Garuda - Garba Rujukan Digital

Article Per Year (5 Year)

All

BIMASTER

jbmstr
Website

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 653 Documents

1 2 3 4 5

PEMODELAN DOUBLE SEASONAL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE PADA PERAMALAN PENGGUNAAN BEBAN LISTRIK Suaibah Suaibah; Shantika Martha; Dadan Kusnandar
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 1 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Beban listrik adalah segala sesuatu yang ditanggung oleh pembangkit listrik. Perkiraan tenaga listrik yang digunakan oleh masyarakat dapat dilakukan dengan menggunakan beberapa metode peramalan. Data yang digunakan dalam penelitian ini adalah data penggunaan beban listrik di Kabupaten Natuna yang memiliki dua pola musiman berbeda, sehingga metode yang sesuai dalam penelitian ini adalah metode Double Seasonal Autoregressive Integrated Moving Average (DSARIMA). Model DSARIMA merupakan model ARIMA yang mengandung dua pola musiman. Data beban listrik diperoleh dari PT. PLN Persero dalam skala waktu per jam yang diamati selama bulan Desember 2018. Tujuan dari penelitian ini adalah untuk menentukan model terbaik dalam meramalkan penggunaan beban listrik dan menganalisis hasil peramalan. Pemodelan diawali dengan mengidentifikasi data yang meliputi uji stasioneritas baik dalam rata-rata maupun varians. Selanjutnya menentukan orde berdasarkan plot ACF dan PACF. Kemudian melakukan estimasi dan uji signifikansi parameter model DSARIMA, dilanjutkan dengan melakukan cek diagnosa yang meliputi uji white noise dan uji distribusi normal. Pemilihan model terbaik dari beberapa model terpilih dilakukan dengan cara membandingkan nilai MAPE out sample. Hasil penelitian menunjukkan bahwa model terbaik yang dapat digunakan dalam meramalkan penggunaan beban listrik di Kabupaten Natuna adalah model ARIMA dua musiman dengan periode musiman per 24 jam dan per 168 jam, yang dapat ditulis sebagai model DSARIMA(2, 1,[ 24]) (0, 1, 0)24 (0, 1, 0)168 dengan nilai MAPE out sample sebesar 8,9%. Kata Kunci: Beban listrik, peramalan, DSARIMA, MAPE

PENERAPAN GSTAR-SUR PADA JUMLAH PENUMPANG PESAWAT DOMESTIK DI BANDARA INDONESIA Gilang Habibie; Yundari Yundari; Hendra Perdana
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 2 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Generalized space time autoregressive (GSTAR) adalah model ruang waktu yang banyak digunakan di Indonesia. Sebagian besar penelitian model GSTAR menggunakan ordinary least square (OLS) untuk mengestimasi parameter. Namun, estimasi dengan metode OLS pada model GSTAR dengan residual saling berkorelasi akan menghasilkan estimator yang tidak efisien terutama pada data musiman. Metode estimasi yang sesuai untuk residual yang saling berkorelasi adalah generalized least square (GLS), yang biasa digunakan dalam model seemingly unrelated regression (SUR). Penelitian ini bertujuan untuk menganalisis model GSTAR-SUR dan membandingkannya dengan GSTAR-OLS dengan bobot seragam dan jarak. Data yang digunakan adalah data jumlah penumpang pesawat domestik setiap bulan di Bandara Polonia/Kualanamu, Soekarno-Hatta, Juanda dan Ngurah Rai dari Januari 2006 hingga September 2019. Hasil estimasi parameter GSTAR-SUR dengan bobot seragam adalah Polonia/Kualanamu (∅10=-0,494; ∅11=0,046), Soekarno-Hatta (∅10=-0,300; ∅11=-0,828), Juanda (∅10=-0,451; ∅11=0,033) dan Ngurah Rai (∅10=-0,198; ∅11=-0,019). Sedangkan GSTAR-SUR dengan bobot jarak menghasilkan estimasi Polonia/Kualanamu (∅10=-0,492; ∅11=0,026), Soekarno-Hatta (∅10=-0,292; ∅11=-1,186), Juanda (∅10=-0,455; ∅11=0,058) dan Ngurah Rai (∅10=-0,211; ∅11=0,017). Berdasarkan nilai MAPE GSTAR-SUR lebih baik dari GSTAR-OLS dengan nilai MAPE untuk model GSTAR-OLS adalah 12,90% pada bobot seragam dan 13,43% pada bobot jarak. Model GSTAR-SUR menghasilkan nilai MAPE 6,65% untuk bobot seragam dan 7,06% untuk bobot jarak. Model terbaik adalah GSTAR-SUR bobot seragam dengan nilai MAPE 6,65%. Kata Kunci : OLS, GLS, spacetime, korelasi eror

