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
 52   53   54   55   56 
PERBANDINGAN REGRESI ZERO INFLATED POISSON (ZIP) DAN REGRESI ZERO INFLATED NEGATIVE BINOMIAL (ZINB) PADA DATA OVERDISPERSI Samson Samson; Setyo Wira Rizki; Hendra Perdana
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.v11i1.51609

Abstract

Analisis regresi Poisson adalah regresi nonlinear yang biasanya digunakan untuk data diskrit dan memiliki asumsi ekuidispersi. Pada praktiknya sering terjadi pelanggaran terhadap asumsi ekuidispersi, salah satu dari pelanggaran tersebut adalah overdipersi (nilai ragam lebih besar dari nilai rata-rata). Salah satu penyebab terjadinya overdispersi adalah jumlah nilai nol yang berlebih (Excess Zero) pada variabel respon. Excess zeros dapat dilihat pada proporsi variabel respon yang bernilai nol lebih besar dari data diskrit lainnya. Terdapat banyak metode untuk mengatasi overdispersi, dua diantaranya adalah regresi Zero Inflated Poisson (ZIP) dan regresi Zero Inflated Negative Binomial (ZINB). Tujuan pada penelitian ini adalah untuk mengetahui model regresi yang lebih baik digunakan pada data yang mengalami overdispersi. Data yang digunakan dalam menganalisis regresi ZIP dan ZINB adalah data hipertensi dalam kehamilan yang menyebabkan kematian ibu di Provinsi Kalimantan Barat tahun 2014 sampai 2019. Berdasarkan hasil penelitian, diketahui bahwa nilai Akaike Information Criterion (AIC) pada regresi ZIP 273.011 lebih kecil dari nilai AIC regresi ZINB 275.01. Sehingga regresi ZIP lebih baik digunakan serta faktor yang menyebabkan hipertensi dalam kehamilan adalah persentase ibu hamil melaksanakan program K1. Kata kunci : Overdispersi, Regresi Poisson, Regresi ZIP, Regresi ZINB.
PEMODELAN INFLASI, NILAI TUKAR RUPIAH, DAN IHSG MENGGUNAKAN VECTOR ERROR CORRECTION MODEL WITH EXOGENOUS Nurfitri Imro’ah, Husna Ningsih, Dadan Kusnandar,
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.v11i02.53275

Abstract

Vector Error Correction Model with Exogenous (VECMX) adalah model yang dapat digunakan untuk data deret waktu yang tidak stasioner namun mempunyai hubungan kointegrasi dimana pada model tersebut dimasukan peubah eksogen. Penelitian ini bertujuan untuk mencari model terbaik yang dapat menjelaskan hubungan antara inflasi, nilai tukar rupiah (NTR), dan indeks harga saham gabungan (IHSG). Peubah endogen adalah IHSG, NTR dan peubah eksogen adalah inflasi. Hasil penelitian menunjukkan bahwa masing-masing peubah endogen tidak stasioner dan memiliki kointegrasi. Model terbaik untuk memodelkan peubah inflasi, NTR, dan IHSG tahun 2010-2018 yaitu model VECMX(2). Hasil persamaan model terbaik mengindikasi bahwa inflasi memberikan pengaruh positif secara signifikan pada perubahan NTR dan pengaruh negatif secara signifikan pada perubahan IHSG. Pada jangka panjang perubahan peubah NTR dipengaruhi oleh IHSG pada satu bulan sebelumnya. Untuk jangka pendek, NTR dipengaruhi oleh  perubahan IHSG satu bulan sebelumnya dan perubahan NTR dua bulan sebelumnya. Perubahan peubah IHSG hanya dipengaruhi inflasi pada waktu sekarang. Kata Kunci : Inflasi, NTR, IHSG, VECMX
PENGELOMPOKKAN PROVINSI DI INDONESIA BERDASARKAN INDIKATOR DAMPAK BENCANA BANJIR TAHUN 2017-2020 MENGGUNAKAN K-MEDOIDS Dea Ratu Nursidah, Ulimazzada Islamy,; Edy Widodo, Inggrid Septa Narendra, M. Lutfi Anshori,
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.v11i02.53781

