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
 53   54   55   56   57 
PENERAPAN ANALISIS FISHER’S EXACT TEST PADA KASUS MULTIDRUG RESISTANT TUBERCULOSIS (MDR-TB) DI KALIMANTAN BARAT Junita Junita; Naomi Nessyana Debataraja; Dadan Kusnandar
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.v11i3.55431

Abstract

Tuberkulosis merupakan penyakit menular yang mematikan disebabkan oleh bakteri Mycobacterium tuberculosis. Penyakit tuberkulosis dapat disembuhkan dengan minum obat secara teratur hingga dinyatakan sembuh oleh dokter dengan strategi DOTS (Directly Observed Treatment Shortcourse). Apabila tidak teratur dalam minum obat atau terputus maka dapat menyebabkan resistan obat yang dikonsumsi yang dinamakan Multidrug Resistant Tuberculosis (MDR-TB). Salah satu kunci keberhasilan dalam pengobatan MDR-TB adalah kepatuhan pasien dalam menjalani pengobatannya. Faktor-faktor yang dinilai dapat mempengaruhi kepatuhan pasien dalam mematuhi anjuran berobat adalah pengetahuan terkait  penyakit MDR-TB dan perilaku pasien selama pengobatan. Penelitian ini bertujuan untuk menganalisis pengaruh antara perilaku dan pengetahuan pasien MDR-TB terhadap kepatuhan pengobatan pasien MDR-TB. Data yang digunakan adalah data pasien MDR-TB di Kalimantan Barat yang diperoleh melalui kuesioner penelitian. Pengolahan data menggunakan uji statistik Fisher’s Exact Test dengan α = 5%. Hasil penelitian menunjukkan bahwa pengetahuan pasien MDR-TB signifikan berpengaruh terhadap kepatuhan dalam pengobatannya (p = 0,028). Sedangkan perilaku pasien MDR-TB tidak signifikan berpengaruh terhadap kepatuhan dalam pengobatannya (p = 0,268). Kata Kunci : MDR-TB, perilaku, pengetahuan, kepatuhan
OPTIMALISASI FASE DAN DURASI LAMPU HIJAU PADA ARUS LALU LINTAS Studi Kasus: Persimpangan Jalan Tanjungpura - Imam Bonjol Kota Pontianak, Kalimantan Barat Adrah Adrah; Nilamsari Kusumastuti; Meliana Pasaribu
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.v11i3.55022

Abstract

Arus lalu lintas dan antrian pada pagi hari di persimpangan jalan Tanjungpura - Imam Bonjol termasuk dalam klasifikasi padat dan panjang. Akibatnya sering terjadi kemacetan di persimpangan tersebut. Oleh karena itu, perlu dilakukan penyesuaian fase dan durasi lampu hijau dengan penerapan graf fuzzy ͠G(͠V,͠E). Arus lalu lintas direpresentasikan sebagai simpul dan derajat keanggotaan simpul menyatakan kepadatan arus lalu lintas. Sedangkan arus bersilangan atau menyatu dinyatakan sebagai sisi dan derajat keanggotaan sisi menyatakan tingkat konflik dari kedua arus. Hasil representasi persimpangan tersebut membentuk graf fuzzy ͠G(͠V,͠E) yang terdiri dari 12 simpul dan 28 sisi. Graf fuzzy ͠G(͠V,͠E) yang terbentuk, selanjGGutnya diwarnai menggunakan konsep pewarnaan graf fuzzy dengan cut˗α. Pewarnaan tersebut menghasilkan bilangan kromatik untuk setiap , dimana bilangan kromatik maksimal yang diperoleh yaitu 4. Hal ini berarti terdapat 4 fase arus lalu lintas di persimpangan jalan Tanjungpura - Imam Bonjol. Setiap fase yang terbentuk, selanjutnya dicari durasi lampu hijau berdasarkan hasil penelitian, diperoleh durasi lampu hijau pada persimpangan jalan Tanjungpura - Imam Bonjol yaitu 14 detik jalan Pahlawan, 16 detik jalan Sultan Hamid II, 17 detik jalan Imam Bonjol dan 18 detik jalan Tanjungpura. Kata Kunci: Graf fuzzy ͠G(͠V,͠E), Cut˗α, Pewarnaan graf fuzzy
ANALISIS DESKRIPTIF KRITERIA PENERIMAAN SNMPTN DI PROGRAM STUDI STATISTIKA UNIVERSITAS TANJUNGPURA Suci Angriani; 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.v11i3.54532

