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 819 Documents
 63   64   65   66   67 
PERBANDINGAN KLASTER K-MEANS DAN K-MEDIAN PADA DATA INDIKATOR KEMISKINAN KABUPATEN/KOTA DI PROVINSI KALIMANTAN BARAT Riswanda, Giovani Parasta; Kusnandar, Dadan; Imro’ah, Nurfitri
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 6 (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.v12i6.71551

Abstract

Metode k-means ialah pengklasteran non-hirarki yang sering dipakai, dengan memkai rataan yang jadi pusat klasternya, dan k-median ialah pengklasteran non-hirarki yang memakai nilai median sebagai pusat klaster. Studi ini tujuannya guna membandingkan metode k-means dan k-median. Data yang dipakai ialah data indikator kemiskinan Kabupaten/Kota di Provinsi Kalimantan Barat, selanjutnya lakukan pengujian multikolinieritas dengan melihat nilai VIF  10. Bila nilai VIF setiap variabel  10 maka tidak alami multikolieritas pada data dan data bisa dipakai untuk pengklasteran. Sesudah didapat hasil pengklasteran memakai metode k-means dan k-median, lakukan perbandingan memakai nilai varians. Hasil dari pengklasteran k-means didapat klaster pertama 4 anggota dan klaster ke-dua 10 anggota. Sedangkan hasil pengklasteran k-median didapat klaster pertama 5 anggota dan klaster ke-dua 9 anggota. Berdasarkan nilai varians didapat bahwa metode k-means dengan nilai varians yakni 0,38 lebih baik dibanding k-median dengan nilai varians yakni 0,55.  Kata kunci: Kemiskinan, K-means, K-median
PELABELAN RATA-RATA SKOLEM DIFFERENCE PADA GRAF H-BINTANG (H(S_n )) Fajria, Intan Luthfiani; Yundari, Yundari; Fran, Fransiskus
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 5 (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.v12i5.70891

Abstract

Pelabelan dalam graf adalah suatu fungsi yang memetakan elemen-elemen dalam graf (simpul atau sisi) dengan bilangan bulat tidak negatif. Satu di antara jenis pelabelan yaitu pelabelan rata-rata skolem difference. Pelabelan rata-rata skolem difference pada graf  dengan  banyaknya simpul dan  banyaknya sisi adalah sebuah fungsi injektif  memetakan himpunan simpul  ke himpunan bilangan  dan menghasilkan fungsi bijektif  yang memetakan himpunan sisi  ke himpunan bilangan  sehingga setiap sisi  dengan  berlaku     jika  genap dan   jika  ganjil. Graf yang diterapkan dalam penelitian ini yaitu graf H-bintang . Tujuan penelitian ini adalah mengkonstruksi pola pelabelan rata-rata skolem difference, pelabelan rata-rata skolem difference ganjil dan pelabelan rata-rata skolem difference genap pada graf H-bintang . Penelitian dimulai dengan menetapkan graf H-bintang  serta melabeli graf tersebut dengan pelabelan rata-rata skolem difference. Pada penelitian ini diperoleh konstruksi pola pelabelan rata-rata skolem difference, pelabelan rata-rata skolem difference ganjil dan pelabelan rata-rata skolem difference genap graf H-bintang .  Kata Kunci : pelabelan rata-rata skolem difference ganjil, pelabelan rata-rata skolem difference genap, graf bintang.
PENENTUAN TRACE DARI MATRIKS KHUSUS ORDO 3×3 BERPANGKAT BILANGAN BULAT Ramadhani, Dimas Catur; Kiftiah, Mariatul; Fran, Fransiskus
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 4 (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.v12i4.70081

