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 770 Documents
 67   68   69   70   71 
PENERAPAN REGRESI RIDGE ROBUST-M DALAM MENGATASI MULTIKOLINEARITAS DAN PENCILAN PADA DATA STUNTING DI INDONESIA Fiqriah, Isnaini; Martha, Shantika; Kusnandar, Dadan
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 4 (2024): 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.v13i4.78042

Abstract

Multikolinearitas dan pencilan merupakan permasalahan yang menyebabkan model yang  diperoleh kurang akurat sehingga perlu diatasi agar model menjadi lebih stabil. Kedua permasalahan tersebut  dapat diatasi secara bersamaan menggunakan metode regresi Ridge Robust-M yang merupakan penggabungan dari metode regresi Ridge dan regresi Robust dengan estimasi M. Tujuan dari penelitian ini adalah menerapkan metode regresi Ridge Robust-M dalam mengatasi multikolinearitas dan pencilan pada data yang digunakan dan membentuk model regresi Ridge Robust-M. Data sekunder yang digunakan merupakan data stunting dari setiap provinsi di Indonesia tahun 2021. Variabel dependen yang digunakan adalah kejadian stunting Y, sedangkan variabel independen yang digunakan adalah persentase pemberian tablet tambah darah X1, imunisasi BCG X2, imunisasi polio X3, imunisasi DPT-Hb-Hib3 X4, inisisasi menyusu dini X5, antenatal pertama X6 dan sanitasi layak X7. Dalam proses analisis pada penelitian ini dilakukan terlebih dahulu pemodelan regresi linear berganda. Kemudian menghitung nilai penduga parameter regresi Robust-M. Setelah itu,  menghitung nilai penduga parameter regresi Ridge Robust-M  dengan memasukkan nilai dugaan parameter regresi Robust-M kedalam rumus penduga tetapan c* pada regresi Ridge. Setelah nilai tetapan bias diperoleh, maka selanjutnya membentuk model persamaan regresi Ridge Robust-M untuk mengatasi multikolinearitas dan pencilan pada data. Hasil dari penelitian ini diperoleh model persamaan Ridge Robust-M yang tidak mengandung multikolinearitas dimana hal ini dapat ditunjukkan dengan semua variabel independen memiliki nilai VIF kurang dari 10. Selain itu terdapat penurunan bobot pencilan sehingga dapat dikatakan bahwa masalah pencilan telah teratasi. Variabel X1, X2, X6 dan X7  berpengaruh signifikan secara parsial terhadap kejadian stunting.   Kata Kunci: stunting, multikolinearitas, pencilan, regresi Ridge Robust-M.
PENERAPAN METODE CERTAINTY FACTOR PADA SISTEM PAKAR PENENTUAN BIDANG MINAT PROGRAM STUDI STATISTIKA FMIPA UNTAN Gunawan, Sucipto; Imro’ah, Nurfitri; Perdana, Hendra
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 5 (2024): 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.v13i5.85805

Abstract

Program Studi (PS) Statistik Universitas Tanjungpura (Untan) memberikan pilihan bidang minat yang nantinya dipilih oleh mahasiswa agar kedepannya bisa sesuai dengan lapangan pekerjaan yang akan ditekuni. Terdapat tiga pilihan bidang minat yang ada di program studi yaitu, bidang minat bisnis dan keuangan, sosial dan industri, serta lingkungan dan kebencanaan. Penelitian ini menggunakan data primer dengan responden mahasiswa PS Statistik Untan. Terdapat 30 responden dengan rincian 10 responden tiap bidang minat. Penelitian ini menggunakan metode Certainty Factor dengan tujuan untuk membantu mahasiswa dalam menentukan pilihan bidang minat pada PS Statistik Untan. Berdasarkan hasil penelitian diperoleh bahwa Proses metode analisis certainty factor dimulai dengan menentukan mata kuliah dan nilai bobot untuk tiap mata kuliah. Selanjutnya penentuan nilai bobot dari nilai huruf yang diperoleh pada mata kuliah. Sebagai ilustrasi digunakan nilai hasil 11 mata kuliah pada semester 3 dan 4 dari seorang mahasiswa A sehingga diperoleh nilai CF user. Kemudian dihitung nilai setiap faktor kriteria kombinasi (CF Kombinasi) di tiap klasifikasi bidang minat. Berdasarkan hasil perhitungan, diperoleh bahwa mahasiswa tersebut direkomendasikan memilih bidang minat Sosial dan Industri karena memiliki nilai CF kombinasi tertinggi dibandingkan minat lainnya yaitu sebesar 65,62%.Kata Kunci:   Bidang minat, Sistem Pakar, Certainty Factor
PEMODELAN ARIMA-ANN PADA HARGA SAHAM BANK MANDIRI Rahmi Fadhillah; Dadan Kusnandar; Nur’ainul Miftahul Huda
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 1 (2024): 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.v13i1.74370