Abstract

Seleksi Nasional Masuk Perguruan Tinggi Negeri atau SNMPTN merupakan jalur undangan masuk perguruan tinggi negeri yang paling banyak diminati oleh siswa menengah.  Seleksi SNMPTN berdasarkan pada pertimbangan hasil prestasi akademik seperti nilai rapor dari kelas 10 hingga 12 dan prestasi penunjang lainnya. Program Studi (S1) Statistika merupakan Program Studi di Universitas Tanjungpura yang memiliki ketersediaan kapasitas 20 kursi pada jalur SNMPTN. Dengan daya tampung SNMPTN yang terbatas ini, membuat siswa harus menentukan strategi yang tepat agar dapat diterima. Penelitian ini bertujuan untuk mengetahui gambaran kriteria penerimaan di Program Studi Statistika Universitas Tanjungpura berdasarkan jalur masuk SNMPTN secara ringkas dan menyajikannya dalam bentuk yang lebih mudah dipahami sehingga dapat membantu dalam mempelajari dinamika kelulusan SNMPTN di Program Studi Statistika Universitas Tanjungpura. Data yang digunakan terkumpul dari mahasiswa Statistika angkatan 2017 sampai dengan angkatan 2021 yang pernah mengikuti SNMPTN dengan menjadikan Program Studi Statistika sebagai pilihan. Variabel yang digunakan sebagai kriteria penerimaan yaitu status pilihan prodi, prestasi nasional, prestasi provinsi, serta nilai rapor mata pelajaran Bahasa Inggris, Bahasa Indonesia, Matematika, Kimia, Fisika dan Biologi. Berdasarkan hasil penelitian diketahui bahwa sebanyak 76 responden atau sebanyak 81,72% memilih Program Studi Statistika Universitas Tanjungpura pada pilihan pertama jalur SNMPTN, sedangkan sisanya sebanyak 17 responden atau sebanyak 18,28% memilih Program Studi Statistika Universitas Tanjungpura pada pilihan kedua jalur  SNMPTN. Kata Kunci: SNMPTN, Jalur Masuk, Analisis Deskriptif.
PENGUKURAN RISIKO KERUGIAN PETANI SAWIT MENGGUNAKAN METODE EXPECTED SHORTFALL DENGAN SIMULASI MONTE CARLO Wahyudin Wahyudin; Setyo Wira Rizki; Shantika Martha
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.v11i3.55777

Abstract

Kelapa sawit merupakan salah satu komoditas yang memberikan kontribusi bagi perdagangan luar negeri. VaR merupakan standar internasional dalam pengukuran risiko finansial. VaR memiliki kekurangan yaitu tidak memenuhi sifat subadditivity sehingga tidak dapat meminimumkan risiko. Kekurangan ini dapat diatasi menggunakan metode Expected Shortfall (ES) dengan simulasi Monte Carlo. Simulasi Monte Carlo adalah simulasi yang membangkitkan bilangan acak berdasarkan karakteristik dari data yang akan dibangkitkan, yang kemudian digunakan untuk menghitung nilai ES. Penelitian ini bertujuan untuk mengukur risiko kerugian maksimum petani sawit menggunakan metode ES dengan simulasi Monte Carlo. Langkah-langkah perhitungan ES dengan simulasi Monte Carlo adalah menghitung nilai return, melakukan uji normalitas data, mengestimasi parameter rata-rata dan standar deviasi, mengestimasi kerugian maksimum dan kuantil, menghitung nilai VaR, menghitung rata-rata VaR, menghitung ES dengan simulasi Monte Carlo. Penelitian ini menggunakan data Harga Tanda Buah Segar (TBS) periode Februari 2017 sampai Desember 2020 di Kalimantan Barat. Berdasarkan hasil analisis, diperoleh nilai ES dengan simulasi Monte Carlo pada tingkat kepercayaan 95% sebesar 18,427%. Artinya kerugian maksimum yang diterima petani sawit yaitu sebesar 18,427%.  Kata Kunci:   Value at Risk, harga maksimum
ANALISIS AUTOKORELASI SPASIAL KASUS POSITIF COVID-19 MENGGUNAKAN INDEKS MORAN DAN LISA Rika Mailanda; Dadan Kusnandar; Nur’ainul Miftahul Huda
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.v11i3.55447