Abstract

Trace matriks merupakan salah satu permasalahan yang bisa dianalisis dalam teori matriks. Trace adalah jumlahan diagonal utama dari suatu matriks persegi. Intensi Artikel ini adalah untuk menentukan bentuk umum perpangkatan ke n  dan trace dari matriks khusus ordo 3x3  yang dipangkatkan sebanyak n  dengan n  merupakan suatu bilangan bulat positif. Matriks-matriks khusus yang digunakan pada artikel ini adalah matriks dengan entri pada diagonal utama serta entri a_31  dan entri a_13  bernilai nol  untuk matriks A=[a_ij].  Sedangkan entri a_12=a_23=p, a_21=a_32=q  yang manap tidak sama dengan q. Untuk matriks B=[b_ij], entri b_12=p, b_21=q, b_23=t dan b_32=s dengan entri lainnya nol    Langkah pertama yang dilakukan adalah terlebih dahulu menemukan bentuk umum entri dari perpangkatan ke n  matriks dengan n  merupakan suatu bilangan bulat positif dari suatu matriks berbentuk khusus. Bentuk umum entri perpangkatan ke  dari suatu matriks berbentuk khusus kemudian dibuktikan dengan menggunakan induksi matematika. Dilanjutkan dengan menemukan trace dari matriks berpangkat  untuk  bilangan bulat positif dengan menjumlahkan diagonal utama dari bentuk umum entri hasil perpangkatan ke  suatu matriks berbentuk khusus dengan merupakan bilangan bulat positif. Dari hasil penelitian ini diperoleh bentuk umum perpangkatan ke  dan trace dari perpangkatan ke  suatu matriks berbentuk khusus.Kata Kunci : trace matriks, matriks berbentuk khusus, aljabar linear.
AUTOMORFISMA GRAF LENGKAP DAN GRAF TANGGA Dewi, Sari Indah
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 6 (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.v12i6.71397

Abstract

Graf  dan  dikatakan isomorfis, jika terdapat fungsi bijektif sedemikian sehingga  jika dan hanya jika . Automorfisma dari suatu graf  merupakan isomorfisma dari graf  ke dirinya sendiri. Dalam menentukan automorfisme dalam suatu graf dilakukan dengan mengidentifikasi semua fungsi satu-satu, onto, dan isomorfisma yang layak untuk himpunan simpul graf. Tujuan dari penelitian ini yaitu untuk menentukan automorfisma pada graf lengkap dan graf tangga. Graf  dikatakan graf lengkap jika untuk setiap pasangan simpul  dan  di  terdapat sebuah sisi yang menghubungkannya, sedangkan graf tangga adalah graf yang dibentuk dari hasil kali kartesius graf lintasan dengan dua simpul dan graf lintasan dengan  simpul. Pembahasan automorfisma graf lengkap dan graf tangga dimulai dengan pemberian label pada setiap simpul. Selanjutnya ditentukan semua permutasi pada  dari setiap graf pada dirinya sendiri. Berdasarkan hasil pembahasan diperoleh  fungsi yang automorfisma dari graf lengkap  yaitu , dengan  adalah banyaknya simpul. Pada graf tangga-2 , terdapat automorfsima sebanyak 16 fungsi. Pada graf tangga-3 , terdapat automorfsima sebanyak 80 fungsi.Kata Kunci : Permutasi, fungsi satu-satu, onto, dan isomorfisma
PENDUGAAN DATA HILANG MENGGUNAKAN PERBANDINGAN IMPUTASI HOT-DECK DAN K-NEAREST NEIGHBOR Handayany, Indry; Kusnandar, Dadan; Andani, Wirda
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 4 (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.v12i4.68323

