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 15 Documents
 1   2 
Search results for , issue "Vol 12, No 1 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya" : 15 Documents clear
ANALISIS SISTEM ANTRIAN PEMBAYARAN PAJAK KENDARAAN BERMOTOR DI KANTOR SAMSAT KOTA PONTIANAK Nurhalita Nurhalita; Neva Satyahadewi; Siti Aprizkiyandari
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 1 (2023): 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.v12i1.61978

Abstract

SAMSAT Kota Pontianak dalam pembayaran pajak menggunakan sistem antrian. Kendaraan yang datang mengalami antrian yang panjang bagi setiap pembayar pajak. Tujuan penelitian ini menganalisis model antrian sesuai pembayaran pajak kendaraan bermotor di SAMSAT kota Pontianak dengan metode Single Channel Multiple Phase. Tahap penelitian yaitu pengambilan data, analisis data meliputi uji distribusi, menentukan model antrian, perhitungan kinerja antrian serta penarikan kesimpulan. Hasil penelitian antrian fase pertama, fase kedua, fase ketiga yaitu model antrian (M/G/1):(FIFO/ . (M/G/1:FIFO/ ) yaitu banyaknya kedatangan mengikuti distribusi Poisson, waktu pelayanan berdistribusi Eksponensial, terdapat disiplin pelayanan FIFO, satu fasilitas pelayanan,  ukuran sumber input dan kapasitas antrian tak terbatas. Pelanggan yang datang lebih awal mendapatkan pelayanan lebih awal pengertian FIFO. Hasil perhitungan fase pertama yaitu ukuran steady state (ρ) nilai tertinggi 24,553 dan nilai terendah 19,521. Waktu tunggu dalam antrian (Wq ) nilai tertinggi 2,662 dan nilai terendah 2,395. Waktu tunggu dalam sistem (Ws ) nilai tertinggi 7,623 dan nilai terendah 6,854. Hasil perhitungan fase kedua ρ nilai tertinggi 24, 553 dan nilai terendah 19,521.  nilai tertinggi 2,745 dan nilai terendah 2,420.  nilai tertinggi 7,705 dan nilai terendah 6,837. Hasil perhitungan pada fase ketiga ρ nilai tertinggi 24,553 dan nilai terendah 19,521.  nilai tertinggi 2,699 dan nilai terendah 2,409.  nilai tertinggi 7,659 dan nilai terendah 6,826. Berdasarkan ukuran kinerja sistem antrian dan hasil analisis semuanya disimpulkan bahwa sistem pembayaran pajak kendaraan bermotor kantor SAMSAT kota Pontianak sudah dikatakan secara teratur. Kata Kunci: Sistem Antrian, M/G/1, FIFO, Pembayaran Pajak Kendaraan Bermotor
PERAMALAN CURAH HUJAN DENGAN METODE FUZZY TIME SERIES MARKOV CHAIN Kurniawati Safitri; Dadan Kusnandar; Naomi Nessyana Debataraja
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 1 (2023): 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.v12i1.61980

Abstract

Fuzzy Time Series Markov Chain merupakan kombinasi antara metode Fuzzy Time Series dan Markov Chain. Kombinasi antara untuk kedua metode tersebut dapat digunakan untuk menentukan peluang terbesar, penentuan ini dengan menggunakan matriks peluang transisi. Tujuan penelitian ini untuk meramalkan curah hujan satu periode kedepan. Data penelitian yang digunakan merupakan data curah hujan bulanan Kota Pontianak bulan Januari 2017 – Maret 2022. Pada proses penelitian ini, penentuan banyaknya interval kelas menggunakan metode Sturges. Hasil analisis yang diperoleh curah hujan di Kota Pontianak bulan April 2022 sebesar 175,01 mm. Ukuran ketepatan hasil peramalan dengan menggunakan MAPE sebesar 31,56%. Hal ini menunjukkan bahwa peramalan dengan menggunakan metode Fuzzy Time Series Markov Chain cukup baik untuk meramalkan curah hujan di Kota Pontianak. Kata Kunci: Matriks Peluang Transisi, Sturges, Mean Absolute Percentage Error.
PREDIKSI HARGA SAHAM MENGGUNAKAN MODEL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE DENGAN INNOVATIONAL OUTLIER Theresia Resi Trydini; Helmi Helmi; Nur’ainul Miftahul Huda
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 1 (2023): 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.v12i1.61975