PEMODELAN MATEMATIS UNTUK PERSAMAAN BEDA POTENSIAL LISTRIK Resti Julia Susanti; Evi Noviani; Fransiskus Fran
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 4 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Pada penelitian ini, permasalahan beda potensial listrik pada sebuah muatan listrik positif yang diukur pada sebarang titik terhadap titik asalnya yakni titik (x0, y0) dimodelkan ke dalam persamaan diferensial. Model untuk persamaan beda potensial listrik diperoleh dengan menggunakan konsep-konsep yang mendasari elektrostatis yaitu persamaan medan listrik, fluks listrik, hukum Coulomb dan hukum Gauss. Dengan melambangkan potensial listrik sebagai V, rapat muatan sebagai σ, dan konstanta listrik sebagai ε0, beda potensial listrik dapat dituliskan ke dalam bentuk persamaan Poisson . Misalkan titik asal muatan listrik tersebut adalah titik , maka dengan menggunakan konsep fungsi delta, diperoleh persamaan diferensial untuk beda potesial listrik.Kata Kunci: persamaan beda potensial listrik, fungsi delta, listrik statis.

ANALISIS TEKNIKAL SAHAM LQ-45 MENGGUNAKAN INDIKATOR BOLLINGER BANDS Nurin Hafizah; Evi Noviani; Hendra Perdana
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 4 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Saham merupakan salah satu bentuk investasi masa kini yang mulai banyak dilirik oleh para investor. Investor yang ingin menanamkan modal di bursa saham sebaiknya mengetahui kekuatan harga saham untuk memprediksi dengan baik pergerakan harga saham di kemudian hari. Analisis teknikal merupakan salah satu teknik yang digunakan dalam melakukan analisis pergerakan harga saham. Terdapat banyak indikator yang dapat digunakan pada analisis teknikal, salah satunya indikator Bollinger Bands. Indikator Bollinger Bands terdiri dari 3 garis Moving Average, yaitu Lower Band (LB), Middle Band (MB) dan Upper Band (UB) serta melibatkan perhitungan volatilitas harga sebuah saham. Tujuan dari penelitian ini untuk menganalisis perhitungan matematis indikator Bollinger Bands dan menentukan sinyal jual dan sinyal beli pada saham. Penelitian ini menggunakan data harian saham yang terdaftar pada saham LQ-45. Data harian saham periode 1 Januari 2018 sampai 31 Desember 2018 digunakan sebagai data training untuk mencari nilai rata-rata return positif dan nilai volatilitas saham lebih besar dari 50%. Berdasarkan perhitungan maka saham perusahaan Indah Kiat Plup & Paper (INKP) dapat dianalisis lebih lanjut. Data harian saham periode 1 Januari 2019 sampai 30 April 2019 digunakan sebagai data testing untuk mencari nilai LB, MB dan UB pada saham INKP. Diketahui bahwa sinyal beli dan jual saham pada perusahaan INKP sebanyak 7 sinyal yang diperoleh dari perhitungan Percent Bollinger Bands. Terdapat 3 sinyal untuk menjual saham (bullish), dan 4 sinyal untuk pembelian saham (bearish). Simulasi dilakukan dengan asumsi modal awal sebesar Rp100.000.000,00. Keuntungan terbesar dalam menjual saham pada tanggal 15 Januari 2019 dengan keuntungan sebesar Rp8.253.059,00 (8,25%), dan keuntungan terkecil pada tanggal 10 Januari 2019 sebesar Rp5.707.472,00 (5,71%). Kata Kunci: Moving Average, analisis teknikal, volatilitas saham

PENENTUAN CADANGAN PREMI PADA ASURANSI JIWA DWIGUNA JOINT LIFE DENGAN METODE PREMIUM SUFFICIENCY Wilda Ariani; Neva Satyahadewi; Hendra Perdana
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 1 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Perusahaan asuransi memiliki kewajiban mempersiapkan sejumlah dana berupa cadangan premi untuk membayar klaim atas polis asuransi yang dibuat oleh tertanggung dan pihak perusahaan. Perhitungan cadangan premi dapat dihitung dengan menggunakan metode prospektif. Metode cadangan prospektif dalam perhitungannya dikembangkan dengan menyertakan biaya-biaya operasional perusahaan. Salah satu metode pengembangan tersebut adalah metode premium sufficiency. Perhitungan metode premium sufficiency dilakukan berdasarkan asumsi premi kotor. Pada penelitian ini dicari formula perhitungan cadangan premi asuransi jiwa dwiguna joint life dengan metode premium sufficiency. Dalam perhitungan nilai cadangan premi, cadangan premium sufficiency menyertakan biaya penutupan polis baru dan biaya pemeliharaan premi setelah masa asuransi. Berdasarkan studi kasus, diperoleh nilai cadangan premi tahunan asuransi jiwa dwiguna joint life untuk 3 kondisi usia tertanggung yang berbeda setiap tahunnya semakin meningkat. Selain itu, besar nilai cadangan premi untuk kondisi tingkat suku bunga yang bervariasi didapat bahwa semakin besar tingkat suku bunga maka nilai cadangan premi akan semakin kecil. Kata Kunci: metode cadangan prospektif, premi bruto