Abstract

Data hilang digambarkan sebagai keadaan nilai observasi yang kosong atau tidak memiliki nilai sehingga mengakibatkan hilangnya informasi pada sebuah kasus. Data hilang disebabkan kemungkinan pengukuran kurang lengkap, pencarian informasi yang sulit ditemukan, kesalahan atau kelalaian dalam menjalankan prosedur pengumpulan data atau bahkan responden yang menolak untuk menjawab pertanyaan dalam suatu survei. Hal tersebut mengakibatkan berkurangnya informasi penting yang diakibatkan dari data hilang. Oleh karena itu, perlu dilakukan imputasi data hilang untuk penanganan data hilang. Metode imputasi dapat dibedakan menjadi dua jenis, yaitu metode imputasi berbasis statistik dan metode imputasi berbasis machine learning. Metode imputasi Hot-Deck merupakan metode terbaik dalam imputasi berbasis statistik, sedangkan imputasi K-Nearest Neighbor merupakan metode terbaik dalam imputasi berbasis machine learning. Penelitian ini bertujuan menerapkan dan membandingkan hasil akurasi metode imputasi Hot-Deck dan K-Nearest Neighbor pada pendugaan data hilang pada Dapodik SMA Kota/Kab Pontianak dan Kubu Raya tahun 2023. Simulasi data hilang menggunakan mekanisme Missing Completely At Random (MCAR) 5% pada masing-masing variabel. Nilai akurasi imputasi terbaik terdapat di imputasi K-Nearest Neighbor menggunakan parameter k=4 dengan nilai Root Mean Square Error (RMSE) sebesar 5,80 dan Mean Absolute Percentage Error (MAPE) sebesar 10,98%.  Kata Kunci: Dapodik, imputasi data, imputasi Hot-Deck, imputasi K-Nearest Neighbor
OPTIMASI TRANSPORTASI SEIMBANG DAN TAK SEIMBANG MENGGUNAKAN METODE MODIFIKASI ASM Setiani, Irena Ana; Helmi, Helmi; Pasaribu, Meliana
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 5 (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.v12i5.71008

Abstract

 Masalah transportasi adalah masalah pendistribusian barang dari beberapa sumber ke beberapa tujuan dengan tujuan untuk meminimumkan biaya pengiriman. Masalah transportasi dikatakan seimbang, jika total persediaan sama dengan total permintaan dan dikatakan tidak seimbang jika total persediaan tidak sama dengan total permintaan. Metode ASM mampu memberikan solusi optimal pada transportasi seimbang tetapi tidak pada masalah tak seimbang. Untuk mengatasi masalah ini metode ASM dimodifikasikan dengan adanya penambahan baris atau kolom dummy. Pendistribusian Beras Bulog Raskin pada Perum Bulog Divre Kalimantan Barat dan Garam UD. Aditya Mandiri di Kecamatan Batang, Kabupaten Pati tepatnya di Desa Batusari mengeluarkan dana yang cukup besar untuk kegiatan pendistribusian. Oleh karena itu perlu diketahui perencanaan yang matang agar biaya transportasi seminimal mungkin. Penelitian ini bertujuan untuk menganalisis langkah pengerjaan metode modifikasi ASM dan menentukan solusi dari masalah transportasi seimbang pada pendistribusian Beras Bulog Raskin dan tak seimbang pada pendistribusian garam UD. Aditya Mandiri. Permasalahan yang ada dikontruksikan ke dalam model transportasi. Masalah tersebut selanjutnya diselesaikan dengan menggunakan metode modifikasi ASM. Berdasarkan hasil penelitian, disimpulkan bahwa Gudang Serdam mendistribusikan Beras Bulog Raskin ke tujuan Divre Kota Pontianak, Subdivre Sanggau, Subdivre Sintang, dan Subdivre Putussibau dan Gudang Wajok Hulu mendistribusikan Beras Bulog Raskin ke Subdivre Singkawang, Subdivre Ketapang dan Subdivre Sanggau. Dengan demikian diperoleh biaya keseluruhan yang dikeluarkan Beras Bulog Raskin pada Perum Bulog Divre Kalimantan Barat dalam mendistribusikan Beras Bulog Raskin yaitu sebesar Rp. 2.046.604.020,-. dan pabrik di Jepara mendistribusikan garam ke tujuan Lampung dan pabrik di Pati mendistribusikan garam ke tujuan Tangerang, Jakarta dan Lampung. Dengan demikian biaya keseluruhan UD. Aditya Mandiri dalam mendistribusikan garam yaitu sebesar Rp. 23.200.000,-. Kata Kunci: Baris dummy. kolom dummy, biaya transportasi, metode ASM dan solusi optimal
SEGMENTASI CUSTOMER LIFETIME VALUE PADA MODEL LRFM MENGGUNAKAN METODE K-MEANS EUCLIDEAN DISTANC Puspita, Urfila Dian; Yundari, Yundari; Huda, Nur’ainul Miftahul
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 5 (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.v12i5.70908

