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
 72   73   74   75   76 
PERAMALAN CURAH HUJAN DI KOTA PONTIANAK MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE NEURAL NETWORK (VAR-NN) Istighfarani, Ridha; Martha, Shantika; Andani, Wirda
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.v13i3.77470

Abstract

Fenomena cuaca ekstrim di Indonesia cenderung meningkat akibat dampak perubahan iklim. Perubahan iklim mengakibatkan perubahan cuaca, sehingga diperlukan cara untuk meramalkan agar mempermudah masyarakat untuk mengetahui informasi tentang terjadi atau tidaknya hujan. Penelitian ini menggunakan metode Vector Autoregressive Neural Network (VAR-NN) yang bertujuan meramalkan curah hujan di Kota Pontianak berdasarkan data bulanan dari Januari 2019 hingga Desember 2022 yang diperoleh dari Stasiun Meteorologi Maritim Pontianak. Vector Autoregressive (VAR) adalah metode deret waktu multivariat yang variabelnya tidak perlu dipisahkan menjadi variabel endogen atau eksogen. Dalam kasus curah hujan biasanya juga mengandung pola nonlinier, sehingga diperlukan pemodelan nonlinier untuk mengantisipasi masalah tersebut. Adapun metode peramalan yang bersifat nonlinier salah satunya adalah Neural Network (NN). NN memiliki kemampuan dalam menganalisis berbagai jenis data. Hasil analisis menunjukkan bahwa VAR-NN (5) dengan jumlah lapisan (4-2-1) menghasilkan peramalan curah hujan selama 12 bulan ke depan termasuk dalam kategori rendah. Berdasarkan perhitungan MAPE bahwa hasil peramalan termasuk dalam kategori cukup baik dengan nilai MAPE sebesar 45,080%. Hal ini disebabkan karena nilai varians dari curah hujan yang besar, sehingga nilai MAPE yang dihasilkan besar pula. Kata Kunci: curah hujan, VAR, NN.
PENERAPAN PARTICLE SWARM OPTIMIZATION DALAM PENYUSUNAN JADWAL MATA KULIAH DI PRODI MATEMATIKA UNIVERSITAS TANJUNGPURA Suprianto, Okto; Kiftiah, Mariatul; 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.v13i5.81855

Abstract

Particle Swarm Optimization (PSO) adalah sebuah teknik optimisasi yang mengadopsi algoritma swarm intelligence, dimana sekelompok partikel yang mewakili solusi-solusi potensial bergerak dalam ruang pencarian solusi dengan cara berinteraksi satu sama lain. Setiap partikel memiliki posisi dan kecepatan yang diubah secara iteratif berdasarkan pengalaman lokal dan global, sehingga partikel-partikel tersebut akan saling menarik dan menjauh dari satu sama lain untuk mencari solusi terbaik. PSO banyak dipakai pada bermacam bidang, satu diantaranya yakni adalah penjadwalan mata kuliah. Pembuatan susunan jadwal mata perkuliahan pada Program Studi Matematika di UNTAN merupakan sebuah permasalahan optimisasi yang kompleks, karena harus memperhatikan banyak faktor kendala diantaranya kapasitas ruang, durasi perkuliahan, sesi perkuliahan, kondisi dosen, tingkat semester mahasiswa, serta kepentingan akademik pada jurusan. Tujuan penerapan PSO ini untuk memperoleh jadwal mata kuliah yang lebih optimal dan efisien, dimana memenuhi semua kendala yang telah ditetapkan.  Kata Kunci:   kendala, jadwal, velocity
PREDIKSI IMBAL HASIL DAN HARGA SAHAM MENGGUNAKAN GEOMETRIC DAN GEOMETRIC FRACTIONAL BROWNIAN MOTION DENGAN VOLATILITAS Samsir, Rusni; Pratiwi, Yuyun Eka; Rahmawati, Asri; Rochmah, Onelia
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.v13i6.89745