Abstract

Autokorelasi spasial merupakan salah satu analisis spasial untuk menentukan pola hubungan atau korelasi antar lokasi amatan. Pada kasus positif Covid-19 di Pulau Jawa, metode ini memberikan informasi penting dalam menganalisis hubungan karakteristik kasus positif Covid-19 antar lokasi. Dengan demikian, dalam penelitian ini dilakukan analisis autokorelasi spasial antarprovinsi di Pulau Jawa menggunakan data kasus positif Covid-19 dari 11 Januari 2021 hingga 3 Januari 2022. Data harian yang diperoleh dipartisi berdasarkan kebijakan yang ditetapkan pemerintah. Kebijakan tersebut meliputi penerapan pembatasan kegiatan masyarakat (PPKM), PPKM Mikro, PPKM Mikro Darurat, PPKM level 1-4 dan perpanjangan dari masing-masing kebijakan tersebut. Pada 11 Januari 2021 hingga 3 Januari 2022, ada 30 partisi berdasarkan kebijakan yang diberlakukan. Metode yang digunakan adalah Indeks Moran dan Local Indicator of Spatial Autocorrelation (LISA). Pembobot spasial yang digunakan adalah Inverse Distance Weight. Hasil analisis menggunakan Indeks Moran dengan tingkat signifikansi α = 5% menunjukkan ada hubungan kasus positif Covid-19 antar provinsi di Pulau Jawa pada saat pemerintah menerapkan kebijakan perpanjangan PPKM Mikro (23 Maret - 5 April 2021). Nilai Indeks Moran saat kebijakan tersebut adalah 0,197 yang mengindikasikan adanya autokorelasi spasial positif (pola mengelompok). Selanjutnya menggunakan LISA, terdapat autokorelasi spasial di provinsi Jawa Barat saat kebijakan perpanjangan PPKM Mikro (23 Maret - 5 April 2021) dan di provinsi Banten saat PPKM Level 3, 2 dan 1 (14 Desember 2021 - 3 Januari 2022). Hal ini ditunjukkan oleh nilai Z(LJawa Barat) sebesar 1,978 dan Zα/2 sebesar 1,96 (1,978 > 1,96), dan nilai Z(LBanten) sebesar -1,976 dan Zα/2 sebesar 1,96 (1,976 > 1,96). Kata Kunci : Autokorelasi Spasial, Indeks Moran, LISA, Covid-19.
BILANGAN LOKASI PADA GRAF LILI DAN GRAF PERSAHABATAN Stefani Septiani Nanda Putri; Nilamsari Kusumastuti; Fransiskus Fran
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.v11i3.55025

Abstract

Diberikan sebarang graf terhubung G=(V(G),E(G)) dan dimisalkan W= {w₁, w₂,…, wₖ} adalah himpunan bagian dari V(G). Representasi titik v ???? V(G) terhadap W, Cw(v), adalah pasangan k-tupel yang disebut kode lokasi dengan Cw(v)= (d(v,w₁), d(v,w₂),…,d(v,wₖ)) dan d(v,wi) menyatakan jarak dari titik v ke titik wi   untuk i= 1,2,…,k. Himpunan W disebut himpunan lokasi di G jika untuk setiap u,v ???? V(G), Cw(u)≠ Cw(v). Kardinalitas minimum dari semua himpunan lokasi pada G disebut bilangan lokasi G yang dinotasikan dengan Loc(G). Pada penelitian ini dibahas tentang bilangan lokasi pada graf lili (ℓn) dan graf persahabatan (fn). Graf lili adalah graf yang dibentuk dari penggabungan graf bintang (S1,n) dan graf lintasan (Pn) sedangkan graf persahabatan adalah graf yang dibentuk dari n salinan graf sikel (C3). Graf lili dan graf persahabatan memiliki karakteristik pada beberapa titiknya yaitu berupa titik kembar. Dua titik ????,???? dikatakan titik kembar jika titik u dan v memiliki jarak yang sama terhadap semua titik lain di graf G kecuali titik u dan v. Titik kembar pada graf lili dan graf persahabatan dapat digunakan untuk memudahkan dalam pencarian himpunan lokasi. Hasil dari penelitian ini diperoleh bilangan lokasi dari graf lili (ℓn) yaitu Loc(ℓn)=2n+1untuk n ≥ 2 dan bilangan lokasi dari graf persahabatan (fn) yaitu Loc(fn)= n, untuk n ≥ 2,n ???? ℕ. Kata Kunci : himpunan lokasi, kode lokasi, titik kembar, bilangan lokasi
PEMODELAN DATA PERSENTASE PENDUDUK MISKIN DI INDONESIA MENGGUNAKAN SUR-SEM DATA PANEL Ira Mona; Shantika Martha; 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.v11i3.54617