ESTIMASI MODEL REGRESI NONPARAMETRIK KERNEL MENGGUNAKAN ESTIMATOR NADARAYA-WATSON Shantika Martha, Nurul Anisa, Naomi Nessyana Debataraja,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 4 (2019): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Pendekatan regresi nonparametrik dilakukan untuk memodelkan data yang tidak diketahui bentuk fungsinya. Salah satu regresi nonparametrik yang sering digunakan adalah regresi kernel. Tujuan penelitian ini adalah untuk mengestimasi model regresi nonparametrik menggunakan regresi kernel dengan estimator Nadaraya-Watson pada data indeks pembangunan manusia di Indonesia. Berdasarkan hasil analisis yang telah dilakukan, dapat disimpulkan bahwa untuk data indeks pembangunan manusia diperoleh bandwitdh optimal dengan estimator Nadaraya-Watson sebesar 1,384884. Hasil estimasi tersebut memperoleh nilai koefisien determinasi sebesar 63,2% dan menghasilkan nilai Mean Absolute Percentage Error (MAPE) sebesar 2,5% yang berarti bahwa kemampuan estimasi menggunakan regresi nonparametrik kernel sangat baik.Kata Kunci: regresi kernel, bandwidth, Gaussian.

METODE LEAST MEDIAN SQUARE (LMS) DALAM ANALISIS REGRESI ROBUST KETIKA TERDAPAT OUTLIER Setyo Wira Rizki, Mimi Kurniati, Yundari,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 4 (2019): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Least median square (LMS) adalah salah satu metode estimasi dalam regresi robust yang digunakan untuk mengatasi outlier. Dalam metode ini, dengan meminimumkan median kuadrat sisaannya, penduga yang dihasilkan akan lebih resisten terhadap outlier. Data yang digunakan pada penelitian ini adalah data sekunder tentang produksi jeruk di Indonesia tahun 2016 yang diambil dari Kementrian Pertanian. Ukuran data yang digunakan adalah sebanyak 34 yaitu banyak provinsi di Indonesia. Dengan variabel dependen adalah produksi jeruk, dan variabel bebas (independen) yang diambil sebanyak tiga yaitu luas panen, curah hujan, dan suhu. Proses pertama adalah mendeteksi apakah ada outlier pada data, dan melakukan uji asumsi klasik. Kemudian mencari model regresi dengan metode Least median square (LMS). Apabila dibandingkan, hasil model regresi produksi jeruk dengan metode MLS lebih akurat daripada hasil model regresi dengan metode MKT. Dengan demikian dapat disimpulkan bahwa metode regresi robust Least median square (LMS) cukup layak untuk digunakan sebagai alternatif dalam mencari model regresi pada data produksi jeruk di Indonesia tahun 2016 yang mengandung outlier.Â Kata Kunci : Least Median Square, metode kuadrat terkecil, outlier

ANALISIS TEKNIKAL PADA INVESTASI TRADING EMAS ONLINE DENGAN STOCHASTIC OSCILLATOR Hendra Perdana, Mila Damayanti, Setyo Wira Rizki,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 1 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Investasi pada hakikatnya merupakan penempatan sejumlah dana dengan harapan memperoleh keuntungan di masa mendatang. Umumnya investasi dibedakan menjadi dua, yaitu investasi pada aset-aset finansial (financial assets) dan investasi pada aset-aset riil (real assets). Salah satu investasi yang bergerak pada investasi aset- aset finansial di pasar modal yaitu investasi trading emas online. Analisis teknikal merupakan salah satu teknik yang digunakan dalam melakukan analisis pergerakan harga saham. Terdapat banyak indikator yang dapat digunakan pada analisis teknikal, salah satunya indikator stochastic oscillator. Stochastic oscillator mempunyai dua garis yang disebut dengan garis %K dan garis %D. Tujuan dari penelitian ini untuk menentukan sinyal jual dan sinyal beli pada investasi trading emas serta mengetahui seberapa besar keuntungan yang diperoleh dalam menentukan sinyal jual dan sinyal beli menggunakan indikator stochastic oscillator. Penelitian ini menggunakan data harian harga emas yang didapat dari perusahaan PT. Merdeka Copper Gold Tbk (MDKA) dimana periode yang diambil dari periode September sampai dengan Oktober 2019. Terdapat dua sinyal untuk menjual emas dan tidak ada sinyal untuk membeli emas pada periode dua bulan terakhir. Simulasi dilakukan dengan asumsi modal awal sebesar Rp100.000.000,00. Keuntungan terbesar untuk menjual emas dalam periode dua bulan yaitu pada tanggal 23 September 2019 dengan keuntungan sebesar 4.035.171,35 (4,04%).Â Kata Kunci : Investasi, indikator, sinyal, MDKA.

