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
 58   59   60   61   62 
PERBANDINGAN AVERAGE BASED DAN STURGES PADA FUZZY TIME SERIES CHEN UNTUK PERAMALAN HARGA SAHAM Ahmad Zeidi; Dadan Kusnandar; Naomi Nessyana Debataraja
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 1 (2023): 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.v12i1.62556

Abstract

Fuzzy Time Series (FTS) merupakan teknik prediksi data untuk mengetahui pola data masa lalu dan dimanfaatkan dalam menggambarkan data di masa depan. FTS menerapkan kecerdasan buatan dimana data masa lalu dibentuk dalam nilai-nilai linguistik. Salah satu pengembangan metode FTS adalah FTS chen. Metode average based dan sturges digunakan dalam penelitian ini untuk penetapan rentang interval pada FTS chen. Tujuan penelitian ini adalah untuk meramalkan harga saham satu hari kedepan dan mengetahui metode panjang interval yang lebih akurat dalam peramalan berdasarkan nilai MAPE terkecil. Data yang digunakan adalah harga saham GGRM tanggal 3 Januari 2022 – 31 Maret 2022. Data harga saham dilakukan analisis deskriptif statistik, pembentukan himpunan semesta, penentuan panjang interval, setelah itu membentuk himpunan fuzzy dan di lakukan proses fuzzifikasi, kemudian membentuk Fuzzy Logic Relations (FLR) dan Fuzzy Logic Relations Group (FLRG). Tahapan selanjutnya adalah menjalankan defuzzifikasi terhadap nilai peramalan. Nilai MAPE diperoleh dari hasil defuzifikasi menggunakan average based dan sturges berturut-turut yaitu 1,37% dan 1,81%. Metode average based menghasilkan nilai MAPE yang lebih kecil sehingga dinyatakan lebih akurat dari sturges. Model FTS chen melalui panjang interval average based dan sturges memperoleh hasil peramalan harga saham GGRM pada tanggal 1 April 2022 sebesar 31.450 dan 31.230.  Kata Kunci: peramalan, saham GGRM, MAPE
PEMODELAN PARTISIPASI PEREMPUAN KAWIN DALAM KEGIATAN EKONOMI DI KABUPATEN SAMBAS Wira Purnawan
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 1 (2023): 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.v12i1.62558

Abstract

Regresi logistik biner merupakan suatu metode yang digunakan untuk menganalisis variabel dependen dan variabel independen, dengan variabel dependen bentuk data kualitatif yang berskala dikatomi/biner. Penelitian ini bertujuan untuk menganalisis faktor yang mempengaruhi partisipasi perempuan kawin dalam kegiatan ekonomi di Kabupaten Sambas. Data yang digunakan adalah data SUSENAS Kabupaten Sambas 2020 yang diperoleh dari Badan Pusat Statistik Kalimantan Barat sebanyak 478 data. Data yang digunakan dalam penelitian berupa data partisipasi perempuan kawin (Y), umur istri(x1), pendidikan terakhir istri (x2), jumlah anggota rumah tangga (x3), jumlah anak bekerja (x4), jumlah anak balita (x5), jumlah anak sekolah (x6), umur suami (x7), pendidikan terakhir suami (x8) dan status kerja suami (x9). Berdasarkan hasil penelitian diperoleh faktor yang berpengaruh terhadap partisipasi perempuan kawin di Kabupaten Sambas adalah jumlah anak balita (x5) dan status kerja suami(x9) Kemudian perempuan kawin yang memiliki anak balita, memiliki peluang bekerja sebesar 0,440 kali dibandingkan dengan perempuan kawin yang tidak memiliki anak balita. Seterusnya perempuan kawin yang memiliki suami bekerja, memiliki peluang bekerja sebesar 3,738 kali dibandingkan dengan perempuan kawin yang memiliki suami tidak bekerja. Dengan ketepatan klasifikasi model diperoleh nilai adalah sebesar 72,6% yang artinya dalam pengklasifikasian partisipasi perempuan kawin di Kabupaten Sambas dikategorikan cukup baik.  Kata Kunci: Regresi Logistik Biner, Perempuan Kawin, Kegiatan Ekonomi.
PERAMALAN DATA COVID-19 DI PROVINSI KALIMANTAN BARAT DENGAN MENGGUNAKAN FUZZY TIME SERIES MARKOV CHAIN Firhan Januardi; Yundari Yundari; Hendra Perdana
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 1 (2023): 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.v12i1.62854

