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 820 Documents
 7   8   9   10   11 
PENGGUNAAN METODE FROZEN INITIAL LIABILITY PADA PERHITUNGAN PENDANAAN PENSIUN MANFAAT PASTI (Studi Kasus: Data Pegawai Negeri Sipil di Puskesmas Kecamatan Hulu Gurung Kabupaten Kapuas Hulu) Hendra Perdana, Zul Alfikri, Neva Satyahadewi,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 1 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (590.891 KB) | DOI: 10.26418/bbimst.v9i1.38033

Abstract

PNS memiliki peran penting dalam pembangunan nasional sehingga perlu diberikan perlindungan serta  peningkatan kesejahteraan PNS untuk dapat meningkatkan produktivitas kerjanya. Usaha peningkatan kesejahteraan PNS dan keluarganya dilakukan melalui penyelenggaraan program pensiun. Penelitian ini membahas program pensiun manfaat pasti, yang manfaat pensiunnya ditentukan di awal berdasarkan peraturan dana pensiun. Setelah diketahui besar manfaat pensiun yang akan diberikan kepada pegawai, harus dianalisis nilai iuran normal dan kewajiban aktuaria. Keduanya dapat dianalisis dengan menggunakan metode perhitungan aktuaria, yaitu metode Frozen Initial Liability (FIL). Data yang digunakan dalam penelitian ini adalah data PNS yang bekerja di Puskesmas Kecamatan Hulu Gurung, Kabupaten Kapuas Hulu. Penelitian ini bertujuan untuk menganalisis nilai iuran normal dan kewajiban aktuaria pada PNS menggunakan metode FIL. Hasil analisis perhitungan menunjukkan bahwa pada kurun waktu 0-20 tahun, iuran normal yang harus dibayarkan oleh setiap anggota kelompok program pensiun yang memiliki 31 anggota dengan nilai suku bunga tahunan 6% adalah sebesar Rp 275.832,00 setiap bulan. Nilai kewajiban aktuaria yang harus dicadangkan oleh perusahaan dana pensiun untuk semua anggota pada kurun waktu 0 tahun yaitu sebesar Rp 21.454.598,00. Secara keseluruhan kurun waktu, didapatkan bahwa nilai iuran normal yang dihitung dengan menggunakan metode FIL untuk setiap waktu ialah bersifat konstan namun iuran normal akan mengalami penurunan apabila terdapat anggota kelompok yang memasuki usia pensiun normal (y = 56 tahun). Nilai kewajiban aktuaria akan terus meningkat setiap tahunnya meskipun terdapat anggota yang keluar dari kelompok program pensiun, namun pada saat tertentu terdapat penurunan nilai kewajiban aktuaria. Kata kunci: PNS, pensiun, manfaat pasti, iuran normal, kewajiban aktuaria, FIL
KEKONVERGENAN BARISAN PADA RUANG METRIK MODULAR Desi Indriyani; Mariatul Kiftiah; Helmi Helmi
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 4 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (415.865 KB) | DOI: 10.26418/bbimst.v8i4.35884

Abstract

Penelitian ini bertujuan untuk mengkaji konsep ruang metrik, ruang modular dan ruang metrik modular. Ruang metrik adalah pasangan (X,d)   dengan X  merupakan himpunan tak kosong dan d adalah suatu metrik di X  . Konsep ruang metrik dikembangkan menjadi ruang metrik yang dibangun oleh modular disebut dengan ruang metrik modular. Modular yang dinotasikan dengan p   adalah suatu fungsi yang memenuhi aksioma-aksioma tertentu pada ruang linear. Suatu himpunan yang merupakan subruang linear dengan p(lamdaf) berhingga untuk f adalah anggota ruang linear dan lamda>0 disebut sebagai ruang modular yang dinotasikan dengan Yp  . Ruang metrik modular adalah pasangan (Xw,dw) dengan Xw   merupakan himpunan metrik modular omega   dan  dw adalah metrik di Xw. Selain mengkaji konsep ketiga ruang, penelitian ini juga membahas kekonvergenan barisan pada masing-masing ruang. Pada ruang modular, suatu barisan  dikatakan konvergen ke x  jika p(xn-x)<epsilon  . Pada ruang metrik, suatu barisan  dikatakan konvergen ke x   jika d(xn,x)<epsilon  . Sedangkan di ruang metrik modular, barisan  dikatakan konvergen ke x jika w(xn,x)<=epsilon.
VISUALISASI VARIASI MOTIF SONGKET SAMBAS MENGGUNAKAN METODE L-SYSTEM DAN HIMPUNAN JULIA Nurul Faseha; Helmi Helmi; Mariatul Kiftiah
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 4 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1173.842 KB) | DOI: 10.26418/bbimst.v8i4.36748

