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
 71   72   73   74   75 
DETERMINAN MATRIKS HANKEL BENTUK KHUSUS ORDO \mathbf{4}\times\mathbf{4} BERPANGKAT BILANGAN BULAT POSITIF MENGGUNAKAN METODE SALIHU Safarina, Annisa; Prihandono, Bayu; Helmi, Helmi
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.v13i5.81861

Abstract

Determinan merupakan konsep dasar aljabar linear yang penting untuk menyelesaikan permasalahan yang melibatkan matriks dan seringdigunakan dalam berbagai bidang termasuk, matematika serta ilmu terapan. Determinan matriks merupakan nilai fungsi khusus yang menghubungkan suatu matriks persegi ke suatu bilangan real. Terdapat suatu matriks yang dinamakan matriks Hankel yang merupakanmatriks persegi yang setiap elemen pada diagonal atas - bawah yang sejajar dengan diagonal utama memiliki nilai yang sama. Matriks Hankel memiliki operasi dan perhitungan yang sama dengan matriks persegi pada umumnya, salah satu cara menghitung determinan yaitu menggunakan metode Salihu. Metode Salihu merupakan cara  menghitung determinan suatu matriks berordo . Metode salihu diselesaikan dengan melibatkan pengurangan determinan matriks beordo  menjadi beberapa determinan matriks yang lebih kecil, dengan menghitung empat determinan interior dan satu determinan unik. Tujuan dari penilitian ini adalah untuk menentukan bentuk umum dari nilai determinanmatriks Hankel berordo  berpangkat bilangan bulat positif dan membuktikannya menggunakan metode Salihu. Menentukan bentuk umum determinan matriks Hankel, terdapat beberapa langkah. Pertama, perhatikan pola bentuk matriks Hankel dengan bentuk khusus  hingga ,sehingga diperoleh bentuk umum dan kemudian dibuktikan menggunakan induksi matematika. Kedua, perhatikan pola nilai determinan matriks Hankel dari perpangkatan matriks bentuk khusus  sampai , sehingga diperoleh bentuk umum . Kemudian dibuktikan dengan pembuktian langsung menggunakan metode Salihu. Berdasarkan penelitian diketahui bahwa bentuk umum determinan dari matriks Hankel berpangkat bilangan bulat positif adalah Kata Kunci : Determinan Interior, Induksi Matematika, Pembuktian langsung.
ANALISIS K-MEANS CLUSTERING DENGAN METODE ELBOW PADA PENGELOMPOKAN TINGKAT PENGANGGURAN DI KALIMANTAN BARAT Maycandra Desdianti; Naomi Nessyana Debataraja; Evy Sulistianingsih
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.v13i1.74053

Abstract

Pengangguran adalah salah satu permasalahan terbesar di Indonesia terutama Provinsi Kalimantan Barat. Tingginya tingkat pengangguran pada suatu wilayah akan menjadi pemicu meningkatnya masalah sosial hingga kemiskinan. Beberapa variabel yang digunakan dalam penelitian ini adalah produk domestik regional bruto (X1), pertumbuhan ekonomi (X2), tingkat partisipasi angkatan kerja (X3), rata-rata lama sekolah (X4), tingkat pengangguran (X5) dan indeks pembangunan manusia (X6). Data Badan Pusat Statistik Provinsi Kalimantan Barat melakukan pengelompokan terhadap 14 Kabupaten/Kota di Provinsi Kalimantan Barat pada tahun 2021. Dengan menggunakan K-Means clustering dengan metode Elbow. Hasil pengelompokkan terbaik tingkat pengangguran di Kalimantan Barat didapatkan k optimum sebanyak empat cluster. Hasil penelitian menunjukkan bahwa cluster satu memiliki tiga anggota Kabupaten/Kota dengan kategori tingkat pengangguran sangat tinggi di Kalimantan Barat, cluster dua memiliki tujuh anggota Kabupaten/Kota dengan kategori tingkat pengangguran di Kalimantan Barat, cluster tiga memiliki dua anggota Kabupaten/Kota dengan kategori tingkat pengangguran sedang di Kalimantan Barat, cluster empat memiliki dua anggota Kabupaten/Kota dengan kategori tingkat pengangguran rendah di Kalimantan Barat. Kata Kunci: Pengangguran, K-Means Clustering, Metode Elbow
PENERAPAN TEXT MINING DATA TWEET TOKOPEDIA MENGGUNAKAN K-MEANS CLUSTERING Mawaddah, Mawaddah; Imro’ah, Nurfitri; 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.v13i3.77706

