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
 70   71   72   73   74 
PENERAPAN ALGORITMA MODIFIED K-NEAREST NEIGHBOR (MK-NN) DALAM KLASIFIKASI KELULUSAN MAHASISWA (Studi Kasus: Prodi Statistika Universitas Tanjungpura) Aipassa, Ezra Amarya; Kusnandar, Dadan; Imro’ah, Nurfitri
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.v13i1.74062

Abstract

Salah satu pencapaian mahasiswa dalam meraih gelar sarjana adalah dengan lulus tepat waktu. Namun, tidak semua mahasiswa mampu menyelesaikan waktu studinya dengan tepat waktu. Suatu teknik yang memanfaatkan fungsi dari klasifikasi data mining diperlukan untuk memperoleh informasi dari data guna memprediksi kelulusan mahasiswa. Penelitian ini menggunakan algoritma Modified K-Nearest Neighbor (MK-NN) dalam klasifikasi kelulusan mahasiswa. Algoritma MK-NN merupakan pengembangan dari metode K-Nearest Neighbor (KNN) dimana dalam proses MK-NN menambah dua tahapan yaitu validitas dan weight voting. Penelitian ini bertujuan untuk menerapkan algoritma MK-NN dan mendapatkan nilai akurasi terbaik dalam klasifikasi kelulusan mahasiswa berdasarkan K-Optimal. Variabel dependen yang digunakan yaitu status kelulusan mahasiswa  serta variabel independen (X) yang digunakan yaitu IPK semester 1  hingga IPK semester 4 (  dan SKS semester 1  hingga SKS semester 4 ). Langkah-langkah dalam penelitan ini adalah mengumpulkan data lulusan mahasiswa Program Studi Statistika Universitas Tanjungpura angkatan 2013-2018 sebanyak 186 data. Setelah itu, mendeskripsikan data menggunakan statistik deskriptif, lalu men-normalisasi seluruh variabel (X), selanjutnya mencari K-Optimal menggunakan 10-fold cross validation, menghitung jarak euclidean antardata training yang kemudian divalidasi dan menghitung jarak euclidean data training dan data testing, hasil perhitungan jarak tersebut akan dimasukkan beserta nilai validasi data training pada perhitungan weight voting yang selanjutnya akan diklasifikasikan menggunakan algorima MK-NN. Sebanyak 130 data digunakan sebagai data training dan 56 data digunakan sebagai data testing. Hasil penelitian menunjukkan bahwa 49 data testing diprediksi dengan tepat, sedangkan tujuh data tidak tepat diprediksi sehingga akurasi yang diperoleh sebesar 87,5% dengan K-Optimal=9.  Kata kunci: akurasi, validitas, weight voting
PENGENDALIAN PERSEDIAAN TANDAN BUAH SEGAR DENGAN METODE ECONOMIC ORDER QUANTITY DAN ECONOMIC PRODUCTION QUANTITY (Studi Kasus: PT. Mitra Inti Sejati Plantation (MISP) Estate Bengkayang) Evangelista, Gitta; Yundari, Yundari; Pasaribu, Meliana
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.v13i3.77790

Abstract

Persediaan bahan mentah mengacu pada stok bahan mentah yang diperlukan perusahaan untuk memenuhi permintaan dan mencegah penundaan dalam proses produksi. PT. Mitra Inti Sejati Plantation (MISP) Estate Bengkayang ialah perusahaan perkebunan kelapa sawit dan produksi minyak kelapa sawit. Permasalahan yang dihadapi ialah kurangnya sistem pengendalian persediaan yang terintegrasi dengan sistem produksi dan pengadaan bahan baku. Kekurangan ini menghambat kemampuan PT. Mitra Inti Sejati Plantation (MISP) Estate Bengkayang untuk mengelola persediaan TBS secara efektif. Oleh karena itu, tujuan dari penulisan ini ialah untuk mengetahui pengelolaan persediaan TBS melalui pemanfaatan metodologi EOQ dan EPQ. EOQ digunakan dalam menghitung kuantitas pesanan yang efisien dan meminimalkan biaya persediaan. Sementara itu, EPQ digunakan untuk menghitung jumlah produksi yang efisien guna menurunkan keseluruhan biaya yang terkait dengan persediaan. Hal yang terlebih dahulu dilakukan yaitu uji normalitas data dengan uji Lilliefors untuk mengujinya. Hasil perhitungan biaya persediaan dengan EOQ ialah sebesar Rp1.139.130.937.500. EPQ menghasilkan total biaya persediaan sebesar Rp 417.349.001.241. Sesuai kebijakan perusahaan, total biaya persediaan ialah sebesar Rp 866.481.240.316.500. Hasil penelitian menunjukkan metodologi EOQ dan EPQ telah terbukti secara empiris menghasilkan pengurangan biaya persediaan secara keseluruhan dibandingkan dengan kebijakan perusahaan.  Kata Kunci : Total Biaya, Bahan Baku, Permintaan.
OPTIMALISASI PENUGASAN TIDAK SEIMBANG MENGGUNAKAN METODE MODIFIED HUNGARIAN Selvi, Paulina Florensia; Prihandono, Bayu; Pasaribu, Meliana
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.v13i1.74046

