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
 56   57   58   59   60 
PERBANDINGAN REGRESI LINIER DAN REGRESI LINIER PIECEWISE DENGAN STUDI KASUS HARGA SPOT EMAS DUNIA
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 5 (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.v11i5.59894

Abstract

Model regresi piecewise merupakan pengembangan dari model regresi linier sederhana ke dalam model regresi linier berganda yang menggunakan variabel dummy. Ketika menganalisa hubungan antara variabel terikat Y dan variabel bebas X untuk jangkauan (range) yang berbeda dari X, dapat terjadi hubungan linier yang berbeda. Tujuan dari penelitian ini adalah mengetahui perbedaan model regresi linier sederhana dan regresi linier piecewise. Data yang digunakan berupa variabel kurs rupiah (X) dan variabel harga spot emas dunia (Y) pada periode 1 Januari 2020-31 Desember 2020. Langkah pertama adalah melakukan analisis regresi linier sederhana dengan data harga spot emas dunia, dan menentukan nilai awal breakpoint. Kedua, melakukan uji asumsi klasik pada regresi linier sederhana, sedangkan pada regresi linier piecewise menentukan nilai breakpoint optimal. Terakhir melakukan uji asumsi klasik serta menginterpretasikan hasilnya pada kedua model. Hasil analisis menunjukkan bahwa regresi linier piecewise lebih baik dari regresi linier sederhana. Hal ini terlihat pada nilai R, R-Square, dan Standard Error of the Estimate (SEE) yang lebih baik daripada regresi linier sederhana. Nilai R dari regresi linier piecewise sebesar 0,776 lebih besar dari nilai R regresi linier sederhana 0,513. Nilai R-Square dari regresi linier piecewise sebesar 0,603 lebih besar dari nilai R-Square regresi linier sederhana 0,263, dan Standard Error of the Estimate (SEE) 49912,529 lebih kecil dari regresi linier sederhana 67672,424, serta nilai Mean Absolute Percentage Error (MAPE) untuk data pada penelitian ini sebesar 2,28%. Kata Kunci:   Variabel Dummy, Kurs Rupiah
PENERAPAN METODE REGRESI RIDGE PADA KASUS ANGKA KEMATIAN BAYI DI PROVINSI JAWA TIMUR Puji Sri Lestari; Shantika Martha; Naomi Nessyana Debataraja
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 4 (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.v11i4.57012

Abstract

Suatu model dalam statistik yang dapat digunakan untuk menganalisis keterkaitan antara dua atau lebih variabel independen terhadap variabel dependen adalah model regresi linear berganda. Tidak terjadi multikolinearitas pada model regresi merupakan salah satu asumsi yang harus dipenuhi dalam regresi linear berganda. Salah satu metode yang dapat digunakan untuk mengatasi multikolinearitas adalah metode regresi ridge. Metode regresi ridge merupakan pengembangan dari metode kuadrat terkecil dengan menambahkan konstanta bias c  pada diagonal matriks XTX. Tujuan dari penelitian ini adalah menerapkan metode regresi ridge dalam mengatasi multikolinearitas pada studi kasus angka kematian bayi di provinsi Jawa Timur tahun 2020. Data yang digunakan dalam penelitian ini adalah angka kematian bayi (Y), jumlah bayi dengan berat badan lahir rendah (X1), jumlah bayi terkena penyakit asfiksia (X2), cakupan pelayanan kesehatan bayi (X3) dan cakupan pemberian Vitamin A (X4). Hasil dari penelitian ini diperoleh nilai VIF menggunakan metode kuadrat terkecil untuk X1=2,652, X2=2,737, X3=46,893 dan X4=50,919 yang menunjukkan terjadi multikolinearitas pada model regresi linear berganda. Untuk mengatasi multikolinearitas pada model regresi diterapkan metode regresi ridge dan diperoleh nilai VIF untuk X1=0,933, X2=0,942, X3=0,424 dan X4=0,388. Variabel jumlah bayi berat badan lahir rendah (X1), cakupan pelayanan kesehatan bayi (X3) dan cakupan pemberian Vitamin A (X4) berpengaruh secara signifikan terhadap angka kematian bayi dengan nilai koefisien determinasi pada model diperoleh sebesar 70,15%.Kata kunci : regresi linear berganda, multikolinearitas, regresi ridge
BILANGAN DOMINASI PERSEKITARAN TRANSVERSAL PADA TRIANGULAR SNAKE GRAPH
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 5 (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.v11i5.58282

