memperoleh pendapatan, kesehatan, pendidikan, dan sebagainya. Pembangunan manusia di Kalimantan Barat terus mengalami peningkatan selama periode 2010 hingga 2019. Pengelompokan Kabupaten/Kota di Kalimantan Barat perlu dilakukan sebagai bahan perencanaan dan evaluasi sasaran program pemerintah. Penelitian ini bertujuan untuk menganalis pengelompokan Kabupaten/Kota di Kalimantan Barat berdasarkan IPM tahun 2019 dengan menggunakan metode latent class cluster analysis (LCCA). Adapun indikator yang digunakan adalah tingkat partisipasi angkatan kerja (TPAK), tingkat pengangguran terbuka (TPT), persentase penduduk miskin, tingkat kedalaman kemiskinan, tingkat keparahan kemiskinan, angka harapan hidup (AHH), rata-rata lama sekolah (RLS), pertumbuhan ekonomi, harapan lama sekolah (HLS), angka melek huruf (AMH). Metode ini menggunakan algoritma expectation maximization (EM) dan metode Newton Raphson sebagai tahapan estimasi parameter. Selanjutnya pemilihan model dilakukan berdasarkan nilai BIC terkecil dan pengelompokan objek kedalam cluster dilakukan menggunakan peluang posterior. Kesimpulan dari hasil pengelompokan ini adalah terbentuknya dua cluster. Cluster pertama terdiri dari 10 Kabupaten di Kalimantan Barat dengan melihat aspek tingkat partisipasi angkatan kerja, persentase penduduk miskin, tingkat kedalaman kemiskinan, tingkat keparahan kemiskinan dengan rata-rata IPM sebesar 65,83 persen. Sedangkan pada cluster dua terdiri dari empat Kabupaten/Kota di Kalimatan Barat dengan melihat aspek tingkat pengangguran terbuka, angka harapan hidup, rata-rata lama sekolah, pertumbuhan ekonomi, harapan lama sekolah, dan angka melek huruf dengan rata-rata IPM sebesar 71,08 persen.Kata kunci: Indeks Pembangunan Manusia, Latent Class Cluster Analysis (LCCA), Expectation maximization, Newton Rapshon,  Peluang Posterior.
PENENTUAN SEMUA MINIMUM SPANNING TREE (MST) DENGAN MENGGUNAKAN ALGORITMA ALL MST Fransiskus Fran, Sri Pariyani, Yundari,
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.v11i1.52711

Abstract

Minimum spanning tree (MST) pada graf berbobot  adalah graf terhubung yang memuat semua titik pada graf  tanpa sirkuit dan memiliki jumlah bobot paling minimum dari semua sisi. Untuk menentukan MST dari suatu graf terhubung berbobot, terdapat beberapa algoritma yang dapat digunakan, salah satunya adalah algoritma Kruskal. Dengan menggunakan algoritma Kruskal, diketahui hanya mampu menghasilkan satu MST sedangkan terdapat graf terhubung berbobot yang memungkinkan memiliki MST yang tidak tunggal. Oleh karena itu, algoritma Kruskal dimodifikasi menjadi algoritma All MST yang dapat digunakan untuk menentukan semua MST. Pada artikel ini dibahas tentang penentuan semua MST pada graf berbobot dengan menggunakan algoritma All MST. Artikel ini dimulai dengan menentukan MST awal menggunakan algoritma Kruskal, dengan bobot MST totalnya dinotasikan sebagai . MST awal inilah yang akan menghasilkan kemungkinan-kemungkinan MST lainnya pada setiap submasalah. Kemudian, dengan menggunakan algoritma Depth First Search (DFS), semua submasalah ini akan dibentuk menjadi pohon berakar. Berdasarkan hasilnya, menunjukkan bahwa algoritma All MST dapat digunakan untuk mendapatkan semua MST. Selain itu, diperoleh bahwa semua submasalah dapat dibentuk menjadi pohon berakar dengan pola kunjungan setiap submasalah yaitu DFS. Selanjutnya, untuk semua MST yang terbentuk dari algoritma All MST menghasilkan masing-masing MST yang berbeda. Kata Kunci : algoritma Kruskal, pohon berakar, algoritma Depth First Search
PENENTUAN KESTABILAN SOLUSI SISTEM PERSAMAAN LINEAR BERDASARKAN BILANGAN KONDISI Yudhi, Eka Dwi Sariningsih, Nilamsari Kusumastuti,
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.v11i02.53484