Abstract

Data harga saham merupakan salah satu data deret waktu yang dapat diprediksi dengan model Autoregressive Integrated Moving Average (ARIMA). Harga saham berfluktuasi setiap harinya karena dipengaruhi oleh berbagai faktor. Data yang berfluktuasi secara ekstrim seringkali menimbulkan outlier sehingga perlu dilakukan deteksi outlier untuk mendapat analisis yang lebih baik. Pada analisis ini dilakukan deteksi outlier dengan prosedur iteratif  pada model ARIMA. Data yang digunakan merupakan data harga saham PT. Aneka Tambang Tbk mulai dari 2 Januari 2020 hingga 6 Januari 2021. Tujuan dari analisis ini adalah melakukan pemodelan ARIMA dengan faktor outlier pada data harga saham serta memprediksi harga saham. Langkah awal proses analisis yaitu memodelkan ARIMA melalui data in-sample dan menentukan residual.  Selanjutnya dilakukan deteksi outlier berdasarkan residual dengan prosedur iteratif. Kemudian outlier yang terdeteksi ditambahkan pada model ARIMA. Prosedur iteratif akan berhenti ketika |λT| < C  yang artinya tidak ada lagi outlier yang terdeteksi, dengan λT sebagai parameter deteksi outlier dan C adalah konstanta. Hasil dari analisis ini adalah model ARIMA (1,1,0) dengan penambahan 11 outlier tipe Innovational Outlier (IO). Berdasarkan analisis yang dilakukan dapat disimpulkan model ARIMA dengan penambahan 11 outlier adalah model peramalan terbaik dengan nilai AIC sebesar -4086,35 dan nilai MAPE sebesar 7,30%. Oleh karena itu, nilai harga saham PT Aneka Tambang Tbk untuk lima hari kedepan diprediksi menggunakan model ARIMA dengan IO. Kata Kunci : ARIMA, outlier, innovational outlier
PENERAPAN FUZZY TIME SERIES ALGORITMA NOVEL PADA HARGA TANDAN BUAH SEGAR KELAPA SAWIT Indah Noviyanti; Shantika Martha; Nurfitri Imro’ah
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 1 (2023): 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.v12i1.61976

Abstract

Seiring dengan perkembangan waktu metode dalam menganalisis data runtun waktu, menyebabkan banyak pilihan metode, salah satunya yaitu metode fuzzy time series. Metode fuzzy time series memiliki kelebihan yaitu tidak memerlukan uji stasioneritas seperti pada analisis time series umumnya. Proses prediksi dilakukan untuk melihat suatu peristiwa yang akan terjadi dimasa mendatang dalam pengambilan keputusan. Tujuan penelitian adalah untuk memprediksi harga pada Tandan Buah Segar (TBS) kelapa sawit di Kalimantan Barat dengan metode yang digunakan yaitu fuzzy time series Algoritma Novel. Pada penelitian ini data menggunakan data harga TBS kelapa sawit periode pertama persetiap bulannya di Kalimantan Barat, pada bulan Januari 2018 hingga Maret 2022. Tahapan penelitian ini pertama yang dilakukan yaitu menentukan himpunan semesta pembicaraan, pembentukan interval menggunakan average based length, pembentukan himpunan fuzzy dengan fungsi keanggotaan, pembentukan fuzzifikasi dan Fuzzy Logical Relationship (FLR) serta dilakukan Fuzzy Logical Relationship Group (FLRG), selanjutnya menghitung nilai peramalan dengan fuzzy time series Algoritma Novel. Hasil peramalan dengan metode fuzzy time series Algoritma Novel diperoleh hasil prediksi pada bulan April 2022 yaitu Rp. 3.695,00. Metode tersebut memiliki tingkat keakuratan peramalan Mean Absolute Percentage Error (MAPE) sebesar 2,32%. Nilai MAPE yang didapatkan menunjukkan hasil prediksi data harga TBS kelapa sawit di Kalimantan Barat menggunakan fuzzy time series Algoritma Novel termasuk sangat baik. Kata Kunci: Fungsi keanggotaan, average based length, MAPE
MODEL PREDIKSI DATA HARGA MINYAK MENTAH DUNIA DENGAN METODE EXPONENTIAL SMOOTHING Andreas Rony Wijaya
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 1 (2023): 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.v12i1.61977