Abstract

Diberikan sebarang graf terhubung G=(V(G),E(G)). Himpunan S ⸦V(G) dikatakan himpunan persekitaran dari graf G jika G = Uv????s (N(v)) dimana (N(v)) merupakan subgraf G yang diinduksi oleh persekitaran tertutup dari titik v. Himpunan D ⸦ V(G) dikatakan himpunan dominasi dari graf G jika setiap titik V(G)\D bertetangga dengan minimal satu titik dari D. Kardinalitas terkecil dari setiap D adalah bilangan dominasi dari graf G atan γ(G). Himpunan D disebut himpunan dominasi persekitaran transversal jika terdapat D ∩ S dari setiap himpunan S yang mempunyai kardinalitas terkecil. Kardinalitas terkecil dari setiap himpunan dominasi persekitaran transversal adalah bilangan dominasi persekitaran transversal atan γnt(G). Pada penelitian ini dibahas bilangan dominasi persekitaran transversal pada triangular snake graph (Tn) dan line graph dari triangular snake graph (L(Tn)). Triangular snake graph adalah suatu bentuk graf yang diperoleh dari graf lintasan atan graf Pn dimana semua sisinya diganti dengan graf cycle C3 . Line graph dari graf Tn atan graf (L(Tn)) adalah graf yang diperoleh dengan mengubah sisi di graf Tn menjadi titik dan sisinya diperoleh dari sisi yang bersisian dari graf Tn. Hasil dari penelitian ini diperoleh γnt(Tn) = 3 nutuk n = 2 dan └n/3┘ untuk  n≥3 dan γnt (L(Tn))= ┌n/2┐ + 2 untuk n ≥ 2. Kata Kunci : dominasi, persekitaran, triangular snake graph, line graph
PEMETAAN TINGKAT KERAWANAN KEBAKARAN HUTAN KALIMANTAN BARAT MENGGUNAKAN SISTEM INFORMASI GEOGRAFIS (SIG)
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 5 (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.v11i5.58275

Abstract

Kebakaran hutan adalah bencana alam yang dapat mengakibatkan risiko bagi manusia dan lingkungan. Terdapat dua faktor yang menjadi menyebabkan kebakaran hutan, yaitu faktor alam dan manusia. Faktor alam dan manusia yang dimaksud antara lain jenis lahan, topografi, kepadatan penduduk, dan lain sebagainya. Tingkat kerawanan kebakaran hutan dapat diketahui dengan melakukan pemetaan daerah rawan kebakaran hutan berdasarkan faktor-faktor penyala api. Faktor yang dimaksud berperan sebagai variabel independen yaitu berupa jarak titik ke sungai, topografi, jarak titik ke jalan, tutupan lahan, jarak titik ke permukiman, dan kemiringan lereng. Penelitian ini bertujuan untuk memetakan tingkat kerawanan kebakaran hutan berdasarkan faktor penyala api, sehingga hasil yang diperoleh yaitu peta kerawanan kebakaran hutan. Langkah awal yang dilakukan dalam penelitian yaitu mengumpulkan data titik api (hotspot). Lokasi penelitian ini berada di wilayah Kalimantan Barat dengan jumlah sampel yang digunakan sebanyak 144 titik yang terdiri dari 72 titik api dan 72 non titik api. Peta kerawanan kebakaran hutan yang dihasilkan dibuat menggunakan bantuan Sistem Informasi Geografis (SIG). Hasil penelitian diperoleh tingkat kerawanan dengan empat kategori yaitu sangat rendah (2,78%), rendah (68,06%), tinggi (27,78%), dan sangat tinggi (1,39%). Pemetaan kategori tingkat kerawanan yang sangat tinggi di wilayah Kalimantan Barat berada pada daerah Kabupaten Mempawah, Kabupaten Landak, Kabupaten Kubu Raya, Kota Pontianak, dan Kabupaten Sanggau.  Kata Kunci : Kebakaran Hutan, Kalimantan Barat, Kerawanan,  Sistem Informasi Geografis (SIG).
PERAMALAN HARGA SAHAM DENGAN METODE MODWT-ARIMA Bunga Aprilianti; Shantika Martha; Nurfitri Imro’ah
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 4 (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.v11i4.57504