Abstract

Indonesia merupakan negara dengan iklimnya yang tropis dan memiliki intensitas curah hujan tinggi. Saat hujan deras, aliran air akan melebihi kapasitas saluran air dan tanah tidak lagi dapat menyerap air sehingga dapat menyebabkan terjadinya bencana banjir. Bencana ini sering terjadi di wilayah yang memiliki saluran air yang sempit dan kurangnya daerah resapan. Oleh sebab itu, tentu harus menjadi perhatian pemerintah karena selama bertahun-tahun, banjir selalu menjadi bencana yang mengancam wilayah-wilayah di Indonesia. Upaya mitigasi yang tepat harus dilakukan sesuai dengan karakteristik masing-masing provinsi dengan menggunakan hasil dari analisis cluster. Data sekunder diperoleh dari publikasi data DIBI BNPB tahun 2017-2020 dimana terdapat sembilan variabel dampak bencana banjir pada 34 provinsi di Indonesia dalam penelitian ini, yaitu jumlah korban hilang dan meninggal, korban luka-luka, korban mengungsi dan menderita, kerusakan bangunan sedang, kerusakan bangunan ringan, rumah yang hanyut, rusaknya sarana kesehatan, rusaknya sarana ibadah, serta rusakanya sarana pendidikan. Penggunaan metode pengelompokan di penelitian ini yakni K-Medoids. K-Medoids ataupun Partitioning Around Method (PAM) yaitu jenis metode pengelompokan yang menggunakan metode clustering partisi untuk mengklasifikasikan kumpulan n objek jadi suatu k cluster. Dari hasil analisis K- Medoids, diperoleh dua cluster yang memiliki karakteristik tersendiri untuk mengelompokkan 34 provinsi di Indonesia. Cluster pertama terdiri dari 12 provinsi yang merupakan daerah dampak banjir paling menonjol pada hampir semua variabel sedangkan cluster kedua terdiri dari 22 provinsi yang menunjukkan dampak banjir paling menonjol pada korban luka-luka. Hasil pengelompokan tersebut yang diivisualisasikan menggunakan software visualisasi yakni QGIS. Kata Kunci: Bencana Banjir, Cluster, K-Medoids, mitigasi, QGIS, Visualisasi.
DINAMIKA AKAR KUADRAT PADA PEMODELAN MATEMATIKA POPULASI PEROKOK Meliana Pasaribu, Riyo Riadi, 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.v11i02.53267

Abstract

Angka kematian akibat rokok semakin meningkat setiap tahunnya. Peningkatan jumlah populasi perokok mengakibatkan masalah kesehatan juga semakin meningkat. Oleh sebab itu dalam penelitian ini, dikonstruksikan pemodelan matematika jumlah perokok dan dianalisis kestabilannya. Data yang digunakan adalah data populasi perokok berumur lebih dari atau sama dengan 10 tahun di Provinsi Kalimantan Barat pada tahun 2018. Penduduk terbagi menjadi empat subpopulasi, yaitu subpopulasi perokok potensial (P), perokok kadang-kadang (L), perokok berat (S), dan subpopulasi mantan perokok (Q). Model matematika yang digunakan adalah model persamaan diferensial yang terdiri dari empat persamaan diferensial biasa. Dari model tersebut dicari titik ekuilibrium dan kestabilannya. Berdasarkan analisis, model tersebut memiliki satu titik ekuilibrium endemik perokok. Hal ini berarti dalam suatu keadaan selalu ada populasi yang merokok sebagai akibat dari interaksi antara subpopulasi perokok potensial dengan subpopulasi perokok kadang-kadang. Titik ekuilibrium endemik perokok ini merupakan titik ekuilibrium yang stabil asimtotik lokal. Berdasarkan simulasi numerik dengan nilai awal P(0)=15.175, S(0)=933, S(0)=5.328 dan Q(0)=726, diperoleh adanya peningkatan pada jumlah subpopulasi perokok kadang-kadang dan mantan perokok, sedangkan jumlah perok potensial dan berat mengalami penurunan.
METODE MODIFIED EXPONENTIAL APPROACH DALAM MENYELESAIKAN MASALAH TRANSPORTASI TIDAK SEIMBANG Meliana Pasaribu, Widia Nurazian, Helmi,
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.v11i02.53509