Abstract

Corona virus – 19 atau COVID-19 adalah penyakit infeksi disaluran pernapasan, yang menyebabkan penderitanya kesulitan bernafas. Wabah ini meluas hampir di seluruh dunia, mengakibatkan aktivitas dan perekonomian masyarakat mengalami penurunan. Kalimantan Barat adalah provinsi di Indonesia yang berisiko mengalami terinfeksi COVID-19, karena aktivitas yang terjadi mengalami kenaikan dari satu daerah ke daerah lainnya yang mengalami kenaikan. Penelitian ini menganalisis data COVID-19 di Kalimantan Barat pada periode 01 Juni hingga 31 Agustus 2021 dan meramalkan kasus terinfeksi pada tanggal 1 September 2021 menerapkan metode fuzzy time series Markov Chain. Metode ini menyatukan metode fuzzy time series dengan rantai markov, dengan menggunakan matriks probabilitas transisi dan bertujuan mendapatkan nilai probabilitas terbesar. Penelitian ini langkah pertama yaitu menetapkan himpunan semesta pembicaraan, menentukan panjang interval, menetapkan himpunan fuzzy dengan fungsi keanggotaan, melaksakan fuzzifikasi dan menentukan Fuzzy Logical Relationship (FLR) serta dilakukan Fuzzy Logical Relationship Group (FLRG), berikutnya perhitungan peramalan menggunakan metode fuzzy time series (FTS) Markov Chain. Hasil analisis peramalan menggunakan metode FTS Markov Chain untuk tanggal 1 September 2021 yaitu 302 kasus COVID-19. Hasil ketetapan peramalan yang diuji dengan menggunakan Mean Absolute Percentage Error (MAPE) adalah 45,87%. Kata Kunci:   COVID, fuzzy time series, peramalan
MODEL AUTOREGRESSIVE DISTRIBUTED LAG DENGAN METODE KOYCK Anggi Putri Dewi; Shantika Martha; Hendra Perdana
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 1 (2023): 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.v12i1.62918

Abstract

Autoregressive distributed lag (ARDL) adalah kombinasi metode autoregressive (AR) dan distributed lag (DL). Model regresi yang memuat variabel terikat dipengaruhi variabel bebas waktu sekarang Xt dan juga dipengaruhi oleh variabel terikat pada salah satu bagian ukuran yang lalu (Yt-1) adalah model AR. Sedangkan, model DL disebut juga dengan model dinamis, karena pengaruh perubahan satu bagian dalam nilai variabel bebas terdistribusi dengan selang waktu tertentu. Penelitian ini bertujuan untuk membentuk model dan menganalisis pengaruh pergerakan kurs dolar Amerika terhadap pergerakan Indeks Harga Saham Gabungan (IHSG) dengan menggunakan model ARDL metode Koyck. Digunakannya metode Koyck jika panjang lag tidak diketahui, serta model distribusi lag yang digunakan adalah lag infinite. Penelitian ini menggunakan data close bulanan pergerakan IHSG dan pergerakan kurs dolar Amerika pada periode Januari 2017 sampai periode Desember 2020.  Langkah pertama adalah melakukan input data kemudian membentuk satu periode lag (Yt-1) . Kedua, melakukan pengujian parameter memakai uji F dan uji t. Terakhir, menjalani uji asumsi klasik serta menentukan model ARDL dengan metode Koyck. Model ARDL yang diperoleh dengan metode Koyck adalah Y^_t =3780,100-0,194609Xt+0,825034 Yt-1 dengan t adalah periode waktu sekarang dan t-1  adalah periode satu bulan sebelumnya. Hasil analisis model mengidentifikasikan bahwa kurs dolar Amerika berpengaruh negatif pada perubahan IHSG. Perubahan IHSG dipengaruhi oleh perubahan kurs dolar Amerika saat ini dan perubahan IHSG saat satu bulan sebelumnya. Pengaruh variabel kurs dolar terhadap IHSG pada tahun 2017-2020 sebesar 83,6%. Kata Kunci: Lag Infinite, IHSG, Model Dinamis 
PENERAPAN MODEL DCC-MGARCH PADA DATA RETURN KURS JUAL DOLAR DAN YUAN Fahiza Syanaya; Shantika Martha; Nur’ainul Miftahul Huda
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 1 (2023): 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.v12i1.63004