Abstract

Saham adalah salah satu instrumen pasar keuangan yang paling populer. Dalam sektor perbankan, Bank Mandiri memiliki nilai aset saham terbesar, sehingga perlu dilakukan peramalan untuk kebijakan perusahaan. Pada penelitian ini harga saham Bank Mandiri mengandung komponen linier dan nonlinier. Metode peramalan yang digunakan adalah metode hybrid ARIMA-ANN gabungan model Autoregressive Integrated Moving Average (ARIMA) dan Artificial Neural Network (ANN). Penelitian ini bertujuan untuk memodelkan data dan mengetahui akurasi peramalan harga saham Bank Mandiri. Studi kasus yang digunakan adalah harga penutupan saham pada Bank Mandiri periode Januari 2021 hingga Desember 2022. Langkah pertama dilakukan pembentukan model ARIMA menggunakan data training dan menentukan residual ARIMA. Apabila residual ARIMA nonlinier, maka dapat dimodelkan dengan ANN. Hasil penelitian ini adalah model ARIMA (0,1,1) dan model ANN dengan 4 neuron pada hidden layer. Nilai MAPE training dan testing hybrid ARIMA–ANN sebesar 1,32% dan 5,49%. Akurasi peramalan harga saham memilki nilai MAPE kurang dari 10% yang menunjukkan metode hybrid ARIMA-ANN tergolong sangat baik. Kata Kunci : ARIMA, ANN, Harga Saham Bank Mandiri
PENGELOMPOKAN KABUPATEN/KOTA BERDASARKAN INDIKATOR PRODUK DOMESTIK REGIONAL BRUTO (PDRB) MENGGUNAKAN METODE SELF ORGANIZING MAP Abni Kinanti, Angeline Novelia
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 3 (2024): 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.v13i3.77794

Abstract

Pembangunan ekonomi mencakup serangkaian inisiatif yang berfokus pada peningkatan kesejahteraan individu, mengurangi tingkat pengangguran, dan mengurangi kesenjangan pendapatan dalam masyarakat. Produk Domestik Regional Bruto (PDRB) berfungsi sebagai indikator yang berharga untuk mengevaluasi perekonomian daerah dengan mempertimbangkan kinerja berbagai sektor usaha. Oleh karena itu penelitian ini bermaksud untuk mengelompokkan Kabupaten/Kota di Kalimantan Barat berdasarkan nilai PDRB agar dapat diketahui pengelompokan apa saja yang memiliki kesamaan karakter yang paling tepat sehingga dapat diketahui daerah-daerah yang memiliki tingkat perekonomian rendah untuk membantu pemerintah dalam memprioritaskan kebijakan pembangunan ekonomi di Kalimantan Barat. Penelitian ini menggunakan metode Self Organizing Map, menghasilkan 3 klaster berdasarkan nilai ideal validasi internal dalam indeks dunn, indeks silhouette dan indeks connectivity. Klaster 1 terdiri dari Kota Pontianak, yang merupakan cluster yang menunjukkan tingkat dominasi ekonomi tertinggi di hampir semua industri. Klaster 2 terdiri dari empat kabupaten: Sanggau, Sambas, Ketapang, dan Kubu Raya. Klaster ini mempunyai pengaruh paling besar di industri pertanian dan pertambangan. Klaster 3 memiliki 9 kabupaten, yakni Bengkayang, Melawi,Landak, Sintang, Mempawah, Sekadau, Kapuas Hulu, Kayong Utara, dan Kota Singkawang. Klaster ini termasuk dalam kategori ekonomi paling rendah karena nilainya berada di bawah rata-rata setiap indikator PDRB. Kata Kunci: Indeks Dunn, Indeks Silhouette, Indeks Connectivity
PELABELAN k-PRIMA PADA GRAF UBUR-UBUR Berta Gustiani; Fransiskus Fran; Nur’ainul Miftahul Huda
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 1 (2024): 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.v13i1.74049