Abstract

Pemodelan pasar keuangan, khususnya pasar saham, menjadikan model Geometric Brownian Motion (GBM) sebagai elemen penting dalam membangun model statistik. Penelitian ini menawarkan metode untuk meramalkan harga penutupan masa depan perusahaan berukuran kecil dengan menggunakan Geometric Brownian Motion dengan volatilitas stokastik. Model Geometric Fractional Brownian Motion (GFBM) digunakan untuk memodelkan jalur harga aset dengan mengintegrasikan parameter Hurst. Studi ini menganalisis akurasi model GBM dengan volatilitas stokastik dan model GFBM dalam memprediksi harga saham dan imbal hasil berdasarkan simulasi harga saham PGAS. Hasil menunjukkan bahwa model GBM dengan model volatilitas stokastik kanonik (SV-AR(1)) lebih akurat dibandingkan model GFBM untuk mensimulasikan imbal hasil dan jalur harga masa depan pada data yang diberikan. Kata Kunci : Model Stokastik, Volatilitas, Regresi, Geometric Brownian Motion
PEMODELAN PERTUMBUHAN PENDUDUK DI KOTA PONTIANAK DENGAN MENGGUNAKAN MODEL EKSPONENSIAL DAN MODEL LOGISTIK Maria, Anggreni Hildaria; Helmi, Helmi; Huda, Nur’ainul Miftahul
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.v13i6.87474

Abstract

Pertumbuhan penduduk merupakan fenomena kompleks yang memerlukan pemodelan yang akurat untuk meramalkan perkembangan masa depan. Penelitian ini mengusulkan pemodelan pertumbuhan penduduk Kota Pontianak menggunakan dua pendekatan utama: Model Pertumbuhan Eksponensial dan Model Pertumbuhan Logistik. Pentingnya penelitian ini terletak pada kemampuannya memberikan pandangan yang lebih luas terkait pertumbuhan penduduk di Kota Pontianak, yang dapat digunakan sebagai dasar untuk perencanaan pembangunan dan kebijakan populasi di masa depan. Dengan membandingkan model eksponensial dan model logistik, penelitian inibertujuan meningkatkan validitas hasil prediksi dan memberikan kontribusi signifikan terhadap pemahaman terhadap perubahan jumlahpenduduk di Kota Pontianak. Data ini digunakan untuk meramalkan jumlah  penduduk pada tahun 2031. Hasil penelitian menunjukkan bahwa terdapat daya tampung untuk model pertumbuhan logistik sebesar 790.474 jiwa. Untuk menemukan nilai jumlah penduduk yang paling dekat dengan nilai sebenarnya, dengan melihat nilai MAPE terkecil dari masing-masing model. Sehingga berdasarkan model Logistik ke-VI dan model Eksponensial ke-VI tersebut penulis mencari jumlah penduduk pada tahun 2031 yang menghasilkan 728.297 jiwa pada Model Pertumbuhan Logistik dan 809.191 jiwa pada Model Pertumbuhan Eksponensial.  Kata Kunci : Daya Tampung, Model Pertumbuhan Eksponensial, Model Pertumbuhan Logistik
PEMODELAN PERTUMBUHAN POPULASI KOTA SINGKAWANG Salsabila, Salsabila; Prihandono, Bayu; Pasaribu, Meliana
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.v13i6.88410

Abstract

Pada tahun 2020, Kota Singkawang menjadi kabupaten/kota terpadat kedua se-Provinsi Kalimantan Barat menyusul Kota Pontianak pada urutan pertama. Populasi Kota Singkawang meningkat mencapai 13,23% dari jumlah populasi tahun 2005. Angka tersebut merupakan angka tertinggi dari periode-periode sebelumnya. Untuk mengurangi konsekuensi buruk dari populasi yang meningkat terlalu drastis adalah dengan membuat proyeksi pertumbuhan populasi tersebut. Tujuan penelitian ini adalah mencari model yang sesuai dengan pertumbuhan populasi Kota Singkawang dengan menggunakan pemodelan pertumbuhan populasi model eksponensial, hiperbolik, dan logistik. Kemudian dicari doubling time yang berfungsi untuk mengalokasikan sumber daya, merencanakan pengembangan infrastruktur, dan menerapkan kebijakan efektif untuk memastikan pembangunan yang berkelanjutan. Pada penelitian ini, data yang digunakan dari Badan Pusat Statistik Provinsi Kalimantan Barat, mencakup populasi Kota Singkawang dari tahun 2011-2023. Ketiga model diterapkan untuk menghitung jumlah populasi yang diproyeksikan, dan kinerja masing-masing model dievaluasi berdasarkan nilai Mean Absolute Percentage Error (MAPE). Hasil penelitian menunjukkan bahwa model yang sesuai dengan pertumbuhan populasi Kota Singkawang adalah model hiperbolik karena memiliki nilai galat lebih kecil daripada model populasi eksponensial dan logistik dengan nilai MAPE 0,57008%. Selanjutnya, perhitungan doubling time menunjukkan bahwa populasi Kota Singkawang akan mengalami penggandaan jumlah dari tahun 2011 dalam waktu 32 tahun 8 bulan 1 hari dengan model eksponensial, dalam waktu 26 tahun 8 bulan 12 hari dengan model hiperbolik, dan dalam waktu 36 tahun 3 bulan 7 hari dengan model logistik.
IMPLEMENTASI FUZZY SIMPLE ADDITIVE WEIGHTING UNTUK SELEKSI MAHASISWA PENERIMA BEASISWA KARTU INDONESIA PINTAR KULIAH Qadri, Dalila Al; Kusumastuti, Nilamsari; Prihandono, Bayu
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.v13i6.87475