Abstract

Saham adalah surat tanda penyertaan modal seseorang pada suatu perusahaan. Pergerakan harga saham sulit untuk diprediksi karena bersifat fluktuatif, sehingga diperlukan peramalan untuk mengetahui harga saham yang akan terjadi pada masa yang mendatang. Pada penelitian ini, peramalan dilakukan dengan menggunakan metode MODWT-ARIMA (Maximal Overlap Discrete Wavelet Transform-Autoregressive Integrated Moving Average). MODWT-ARIMA adalah metode peramalan yang peramalannya menggunakan model ARIMA dari data hasil MODWT. MODWT sebagai pre-processing data sedangkan ARIMA sebagai pembentuk model runtun waktu dari data hasil MODWT. Tujuan penelitian ini adalah menganalisis metode MODWT-ARIMA dan meramalkan harga saham. Data yang digunakan adalah data harga penutupan saham harian PT. XL Axiata Tbk periode 2 Juni 2020 sampai dengan 9 April 2021. MODWT dilakukan dengan menggunakan filter Daubechies4 menghasilkan empat barisan data, yaitu tiga koefisien wavelet (W) dan satu koefisien skala (V). Model peramalan terbaik yaitu ARIMA (2,0,3) untuk W1, ARIMA (3,0,3) untuk W2, ARIMA (5,0,7) untuk W3 dan ARIMA (11,1,6) untuk V3. Peramalan harga saham PT. XL Axiata Tbk dengan metode MODWT-ARIMA untuk periode 12 sampai 30 April 2021 diperoleh tingkat akurasi sangat baik karena nilai MAPE yang diperoleh sebesar 6,22%.  Kata Kunci : peramalan, Daubechies4, koefisien skala, koefisien wavelet
ANALISIS KUALITAS MARKETPLACE BERDASARKAN PERSEPSI PENGGUNA (Studi Kasus : Waroengkite.id Kota Pontianak)
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 5 (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.v11i5.59895

Abstract

Usaha mikro, kecil dan menengah (UMKM) memberikan kontribusi besar terhadap perekonomian. Bertambahnya pelaku UMKM di Kota Pontianak menjadikan persaingan antar UMKM semakin ketat sehingga dituntut untuk dapat bertahan seiring berkembangnya teknologi agar mampu bersaing. Waroengkite.id merupakan marketplace yang dihadirkan oleh pemerintah Kota Pontianak untuk meningkatkan kemajuan UMKM. Peningkatan kualitas dari marketplace ini dapat meningkatkan kepuasan konsumen sehingga banyak pula pelaku UMKM yang ikut bergabung dan terus mengembangkan usahanya. Penelitian ini bertujuan untuk menganalisis kualitas dari marketplace Waroengkite.id. Langkah awal yang dilakukan dalam penelitian yaitu menghitung jumlah sampel dengan metode Linier Time Function, diperoleh 80 sampel. Dilanjutkan dengan penyusunan kuesioner menggunakan metode Webqual 4.0. Kemudian dilanjutkan dengan penyebaran kuesioner dan uji instrumen, jika data sudah dikatakan valid dan reliable dilanjutkan dengan analisis menggunakan metode Customer Satisfaction Index (CSI), Importance Performance Analysis (IPA) dan Indeks Potential Gain in Customer Values (PGCV). Berdasarkan hasil analisis, diperoleh berdasarkan nilai CSI sebesar 73,84% yang menunjukkan secara keseluruhan pengguna sudah merasa “puas”. Kuadran IPA diperoleh enam atribut yang kualitasnya harus dipertahankan dan terdapat 11 atribut yang kualitasnya harus diperbaiki. Berdasarkan Indeks PGCV, atribut yang menjadi prioritas utama untuk ditingkatkan adalah pengguna merasa aman ketika melakukan transaksi di marketplace Waroengkite.id. Kata Kunci : Webqual 4.0, CSI, IPA,Indeks PGCV, kualitas.
PEMODELAN SEASONAL AUTOREGRESSIVE FRACTIONALLY INTEGRATED MOVING AVERAGE DENGAN METODE GEWEKE AND PORTER HUDAK Rahmat Khairul Saleh; Naomi Nessyana Debataraja; Setyo Wira Rizki
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 4 (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.v11i4.57227