Abstract

Salah satu perusahaan kelapa sawit yang berada di Kalimantan Barat memiliki 12 pekerja kontrak dengan 7 pekerjaan. Setiap pekerja di perusahaan ini melakukan pekerjaannya yang berbeda-beda setiap harinya. Akibatnya, tidak ada penempatan tetap pekerja untuk melakukan pekerjaan. Dalam permasalahan sehari-hari perusahaan tidak mungkin mengabaikan pekerja yang ada di perusahaan karena banyaknya pekerja lebih besar dari banyaknya pekerjaan. Oleh karena itu dalam artikel ini ditentukan penugasan pekerja yang optimal dengan metode Modified Hungarian. Metode ini diterapkan karena permasalahan yang didapat tidak seimbang. Masalah penugasan di perusahaan tersebut dikonstruksikan ke dalam model matematika. Model tersebut selanjutnya dipartisi menjadi beberapa matriks seimbang. Selanjutnya cari penyelesaiannya dengan menggunakan metode Hungarian. Berdasarkan hasil yang diperoleh adalah pekerjaan panen dikerjakan oleh pekerja 2 dan pekerja 9, pekerjaan angkut dikerjakan oleh pekerja 8 dan pekerja 12, pekerjaan hibersida dikerjakan oleh pekerja 5 dan pekerja 11, pekerjaan babat dikerjakan oleh pekerja 3, pekerjaan pekerja jalan dikerjakan oleh pekerja 6, pekerjaan memupuk dikerjakan oleh pekerja 1 dan pekerja 10, dan pekerjaan tunasaan dikerjakan oleh pekerja 4 dan pekerja 7.  Kata Kunci : Metode Hungarian, Matriks Seimbang, Solusi Optimal
ANALISIS K-MEANS MENGGUNAKAN METODE DUNN INDEX DALAM MENENTUKAN JUMLAH CLUSTER OPTIMAL (Studi Kasus: Indikator Pendidikan SMA di Indonesia Tahun 2022) Hidayatullah, Hidayatullah; Martha, Shantika; Aprizkiyandari, Siti
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.v13i3.77469