Abstract

Kartu Indonesia Pintar (KIP) Kuliah merupakan sebuah program beasiswa oleh pemerintah untuk mahasiswa dari keluarga kurang mampu namun memiliki potensi akademik. Penyaluran beasiswa KIP Kuliah diberikan melalui proses seleksi yang didasarkan pada kriteria yang telah ditetapkan. Jumlah alokasi beasiswa yang diberikan setiap tahunnya terbatas dan tidak sebanding dengan jumlah pendaftar. Agar penyaluran beasiswa tepat sasaran, seleksi harus dilakukan secara adil dan objektif berdasarkan kriteria yang ada. Metode Fuzzy Simple Additive Weighting (Fuzzy SAW) adalah metode pengambilan keputusan multi-kriteria yang merupakan modifikasi dari metode SAW yang mengintegrasikan konsep logika fuzzy dalam proses perhitungannya. Proses pengambilan keputusan dalam metode ini meliputi penentuan kriteria dan bobotnya, penilaian rating kecocokan menggunakan derajat keanggotaan fuzzy untuk setiap alternatif terhadap setiap kriteria, pembentukan matriks keputusan, normalisasi matriks, dan perhitungan nilai preferensi untuk setiap alternatif yaitu nilai yang mencerminkan sejauh mana setiap alternatif memenuhi kriteria yang telah ditentukan. Penelitian ini bertujuan untuk menerapkan metode fuzzy SAW dalam melakukan perangkingan pendaftar beasiswa KIP Kuliah yang memenuhi kriteria. Dari perhitungan yang dilakukan, dihasilkan pemeringkatan mahasiswa berdasarkan urutan nilai preferensinya. Mahasiswa dengan peringkat tertinggi diperoleh dengan nilai preferensi , dilanjutkan dengan nilai preferensi , dan seterusnya. Pemeringkatan ini menyatakan bahwa mahasiswa dengan peringkat lebih tinggi memiliki prioritas untuk mendapatkan beasiswa. Hasil penelitian ini menunjukkan bahwa metode fuzzy SAW efektif dalam menghasilkan pemeringkatan yang objektif dalam seleksi penerima beasiswa KIP Kuliah dan dapat memberikan landasan untuk pengembangan metode evaluasi yang lebih baik dalam pengambilan keputusan multi-kriteria. Kata Kunci : beasiswa, pengambilan keputusan, multi-kriteria, fuzzy SAW
PENERAPAN LOWEST ALLOCATION METHOD (LAM) DALAM PENENTUAN SOLUSI LAYAK AWAL PADA MASALAH TRANSPORTASI Andriani, Rika Fitri; Noviani, Evi; Pasaribu, Meliana
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.v13i6.88810