Abstract

Metode Exponential Approach merupakan salah satu metode langsung dalam menyelesaikan masalah transportasi. Pengalokasian pada metode Exponential Approach bergantung pada banyaknya biaya reduksi bernilai nol tidak termasuk entri sel yang dipilih. Dengan demikian, metode tersebut memiliki kelemahan pada masalah transportasi tidak seimbang. Masalah transportasi tidak seimbang terjadi ketika jumlah persediaan tidak sama dengan jumlah permintaan. Metode Modified Exponential Approach memperbaiki penyelesaian masalah transportasi dari metode Exponential Approach yaitu dalam hal pengalokasian dan dapat menyelesaikan masalah transportasi tidak seimbang. Masalah transportasi merupakan salah satu masalah yang sering dihadapi perusahaan dalam pendistribusian barang atau komoditas. Dalam pendistribusian barang, biaya distribusi merupakan salah satu faktor yang mempengaruhi harga produk di pasaran. Masalah transportasi yang dibahas pada penelitian ini adalah masalah pendistribusian garam di UD Aditya Mandiri. Berdasarkan data pendistribusian yang diperoleh dari penelitian Shodiqin pada tahun 2019, diketahui bahwa jumlah persediaan tidak sama dengan jumlah permintaan. Masalah tersebut dapat diselesaikan dengan menggunakan metode Modified Exponential Approach. Pengalokasian barang dilakukan secara terus menerus sampai permintaan tujuan terpenuhi. Hal ini dilakukan berdasarkan prioritas banyaknya biaya reduksi yang bernilai nol pada setiap baris dan kolom yang bersesuaian kecuali entri sel yang dipilih. Berdasarkan hasil penelitian, dapat disimpulkan bahwa pabrik di Jepara mendistribusikan garam ke tujuan Jakarta dan pabrik di Pati mendistribusikan garam ke tujuan Tangerang, Jakarta, dan Lampung. Dengan demikian, diperoleh biaya keseluruhan yang dikeluarkan UD Aditya Mandiri dalam mendistribusikan garam yaitu sebesar Rp23.200.000, -.  Kata Kunci : metode exponential approach, biaya distribusi, prioritas pengalokasian
ANALISIS PERHITUNGAN PREMI ASURANSI JIWA DENGAN METODE KOSTAKI MELALUI MODEL APPORTIONABLE FRACTIONAL PREMIUMS Hendra Perdana, Afridian Pratiwi, Neva Satyahadewi,
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.v11i02.53746

Abstract

Dalam pembayaran premi asuransi jiwa tedapat model pembayaran premi yang dapat dilakukan lebih dari satu kali yang disebut dengan Fractional Premiums. Fractional Premiums terbagi menjadi dua model, yaitu True Fractional Premiums dan Apportionable Fractional Premiums. Perbedaan dari kedua model tersebut yaitu ada atau tidaknya penyesuaian santunan kematian. Tujuan dari penelitian ini adalah untuk menganalisis besaran premi asuransi jiwa seumur hidup berdasarkan jenis kelamin dengan model Apportionable Fractional Premiums berdasarkan Tabel Mortalita menggunakan metode Kostaki. Tahapan-tahapan pada penelitian ini adalah menentukan level kematian untuk mendapatkan Tabel Mortalita ringkas, menyusun Tabel Mortalita lengkap menggunakan metode Kostaki, menghitung nilai premi asuransi jiwa seumur hidup model Apportionable Fractional Premiums. Hasil dari penelitian yang diperoleh menggunakan model Apportionable Fractional Premiums berdasarkan Tabel Mortalita menggunakan metode Kostaki untuk premi yang dibayarkan oleh laki-laki berusia 30 tahun dengan pembayaran tiap semester adalah sebesar Rp2.618.218, tiap kuartal sebesar Rp1.317.244, dan tiap bulan sebesar Rp440.908. Sedangkan, untuk perempuan berusia 30 tahun dengan pembayaran tiap semeserter sebesar Rp2.269.218, tiap kuartal Rp1.141.458, dan tiap bulan sebesar Rp382.023. Kata Kunci : Metode Kostaki, Tabel Mortalita, Apportionable Fractional Premiums
PENENTUAN AKAR-AKAR PERSAMAAN KUARTIK DENGAN METODE CARDANO DAN METODE FERRARI Rabitah Al-Alawiyah; Helmi Helmi; Yudhi Yudhi
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 3 (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.v11i3.55430