Abstract

Media sosial yang sering digunakan untuk mengiklankan produk maupun jasa e-commerce salah satunya yaitu Twitter. Pelaku bisnis khususnya e-commerce harus bisa memilih konten yang disukai pelanggan yang ditandai dengan banyaknya jumlah retweet dan favorite pada konten yang diposting. Penerapan text mining menggunakan k-means clustering perlu diterapkan untuk mengolah data tweet yang besar guna membantu pelaku bisnis menentukan konten yang disukai followers. Data pada penelitian ini diambil dari username akun @tokopedia berupa data tweets dengan menggunakan bantuan R Studio pada tanggal 17 Desember 2022 yang memuat 3250 tweet yang telah diposting sebelum tanggal tersebut, yaitu dari tanggal 01 Oktober 2022 pukul 06.38 WIB hingga tanggal 16 Desember 2022 pukul 23.51 WIB. Selanjutnya, dilakukan proses text preprocessing, feature selection, dan pembobotan TF-IDF. Setelah melalui tahapan tersebut tweet kemudian dianalisis menggunakan k-means clustering dengan penentuan jumlah cluster terbaik menggunakan silhoutte coefficient. Kata tweets yang dikelompokkan secara garis besar terkait dengan kata yang dianggap menggambarkan atau merujuk pada promo Tokopedia, giveaway, dan kuis berhadiah. Metode k-means clustering digunakan untuk mengelompokkan tweet berdasarkan kesamaan pola dan karakteristik kata per kata yang terkandung dalam tweets Tokopedia dengan menggunakan pembobotan TF-IDF dan perhitungan jarak euclidean. Berdasarkan hasil clustering terdapat sembilan cluster terbaik. Rata-rata jumlah retweet dan favorite yang tinggi berdasarkan hasil clustering terdapat pada jenis konten diantaranya giveaway merchandise BTS dan cashback dari TokopediaxOppo (cluster 8); serta penawaran promo, diskon, dan cashback Tokopedia (cluster 3). Oleh karena itu, Tokopedia diharapkan dapat menggunakan jenis konten tweet tersebut sebagai sarana untuk meningkatkan minat followers. Kata Kunci : E-commerce, TF-IDF, Twitter, Silhoutte Coefficient.
PERBANDINGAN METODE ARIMA DAN NNAR UNTUK MERAMALKAN SUHU UDARA DI KOTA PONTIANAK Alqaida Yusril; Dadan Kusnandar; Wirda Andani
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.v13i2.77243

Abstract

Kenaikan suhu global yang tinggi menyebabkan terjadinya perubahan iklim di Indonesia. Pontianak merupakan salah satu kota yang merasakan dampak langsung dari perubahan iklim dan akan sangat sulit dikendalikan jika tidak bisa memprediksi cuaca yang tidak menentu. Penelitian ini bertujuan untuk meramalkan suhu yang akurat dengan membandingkan metode Autoregressive Integrated Moving Average (ARIMA) dan Neural Network Autoregressive (NNAR). Penelitian ini dilakukan pada data suhu udara dengan mengolah data menggunakan metode ARIMA kemudian dilanjutkan metode NNAR. Kedua metode tersebut dipilih metode terbaik berdasarkan hasil nilai MAPE terkecil untuk melakukan peramalan pada data rata-rata suhu di Kota Pontianak di bulan Januari 2023. Data yang digunakan dalam penelitian ini merupakan data sekunder rata-rata suhu harian di Kota Pontianak sebanyak 365 data dari tanggal 1 Januari 2022 - 31 Desember 2022 yang diperoleh dari BMKG di Kota Pontianak. Hasil penelitian menunjukkan model NNAR (17,8) memiliki nilai MAPE sebesar 2,7% lebih kecil dari pada nilai MAPE model ARIMA (1,0,0) yaitu sebesar 2,9% dan hasil peramalan pada bulan Januari 2023 dengan model NNAR (17,8) menunjukkan suhu udara di Kota Pontianak cenderung turun dan naik setiap harinya dengan suhu tertingginya sebesar 27,66℃ dan suhu terendahnya sebesar 26,91℃.Kata Kunci : Peramalan, ARIMA, NNAR, Suhu Udara
IMPLEMENTASI LOGIKA FUZZY DALAM PENJADWALAN PROYEK KONSTRUKSI RUAS JALAN (STUDI KASUS: PT. YULIA EKA PRATAMA) Triana, Delvi; Kiftiah, Mariatul; Pasaribu, Meliana
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.v13i4.79731