Abstract

Masalah transportasi muncul ketika perusahaan atau industri mencoba menentukan cara terbaik untuk mengirimkan produk dan barang dari berbagai sumber ke berbagai tujuan. Perusahaan atau industri memerlukan perencanaan distribusi yang efisien untuk mengurangi biaya dan menghitung biaya pengiriman minimum. Lowest Allocation Method (LAM) adalah metode untuk menentukan solusi layak awal dengan mengalokasikan barang ke sel biaya terendah pada persediaan atau permintaan terkecil. Penelitian ini bertujuan untuk menemukan solusi layak awal masalah transportasi dengan LAM pada kasus seimbang maupun tidak seimbang. Masalah transportasi tersebut dimodelkan dan dicari penyelesaiannya menggunakan LAM. Dari hasil penelitian, alokasi solusi layak awal pada kasus distribusi tahu Pabrik XYZ yaitu Pabrik Ujung Berung 1 mendistribusikan ke Pasar Ujung Berung, Pasar Cimahi, dan Pasar Cicadas 1 berturut-turut 5, 65, dan 20 pallet, Pabrik Ujung Berung 2 mendistribusikan ke Pasar Cicadas 1 dan Pasar Cicadas 2 berturut-turut 45 dan 75 pallet, dan Pabrik Ujung Berung 3 mendistribusikan ke Pasar Ujung Berung sebanyak 60 pallet dengan total biaya pendistribusian sebesar Rp558.500. Sedangkan, pada kasus distribusi komponen mesin kelapa sawit CV. Adi Jaya Teknik yaitu Vendor 1 mendistribusikan ke Pekanbaru sebanyak 8.000 kg, Vendor 2 mendistribusikan ke Pekanbaru, Jambi, dan Palembang berturut-turut 1.000, 4.000, dan 10.000 kg, Vendor 3 mendistribusikan ke Pekanbaru, Padang dan Dummy berturut-turut 8.000, 2.000, dan 2.000 kg, Vendor 4 mendistribusikan ke Jambi sebanyak 8000 kg, dan Vendor 5 dialokasikan ke Padang sebanyak 8.000 kg dengan total biaya pendistribusian sebesar Rp60.200.000. Kata Kunci: Pendistribusian, Biaya Pengiriman, Sel Biaya Terendah
REGRESI LOGISTIK ORDINAL DENGAN PROPORTIONAL ODDS MODEL PADA KELENGKAPAN IMUNISASI DASAR BALITA KALIMANTAN BARAT Rahmawati, Fenti Nurdiana; Satyahadewi, Neva; Martha, Shantika; Kusnandar, Dadan
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.v13i6.87661

Abstract

Kalimantan Barat menduduki posisi tujuh terendah pada persentase imunisasi dasar lengkap tahun 2022. Regresi logistik ordinal dapat digunakan untuk menentukan faktor yang memengaruhi kelengkapan imunisasi. Salah satu model yang umum digunakan dalam regresi logistik ordinal adalah proportional odds model. Data yang digunakan merupakan data sekunder yang berasal dari Badan Pusat Statistik (BPS) yakni data Survei Sosial-Ekonomi Nasional (Susenas) 2022. Sampel penelitian sebanyak 277 memiliki kriteria anak balita usia 12-59 bulan yang melakukan imunisasi dan tidak imunisasi di Provinsi Kalimantan Barat. Variabel dependen yang digunakan yaitu kelengkapan imunisasi, sedangkan variabel independennya yaitu daerah administratif (X1), kepemilikan buku Kesehatan Ibu dan Anak (KIA)/Kartu Menuju Sehat (KMS) (X2), dan klasifikasi wilayah (X3). Tujuan penelitian ini adalah menganalisis hasil regresi logistik ordinal dengan proportional odds model dan menentukan variabel independen yang secara signifikan berpengaruh terhadap kelengkapan imunisasi dasar anak balita di Provinsi Kalimantan Barat. Proses analisis diawali dengan melakukan uji multikolinearitas dengan kriteria Variance Inflation Factor (VIF) ≤ 10. Setelah variabel independen terbebas dari multikolinearitas, dilakukan estimasi parameter, pembentukan model regresi, uji simultan dengan uji rasio likelihood, uji parsial dengan uji Wald, pengujian koefisien determinasi dengan pseudo R-square Nagelkerke, uji asumsi parallel lines, uji kecocokan model, perhitungan nilai odds ratio, diikuti interpretasi. Berdasarkan hasil analisis, diperoleh kesimpulan bahwa pseudo R-square Nagelkerke menunjukkan kemampuan variabel independen menjelaskan variabel dependen sebesar 15,5%, sedangkan 84,5% faktor lain di luar model.  Berdasarkan model yang dihasilkan diketahui bahwa variabel X2 dan X3 signifikan berpengaruh terhadap kelengkapan imunisasi, sedangkan variabel X1 tidak berpengaruh signifikan terhadap kelengkapan imunisasi. Kata Kunci : susenas, parallel lines, pseudo r-square nagelkerke.
OPTIMASI PERENCANAAN PRODUKSI DAN PENGENDALIAN PERSEDIAAN DENGAN MENGGUNAKAN METODE PROGRAM DINAMIK (Studi Kasus: Produksi Keripik Pisang UMKM Petty Crab) Rani, Rani; Prihandono, Bayu; Kusumastuti, Nilamsari
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.v13i6.88816