Abstract

Pendidikan merupakan fondasi krusial dalam membentuk dan mengembangkan sumber daya manusia dalam proses pembangunan suatu negara. Data dari Survei Sosial Ekonomi Nasional (SUSENAS) tahun 2021 menunjukkan dominasi penduduk Indonesia dengan tingkat pendidikan rendah. Kondisi ini menjadi fokus dalam penerapan teknik analisis data, khususnya cluster analysis, untuk memahami karakteristik kelompok secara mendalam. Cluster analysis merupakan metode yang mengelompokkan data berdasarkan kesamaan antara satu data dengan data lainnya, dan memiliki peran penting dalam analisis dan pemahaman struktur data yang kompleks. Penelitian ini menggunakan analisis cluster non-hirarki dengan pendekatan K-Means, yang dikenal sederhana, cepat dalam komputasi, dan efisien dalam menangani data besar. Dunn Index digunakan sebagai metode evaluasi untuk mengukur kualitas pengelompokkan dengan menghasilkan cluster-cluster yang memiliki tingkat kesamaan tinggi di dalam kelompoknya masing-masing. Data yang digunakan adalah data sekunder yang mencakup tujuh indikator pendidikan SMA di 34 provinsi di Indonesia. Hasil yang diperoleh dari pengelompokan yang optimal menggunakan metode Dunn Index yaitu sebanyak ilima cluster . Cluster  pertama dengan tingkat pendidikan yang sangat tinggi beranggotakan empat provinsi yaitu provinsi Aceh, Kep.Riau, DI Yogyakarta dan Bali. Cluster  kedua dengan Tingkat pendidikan yang tinggi beranggotakan 13 provinsi. Cluster  ketiga yang beranggotakan tiga provinsi dengan tingkat pendidikan yang sedang. Dan cluster  keempat dengan tingkat pendidikan yang rendah beranggotakan 13 provinsi. Sedangkan untuk cluster  kelima dengan tingkat pendidikan sangat rendah hanya beranggotakan satu provinsi yaitu provinsi Papua. Pentingnya kebijakan dari pemerintah untuk memprioritaskan provinsi yang tingkat pendidikannya rendah seperti Papua supaya menghindari ketimpangan kualitas pendidikan di Indonesia.  Kata Kunci : Tingkat, Pendidikan, Nonhirarki, Pengelompokan.
PENERAPAN RANTAI MARKOV DALAM PEMILIHAN BIDANG SKRIPSI DI PRODI MATEMATIKA FMIPA UNTAN ANGKATAN 2017-2019 Rivaldi, Syahrul; Martha, Shantika; Yundari, Yundari
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.v13i5.81854

Abstract

Proses Markov adalah  proses stokastik melalui distribusi peluang bersyarat  yang memenuhi sifat Markov. Rantai Markov sepenuhnya  dijelaskan  sebagai matriks peluang transisi satu langkah yang menjelaskan distribusi peluang pada  state  dimulai dari proses mula-mula.Proses Markov  didefinisikan  rantai Markov jika memiliki ruang state yang diskrit. Metode rantai Markov waktu diskrit pada penelitian ini digunakan untuk memprediksi jumlah bidang minat mahasiswa Program Studi Matematika FMIPA UNTAN Angkatan 2017, 2018, 2019. Langkah awal adalah melakukan pengumpulan data sekunder melalui kuesioner yang selanjutnya dilakukan analisis data dengan menyusun tabel peluang transisi, menyusun matriks transisi, dan vektor distribusi peluang transisi. Berdasarkan hasil perhitungan yang diperoleh peluang transisi atau perubahan bidang minat analisis pada semester 7 sebesar 8%. Bidang minat geometerik/aljabar sebesar 15%, bidang minat matematika terapan sebesar 45% sedangkan bidang minat statistika/aktuaria sebesar 32%.      Kata Kunci:  Stokastik, rantai markov, peluang transisi
PEMODELAN SPATIAL ECONOMETRICS MENGGUNAKAN SPATIAL DURBIN ERROR MODEL PADA DATA IPM DI KALIMANTAN BARAT Reho, Stepanus; Imro’ah, Nurfitri; Aprizkiyandari, Siti
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.v13i2.77001

Abstract

Indeks Pembangunan Manusia (IPM) adalah indikator yang harus dipenuhi oleh suatu bangsa supaya bisa dikatakan sebagai bangsa yang maju. IPM dikatakan baik apabila berada dalam kategori tinggi. Apabila nilai IPM pada suatu negara tinggi, sehingga semakin baik juga tingkat pembangunan manusia di negara tersebut. IPM adalah indeks komposit yang dipengaruhi oleh tiga indikator dasar, yakni indikator kesehatan yang diukur melalui Umur Harapan Hidup (UHH), indikator pendidikan yang mewakili Angka Melek Huruf (AMH) dan Rata-rata Lama Sekolah (RLS), sedangkan indikator ekonomi diukur berdasarkan kemampuan daya beli masyarakat. Tujuan dari penelitian ini yaitu memetakan sebaran IPM di Provinsi Kalimantan Barat, serta Memodelkan IPM di Kalimantan Barat menggunakan Spatial Durbin Error Model (SDEM). Berdasarkan hasil pada peta persebaran IPM Kalimantan Barat dapat dilihat bahwa IPM tertinggi sebesar 81,03, sedangkan untuk IPM terendah sebesar 64,79. Kemudian berdasarkan pada hasil pemodelan IPM di Provinsi Kalimantan Barat maka dapat ditarik kesimpulan bahwa dari model Ordinary Least Square (OLS), Spatial Error Model (SEM) dan Spatial Durbin Error Model (SDEM), diperoleh model yang memenuhi semua kriteria evaluasi model spatial econometrics adalah model SDEM. Jadi dapat ditarik kesimpulan bahwa model SDEM adalah model terbaik.  Kata Kunci: Indikator, Pemodelan Spasial, Spatial Durbin Error Model
PEMODELAN FLUKS PADA ALIRAN DARAH Arsita, Sindy; Prihandono, Bayu; Kusumastuti, Nilamsari
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.v13i4.78047