Abstract

Pelabelan graf adalah suatu proses memberikan nilai pada simpul suatu graf . Suatu graf  disebut dengan graf -prima jika simpul-simpulnya dapat dilabeli dengan bilangan-bilangan  untuk  sedemikian sehingga Faktor Persekutuan Terbesar  untuk masing-masing label simpul  dan  yang bertetangga di graf  adalah . Penelitian ini bertujuan untuk mengkonstruksi pelabelan -prima pada graf ubur-ubur  dengan . Penelitian ini dimulai dengan diberikan sebuah himpunan simpul dari graf ,  untuk    untuk  bilangan ganjil dan  untuk  bilangan genap. Kemudian simpul-simpul tersebut dilabelkan dengan bilangan-bilangan  untuk  bilangan ganjil dan  untuk  bilangan genap sedemikian sehingga  untuk masing-masing simpul  dan  yang bertetangga di . Dalam proses mengkonstruksi pelabelan pada graf ubur-ubur dibedakan menjadi dua kasus, yaitu untuk  ganjil dan  genap. Berdasarkan hasil penelitian diperoleh hasilnya bahwa graf ubur-ubur  adalah graf -prima dengan  dan  tertentu.  Kata Kunci : graf k-prima, saling prima, graf ubur-ubur
IMPLEMENTASI ALGORITMA EDMOND-KARP PADA PENCARIAN ALIRAN MAKSIMUM Mahesa, Nugrah; Helmi, Helmi
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 3 (2024): 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.v13i3.77703

Abstract

Penerapan teori graf, salah satunya dapat membantu memecahkan masalah-masalah terkait Network Flow, termasuk pencarian aliran maksimum. Aliran maksimum penting untuk menentukan batas maksimum pada aliran dalam sebuah sistem jaringan. Penelitian ini menggunakan contoh kasus pencarian aliran maksimum dalam dua konteks: jaringan listrik kota X dan pengangkutan muatan kendaraan kelapa sawit dari pabrik A ke pabrik H. Tujuan penelitian adalah memastikan bahwa jaringan listrik dan pengangkutan muatan kendaraan kelapa sawit tidak melampaui batas maksimumnya. Dalam penelitian ini, algoritma Edmond-Karp dipilih untuk memperoleh aliran maksimum. Algoritma Edmond-Karp dikenal sebagai algoritma yang efektif untuk menentukan aliran maksimum, dengan menggunakan algoritma Breadth First Search (BFS) untuk menemukan lintasan penambah yang optimal Tahap-tahap dalam pencarian aliran maksimum yaitu mengkontruksikan jaringan listrik atau muatan kendaraan ke bentuk graf, tahap kedua menginisiasi   dengan  menyatakan kapasitas yang mengalir pada sisi , tahap ketiga mengidentifikasi lintasan penambah dengan menggunakan Algoritma Breadth First Search, tahap keempat menentukan kapasitas residu pada lintasan penambah yang telah diperoleh, jika masih terdapat lintasan penambah yang lain maka diulangi lagi tahap ketiga. Namun jika tidak terdapat lintasan penambah, dilanjutkan tahap selanjutnya menghitung sisa kapasitas pada setiap lintasan penambah sehingga diperoleh nilai aliran maksimum pada jaringan listrik kota X diperoleh 1500 A dengan 5 lintasan penambah dan pada muatan kendaraan kelapa sawit dari pabrik A ke pabrik H sebesar 24 Ton dengan 5 lintasan penambah. Kata Kunci: Graf, Aliran Maksimum, Algoritma Edmond-Karp.
ANALISIS CLUSTER MENGGUNAKAN METODE K-MEANS DAN FUZZY C-MEANS PADA FAKTOR SOSIAL EKONOMI DI KALIMANTAN BARAT Rachmawati, Febby; Yundari, Yundari; Huda, Nur'ainul Miftahul
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 5 (2024): 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.v13i5.81858