Abstract

Peningkatan kualitas jalan diperlukan guna meningkatkan pertumbuhan ekonomi, pertanian dan sektor lainnya. Oleh karena itu, perlu dilakukan perbaikan dalam bentuk proyek konstruksi. Untuk kelancaran suatu proyek konstruksi diperlukan manajemen proyek yang dapat mengatur proyek dari mulai sampai proyek selesai. Proyek peningkatan kualitas jalan atau proyek perbaikan jalan mempunyai hubungan keterkaitan terhadap kondisi eksternal dan internal sehingga tingkat ketidakpastian yang tinggi terhadap waktu aktivitas. Dalam merencanakan penjadwalan proyek PT. Yulia Eka Pratama masih berdasarkan perkiraan dan pengalaman. Oleh karena itu, perlu diteliti mengenai penjadwalan untuk menentukan waktu yang optimal dalam penyelesaikan proyek. Dalam penelitian ini dibahas pengkonstruksian masalah penjadwalan proyek, implementasi logika fuzzy pada penjadwalan proyek dan implementasi logika fuzzy dalam analisis biaya proyek. Penerapan logika fuzzy dalam penjadwalan proyek adalah untuk mengatasi masalah perubahan durasi aktivitas dan masalah hubungan keterkaitan yang tinggi terhadap kondisi eksternal dan internal pada jaringan proyek. Berdasarkan hasil perhitungan diperoleh durasi paling cepat penyelesaian proyek ruas jalan adalah 42 hari dan paling lambat 56 hari dengan biaya maksimal proyek sebanyak Rp 3.319.338.034,00 dan biaya minimal proyek sebesar Rp 2.313.992.763,00. Kata Kunci : Durasi, Kualitas Jalan, Manajemen
ANALISIS POLA SPASIAL KEBAKARAN HUTAN DI KALIMANTAN BARAT MENGGUNAKAN GETIS-ORD (GI*) STATISTIC DAN INDEKS MORAN Prianti, Sabrina Eka; Kusnandar, Dadan; Debataraja, Naomi Nessyana; Martha, Shantika
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 6 (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.v13i6.89234

Abstract

Kebakaran hutan adalah suatu keadaan dimana api menghanguskan sebagian atau keseluruhan hutan sehingga menimbulkan kerusakan yang mengakibatkan kerugian terhadap perekonomian dan nilai lingkungan hidup. Kebakaran hutan dapat terjadi berulang tiap tahunnya. Penelitian ini bertujuan untuk menentukan daerah signifikansi hotspot, pola spasial dan korelasi antar titik api di Kalimantan Barat. Daerah signifikansi hotspot dianalisis dengan Getis Ord (Gi*) Statistic. Pola spasial dan korelasi antar titik api dianalisis dengan Indeks Moran. Data yang digunakan yaitu data titik api dari instrumen MODIS citra satelit Terra dan Aqua. Hasil analisis Getis Ord (Gi*) Statistic menunjukkan konsentrasi titik api tertinggi tahun 2018 terjadi pada Kabupaten Kayong Utara, Kubu Raya, Mempawah, Sambas dan Kota Pontianak. Tahun 2019 terjadi pada Kabupaten Kayong Utara, Ketapang dan Sambas. Tahun 2020 terjadi pada Kabupaten Bengkayang, Kubu Raya, Landak, Mempawah dan Sambas. Tahun 2021 terjadi pada Kota Pontianak, Kabupaten Kubu Raya dan Mempawah. Tahun 2022 terjadi pada Kabupaten Bengkayang, Landak, Mempawah, Sambas dan Kota Singkawang. Kejadian kebakaran hutan berulang di Kalimantan Barat yang tergolong dalam signifikansi hotspot paling banyak terjadi di Kabupaten Sambas yaitu tahun 2018, 2019, 2020, dan 2022. Selain itu, analisis Indeks Moran menunjukkan bahwa Kebakaran Hutan di Kalimantan Barat tahun 2018-2022 terdapat autokorelasi spasial antar titik api dan pola spasialnya menghasilkan pola yang berkelompok (clustered). Kata Kunci :  titik api, Getis Ord (Gi*) Statistic, Indeks Moran.
PENGELOMPOKAN PROVINSI BERDASARKAN FAKTOR PENYEBAB STUNTING MENGGUNAKAN FINITE MIXTURE PARTIAL LEAST SQUARE (FIMIX-PLS) Saputri, Apri Linda; Huda, Nur’ainul Miftahul
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.v13i4.78039