Abstract

Kalimantan Barat mempunyai beberapa destinasi pariwisata yang bisa dikembangkan lebih jauh. Pengembangan sektor pariwisata dapat membantu meningkatkan pemasukan devisa negara. Kunjungan Wisatawan Mancanegara yang cenderung mengalami peningkatan dan penurunan akan berpengaruh terhadap penghasilan negara dan masyarakat yang ikut mengembangkan pariwisata. Data menunjukkan memiliki pengaruh memori jangka panjang dan berpola musiman. Model Seasonal Autoregressive Fractionally Intergrated Moving Average (SARFIMA) adalah suatu model runtun waktu untuk memodelkan data yang mempunyai pola musiman dan bersifat memori jangka panjang dengan parameter differencing bernilai pecahan. Data yang digunakan adalah data bulanan dari jumlah kunjungan Wisatawan Mancanegara di Kalimantan Barat periode Januari 2015-Desember 2019. Penelitian ini bertujuan untuk menentukan model SARFIMA pada data jumlah kunjungan Wisatawan Mancanegara di Kalimantan Barat. Penelitian diawali dengan menentukan pola data, pengaruh memori jangka panjang pada data, melakukan uji stasioneritas data, mengidentifikasi model, uji diagnostik model serta memilih model terbaik. Estimasi parameter d ̂ diperoleh menggunakan metode Geweke and Porter-Hudak. Model SARFIMA yang didapatkan adalah SARFIMA ([2,1], d ̂, [1,1])12 dengan d ̂ sebesar 1,091903 dan nilai AIC yang didapat sebesar 259,905.Kata Kunci: SARFIMA, Geweke, Porter, Hudak dan AIC
MODEL DENYUT JANTUNG DENGAN FUNGSI VARIAN EKSPONENSIAL KUADRAT MENGGUNAKAN NELDER-MEAD SIMPLEX
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 5 (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.v11i5.58285

Abstract

Denyut jantung yang berkontraksi dapat direkam menggunakan elektrokardiogram. Informasi denyut jantung tersebut ditampilkan dalam bentuk gelombang EKG atau gelombang PQRST. Satu gelombang dapat dimodelkan sebagai bentuk fungsi varian eksponensial kuadrat dan parameter model tersebut dapat diperoleh dengan bantuan Neder-Mead Simplex. Oleh karena itu tujuan penelitian ini mendapatkan model denyut jantung untuk satu orang yang mengalami kelainan jantung dengan bantuan Nelder-Mead Simplex. Nelder-Mead Simplex merupakan salah satu metode optimasi untuk fungsi tujuan nonlinear. Fungsi tujuan dalam penelitian ini adalah y(t)=ΣiÎ G Ai exp(????-(t- t0і )2/2(Si)2), dengan Ai adalah puncak ke-і, t0і adalah waktu untuk sampai pada puncak ke-і, Si adalah lebar puncak ke-і untuk і Î G, G={P,Q,R,S,T} dan y(t) merupakan model denyut jantung. Dari hasil iterasi didapat model denyut jantung, yaitu y(t) = -0,00554 exp (-(t-1,174877)2/0,000118518) + (-0,02759)exp(-(t-1,18934)2/0,000845834) + 0,125044exp(-(t-1,200747)2/0,0000833857) + (-0,17313)exp(-(t-1,205417)2/0,000565085) + 0,017691exp(-(t-1,239994)2/0,0001492218)Kata Kunci: Elektrokardiogram, Fungsi Varian Eksponensial Kuadrat, Nelder-Mead Simplex.
ESTIMASI-M IRLS MENGGUNAKAN FUNGSI PEMBOBOT HUBER DAN BISQUARE TUKEY PADA DATA KEMISKINAN DI INDONESIA Alda Oktaviani; Shantika Martha
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 4 (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.v11i4.57008