Abstract

Peningkatan kesejahteraan masyarakat merupakan tujuan pembangunan nasional yang mencakup pertumbuhan ekonomi. Baik itu kemajuan di bidang pendidikan, perekonomian, maupun infrastruktur. Indeks Pembangunan Manusia (IPM) dan indikator sosial ekonomi lainnya seperti Produk Domestik Regional Bruto (PDRB), Tingkat Pengangguran Terbuka (TPT), dan Jumlah Penduduk Miskin (JPM) digunakan untuk memastikan pencapaian pembangunan. Pengelompokan diperlukan untuk menentukan kualifikasi setiap indikasi; dengan melakukan hal ini, Anda dapat melihat indikator dari yang paling memenuhi syarat hingga yang paling tidak memenuhi syarat. Penelitian ini bertujuan untuk mengklasifikasikan kabupaten dan kota di Kalimantan Barat menurut karakteristik sosial ekonomi dengan menggunakan metodologi K-Means dan Fuzzy C-Means. Fuzzy C-Means mengurutkan informasi berdasarkan tingkat keanggotaan, sedangkan K-Means mengurutkannya berdasarkan kemiripan atau kedekatannya dengan pusat massa. Pendekatan K-Means mencapai hasilnya pada iterasi ketiga sedangkan metode Fuzzy C-Means mencapai hasilnya pada iterasi kedua, dengan nilai centroid tetap konstan. Algoritma K-Means dan Fuzzy C-Means menggunakan tiga struktur pengelompokan yang berbeda. Terdapat tiga kelompok kabupaten/kota berdasarkan status sosial ekonominya: satu dengan delapan kelompok masyarakat berpendapatan rendah, satu dengan empat kelompok masyarakat berpendapatan tinggi, dan satu dengan dua kelompok masyarakat berpendapatan menengah. Kata Kunci : sosial ekonomi, clustering, analisis faktor
Perbandingan Solusi Masalah Transportasi Menggunakan Metode Modified ASM, Improved Zero Point dan Sirisha-Viola Jesicha Elisabeth Sesaria Dewi Simorangkir; Bayu Prihandono; Nilamsari Kusumastuti
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 2 (2024): 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.v13i2.77238

Abstract

Permasalahan transportasi merupakan proses penyaluran produk dari beberapa sumber ke beberapa tujuan untuk meminimumkan biaya distribusi. Biaya distribusi mencakup biaya penyimpanan, biaya pengiriman, biaya administrasi dan biaya lainnya yang terkait dengan proses distribusi. Dalam menyelesaikan masalah transportasi membutuhkan metode transportasi. Adapun metode transportasi yang digunakan pada penelitian ini adalah metode Modified ASM, Improved Zero Point, dan Sirisha-Viola. Karena terdapat perbedaan dalam proses penyelesaian sehingga pada penelitian ini ingin mengetahui mana metode yang lebih efisien dalam menyelesaikan masalah transportasi tak seimbang menggunakan data sekunder dari PT. X Padalarang yang merupakan perusahan produk alat kesehatan di Padalarang. Langkah-langkah yang digunakan dalam menyelesaikan masalah transportasi dengan memformulasikan masalah transportasi dari data yang sudah diperoleh, kemudian menyeimbangkan masalah transportasi serta membuat tabel transportasi. Setelah itu menentukan solusi optimal menggunakan metode Modified ASM, Improved Zero Point, dan Sirisha-Viola. Berdasarkan hasil perhitungan yang diperoleh metode Modified ASM dan Improved Zero Point lebih efisien dalam menentukan solusi optimal dengan menghasilkan biaya distribusi sebesar Rp. tanpa perlu perbaikan tabel sedangkan metode Sirisha-Viola kurang efisien dimana hasil biaya distribusi yang diperoleh sebesar Rp.  sehingga perlu dilakukan perbaikan tabel. Kata Kunci:  Biaya distribusi, pendistribusian, solusi optimal, efisien.
PENERAPAN METODE SAVING MATRIX DALAM MEMINIMUMKAN BIAYA DISTRIBUSI Tari, Shovita Anugrah; Prihandono, Bayu; Noviani, Evi
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 4 (2024): 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.v13i4.79728