Abstract

Stunting adalah gangguan pertumbuhan pada anak yang ditandai dengan kondisi tinggi badan di bawah standar usianya. Stunting merupakan masalah yang multidimensional karena melibatkan konstruk/laten (variabel yang tidak bisa diukur secara langsung). Metode statistik yang dapat menyelesaikan permasalahan hubungan antar variabel laten yakni dengan Structural Equation Modeling-Partial Least Square (SEM-PLS). Penelitian ini bertujuan untuk mengelompokkan provinsi berdasarkan faktor penyebab stunting di Indonesia pada tahun 2021. Terdapat dua jenis variabel laten yaitu variabel laten eksogen dan variabel laten endogen. Variabel laten eksogen dalam penelitian ini berupa antenatal care, inisiasi menyusu dini, imunisasi, dan sanitasi. Sedangkan, variabel laten endogen berupa ASI eksklusif, berat bayi lahir rendah dan stunting. Sebanyak 17 indikator yang digunakan, berdasarkan analisis SEM-PLS menghasilkan 13 indikator yang valid dan reliabel. Berdasarkan model yang diperoleh, terdapat 3 korelasi antar variabel laten yang berpengaruh secara signifikan yaitu antenatal care terhadap ASI eksklusif, berat bayi lahir rendah dan sanitasi terhadap stunting. Pengelompokan berdasarkan hubungan variabel laten pada model struktural menggunakan Finite Mixture Partial Least Square (FIMIX-PLS) sehingga dapat mengidentifikasi karakteristik faktor penyebab stunting di setiap provinsi di Indonesia dengan karakteristik yang lebih homogen. Hasil segmentasi terbaik adalah jumlah segmen k = 4 yang diperoleh berdasarkan kriteria BIC, AIC, CAIC dan EN. Nilai EN sebesar 0,997 yang berarti kualitas pemisahan segmen sangat baik. Hasil akhir penelitian diperoleh empat kelompok provinsi di Indonesia berdasarkan faktor penyebab stunting. Provinsi Kalimantan Barat termasuk dalam kelompok 4 dengan fokus permasalahan penyebab stunting yaitu faktor sanitasi. Kata Kunci : Antenatal Care, Berat Bayi Lahir Rendah, Imunisasi, Sanitasi, Structural Equation Modeling.
PENERAPAN DYNAMIC TIME WARPING UNTUK PENGELOMPOKAN PROVINSI DI INDONESIA BERDASARKAN NILAI PDRB Haulia, Khofifah; Imro’ah, Nurfitri
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 6 (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.v13i6.88172

Abstract

Pengalokasian dana pembangunan untuk pemerataan ekonomi dan infrastruktur di berbagai daerah di Indonesia masih cenderung terpusat pada satu wilayah tertentu. Penyebab ketimpangan ini adalah terbatasnya data dan informasi mengenai pola ekonomi daerah, yang mengakibatkan kesalahan dalam menetapkan kebijakan ekonomi sehingga mengakibatkan perencanaan tidak mencapai tujuan. Untuk mengatasi tantangan tersebut, diperlukan data Produk Domestik Regional Bruto (PDRB) sebagai indikator makroekonomi untuk menetapkan arah kebijakan dan strategi pembangunan ekonomi yang lebih efektif dan tepat sasaran. Pada kasus ini, digunakan analisis cluster time series untuk mengelompokan provinsi berdasarkan nilai PDRB. Penelitian ini bertujuan untuk menerapkan pengelompokan deret waktu berdasarkan jarak dynamic time warping dengan metode complete linkage untuk mengelompokan provinsi di Indonesia berdasarkan nilai PDRB. Hasil dari penelitian ini diperoleh dua cluster optimum, dimana cluster pertama terdiri dari 30 provinsi dengan struktur ekonomi beragam. Cluster kedua terdiri dari 4 provinsi yang memiliki karakteristik ekonomi serupa seperti tingkat industrialisasi tinggi dan infrastruktur yang baik. Pengelompokan ini menghasilkan nilai silhouette coefficient sebesar 0,846, menandakan klasifikasi yang baik dan menunjukkan pola konsisten dalam data PDRB.  Kata Kunci: Dynamic Time Warping, Complete Linkage, PDRB
PENGENDALIAN PERSEDIAAN KARET DENGAN MENGGUNAKAN METODE CONTINUOUS REVIEW SYSTEM Nazara, Valeri; Helmi, Helmi; Noviani, Evi
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.v13i3.77791