Abstract

Kurs merupakan nilai tukar harga mata uang suatu negara terhadap mata uang negara asing. Kurs seringkali memiliki perubahan volatilitas bervariasi yg tidak konstan (heteroskedastisitas) dari waktu ke waktu sehingga asumsi varians konstan tidak dapat digunakan. Model yang biasanya digunakan untuk mengatasi heteroskedastisitas adalah model GARCH. Namun untuk menganalisis data time series dengan melibatkan lebih dari satu variabel yang conditional varians dan conditional correlation bergantung terhadap waktu, maka dapat menggunakan model Dynamic Conditional Correlation MGARCH. Tujuan dalam penelitian ini adalah melihat korelasi dinamis antara return kurs jual dolar dan yuan dan memperoleh model terbaik yang sesuai untuk mengestimasi return kurs menggunakan model DCC-MGARCH. Langkah-langkah pemodelan DCC-MGARCH adalah pembentukan model ARMA dilanjutkan dengan pemodelan GARCH lalu pemodelan MGARCH untuk mendapatkan model DCC-MGARCH.  Data yang digunakan adalah data return kurs harian terhadap dolar dan yuan dari tanggal 5 Maret 2019 hingga 6 April 2022. Hasil penelitian ini menunjukkan bahwa terdapat korelasi dinamis sebesar 0,976345 antara nilai return kurs dolar dan yuan, ini menunjukkan bahwa perubahan return kurs dolar memberikan pengaruh terhadap perubahan return kurs yuan, begitu pula sebaliknya. Model GARCH(1,1) yang telah dibentuk diterapkan sebagai dasar pemodelan multivariat, oleh karena itu model multivariat yang dihasilkan adalah model DCC-MGARCH(1,1). Model DCC-MGARCH(1,1) dianggap baik digunakan untuk memodelkan nilai return kurs dolar dan yuan dengan nilai MAPE return kurs dolar sebesar 10% dan yuan 18%.  Kata Kunci: DCC- MGARCH, return, kurs, korelasi dinamis.
PEWARNAAN JOHAN PADA GRAF DOUBLE WHEEL DAN DOUBLE GEAR Diki Ipan
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 1 (2023): 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.v12i1.63065

Abstract

Suatu graf  dapat diwarnai dengan pewarnaan Johan jika dan hanya jika untuk setiap simpul terdapat persekitaran pelangi pada graf  dengan pewarnaan simpul (proper coloring) maksimum.. Persekitaran pelangi untuk graf  adalah persekitaran tertutup  yang memuat setidaknya satu simpul dari kelas warna. Misalkan  adalah himpunan simpul-simpul yang diberi warna  dengan  disebut kelas warna, dimana  adalah himpunan yang terdiri dari kelas warna dari . Tidak semua graf dapat diwarnai dengan pewarnaan Johan, graf yang dapat diwarnai dengan pewarnaan Johan adalah graf yang mencakup cycle yaitu graf double wheel dan double gear. Graf double wheel yang berukuran  yang terdiri dari dua cycle  dimana simpul pada dua cycle terhubung langsung dengan simpul utama dan graf double gear dapat diperoleh dari graf double wheel dengan cara menambahkan simpul pada setiap pasangan simpul di . Oleh karena itu penelitian ini membahas tentang pewarnaan Johan pada graf double wheel  dan graf double gear . Maksimum banyaknya warna yang dapat diwarnai dengan pewarnaan Johan disebut -kromatik dilambang dengan . Penelitian ini dimulai dengan menerapkan pewarnaan simpul untuk graf double wheel dan double gear. Selanjutnya menentukan kelas warna dan persekitaran tertutup kemudian dapat diketahui persekitaran pelangi untuk setiap simpul pada graf double wheel dan double gear. Dengan demikian untuk setiap simpul pada graf double wheel dan double gear memiliki persekitaran pelangi dengan jumlah maksimum warna yang digunakan. Oleh karena itu graf double wheel dan double gear dapat dikatakan pewarnaan Johan. Berdasarkan hasil penelitian diperoleh jumlah maksimum warna yang dapat diwarnai dengan pewarnaan Johan untuk graf double wheel adalah , untuk  dan  untuk , tetapi . Jumlah maksimum warna yang dapat diwarnai dengan perwarnaan Johan pada graf double gear adalah  untuk  genap dan untuk  ganjil. Kata Kunci: persekitaran tertutup, persekitaran pelangi, kelas warna
ANALISIS REGRESI VARIABEL MEDIASI DENGAN METODE KAUSAL STEP Muhammad Asyorori; Wirda Andani
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 1 (2023): 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.v12i1.62844