Abstract

Persamaan kuartik merupakan persamaan polinomial yang memiliki derajat empat. Dalam penelitian ini dibahas bagaimana menentukan akar-akar persamaan kuartik dengan menggunakan metode Cardano dan metode Ferrari. Akar-akar persamaan kuartik dapat ditentukan dengan metode Cardano yaitu dengan mentransformasikan persamaan kuartik ke persamaan kubik yang menghasilkan tiga nilai. Salah satu nilai tersebut disubstitusikan ke persamaan kuadrat sehingga dihasilkan nilai-nilai baru. Selanjutnya nilai-nilai baru tersebut disubstitusikan ke rumus akar-akar persamaan kuartik. Adapun metode lain untuk menyelesaikan persamaan kuartik adalah metode Ferrari. Metode Ferrari merupakan suatu metode untuk menyelesaikan persamaan kuartik dengan mentransformasikan persamaan kuartik ke persamaan kubik yang menghasilkan tiga nilai. Salah satu nilai tersebut disubstitusikan ke rumus akar-akar persamaan kuartik. Hasil penelitian menunjukan bahwa akar-akar persamaan kuartik bisa diselesaikan dengan metode Cardano dan metode Ferrari. Kata Kunci: polinomial, transformasi, derajat
PENERAPAN MARKET BASKET ANALYSIS PADA POLA PEMBELIAN BARANG OLEH KONSUMEN MENGGUNAKAN METODE ALGORITMA APRIORI Wahyu Diyan Ramadana; Neva Satyahadewi; Hendra Perdana
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 3 (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.v11i3.54962

Abstract

Penerapan data mining banyak digunakan dalam berbagai macam bidang, terlebih lagi dalam bidang bisnis retail yang ada. Pola pembelian barang oleh konsumen menjadi tujuan utama yang perlu dihadapi dalam bisnis retail tersebut. Pengetahuan tentang pola pembelian barang oleh konsumen tersebut dapat dimanfaatkan dalam menyusun tata letak produk guna mempermudah konsumen dalam proses pembelian. Pada penelitian ini digunakan algoritma apriori dalam menentukan pola pembelian konsumen dalam satu keranjang belanja. Data yang digunakan dalam penelitian ini merupakan data sekunder yang diperoleh dari transaksi pembelian konsumen pada toko retail pada periode Januari hingga Februari 2020. Data yang digunakan berjumlah 200 transaksi pembelian yang terjadi. Sebelum dicari aturan asosiasi terlebih dahulu menghitung nilai support masing-masing item, apabila nilai support kurang dari minimum support yang ditentukan maka item akan dipangkas sedangkan item yang memiliki nilai yang memenuhi kriteria minimum support, termasuk kedalam frequent k-itemset. Setelah semua frequent k-itemset terbentuk selanjutnya akan dicari pola asosiasi (association rules) dengan didasarkan pada nilai minimmum confidence, item yang memenuhi kriteria nilai minimum confidence akan digunakan dalam mengambil aturan pembelian.  Pada penelitian ini digunakan nilai minimum support sebesar 1% dan nilai minimum confidence sebesar 80%, dari nilai minimum support dan minimum confidence yang digunakan tersebut diperoleh 10 aturan atau pola pembelian barang oleh konsumen yang dapat dijadikan acuan dalam menyusun tata letak pada penyimpanan barang yang dijual. Kata Kunci: Data mining, Market Basket Analysis, Algoritma Apriori
CADANGAN PREMI ASURANSI JIWA DWIGUNA DENGAN METODE PREMIUM SUFFICIENCY UNTUK TINGKAT SUKU BUNGA VASICEK Rina Rina; Neva Satyahadewi; Hendra Perdana
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 3 (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.v11i3.54531