Abstract

Harga Bahan Bakar Minyak (BBM) menjadi suatu faktor penting yang perlu dikontrol oleh pemerintah. Harga BBM ini dipengaruhi oleh beberapa faktor, salah satunya adalah harga minyak mentah dunia. Oleh karena fluktuatifnya harga minyak mentah dunia, perlu diperhatikan perkembangan harga minyak mentah di pasar global. Peramalan harga minyak mentah dunia juga perlu dilakukan untuk memperkirakan harga minyak mentah dunia di masa depan. Pada penelitian ini dilakukan peramalan harga minyak mentah dunia untuk tahun 2023. Data yang digunakan adalah data tahun 2020 sampai dengan 2022, sebanyak 700 observasi. Peramalan dilakukan dengan metode exponential smoothing dengan menggunakan nilai alpha yang paling optimal. Diperoleh nilai optimal alpha adalah sebesar 0.21. Metrik evaluasi model peramalan yang digunakan adalah MAD, RMSE, MAPE, MPE, dan MASE. Kelima metrik evaluasi model peramalan tersebut menghasilkan nilai yang kecil yang mengindikasikan bahwa model peramalan sesuai untuk meramalkan harga minyak mentah dunia. Hasil peramalan dengan metode exponential smoothing terhadap harga minyak mentah dunia menunjukkan bahwa harga minyak mentah dunia diperkirakan akan mengalami tren naik untuk 100 periode mendatang dengan nilai berkisar diantara 75 sampai dengan 90 USD / barrel. Kata Kunci : peramalan, harga minyak mentah, harga BBM, exponential smoothing
PERBANDINGAN AVERAGE BASED DAN STURGES PADA FUZZY TIME SERIES CHEN UNTUK PERAMALAN HARGA SAHAM Ahmad Zeidi; Dadan Kusnandar; Naomi Nessyana Debataraja
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 1 (2023): 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.v12i1.62556

Abstract

Fuzzy Time Series (FTS) merupakan teknik prediksi data untuk mengetahui pola data masa lalu dan dimanfaatkan dalam menggambarkan data di masa depan. FTS menerapkan kecerdasan buatan dimana data masa lalu dibentuk dalam nilai-nilai linguistik. Salah satu pengembangan metode FTS adalah FTS chen. Metode average based dan sturges digunakan dalam penelitian ini untuk penetapan rentang interval pada FTS chen. Tujuan penelitian ini adalah untuk meramalkan harga saham satu hari kedepan dan mengetahui metode panjang interval yang lebih akurat dalam peramalan berdasarkan nilai MAPE terkecil. Data yang digunakan adalah harga saham GGRM tanggal 3 Januari 2022 – 31 Maret 2022. Data harga saham dilakukan analisis deskriptif statistik, pembentukan himpunan semesta, penentuan panjang interval, setelah itu membentuk himpunan fuzzy dan di lakukan proses fuzzifikasi, kemudian membentuk Fuzzy Logic Relations (FLR) dan Fuzzy Logic Relations Group (FLRG). Tahapan selanjutnya adalah menjalankan defuzzifikasi terhadap nilai peramalan. Nilai MAPE diperoleh dari hasil defuzifikasi menggunakan average based dan sturges berturut-turut yaitu 1,37% dan 1,81%. Metode average based menghasilkan nilai MAPE yang lebih kecil sehingga dinyatakan lebih akurat dari sturges. Model FTS chen melalui panjang interval average based dan sturges memperoleh hasil peramalan harga saham GGRM pada tanggal 1 April 2022 sebesar 31.450 dan 31.230.  Kata Kunci: peramalan, saham GGRM, MAPE
PEMODELAN PARTISIPASI PEREMPUAN KAWIN DALAM KEGIATAN EKONOMI DI KABUPATEN SAMBAS Wira Purnawan
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 1 (2023): 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.v12i1.62558