BILANGAN TERHUBUNG TOTAL PELANGI PADA GRAF GARIS DAN DOUBLE GRAF GARIS DARI GRAF SIKAT Dorotea Rahmawati; Helmi Helmi; 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

Pewarnaan graf merupakan pemetaan himpunan titik di ke himpunan warna dengan titik yang bertetangga memiliki warna yang berbeda. Salah satu pengembangan dari pewarnaan graf yang sering dibahas adalah pewarnaan total pelangi. Misalkan adalah graf terhubung tak trivial. Pewarnaan total graf disebut terhubung total pelangi jika memiliki lintasan total pelangi antara setiap dua titik di . Lintasan total pelangi merupakan lintasan dengan semua sisi dan titik internal pada lintasan tersebut memiliki warna yang berbeda. Bilangan terhubung total pelangi pada graf dinotasikan dengan yaitu jumlah warna terkecil yang dibutuhkan untuk membuat graf menjadi terhubung total pelangi. Penelitian ini bertujuan untuk menentukan nilai dimana adalah graf garis dari graf sikat dan double graf garis dari graf sikat. Graf sikat dinotasikan dengan dan merupakan graf dengan titik dan sisi. Graf garis dari graf sikat adalah graf dengan himpunan titik pada merupakan himpunan sisi pada . Double graf garis dari graf sikat merupakan graf yang terdiri dari dua graf yang mempunyai lintasan yang sama. Berdasarkan penelitian ini diperoleh bilangan terhubung total pelangi pada graf garis dari graf sikat adalah dan double graf garis dari graf sikat adalah .Kata kunci: pewarnaan total pelangi, terhubung total pelangi, lintasan total pelangi

MODEL GENERALIZED SPACE TIME AUTOREGRESSIVE-X (GSTAR-X) DALAM MERAMALKAN PRODUKSI KELAPA SAWIT Naomi Nessyana Debataraja, Felicia Kurnia Kusuma Wira Putri, Dadan Kusnandar ,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 2 (2018): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Model Generalized Space Time Autoregressive-X (GSTAR-X) merupakan model pengembangan dari model GSTAR dengan satu tambahan variabel eksogen. Model GSTAR adalah pengembangan dari model STAR dengan meningkatkan fleksibilitas parameter setiap lokasi. Pemodelan GSTAR-X dibentuk dengan menggabungkan dua model yaitu model Vector Autoregressive (VAR) dan model GSTAR. Variabel responÂ pada penelitian ini adalah produksi kelapa sawit di tiga kebun kelapa sawit yaitu Sungai Dekan, Ngabang, dan Kembayan. Variabel eksogen pada penelitian ini adalah data curah hujan dari tiga stasiun pengukur curah hujan terdekat dengan masing-masing kebun. Penelitian ini bertujuan untuk mendapatkan model GSTAR-X terbaik bagi setiap kebun. Model GSTAR-X digunakan untuk meramalkan produksi kelapa sawit pada bulan Januari-Desember tahun 2016 di PT.PN XIII Kalimantan Barat. Hasil penelitian menunjukkan bahwa model terbaik yang digunakan untuk meramalkan produksi kelapa sawit adalah model GSTAR-X(1,1). Model GSTAR-X(1,1) memiliki kemampuan peramalan yang baik hal ini ditunjukkan dengan nilai MAPE pada setiap kebun dibawah 20%.Â Kata Kunci: space time, peramalan, curah hujan, OLS.

Page 2 of 66 | Total Record : 653

1 2 3 4 5

Filter by Year

2012 2023

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 : 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

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

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

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

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Contact Name
-

Contact Email
-

Phone
-

Journal Mail Official
-

Editorial Address
-

Location
Kota pontianak,

Kalimantan barat

INDONESIA