Abstract

Metode kuadrat terkecil (MKT) adalah metode yang umum digunakan untuk mengestimasi parameter pada regresi linear. Akan tetapi estimasi dengan MKT mempunyai kelemahan ketika outlier atau pencilan terdapat dalam data yang menyebabkan estimator dari parameter bersifat bias. Sebagai alternatif, metode regresi robust dapat digunakan untuk mengestimasi parameter ketika terdapat data outlier. Metode robust yang digunakan dalam penelitian ini adalah estimasi-M IRLS (Iteratively Reweighted Least Square) dengan fungsi pembobotan Huber dan Bisquare Tukey. Studi kasus yang digunakan dalam penelitian ini adalah pengaruh Indeks Pembangunan Manusia (IPM) (Z1), Produk Domestik Regional Bruto (PDRB) menurut pengeluaran (Z2), dan Tingkat Pengangguran Terbuka (TPT) (Z3), terhadap jumlah kemiskinan (Y) di 34 Provinsi Indonesia pada tahun 2018. Tujuan penelitian ini adalah melakukan estimasi parameter dan membandingkan hasil estimasi-M menggunakan pembobotan Huber dan Bisquare Tukey. Berdasarkan uji boxplot data yang digunakan teridentifikasi data outlier, sehingga diperlukan prosedur robust untuk mengestimasi parameter model matematis. Nilai standart error dari pembobotan Bisquare Tukey lebih kecil dari pembobotan Huber (221<229,2). Berdasarkan nilai standart error dapat disimpulkan bahwa estimasi-M dengan pembobotan Bisquare Tukey merupakan metode yang paling baik digunakan, dengan model matematis . Kata Kunci: Estimasi-M IRLS, Regresi Robust, Tukey Bisquare, Huber
OPTIMALISASI PRODUKSI BINGKAI FOTO DENGAN MASALAH INTEGER LINEAR PROGRAMMING MENGGUNAKAN METODE REDUKSI VARIABEL (Studi Kasus: CV. Meili Photo)
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 5 (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.v11i5.58276

Abstract

Salah satu perusahaan yang bergerak dalam bidang pembuatan bingkai foto adalah CV. Meili Photo. Keterbatasan bahan baku yang tersedia menjadi masalah produksi bingkai foto di CV tersebut. Akibatnya keuntungan yang diperoleh CV tersebut belum optimal. Oleh karena itu, perlu ditentukan banyaknya bingkai foto yang diproduksi berdasarkan bahan baku yang tersedia. Permasalahan yang ada dimodelkan ke dalam model integer linear programming. Model integer linear programming merupakan model matematika yang hasil penyelesaiannya berupa bilangan bulat. Model tersebut selanjutnya diselesaikan dengan menggunakan metode Reduksi Variabel. Hal ini dilakukan dengan mensubstitusikan nilai minimum dari bilangan bulat terbesar yang diperoleh kedalam fungsi tujuan. Berdasarkan hasil penelitian diperoleh solusi optimal yaitu bingkai foto yang diproduksi berukuran 24R sebanyak 6 buah dengan keuntungan sebesar Rp. 600.000,00. Kata Kunci: bilangan bulat, nilai minimum, bahan baku.

Page 58 of 84 | Total Record : 832

 56   57   58   59   60 

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 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 : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 4 (2018): BIMASTER 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 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