Abstract

Songket Sambas merupakan salah satu seni budaya Indonesia yang menjadi ciri masyarakat Sambas. Songket Sambas memiliki motif yang menonjol yaitu motif pucuk rebung dihias dan ditaburi motif flora dan fauna. Pola simetris dan pengulangan bentuk pada motif songket dapat digambarkan secara fraktal. Fraktal adalah suatu bentuk geometris yang dapat dipisahkan ke dalam beberapa bagian, dimana masing-masing bagian itu merupakan versi kecil yang berulang. Motif fraktal dapat dibentuk dengan hitungan matematis dan divisualisasi menjadi gambar tertentu menggunakan metode L-System dan himpunan Julia. L-System dibangkitkan dengan segmen garis. Sedangkan himpunan Julia dibangkitkan dengan memanfaatkan bentuk rekursif dari suatu fungsi kuadrat yang melibatkan variabel dan parameter bilangan kompleks. Penelitian ini bertujuan untuk memperoleh motif fraktal songket Sambas tabur awan menggunakan metode L-System dan himpunan Julia. Hasil dari penelitian ini diperoleh bahwa songket Sambas tabur awan dapat dibentuk dari delapan motif untuk metode L-System dan satu motif himpunan Julia. Kata kunci: fraktal, songket, L-System, himpunan Julia
PENERAPAN SYNTHETIC MINORITY OVERSAMPLING TECHNIQUE DALAM MENGATASI DATA TIDAK SEIMBANG PADA METODE CLASSIFICATION AND REGRESSION TREE Naomi Nessyana Debataraja, Rizky Dwi Permatasari, Setyo Wira Rizki,
BIMASTER Vol 9, No 1 (2020): BIMASTER
Publisher : BIMASTER

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (248.489 KB)

Abstract

Metode Classification and Regression Trees (CART) merupakan teknik klasifikasi berbentuk pohon klasifikasi, yang menggambarkan hubungan antara variabel independen dan dependennya. Ketidakseimbangan data dapat menyebabkan rendahnya nilai sensitivitas dan nilai Area Under Curve (AUC). Salah satu metode yang dapat mengatasi data tidak seimbang adalah dengan melakukan Synthetic Minority Oversampling Technique (SMOTE). SMOTE merupakan teknik dengan penambahan data buatan pada kelas minoritas pada tahap sebelum menganalisis data. Tujuan  dari penelitian ini untuk membandingkan model tanpa dan dengan SMOTE pada metode CART. Adapun untuk langkah-langkah dalam melakukan SMOTE yaitu dengan menentukan nilai oversampling sebanyak data yang akan dibangkitkan pada data kelas minoritasnya. Sedangkan untuk membentuk pohon klasifikasi yaitu dengan cara pemilihan pemilah, penentuan simpul terminal, penandaan label kelas, dan penentuan pohon klasifikasi optimal. Data yang digunakan dalam penelitian ini adalah data sekunder hasil survey sosial ekonomi nasional (SUSENAS) tahun 2017 di Kabupaten Sambas dengan 494 sampel yang terdiri dari 8 variabel independen  dan satu variabel dependen. Hasil ketepatan klasifikasi penelitian ini, menunjukkan bahwa model dengan SMOTE menghasilkan nilai lebih akurat dibandingkan dengan model tanpa SMOTE. Hal ini dapat dilihat model dengan SMOTE menghasilkan nilai sensitivitas lebih tinggi yaitu 67,05% dari sebelumnya yaitu 36,36%, dan nilai AUC 94,35% lebih tinggi dari sebelum dilakukan SMOTE.  Kata kunci: Pohon Klasifikasi, Ketepatan Klasifikasi, data tidak seimbang, Oversampling
ESTIMASI MODEL PERSAMAAN SIMULTAN DENGAN METODE TWO STAGE LEAST SQUARE (2SLS) Misno Misno; Evy Sulistianingsih
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 4 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (400.748 KB) | DOI: 10.26418/bbimst.v8i4.35875