Abstract

Strategi pemasaran yang berfokus pada pelanggan memiliki peranan penting dalam menjaga hubungan positif dengan pelanggan. Pelanggan dianggap sebagai nilai yang berharga bagi perusahaan. Saat ini, persaingan dalam dunia bisnis mendorong perusahaan untuk mengoptimalkan manajemen layanan pelanggan dalam upaya memenangkan kepercayaan pelanggan. Tujuan dari penelitian ini melakukan segmentasi pelanggan untuk menghasilkan nilai Customer Lifetime Value (CLV) berdasarkan intensitas kepentingan perusahaan, dengan pengelompokan CLV menggunakan algoritma K-Means euclidean distance berdasarkan model LRFM (Length, Recency, Frequency dan Monetary). Untuk mencapai strategi pemasaran yang efektif, penting untuk mengelompokkan pelanggan berdasarkan karakteristik yang serupa. Salah satu cara untuk mengelompokkan pelanggan yaitu dengan segmentasi pelanggan melalui metode clustering. Penelitian ini menggunakan data pemasukan pelanggan yang kemudian diterapkan berdasarkan variabel LRFM agar memudahkan pengelompokan pelanggan. Penentuan jumlah cluster terbaik menggunakan metode silhouette coefficient adalah 2 cluster, dengan metode K-Means diperoleh jumlah pengelompokan pelanggan pada cluster 1 adalah 29 pelanggan dan cluster 2 adalah 21 pelanggan. Berdasarkan clustering K-Means, dihasilkan segmentasi CLV dengan pembobotan Analytical Hierarchy Process (AHP) nilai CLV tertinggi yaitu pada cluster 1 dengan nilai CLV 0,782 melebihi nilai rata-rata CLV dari seluruh segmen dan cluster 2 dengan nilai CLV terendah yaitu 0,780. Artinya cluster 1 merupakan pelanggan dengan loyalitas tertinggi.  Kata Kunci : Pelanggan, K-Means Clustering, Customer Lifetime Value.
PENGELOMPOKKAN KABUPATEN DI PROVINSI KALIMANTAN TIMUR BERDASARKAN TINGKAT KEMISKINAN DENGAN METODE CENTROID LINKAGE Pratama, Pandu Pasha; Debataraja, Naomi Nessyana; Aprizkiyandari, Siti
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 4 (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.v12i4.70082

Abstract

Kemiskinan merupakan permasalahan internasional yang sering dihadapi serta menjadi perhatian dunia, sehingga diperlukan peninjauan lebih lanjut untuk dapat mengatasi masalah kemiskinan terutama di Indonesia supaya tidak menimbulkan permasalahan lain. Penelitian ini bertujuan untuk menentukan pengelompokan dan karakteristik cluster kabupaten/kota di Provinsi Kalimantan Timur berdasarkan tingkat kemiskinan menggunakan metode centroid linkage. Variabel yang digunakan pada penelitian ini yaitu indeks keparahan kemiskinan (X_1  ), indeks kedalaman kemiskinan (  X_2), tingkat pengangguran terbuka (  X_3), rata-rata lama sekolah (  X_4), dan harapan lama sekolah (  X_5). Langkah-langkah pada penelitian ini dimulai dengan uji multikolinearitas pada variabel yang digunakan dengan ketentuan nilai VIF kurang dari 10. Kemudian dilanjutkan dengan pembentukan matriks jarak dengan perhitungan euclidean. Setelah itu menentukan nilai jarak dengan metode centroid linkage untuk mencari bentuk cluster dengan target dua cluster. Setelah itu membentuk dendogram untuk melihat hasil jumlah cluster yang terbentuk. Kemudian digunakan profilisasi untuk menentukan karakteristik cluster dengan menentukan nilai rata-rata masing-masing variabel dari setiap cluster yang didapat. Dari hasil penelitian menunjukkan karakteristik yang didapat pada cluster satu yang terjadi di tujuh kabupaten/kota yaitu Paser, Kutai Kartanegara, Kutai Barat, Berau, Kutai Timur, Penajaman Paser Utara, Mahakam Ulu memiliki tingkat kemiskinan yang rendah. Sedangkan pada cluster dua yang terjadi di tiga kabupaten/kota yaitu Balikpapan, Samarinda, Bontang memiliki tingkat kemiskinan yang tinggi.  Kata Kunci: Cluster, Multikolinearitas, Euclidean
MENENTUKAN INVERS MOORE-PENROSE DENGAN METODE DEKOMPOSISI NILAI SINGULAR DAN DEKOMPOSISI QR Ratih, Ratih; Noviani, Evi; Yudhi, Yudhi
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 6 (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.v12i6.71428