Abstract

Usaha Mikro Kecil Menengah (UMKM) merupakan bagian terpenting dalam kemajuan perekonomian Indonesia. Petty Crab merupakan UMKM yang didirikan oleh Ibu Patimah pada tahun 2011 di Kota Pontianak. UMKM ini memproduksi berbagai macam jenis produk yaitu keripik pisang, keripik keladi, dan bubur pedas instan. Dalam pelaksanaan produksi UMKM ini harus dapat memenuhi permintaan di masa yang akan datang, namun di sisi lain sering terjadi kelebihan produksi yang menyebabkan meningkatnya total biaya produksi sehingga keuntungan yang diperoleh tidak optimal. Penelitian ini berfokus pada satu jenis produk yaitu keripik pisang. Tujuan dari penelitian ini adalah untuk mengetahui bagaimana produksi keripik pisang dapat dioptimalkan menggunakan metode program dinamik dengan pendekatan rekursif maju. Untuk meramalkan jumlah permintaan  keripik pisang yang harus diproduksi di periode  mendatang digunakan data permintaan periode sebelumnya dengan metode kuadrat terkecil, selanjutnya untuk menghitung biaya produksi minimum dan keuntungan yang sesuai dengan hasil perencanaan digunakan metode program dinamik. Dari hasil peramalan data produksi keripik pisang bulan Januari-Desember 2024 berdasarkan data permintaan bulan Januari-Desember 2023 menggunakan metode kuadrat terkecil didapat model untuk periode mendatang adalah  525  29 . Sehingga jumlah produksi keripik pisang untuk 12 periode mendatang Januari-Desember 2024 adalah 911, 967, 1.028, 1.087, 1.145, 1.204, 1.263, 1.321, 1.380, 1.438, 1.497, 1.556 bungkus. Serta jumlah persediaan untuk Januari-November 2024 selalu sama yaitu sebanyak 240 bungkus dan untuk persediaan di bulan terakhir yaitu Desember 2024 sebanyak 0 bungkus. Perencanaan produksi dengan program dinamik untuk meminimalkan total biaya menghasilkan biaya produksi sebesar Rp 479.052.875 pertahun. Kata Kunci : Persediaan, Program Dinamik, Kuadrat Terkecil.
RUANG HILBERT l^2 (R) Hawa, Yulika Nur; Kiftiah, Mariatul; Prihandono, Bayu
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.v13i6.88090

Abstract

Ruang pre-Hilbert ialah ruang vektor yang dilengkapi hasilkali dalam, atau dapat disebut juga dengan ruang hasilkali dalam. Ruang pre-Hilbert dianggap lengkap apabila setiap barisan Cauchy yang berada di dalamnya konvergen dan disebut sebagai ruang Hilbert. Ruang barisan  adalah ruang vektor dimana setiap elemennya merupakan sebuah barisan bilangan real , sedemikian sehingga jumlahan kuadrat dari setiap elemen dalam barisan tersebut konvergen atau dapat dituliskan yaitu . Ruang barisan  dilengkapi dengan hasilkali dalam  membentuk ruang pre-Hilbert , dan ruang pre-Hilbert  juga termasuk ruang bernorma terhadap norma . Penelitian ini membahas mengenai ruang barisan , dengan ditunjukkan bahwa ruang barisan  adalah ruang Hilbert. Terdapat sifat kelengkapan yang harus ditunjukkan bahwa setiap barisan Cauchy  dengan norma  di dalam ruang barisan  itu konvergen. Maka, terbukti bahwa ruang barisan  merupakan ruang Hilbert. Kata Kunci : ruang vektor, hasilkali dalam, norma, kelengkapan. 

Page 74 of 77 | Total Record : 770

 72   73   74   75   76 

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 : 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