Abstract

Kemiskinan adalah keadaan dimana seorang individu atau sekelompok orang tidak mampu memenuhi kebutuhan dasarnya. Pengangguran merupakan keadaan seseorang yang tergolong dalam angkatan kerja yang ingin mendapatkan pekerjaan, tetapi belum dapat mendapatkan pekerjaan tersebut. Penelitian ini bertujuan untuk mengkaji model persamaan simultan pada analisis kemiskinan dan pengangguran dengan metode 2SLS. Data yang digunakan merupakan data sekunder yang diperoleh dari Badan Pusat Statistik (BPS) tahun 2016. Model persamaan simultan merupakan himpunan persamaan yang terdiri lebih dari satu variabel tak bebas dan lebih dari satu persamaan yang saling terkait. Metode 2SLS merupakan perluasan dari metode OLS yang termasuk kedalam kelompok analisis persamaan struktural. Dari hasil pengujian terdapat hubungan antar variabel kemiskinan dan pengangguran. Hasil estimasi parameter pada model simultan persamaan kemiskinan menunjukkan bahwa variabel pengangguran dan IPM berpengaruh signifikan terhadap kemiskinan. Hasil estimasi parameter pada model simultan persamaan pengangguran menunjukkan bahwa kemiskinan dan jumlah penduduk berpengaruh signifikan terhadap pengangguran. Kata Kunci: Model Persamaan Simultan, Metode 2SLS, Kemiskinan, Pengangguran
ANALISIS CLUSTER DENGAN MENGGUNAKAN METODE PARTISI PADA PENGGUNA ALAT KONTRASEPSI DI KALIMANTAN BARAT Musfiani Musfiani
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 4 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (497.146 KB) | DOI: 10.26418/bbimst.v8i4.36584

Abstract

Analisis cluster merupakan salah satu metode analisis multivariat yang bertujuan untuk mengelompokkan objek berdasarkan kemiripan dan ketidakmiripan karakteristiknya, sehingga objek yang terletak pada suatu cluster memiliki kesamaan yang tinggi antar anggota dalam satu cluster dan perbedaan yang tinggi antar cluster yang satu dengan yang lain. Metode partisi merupakan salah satu metode pengelompokan  non-hierarki yang pengelompokannya dibentuk untuk mengoptimalkan jarak objek dalam sebuah cluster. Penelitian ini bertujuan untuk mengelompokkan kabupaten/kota berdasarkan penggunaan alat kontrasepsi di Kalimantan Barat dengan menggunakan metode K-Means dan metode K-Medoids  serta menentukan metode terbaik dengan validasi Root Mean Square Standart Deviation (RMSSTD). Data yang digunakan dalam penelitian ini adalah data pengguna  alat kontrasepsi di Kalimantan Barat tahun 2017 dengan 5 variabel penelitian yaitu MOW, kondom, implant, suntik, dan pil. Hasil uji  validasi Root Mean Square Standart Deviation (RMSSTD) diperoleh metode terbaik terdapat pada metode K-Medoids dengan jumlah cluster optimalnya lima cluster. Hasil pengelompokan metode K-Medoids dengan lima cluster optimal, untuk  jumlah anggota cluster pertama terdapat 3 kabupaten, cluster ke dua terdapat 4 kabupaten, cluster ke tiga terdapat 3 kabupaten, cluster ke empat terdapat 2 kabupaten dan cluster ke lima terdapat 2 kabupaten.Kata Kunci: analisis cluster, partisi, RMSSTD, kontrasepsi
ESTIMASI PARAMETER MODEL GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION Fika Dian Lestari; Dadan Kusnandar; Naomi Nessyana Debataraja
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 1 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (629.46 KB) | DOI: 10.26418/bbimst.v9i1.38681

Abstract

Metode Geographically Weighted Logistic Regression (GWLR) merupakan pengembangan metode regresi logistik dengan mempertimbangkan faktor letak geografis. Faktor letak geografis ini digunakan sebagai pembobot dan menunjukkan sifat lokal pada model GWLR. Metode ini digunakan ketika data memiliki pengaruh heterokedastisitas spasial. Penaksiran parameter model GWLR menggunakan metode Maximum Likelihood Estimation (MLE). Sedangkan pengujian yang dilakukan untuk mengetahui variabel yang signifikan adalah dengan metode uji Wald. Tujuan penelitian ini adalah untuk mengetahui proses estimasi parameter dalam model GWLR dengan pembobot yang digunakan merupakan fungsi kernel. Hasil penelitian menunjukkan model GWLR untuk jumlah variabel lebih dari dua adalah . Kata Kunci: Regresi logistik, pembobot, faktor letak geografis.
BILANGAN TERHUBUNG TITIK PELANGI PADA GRAF KUADRATIK DAN GRAF GARIS DARI GRAF KEMBANG API Brella Glysentia Vilgalita; Yundari Yundari; Fransiskus Fran
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 2 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (526.589 KB) | DOI: 10.26418/bbimst.v9i2.40221