Abstract

Sistem persamaan linear adalah sistem yang terdiri dari dua atau lebih persamaan linear yang saling berkaitan satu dengan yang lainnya yang dapat ditulis dalam bentuk Ax=b, dengan A suatu matriks mxn sedangkan x dan b merupakan vektor-vektor n-komponen. Dalam menyelesaikan sistem persamaan linear, akurasi dari solusi menjadi sesuatu yang perlu diperhatikan. Semakin akurat solusinya, maka semakin teliti solusi yang diperoleh. Solusi suatu sistem dikatakan stabil, Jika perubahan koefisien yang cukup kecil pada sistem menyebabkan galat antara solusi hampiran dengan solusi eksak sangat kecil. Sebaliknya, jika perubahan koefisien yang cukup kecil pada sistem menyebabkan galat antara solusi hampiran dengan solusi eksak sangat besar,  maka dapat dikatakan solusi sistem tersebut tidak stabil.  Jika solusi sistem stabil, maka  solusi sistem persamaan linear berkondisi baik. Sebaliknya, jika solusi sistem berkondisi buruk, maka sistem tidak stabil. Untuk mengetahui sistem persamaan linear mempunyai solusi sistem yang berkondisi baik atau berkondisi buruk, penelitian ini membahas penentuan kestabilan solusi sistem persamaan linear berdasarkan bilangan kondisi dari matriks koefisien dan galat relatif. Jika bilangan kondisi suatu sistem persamaan linear menghasilkan perubahan kecil pada solusi dan memiliki galat relatif hampiran fungsi lebih kecil dari , maka sistem berkondisi baik. Jika bilangan kondisi sistem persamaan linear menghasilkan perubahan besar pada solusi dan memiliki galat relatif hampiran fungsi  lebih besar dari , maka sistem berkondisi buruk.  Kata kunci: Sistem persamaan linear, Kondisi baik, Kondisi buruk
DEKOMPOSISI MATRIKS-MATRIKS OPERASIONAL DARI POLINOMIAL BERNSTEIN Yudhi, Sarah Aljona, 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.v11i1.51575

Abstract

Dalam penelitian ini, dikaji matriks Polinomial Bernstein(ϕ(x)). Matriks Polinomial Bernstein(ϕ(x)) adalah matriks kolom yang memuat elemen berupa Polinomial Bernstein. Polinomial Bernstein         memiliki matriks-matriks operasional yaitu matriks operasional integral(Ρ), matriks operasional diferensial(D) dan matriks operasional hasilkali(V̂). Matriks Polinomial Bernstein dapat didekomposisikan menjadi ϕ(x)=Atm(x) dengan A adalah matriks koefisien dari Polinomial  Bernstein dan tm(x) adalah vektor kolom dari variabel Polinomial Bernstein. Dengan menggunakan ϕ(x)=Atm(x), dapat diperoleh dekomposisi matriks operasional integral dari Polinomial  Bernstein adalah P=AΛB yang memenuhi integral(ϕ(t) dt dengan batas bawah 0 dan batas atas x)≈Pϕ(x). Selain itu, dapat diperoleh pula dekomposisi matriks operasional diferensial dari Polinomial Bernstein adalah D=AFA–1 yang memenuhi d(ϕ(x))/dx=Dϕ(x) dan dekomposisi matriks operasional hasilkali dari Polinomial Bernstein adalah  V̂= ṼA T yang memenuhi  vTϕ(x)ϕ(x) T≈ ϕ(x) TV̂. Kata Kunci: matriks Polinomial Bernstein, matriks operasional diferensial, matriks operasional integral, matriks operasional hasilkali
PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL MENGGUNAKAN TRANSFORMASI LAPLACE Sari, Hastina Kurnia
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.v11i1.52195

Abstract

Persamaan diferensial parsial (PDP) dapat diselesaikan secara analitik dan numerik. Salah satu penyelesaian PDP secara analitik adalah dengan menggunakan transformasi Laplace. Metode ini banyak digunakan untuk menyelesaikan masalah syarat awal dan syarat batas. Dalam artikel ini dicari penyelesaian PDP dengan menggunakan transformasi Laplace. Penyelesaian PDP menggunakan transformasi Laplace dilakukan dengan cara mentransformasikan persamaan tersebut dan mensubstitusikan nilai awal yang diberikan sehingga diperoleh dalam bentuk persamaan diferensial biasa (PDB). Selanjutnya dengan menyelesaikan solusi umum dari PDB tersebut substitusikan syarat batas yang telah ditransformasikan. Kemudian ditransformasikan kembali sehingga diperoleh penyelesaian persamaan diferensial parsial. Kata kunci : Nilai Awal, Syarat Batas, Persamaan Diferensial Biasa

Page 52 of 84 | Total Record : 832

 50   51   52   53   54 

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 Vol 12, No 3 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya (dalam proses) 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 : 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 : 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 : 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