Abstract

Cadangan premi adalah besarnya uang yang ada pada perusahaan asuransi dalam masa pertanggungan. Metode perhitungan cadangan premi yang mengikutsertakan biaya operasional atau menggunakan premi kotor (bruto) adalah metode Premium Sufficiency. Pada penelitian ini dicari formula perhitungan cadangan premi asuransi jiwa dwiguna dengan metode Premium Sufficiency menggunakan tingkat suku bunga Vasicek. Pada dasarnya ketika seseorang mendaftar sebagai peserta asuransi, tidaklah terdaftar pada usia genap per tahun, sehingga pada penelitian ini menggunakan usia pecahan dalam penerapannya. Pada proses perhitungan cadangan premi, metode Premium Sufficiency menyertakan biaya penutupan polis baru dan biaya pemeliharaan premi setelah masa asuransi. Studi kasus yang digunakan yaitu seorang peserta asuransi laki-laki yang berusia 25 tahun 5 bulan dengan masa pertanggungan 5 tahun. Besar santunan yang akan diterima tertanggung adalah Rp30.000.000,-. Tahapan penelitian ini terlebih dahulu mencari nilai tunai anuitas, menentukan nilai premi, sehingga didapatlah nilai cadangan premi asuransi jiwa dwiguna. Berdasarkan studi kasus yang digunakan,  nilai cadangan premi yang dihasilkan pada tahun pertama adalah sebesar Rp4.911.076,-. Adapun nilai cadangan premi yang dihasilkan pada bulan pertama Rp0,- dan pada bulan kedua sebesar Rp206.268,-. Sehingga dapat disimpulkan bahwa nilai perhitungan cadangan premi menggunakan metode Premium Sufficiency untuk usia pecahan terus mengalami kenaikan setiap periodenya.  Kata Kunci: Premium Sufficiency, Vasicek, Usia Pecahan
PEMODELAN REGRESI SEMIPARAMETRIK SPLINE TRUNCATED PADA DATA TINGKAT PENGANGGURAN TERBUKA DI INDONESIA Erlando Erlando; Yundari Yundari; Helmi Helmi
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 3 (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.v11i3.55661

Abstract

Saat ini hampir semua provinsi di Indonesia menghadapi masalah klasik yang sudah lama terjadi, yaitu pengangguran. Data dari Badan Pusat Statistik (BPS) menunjukkan bahwa masalah pengangguran di Indonesia masih cukup tinggi karena masih tingginya tingkat pengangguran di daerah-daerah. Salah satu bentuk pengangguran adalah pengangguran terbuka. Pengangguran terbuka merupakan pengangguran yang tenaga kerjanya sungguh-sungguh tidak mempunyai pekerjaan. Untuk mengetahui banyaknya indikator pada pengangguran terbuka yaitu dengan menggunakan Tingkat Pengangguran Terbuka (TPT). Faktor-faktor yang mempengaruhi TPT di Indonesia dapat diketahui dengan menggunakan regresi semiparametrik spline truncated, karena antara variabel respons (TPT) dan prediktor-prediktornya memiliki pola yang berubah-ubah atau tidak dapat diketahui bentuk kurva regresinya (semiparametrik). Tujuan penelitian ini untuk memodelkan faktor-faktor yang mempengaruhi TPT di Indonesia menggunakan regresi semiparametrik spline truncated serta menentukan faktor yang mempengaruhi TPT secara signifikan. Dalam penelitian ini digunakan 5 variabel yang diduga berpengaruh terhadap Tingkat Pengangguran Terbuka di Indonesia. Data diperoleh dari publikasi website Badan Pusat Statistik (BPS) tahun 2018. Hasil penelitian menunjukkan bahwa model regresi semiparametrik spline truncated untuk pemodelan tingkat pengangguran terbuka di Indonesia tahun 2018 menggunakan kombinasi knot (3,3,3,3). Untuk nilai GCV minimumnya yaitu sebesar 3,167255 sedangkan untuk nilai koefisien determinasi sebesar 23,10% dengan variabel prediktor yang berpengaruh yaitu Angka Partisipasi Kasar (APK) SD dan SMP, Indeks Pembangunan Manusia (IPM), dan Laju Pertumbuhan PDRB. TPT Indonesia tahun 2018 yaitu sebesar 5,30% sedangkan provinsi yang memiliki TPT tertinggi yaitu Provinsi Banten sebesar 8,47% dan provinsi yang memiliki TPT terendah yaitu Provinsi Bali yaitu sebesar 1,40%.  Kata Kunci: GCV, Regresi Semiparametrik Spline Truncated, Tingkat Pengangguran Terbuka, Titik Knot.

Page 54 of 84 | Total Record : 832

 52   53   54   55   56 

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 : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 1 (2020): BIMASTER Vol 8, No 4 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 4 (2019): BIMASTER Vol 8, No 3 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 3 (2019): BIMASTER Vol 8, No 2 (2019): Bimaster : 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 Vol 6, No 03 (2017): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 6, No 02 (2017): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 6, No 02 (2017): BIMASTER 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