Abstract

Pewarnaan titik pada graf  dikatakan terhubung titik pelangi, jika untuk setiap dua titik  dan  di  terdapat lintasan  dengan semua titik internal memiliki warna berbeda. Bilangan terhubung titik pelangi  dinotasikan dengan , adalah minimal banyaknya warna yang dibutuhkan untuk membuat  terhubung titik pelangi. Pada penelitian ini dibahas tentang bilangan terhubung titik pelangi pada graf kuadratik dari graf kembang api  dan graf garis dari graf kembang api  dengan . Graf kembang api  merupakan graf yang dibentuk dari graf lintasan dan graf bintang dengan  dan . Berdasarkan hasil penelitian diperoleh bilangan terhubung titik pelangi pada graf kuadratik dari graf kembang api adalah  dan graf garis dari graf kembang api adalah . Kata Kunci: pewarnaan titik pelangi, terhubung titik pelangi, titik internal.
PERAMALAN PRODUKSI KELAPA SAWIT DENGAN METODE WINTER’S EXPONENTIAL SMOOTHING DAN PEGELS EXPONENTIAL SMOOTHING Mutiara Nurisma Rahmadhani; Evy Sulistianingsih; Hendra Perdana
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 2 (2018): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (692.815 KB) | DOI: 10.26418/bbimst.v7i2.24833

Abstract

Analisis data time series menggunakan metode Winter’s Exponential Smoothing dan Pegels Exponential Smoothing merupakan analisis data yang dipengaruhi pola data yaitu musiman Multiplikatif. Data yang digunakan dalam penelitian ini adalah data produksi kelapa sawit PT. Rezeki Kencana Kecamatan Teluk Pakedai Kabupaten Kubu Raya periode Januari 2012 sampai Desember 2015. Penelitian ini bertujuan untuk meramalkan produksi kelapa sawit untuk tahun berikutnya yaitu tahun 2016. Hasil analisis menunjukkan metode Pegels Exponential Smoothing musiman Multiplikatif menghasilkan ramalan yang lebih baik daripada metode Winter’s Exponential Smoothing model Multiplikatif dengan nilai Mean Absolute Percent Error (MAPE) yaitu sebesar 15,46%. Metode Pegels Exponential Smoothing musiman Multiplikatif dapat meramalkan produksi kelapa sawit pada tahun berikutnya. Kata Kunci : Pegels Exponential Smoothing, Time Series, Peramalan
PENERAPAN METODE CHERNOFF FACES PADA KINERJA DOSEN JURUSAN MATEMATIKA FMIPA UNTAN Nurfitri Imro’ah, Rohani, Shantika Martha,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 4 (2019): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (443.758 KB) | DOI: 10.26418/bbimst.v8i4.36365

Abstract

Metode Chernoff  Faces adalah suatu teknik visualisasi berupa metode grafik yang merepresentasikan data multivariat dalam bentuk wajah kartun. Metode  ini menampilkan data multivariat dalam bentuk wajah manusia dengan posisi mata, hidung, telinga, dan mulut yang menunjukkan nilai dari variabel dengan bentuk, ukuran, peletakkan dan arah yang berbeda. Penelitian ini bertujuan untuk menggambarkan kinerja dosen jurusan Matematika FMIPA UNTAN menggunakan metode Chernoff Faces. Data kinerja dosen diambil dari penyebaran 98 kuisioner dengan 9 variabel kepada mahasiswa jurusan Matematika FMIPA UNTAN. Hasil Penelitian ini menyimpulkan bahwa kinerja dosen jurusan Matematika di FMIPA UNTAN secara keseluruhan sudah baik. Kata Kunci : Chernoff Faces, kinerja dosen, data multivariat

Page 9 of 82 | Total Record : 820

 7   8   9   10   11 

Filter by Year

2012 2025


Reset
Filter By Issues
All Issue Vol 14, No 5 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 4 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 3 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 2 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 1 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 6 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 5 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 4 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 3 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 2 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 1 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 6 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 5 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 4 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 3 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya 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 : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 1 (2020): BIMASTER Vol 8, No 4 (2019): BIMASTER Vol 8, No 4 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 3 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 3 (2019): BIMASTER 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 : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 4 (2018): BIMASTER 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 Vol 6, No 03 (2017): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 6, No 02 (2017): BIMASTER Vol 6, No 02 (2017): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 6, No 01 (2017): BIMASTER Vol 6, No 01 (2017): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 5, No 03 (2016): BIMASTER Vol 5, No 02 (2016): BIMASTER Vol 5, No 01 (2016): BIMASTER Vol 4, No 03 (2015): BIMASTER Vol 4, No 01 (2015): BIMASTER Vol 4, No 2 (2015): BIMASTER Vol 3, No 03 (2014): BIMASTER Vol 3, No 02 (2014): BIMASTER Vol 3, No 01 (2014): Bimaster Vol 2, No 03 (2013) Vol 2, No 02 (2013): Bimaster Vol 2, No 1 (2013): BIMASTER Vol 1, No 01 (2012): BIMASTER More Issue