Abstract

Regresi logistik biner merupakan suatu metode yang digunakan untuk menganalisis variabel dependen dan variabel independen, dengan variabel dependen bentuk data kualitatif yang berskala dikatomi/biner. Penelitian ini bertujuan untuk menganalisis faktor yang mempengaruhi partisipasi perempuan kawin dalam kegiatan ekonomi di Kabupaten Sambas. Data yang digunakan adalah data SUSENAS Kabupaten Sambas 2020 yang diperoleh dari Badan Pusat Statistik Kalimantan Barat sebanyak 478 data. Data yang digunakan dalam penelitian berupa data partisipasi perempuan kawin (Y), umur istri(x1), pendidikan terakhir istri (x2), jumlah anggota rumah tangga (x3), jumlah anak bekerja (x4), jumlah anak balita (x5), jumlah anak sekolah (x6), umur suami (x7), pendidikan terakhir suami (x8) dan status kerja suami (x9). Berdasarkan hasil penelitian diperoleh faktor yang berpengaruh terhadap partisipasi perempuan kawin di Kabupaten Sambas adalah jumlah anak balita (x5) dan status kerja suami(x9) Kemudian perempuan kawin yang memiliki anak balita, memiliki peluang bekerja sebesar 0,440 kali dibandingkan dengan perempuan kawin yang tidak memiliki anak balita. Seterusnya perempuan kawin yang memiliki suami bekerja, memiliki peluang bekerja sebesar 3,738 kali dibandingkan dengan perempuan kawin yang memiliki suami tidak bekerja. Dengan ketepatan klasifikasi model diperoleh nilai adalah sebesar 72,6% yang artinya dalam pengklasifikasian partisipasi perempuan kawin di Kabupaten Sambas dikategorikan cukup baik.  Kata Kunci: Regresi Logistik Biner, Perempuan Kawin, Kegiatan Ekonomi.
PERAMALAN DATA COVID-19 DI PROVINSI KALIMANTAN BARAT DENGAN MENGGUNAKAN FUZZY TIME SERIES MARKOV CHAIN Firhan Januardi; Yundari Yundari; Hendra Perdana
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 1 (2023): 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.v12i1.62854

Abstract

Corona virus – 19 atau COVID-19 adalah penyakit infeksi disaluran pernapasan, yang menyebabkan penderitanya kesulitan bernafas. Wabah ini meluas hampir di seluruh dunia, mengakibatkan aktivitas dan perekonomian masyarakat mengalami penurunan. Kalimantan Barat adalah provinsi di Indonesia yang berisiko mengalami terinfeksi COVID-19, karena aktivitas yang terjadi mengalami kenaikan dari satu daerah ke daerah lainnya yang mengalami kenaikan. Penelitian ini menganalisis data COVID-19 di Kalimantan Barat pada periode 01 Juni hingga 31 Agustus 2021 dan meramalkan kasus terinfeksi pada tanggal 1 September 2021 menerapkan metode fuzzy time series Markov Chain. Metode ini menyatukan metode fuzzy time series dengan rantai markov, dengan menggunakan matriks probabilitas transisi dan bertujuan mendapatkan nilai probabilitas terbesar. Penelitian ini langkah pertama yaitu menetapkan himpunan semesta pembicaraan, menentukan panjang interval, menetapkan himpunan fuzzy dengan fungsi keanggotaan, melaksakan fuzzifikasi dan menentukan Fuzzy Logical Relationship (FLR) serta dilakukan Fuzzy Logical Relationship Group (FLRG), berikutnya perhitungan peramalan menggunakan metode fuzzy time series (FTS) Markov Chain. Hasil analisis peramalan menggunakan metode FTS Markov Chain untuk tanggal 1 September 2021 yaitu 302 kasus COVID-19. Hasil ketetapan peramalan yang diuji dengan menggunakan Mean Absolute Percentage Error (MAPE) adalah 45,87%. Kata Kunci:   COVID, fuzzy time series, peramalan
MODEL AUTOREGRESSIVE DISTRIBUTED LAG DENGAN METODE KOYCK Anggi Putri Dewi; Shantika Martha; Hendra Perdana
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 1 (2023): 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.v12i1.62918