Abstract

Analisis regresi merupakan sebuah metode yang mana di analisis suatu hubungan guna menentukan nilai dugaan hingga membentuk sebuah persamaan dari variabel independen ke dependen. Analisis regresi me miliki ketepatan dalam estimasi, namun tidak hanya berhubungan variabel independen terhadap variabel dependen melainkan ada variabel lain masuk kedalam persamaan hingga disebut variabel mediasi. Variabel mediasi merupakan variabel munculnya diantara kedua variabel dependen dan independen dan memediasi hubungan kausal di antara kedua variabel tersebut. Tujuan dari penelitian ini menentukan model persamaan regresi variabel mediasi menggunakan metode kausal step dengan menentukan apakah belanja modal memiliki hubungan antara dana bagi hasil terhadap PDRB per kapita dan menentukan model akhir menggunakan metode kausal step, sehingga variabel M dapat dinyatakan sebagai variabel mediasi sempurna atau mediasi parsial. Persamaan regresi menggunakan metode kausal step adalah: , , . Berdasarkan penelitian ini diperoleh bahwa variabel belanja modal dinyatakan sebagai variabel mediasi parsial menjelaskan bahwa dana bagi hasil masih tetap berpengaruh signifikan terhadap PDRB per kapita ketika belanja modal dimasukkan ke persamaan regresi. Kata Kunci : Variabel Mediasi, Analisis Regresi, Kausal step.
PEMODELAN REGRESI NONPARAMETRIK BIRESPON SPLINE PADA PERSENTASE PENDUDUK MISKIN DAN INDEKS KEDALAMAN KEMISKINAN Maya Rosalina; Shantika Martha; Nurfitri Imro’ah
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 1 (2023): 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.v12i1.62849

Abstract

Kemiskinan dapat diukur menggunakan indikator persentase penduduk miskin dan indeks kedalaman kemiskinan. Faktor yang memengaruhi kemiskinan bisa dianalisis dengan analisis regresi. Pada penelitian ini digunakan analisis regresi nonparametrik birespon spline.  Kelebihan dari estimator spline yaitu mampu menangani pola data yang naik atau turun dengan tajam menggunakan titik knot dan kurva yang dihasilkan relatif lebih mulus. Penelitian ini bertujuan untuk menentukan model terbaik pada persentase penduduk miskin dan indeks kedalaman kemiskinan dengan regresi nonparametrik birespon spline. Data yang digunakan adalah data persentase penduduk miskin dan indeks kedalaman kemiskinan sebagai variabel respon.  Sedangkan variabel prediktor yaitu tingkat pengangguran terbuka dan tingkat partisipasi angkatan kerja yang diambil dari website BPS Provinsi Jawa Timur tahun 2020. Langkah pertama pada pemodelan adalah menguji korelasi Pearson untuk mengetahui hubungan antara persentase penduduk miskin dengan indeks kedalaman kemiskinan. Kemudian menentukan pola data antara variabel prediktor dengan variabel respon menggunakan scatterplot. Selanjutnya menentukan matriks pembobot W menggunakan Weighted Least Square (WLS). Setelah itu menentukan banyaknya kombinasi orde dengan titik knot berdasarkan nilai GCV minimum yang melibatkan matriks pembobot W. Langkah terakhir memodelkan regresi nonparametrik birespon spline terbaik dan menghitung nilai dari koefisien determinasi (R2). Hasil dari pemodelan diperoleh bahwa model regresi nonparametrik birespon spline terbaik pada persentase penduduk miskin dan indeks kedalaman kemiskinan berorde dua dengan tiga titik knot. Kebaikan dari model diukur berdasarkan R2 yang diperoleh bahwa tingkat pengangguran terbuka dan tingkat partisipasi angkatan kerja memengaruhi persentase penduduk miskin dan indeks kedalaman kemiskinan sebesar 57,252% sedangkan untuk sisanya dipengaruhi variabel lain. Kata Kunci: kemiskinan, GCV, titik knot
MODEL DINAMIKA UDANG WINDU DAN MIKROALGA Amalia Wigati; Evi Noviani; Yudhi Yudhi
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 1 (2023): 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.v12i1.63397