Abstract

Distribusi merupakan proses pengiriman produk dari produsen hingga sampai ke konsumen. Salah satu contoh kasus distribusi adalah pendistribusian elpiji. Pendistribusian elpiji sering kali terkait erat dengan rute kendaraan karena pentingnya ketepatan waktu dalam mengirimkan elpiji ke setiap pangkalan yang membutuhkan sehingga membantu dalam mengoptimalkan rute pendistribusian dengan biaya distribusi yang minimum. Permasalahan rute kendaraan dalam kasus pendistribusian elpiji termasuk kedalam Vehicle Routing Problem (VRP). Adapun masalah VRP dengan karakteristik Heterogeneuous Fleet Vehicle Routing Problem (HFVRP) dan VRP with Multiple Trips (VRPMT). Permasalahan yang dapat diselesaikan dalam konteks pendistribuisan elpiji umumnya berfokus pada pencapaian rute yang optimal dengan biaya distribusi yang minimum. Dalam permasalahan VRP dapat diselesaikan dengan menggunakan metode saving matrix. Tujuan penelitian ini yaitu menyelesaikan VRP dengan menggunakan metode saving matrix. Metode saving matrix merupakan suatu pendekatan yang digunakan untuk menentukan rute distribusi elpiji ke setiap pangkalan dengan cara membentuk rute distribusi yang optimal dengan biaya distribusi yang minimum. Metode saving matrix dilakukan dengan menghitung jarak tempuh kendaraan dan menentukan nilai saving menggunakan metode saving matrix. Rute pendistribusian kemudian dialokasikan untuk mencapai rute pendistribusian yang optimal dengan biaya distribusi yang minimum. Rute distribusi dengan metode saving matrix menghasilkan 10 rute distribusi dengan total jarak 103,0 km dan biaya distribusi sebesar Rp 773.281. Hasil yang diperoleh menunjukkan bahwa rute yang dibuat dengan menggunakan metode saving matrix memberikan rute distribusi yang optimal dengan biaya distribusi yang minimum. Kata Kunci : Vehicle Routing Problem, Heterogeneous Vehicle Routing Problem, VRP with Multiple 
GRADIENT BOOSTING MACHINE PADA KLASIFIKASI KELULUSAN MAHASISWA Virginnia Atlantic; Evy Sulistianingsih; Hendra Perdana
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 2 (2024): 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.v13i2.76955

Abstract

Prodi Statistika UNTAN perlu mengetahui klasifikasi kelulusan mahasiswa, maka dari itu perlu dibuat suatu model yang dapat memprediksi ketepatan waktu lulus mahasiswa. Hal ini dilakukan dengan membuat model prediksi klasifikasi kelulusan mahasiswa dengan menggunakan pendekatan Pohon Keputusan. Metode ensemble dikembangkan untuk menghasilkan model prediksi yang lebih akurat dari metode Pohon Keputusan yaitu CART. Data yang digunakan adalah data kelulusan mahasiswa Prodi Statistika UNTAN Periode 1 Tahun Ajaran 2017/2018 hingga Periode II Tahun Ajaran 2022/2023, dengan populasi 181 dan sampel 128 data. Setelah menggunakan nilai akurasi dalam mengevaluasi model prediksi yang diperoleh dari model GBM. Kemudian dibandingkan nilai akurasi dari model GBM dan model CART. Berdasarkan penelitian, didapat nilai akurasi model GBM yaitu 71,09% yang lebih besar dibanding model CART yaitu 67,97%. Dengan demikian disimpulkan bahwa GBM mampu meningkatkan prediksi model dalam klasifikasi kelulusan mahasiswa Prodi Statistika UNTAN.  Kata Kunci : Kelulusan Mahasiswa, Gradient Boosting Machine, Nilai Akurasi

Page 69 of 77 | Total Record : 770

 67   68   69   70   71 

Filter by Year

2012 2025


Reset
Filter By Issues
All Issue 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