Abstract

Fluida adalah zat yang akan mengalami perubahan bentuk dan posisi dari posisi semula ke posisi terkinisecara berkelanjutan apabila terkena tegangan geser. Salah satu contoh fluida adalah darah. Penelitian ini dilakukan untuk mengetahui pembentukan model aliran darah sebagai suatu kasus mekanika fluida, yaitu pada aliran Hagen-Poiseuille dan aliran Fluida Casson. Persamaan yang diperlukan dalam memodelkan aliran fluida yaitu persamaan Navier-Stokes, yang merupakan bentuk persamaan diferensial parsial nonlinear dari Hukum kedua Newton yang menjelaskan tentang aliran fluida dinamis. Persamaan Navier-Stokes yang terbentuk yaitu pada koordinat kartesius tiga dimensi 𝑥, 𝑦 dan 𝑧 yang kemudian diubah untuk mendapatkan persamaan dalam bentuk dua dimensi 𝑥 dan 𝑦. Selanjutnya, persamaan Navier-Stokes juga diterapkan pada koordinat polar silinder (𝑟, 𝜃, 𝑧). Kedua persamaan, baik pada koordinat kartesius maupun koordinat polar silinder dihubungkan dengan fungsi aliran ψ. Selanjutnya, hasil dari kedua persamaan tersebut diterapkan pada kasus mekanika fluida yaitu aliran Hagen- Poiseuille dan aliran Fluida Casson sehingga diperoleh hasil 𝑄 (Fluks) yang menyatakan jumlah aliran yang melewati suatu permukaan tertentu.  Kata Kunci: Fluida, persamaan Navier-Stokes, aliran Hagen-Poiseuille, aliran Fluida Casson  
PERBANDINGAN HASIL PREDIKSI KURS JISDOR MENGGUNAKAN METODE FUZZY TIME SERIES MODEL CHEN DAN LEE Rezaldi, Muhammad Fachri; Martha, Shantika; Aprizkiyandari, Siti
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.v13i5.86304

Abstract

Fuzzy time series adalah metode peramalan dengan menggunakan data historis untuk memprediksi kondisi di masa depan. Penelitian ini bertujuan untuk membandingkan prediksi kurs Jakarta Interbank Spot Dollar Rate (JISDOR) yang menggunakan model fuzzy time series, yaitu model Chen dan model Lee. Data yang dianalisis mencakup kurs JISDOR dari 3 Maret 2023 hingga 25 Mei 2023. Proses penelitian dimulai dengan menentukan himpunan semesta, lalu jumlah dan lebar interval. Selanjutnya, dibentuk himpunan fuzzy, serta ditentukan Fuzzy Logical Relationship (FLR) dan Fuzzy Logical Relationship Group (FLRG) untuk kedua model tersebut. Setelah itu, dilakukan defuzifikasi dengan mencari nilai tengah dari kelas interval untuk mendapatkan hasil peramalan. Hasil penelitian menunjukkan bahwa Average Forecasting Error Rate (AFER) untuk model Chen adalah 0,004900, sedangkan untuk model Lee adalah 0,002848. Dengan demikian, model Lee lebih akurat dibandingkan model Chen karena memiliki nilai AFER yang lebih rendah.  Kata Kunci :  FTS, Kurs, Chen dan Lee
PEMODELAN TINGKAT PENGANGGURAN TERBUKA MENGGUNAKAN GENERALIZED LINEAR MODEL Mori, Stepanus Armadi; Martha, Shantika; Aprizkiyandari, Siti
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.v13i1.74684