Abstract

Kemiskinan adalah ketidakmampuan seseorang memenuhi kebutuhan dasarnya untuk bertahan hidup, baik untuk bahan makanan maupun bukan makanan. Kemiskinan seringkali melibatkan pemeriksaan interaksi spasial antara satu lokasi dengan sekitarnya. Penelitian ini bertujuan menganalisis variabel yang berpengaruh signifikan terhadap tingkat persentase penduduk miskin di Indonesia dengan menggunakan model SUR-SEM (Seemingly Unrelated Regression-Spatial Error Model) data panel. Model SUR-SEM merupakan model yang mengkombinasikan model SUR dan model SEM yang struktur autoregressive hanya terdapat pada error-nya, sedangkan model SUR-SEM data panel adalah penggabungan dari model data panel dengan mempertimbangkan efek temporal dan spasial dalam suatu sistem persamaan regresi. Pada penelitian ini difokuskan pada data persentase penduduk miskin berbentuk data panel dari 34 provinsi di Indonesia selama 5 tahun (2015-2019), karena data yang digunakan adalah data panel maka dilakukan pemilihan model regresi data panel yaitu menggunakan uji Chow dan uji Hausman. Selanjutnya dilakukan analisis uji efek spasial yaitu dependensi spasial dan heterogenitas spasial dengan matriks pembobot Queen Contiguity dan mengestimasi parameter dengan metode Maximum likelihood pada model SUR- SEM data panel. Hasil dari penelitian ini variabel yang berpengaruh signifikan terhadap persentase penduduk miskin setiap tahunnya yaitu rata-rata lama sekolah (X_6) dan angka harapan hidup (X_9). Kata Kunci: Data Panel, Pembobot Spasial, SUR-SEM.
ESTIMASI DATA SPASIAL BERPENCILAN PADA LAJU INFLASI DI PULAU JAWA MENGGUNAKAN METODE ROBUST KRIGING Erna Yulianti; Dadan Kusnandar; Nur’ainul Miftahul Huda
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.v11i3.55951

Abstract

Inflasi adalah keadaan perekonomian suatu negara dengan kecenderungan naiknya harga barang dan jasa yang pada umumnya berlangsung secara terus-menerus. Perhitungan inflasi di Indonesia dilakukan setiap bulannya oleh Badan Pusat Statistik berdasarkan perubahan Indeks Harga Konsumen (IHK) antar periode waktu. Namun, perhitungan inflasi masih terbatas hanya pada beberapa kabupaten/kota, sehingga untuk mengatasi ketidaktersediaan data pada lokasi yang tidak dilakukan perhitungan dapat diketahui menggunakan analisis Geostatistik yaitu dengan metode Kriging. Estimasi kriging pada suatu data spasial dapat menghasilkan estimasi yang kurang tepat apabila terdapat pencilan dalam data. Penelitian ini bertujuan mengestimasi laju inflasi di wilayah Pulau Jawa menggunakan metode Robust Kriging. Robust Kriging merupakan pengembangan dari metode Ordinary Kriging yang mentransformasikan bobot semivariogram klasik menjadi semivariogram yang robust terhadap pencilan dalam data. Banyaknya observasi dalam penelitian ini berjumlah 26 kabupaten/kota yang ada di Pulau Jawa. Berdasarkan hasil analisis dan pembahasan diperoleh bahwa model semivariogram teoritis laju inflasi terbaik adalah semivariogram teoritis model Gaussian dengan nilai MSE sebesar 0,00107. Hasil estimasi laju inflasi menggunakan semivariogram terbaik diperoleh nilai estimasi terendah berada di Kota Semarang yaitu sebesar 0,57% dan hasil estimasi laju inflasi tertinggi berada di Kota Probolinggo yaitu sebesar 0,76%.  Kata Kunci : Inflasi, Pulau Jawa, Geostatistik, Robust Kriging.
PENERAPAN METODE EXTENDED KALMAN FILTER PADA KASUS PERTUMBUHAN PENDUDUK DI KOTA PONTIANAK Siti Masitah; Yundari Yundari; Nur’ainul Miftahul Huda
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.v11i3.55448