Abstract

Pada suatu perusahaan yang memproduksi suatu barang, perencanaan dan pengendalian persediaan bahan baku dilakukan secara teratur agar memenuhi kebutuhan dengan efisiensi biaya. Manajemen persediaan adalah metode yang dimanfaatkan oleh perusahaan sebagai alat  laporan dan alat ukur kinerja perusahaan dalam membantu kebijakan persediaan. Permasalahan yang seringkali terjadi pada perusahaan PT Sumber Alam adalah kesulitan menentukan banyaknya persediaan karet sebagai bahan baku yang dibutuhkan dalam proses produksi karet remah (crumb rubber) SIR 20. Memesan dan menyimpan bahan baku dalam jumlah besar dapat memastikan kelancaran proses produksi tetapi ini juga menyebabkan meningkatnya biaya penyimpanan. Penelitian ini bertujuan untuk mengoptimalkan pengendalian persediaan karet dengan menggunakan metode Continuous Review System di PT Sumber Alam dalam menentukan waktu dan jumlah pemesanan karet yang diperlukan, menetukan banyaknya penyimpanan karet serta meminumkan biaya persediaaan yang sesuai dengan kebutuhan. Perusahaan harus mengatur pengendalian persediaan dengan menggunakan metode continuous review system karena metode ini sangat cocok untuk persediaan bahan yang memiliki permintaan terus-menerus dan berfluktuasi. Parameter pada pengendalian persediaan meliputi banyaknya kebutuhan setiap kali pemesanan, reorder point dan safety stock. Berdasarkan hasil penghitungan dengan kebijakan perusahaan PT SumberAlam didapatkan total biaya persediaan adalah pertahun. Dari hasil penghitungan didapatkan bahwa metode pengendalian persediaan Continuous Review System  memiliki total biaya persediaan yang minimum yaitu per tahun dengan jumlah pemesanan optimal (q)  adalah setiap kali pesan dan pemesanan kembali (????) adalah dengan jumlah safety stock . Kata Kunci : Jumlah pemesanan, reorder point, safety stock, biaya persediaan.
PENYELESAIAN PERMAINAN SUDOKU MENGGUNAKAN ALGORITMA BACKTRACKING Rismana, Fachrizal Iman; Kusumastuti, Nilamsari; Fran, Fransiskus
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.v13i5.85803

Abstract

Permainan sudoku merupakan permainan yang mengasah otak dan termasuk ke dalam teka-teki yang menggunakan konsep matematika. Sudoku merupakan permainan yang memiliki kotak sebanyak . Secara khusus pada artikel ini dianalisis untuk . Tujuan dari permainan sudoku adalah mengisikan angka 1,2,3,4,5,6,7,8 dan 9 ke dalam kotak-kotak dengan aturan, tidak ada angka yang sama pada baris, kolom dan blok. Suatu sudoku dengan kotak terdiri dari baris,  kolom dan blok dengan . Penelitian ini bertujuan untuk menyelesaikan permainan sudoku dengan menggunakan algoritma backtracking. Pencarian penyelesaian dimulai dari menentukan kotak-kotak yang belum terisi angka pada setiap bloknya, selanjutnya mencari solusi setiap kotak pada blok dari kemungkinan - kemungkinan angka yang muncul pada setiap kotak yang belum terisi, jika terjadi kotak tanpa solusi maka dilakukan pencarian kembali ke kotak sebelumnya yang memiliki solusi. Kemudian kotak yang telah terisi tersebut akan membangkitkan kotak dengan kemungkinan angka selanjutnya. Dalam penelitian ini diberikan 32 kotak yang telah terisi angka pada sebuah sudoku dengan ukuran  dan tersisa 49 kotak yang belum terisi angka untuk diselesaikan dengan menggunakan algoritma backtracking dan menghasilkan 42 iterasi untuk mengisi keseluruhan kotak pada sudoku. Kata Kunci : blok, kotak, solusi

Page 73 of 77 | Total Record : 770

 71   72   73   74   75 

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 Vol 12, No 3 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya (dalam proses) Vol 12, No 2 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 1 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 5 (2022): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 4 (2022): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 3 (2022): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 2 (2022): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 1 (2022): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 4 (2021): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 3 (2021): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 2 (2021): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 1 (2021): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 4 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 3 (2020): BIMASTER Vol 9, No 3 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 2 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 2 (2020): BIMASTER Vol 9, No 1 (2020): BIMASTER 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 : 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 : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 3 (2018): BIMASTER Vol 7, No 2 (2018): BIMASTER Vol 7, No 2 (2018): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 1 (2018): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 1 (2018): BIMASTER Vol 6, No 03 (2017): Bimaster : 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