Abstract

Autoregressive distributed lag (ARDL) adalah kombinasi metode autoregressive (AR) dan distributed lag (DL). Model regresi yang memuat variabel terikat dipengaruhi variabel bebas waktu sekarang Xt dan juga dipengaruhi oleh variabel terikat pada salah satu bagian ukuran yang lalu (Yt-1) adalah model AR. Sedangkan, model DL disebut juga dengan model dinamis, karena pengaruh perubahan satu bagian dalam nilai variabel bebas terdistribusi dengan selang waktu tertentu. Penelitian ini bertujuan untuk membentuk model dan menganalisis pengaruh pergerakan kurs dolar Amerika terhadap pergerakan Indeks Harga Saham Gabungan (IHSG) dengan menggunakan model ARDL metode Koyck. Digunakannya metode Koyck jika panjang lag tidak diketahui, serta model distribusi lag yang digunakan adalah lag infinite. Penelitian ini menggunakan data close bulanan pergerakan IHSG dan pergerakan kurs dolar Amerika pada periode Januari 2017 sampai periode Desember 2020.  Langkah pertama adalah melakukan input data kemudian membentuk satu periode lag (Yt-1) . Kedua, melakukan pengujian parameter memakai uji F dan uji t. Terakhir, menjalani uji asumsi klasik serta menentukan model ARDL dengan metode Koyck. Model ARDL yang diperoleh dengan metode Koyck adalah Y^_t =3780,100-0,194609Xt+0,825034 Yt-1 dengan t adalah periode waktu sekarang dan t-1  adalah periode satu bulan sebelumnya. Hasil analisis model mengidentifikasikan bahwa kurs dolar Amerika berpengaruh negatif pada perubahan IHSG. Perubahan IHSG dipengaruhi oleh perubahan kurs dolar Amerika saat ini dan perubahan IHSG saat satu bulan sebelumnya. Pengaruh variabel kurs dolar terhadap IHSG pada tahun 2017-2020 sebesar 83,6%. Kata Kunci: Lag Infinite, IHSG, Model Dinamis 
PENERAPAN MODEL DCC-MGARCH PADA DATA RETURN KURS JUAL DOLAR DAN YUAN Fahiza Syanaya; Shantika Martha; Nur’ainul Miftahul Huda
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 1 (2023): 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.v12i1.63004

Abstract

Kurs merupakan nilai tukar harga mata uang suatu negara terhadap mata uang negara asing. Kurs seringkali memiliki perubahan volatilitas bervariasi yg tidak konstan (heteroskedastisitas) dari waktu ke waktu sehingga asumsi varians konstan tidak dapat digunakan. Model yang biasanya digunakan untuk mengatasi heteroskedastisitas adalah model GARCH. Namun untuk menganalisis data time series dengan melibatkan lebih dari satu variabel yang conditional varians dan conditional correlation bergantung terhadap waktu, maka dapat menggunakan model Dynamic Conditional Correlation MGARCH. Tujuan dalam penelitian ini adalah melihat korelasi dinamis antara return kurs jual dolar dan yuan dan memperoleh model terbaik yang sesuai untuk mengestimasi return kurs menggunakan model DCC-MGARCH. Langkah-langkah pemodelan DCC-MGARCH adalah pembentukan model ARMA dilanjutkan dengan pemodelan GARCH lalu pemodelan MGARCH untuk mendapatkan model DCC-MGARCH.  Data yang digunakan adalah data return kurs harian terhadap dolar dan yuan dari tanggal 5 Maret 2019 hingga 6 April 2022. Hasil penelitian ini menunjukkan bahwa terdapat korelasi dinamis sebesar 0,976345 antara nilai return kurs dolar dan yuan, ini menunjukkan bahwa perubahan return kurs dolar memberikan pengaruh terhadap perubahan return kurs yuan, begitu pula sebaliknya. Model GARCH(1,1) yang telah dibentuk diterapkan sebagai dasar pemodelan multivariat, oleh karena itu model multivariat yang dihasilkan adalah model DCC-MGARCH(1,1). Model DCC-MGARCH(1,1) dianggap baik digunakan untuk memodelkan nilai return kurs dolar dan yuan dengan nilai MAPE return kurs dolar sebesar 10% dan yuan 18%.  Kata Kunci: DCC- MGARCH, return, kurs, korelasi dinamis.

Page 1 of 2 | Total Record : 15

 1   2 

Filter by Year

2023 2023


Reset
Filter By Issues
All Issue 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 Vol 9, No 3 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 2 (2020): BIMASTER Vol 9, No 2 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya 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 Vol 7, No 1 (2018): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 6, No 03 (2017): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 6, No 03 (2017): BIMASTER 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