Abstract

Tingkat pengangguran terbuka menjadi aspek yang perlu diperhatikan di negara berkembang seperti Indonesia. Jawa Timur merupakan provinsi dengan penduduk nomor 2 tertinggi di Indonesia tahun 2022 tentnya tidak terlepas dengan permasalahan tingkat pengangguran terbuka. Tidak terserapnya tenaga kerja usia produktif serta kurangnya lapangan pekerjaan yang tersedia menyebabkan pengangguran di suatu daerah dapat menjadi meningkat. Oleh karena itu, perlu dilakukan sebuah analisis untuk mencegah meningkatnya tingkat pengangguran terbuka. Untuk dapat menjadi bahan evaluasi oleh pemerintah dilakukan pemodelan menggunakan generalized linear model menggunakan distribusi gamma untuk mengetahui faktor-faktor yang mempengaruhi tingkat pengangguran terbuka berdasarkan sektor ketenagakeraan, sektor sosial dan kependudukan, dan sektor pendidikan serta mengetahui faktor-faktor berdasarkan model terbaik yang memiliki pengaruh terhadap tingkat pengangguran terbuka di Jawa Timur tahun 2022. Penelitian ini menggunakan data di Jawa Timur dengan data sebanyak 38 kabupaten/kota dengan variabel yaitu tingkat pengangguran terbuka (Y), sektor ketenagakerjaan yakni tingkat partisipasi angkatan kerja (X1), pencari kerja terdaftar (X2), dan lowongan kerja terdaftar (X3), sektor sosial dan kependudukan yakni persentase penduduk miskin (X4), angka harapan hidup (X5), laju pertumbuhan penduduk (X6), dan kepadatan penduduk (X7), serta sektor pendidikan yakni rata-rata lama sekolah (X8), dan harapan lama sekolah (X9). Berdasarkan hasil penelitian ini, didapatkan sektor sosial dan kependudukan sebagai model terbaik berdasarkan nilai akaike"™s information criterian terkecil. Dari model tersebut dapat diketahui bahwa faktor-faktor yang memiliki pengaruh signifikan terhadap tingkat pengangguran terbuka adalah persentase penduduk miskin.  Kata Kunci : Metode Generalized Linear Model, Distribusi Gamma, Akaike"™s Information Criterian
IMPLEMENTASI METODE NAÏVE BAYES DALAM PREDIKSI TINGKAT KEMENANGAN PADA GAME MOBILE LEGENDS Padilah, Ariski; Perdana, Hendra; Aprizkiyandari, Siti
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.v13i4.77825

Abstract

Perkembangan industri permainan sekarang membawa dampak yang signifikan, khususnya dalam permainan daring atau game online yang telah menjadi bagian dari gaya hidup kebanyakan masyarakat. Mobile legends merupakan salah satu contoh game yang sangat popular sekarang karena bisa menarik minat jutaan pemain di seluruh dunia. Dengan banyaknya pemain yang ada di seluruh dunia mengakibatkan player yang memainkan game ini harus memiliki strategi agar menang pada setiap pertandingan yang dilaksanakan. Pada penelitian ini metode Naïve Bayes Classifier digunakan dalam memprediksi status kemenangan pada game mobile legends. Data yang digunakan adalah data sekunder yang berasal dari youtube pertandingan salah satu hasil pertandingan eSport yaitu MPL Season 11 yang menjadi semakin popular di kalangan penonton dan pemain. Variabel yang digunakan adalah Health Point, HP Regen, Physical Damage, Physical Defence, Movement Speed, dan Attack Speed. Tujuan dari penelitian ini adalah untuk mengimplementasikan metode Naïve Bayes dalam memprediksi kemenangan dalam permainan mobile legends. Metode Naïve Bayes dipilih karena keunggulannya dalam mengatasi masalah klasifikasi yaitu bisa menggunakan data yang besar dengan hasil yang didapatkan memiliki tingkat akurasi yang bagus. Pada penelitian ini hasil prediksi menunjukkan bahwa implementasi metode Naïve Bayes mampu memberikan tingkat akurasi sebesar 80,88% sehingga masuk kedalam kategori bagus.  Kata Kunci : Klasifikasi, Akurasi, MPL Season 11.

Page 72 of 84 | Total Record : 832

 70   71   72   73   74 

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 : 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 : 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 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