Abstract

Pertumbuhan penduduk adalah bertambah atau berkurangnya jumlah penduduk di suatu daerah. Jumlah penduduk memiliki pengaruh penting diantaranya dalam hal tingkat pengangguran dan pertumbuhan ekonomi, sehingga perlu adanya estimasi jumlah penduduk sebagai salah satu cara dalam hal perencanaan kesejahteraan masyarakat. Penelitian ini bertujuan untuk mengestimasi pertumbuhan penduduk Kota Pontianak dengan metode Extended Kalman Filter (EKF). Estimasi ini dilakukan dengan membandingkan dua asumsi model yaitu model persamaan pertumbuhan logistik dengan asumsi linier dan model persamaan pertumbuhan logistik dengan asumsi parabolik terbuka ke bawah.Hasil estimasi didapatkan dengan melakukan beberapa langkah, yaitu melakukan pengumpulan data jumlah penduduk Kota Pontianak tahun 1990-2020, menentukan laju pertumbuhan penduduk dan ambang batas populasi, melakukan diskritisasi pada model pertumbuhan logistik menggunakan metode beda hingga maju, menghitung matriks Jacobi dan menambahkan noise pada model pertumbuhan logistik, mengimplementasikan algoritma EKF, serta menganalisis hasil simulasi penggunaan metode EKF. Simulasi dilakukan sebanyak tiga kali menggunakan 7, 15 dan 31 data pengukuran. Analisis yang dilakukan adalah membandingkan model pertumbuhan logistik yang digunakan. Hasil simulasi menunjukkan bahwa model pertumbuhan logistik dengan asumsi fungsi populasi parabolik lebih sesuai dengan pertumbuhan penduduk Kota Pontianak pada keseluruhan simulasi yang dilakukan dan hasil estimasi jumlah penduduk menggunakan metode EKF dengan data pengukuran yang lebih besar memberikan hasil yang relatif lebih baik. Kata Kunci:  Penduduk, Pertumbuhan Logistik, Extended Kalman Filter
MODEL MULTI STATUS UNTUK PRODUK ASURANSI LONG TERM CARE Siti Septiani Rahayu Putri; Dadan Kusnandar; 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.v11i3.55035

Abstract

Asuransi Long Term Care (LTC) adalah jenis asuransi kesehatan yang menyediakan manfaat biaya perawatan medis selama jangka waktu dan manfaat kematian bila tertanggung meninggal dunia. Produk asuransi ini dapat dimodelkan dengan model multi status. Model multi status merupakan proses stokastik dengan subjek dapat berpindah status pada sejumlah status yang ditentukan. Penelitian ini bertujuan untuk memodelkan produk asuransi LTC, kemudian menentukan matriks transisi rantai markov. Selanjutnya model multi status dibentuk dengan menyusun matriks transisi. Model multi status yang digunakan berupa penderita penyakit kritis di Indonesia. Status yang digunakan terdiri dari delapan status, yaitu sehat, sakit kanker, sakit jantung, sakit stroke, meninggal karena sakit dari masing-masing penyakit, dan meninggal karena lainnya. Kata Kunci:  Multi status, rantai markov

Page 55 of 84 | Total Record : 832

 53   54   55   56   57 

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