Abstract

Invers Moore-Penrose, yang disimbolkan sebagai , adalah invers matriks dari  yang memenuhi empat persamaan Penrose. Invers Moore-Penrose ada untuk setiap jenis matriks, termasuk matriks persegi yang singular dan matriks yang non-persegi. Penelitian ini bertujuan untuk menganalisis dan memahami metode Dekomposisi Nilai Singular dan Dekomposisi QR dalam menentukan invers Moore-Penrose. Pada metode SVD membagi matriks awal menjadi tiga matriks yaitu matriks ortogonal , matriks diagonal , dan matriks ortogonal . Proses dekomposisi SVD melibatkan perhitungan nilai-nilai singular dan vektor-vektor singular dari matriks awal. Sedangkan pada metode Dekomposisi QR membagi matriks awal menjadi dua matriks yaitu matriks ortogonal  dan matriks segitiga atas . Proses dekomposisi QR melibatkan perhitungan matriks orthogonal  dan matriks segitiga atas  melaluli langkah-langkah proses Gram-Schmidt. Menghitung invers Moore-Penrose menggunakan metode SVD dengan rumus  dan menghitung invers Moore-Penrose menggunakan metode Dekomposisi QR dengan   rumus .  Kata Kunci: Matriks Ortogonal, Nilai Singular, Proses Gram-Schmidt.
PENERAPAN MODEL DERET WAKTU ARIMA PADA DATA KECELAKAAN LALU LINTAS DI KABUPATEN MEMPAWAH Mawaddah, Ema
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 4 (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.v12i4.68324

Abstract

Kecelakaan di jalan raya adalah insiden yang tidak terduga dan tidak diinginkan yang bisa mengakibatkan hilangnya nyawa, atau kerusakan properti. Kecelakaan bias terjadi karena kondisi jalan yang buruk atau kesalahan dari pengguna jalan itu sendiri. Penelitian ini bertujuan untuk menganalisis model terbaik yang dapat memprediksi data kecelakaan lalu lintas periode Januari 2015 hingga Desember 2018 di beberapa lokasi di Kabupaten Mempawah. Dalam penelitian ini, digunakan model Autoregressive Integrated Moving Average (ARIMA), untuk menganalisis dan meramalkan deret waktu. Hasil penelitian menunjukkan model ARIMA terbaik untuk setiap lokasi adalah ARIMA (0,1,1) di lokasi Sungai Pinyuh dengan nilai AIC 266,98; ARIMA (0,1,1) di lokasi Mempawah Hilir dengan AIC sebesar 201,80; dan ARIMA (0,1,1) di lokasi Mempawah Timur dengan AIC sebesar 185,48.  Kata Kunci:       Deret Waktu, ARIMA, Kecelakaan Lalu Lintas

Page 65 of 82 | Total Record : 819

 63   64   65   66   67 

Filter by Year

2012 2025


Reset
Filter By Issues
All Issue 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 Vol 9, No 3 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 2 (2020): BIMASTER Vol 9, No 2 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya 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 Vol 8, No 2 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya 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 Vol 7, No 3 (2018): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 2 (2018): BIMASTER Vol 7, No 2 (2018): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 1 (2018): BIMASTER Vol 7, No 1 (2018): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 6, No 03 (2017): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 6, No 03 (2017): BIMASTER 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