Abstract

Dalam membahas dinamika populasi diperlukan analisis mengenai pertumbuhan populasi, kesetimbangan populasi dan kestabilannya. Penelitian ini dibentuk model matematika untuk dinamika populasi udang windu dan mirkoalga. Diasumsikan dalam pemodelan ini udang windu hanya berinteraksi dengan mikroalga dan berdasarkan asumsi-asumsi lainnya. Untuk mencari kestabilan dari suatu sistem diperlukan titik kesetimbangan dan untuk menentukan titik kesetimbangan dalam dinamika populasi digunakan pada proses linearisasi sistem persamaan diferensial nonlinear. Selanjutnya dicari titik kesetimbangan dinamika populasi udang windu dan mikroalga yang terdiri dari beberapa kondisi saat dua populasi punah, saat udang windu saja yang hidup, saat mikroalga saja yang hidup, dan kondisi saat undang windu dan mikroalga hidup bersama. Model dinamika udang windu dan mikroalga dianalisis untuk mendapatkan solusi berupa persamaan pertumbuhan populasi dari waktu ke waktu Nilai parameter yang digunakan yaitu µu=16, µa=4, Ku=8 , Ka=16, ρ=0,02, α=0,5, m=4, h=0,2, r=0,1 dengan rentang waktu t = 0 sampai 2 tahun dan simulasi model matematika menggunakan nilai parameter tersebut menunjukkan bahwa udang windu dapat tetap hidup di alam meskipun jumlah populasi mikroalga punah karena di alam udang windu dapat memangsa makhluk hidup lain. Kata Kunci : Dinamika Populasi, Udang Windu, Mikroalga
PENYELESAIAN PERSAMAAN DIFERENSIAL BIASA TAK HOMOGEN DAN VISUALISASI GRAFIK SOLUSI DENGAN DESMOS Feby Fitria Ramadhita; Evi Noviani; Yudhi Yudhi
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 1 (2023): 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.v12i1.63396

Abstract

Persamaan diferensial biasa dikategorikan menjadi persamaan diferensial biasa homogen dan persamaan diferensial biasa tidak homogen. Salah satu cara untuk mencari solusi dari persamaan diferensial biasa tidak homogen adalah dengan metode reduksi orde, yaitu dengan cara mereduksi orde persamaan diferensial biasa menjadi satu tingkat lebih rendah. Penelitian ini, bertujuan untuk mendapatkan solusi umum dari persamaan diferensial biasa orde dua tidak homogen dengan metode reduksi orde, yaitu tanpa harus mencari solusi homogennya terlebih dahulu. Langkah-langkahnya diawali dengan mereduksi persamaan diferensial biasa tidak homogen orde dua menjadi persamaan diferensial orde satu, yaitu v’(x) + r1v(x) = f(x) dan y’(x) + r2y(x) = v(x) dengan r1 dan r2 adalah akar persamaan karakteristiknya. Sehingga diperoleh solusi umumnya adalah y(x) = e^-r2x  ∫ e^r2x v(x) dx dengan v(x) = e^-r1x  ∫ e^r1x f(x) dx. Selanjutnya, hasil dari solusi persamaan diferensial biasa disajikan dalam bentuk grafik dengan menggunakan aplikasi Desmos. Kata Kunci : Persamaan diferensial biasa tak homogen, metode reduksi orde

Page 60 of 84 | Total Record : 832

 58   59   60   61   62 

Filter by Year

2012 2025


Reset
Filter By Issues
All Issue Vol 14, No 6 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 5 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 4 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 3 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 2 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 1 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 6 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 5 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 4 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 3 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 2 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 1 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 6 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 5 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 4 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 3 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya (dalam proses) Vol 12, No 3 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 2 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 1 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 5 (2022): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 4 (2022): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 3 (2022): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 2 (2022): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 1 (2022): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 4 (2021): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 3 (2021): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 2 (2021): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 1 (2021): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 4 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 3 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 3 (2020): BIMASTER 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 Vol 8, No 1 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya 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 : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 2 (2018): BIMASTER 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