Garuda - Garba Rujukan Digital

p-Index From 2021 - 2026

12.517

P-Index

This Author published in this journals

All Journal Jurnal technoscientia Jurnal Informatika dan Teknik Elektro Terapan Information System for Educators and Professionals : Journal of Information System Informatics for Educators and Professional : Journal of Informatics Information Management For Educators And Professionals (IMBI) JITK (Jurnal Ilmu Pengetahuan dan Komputer) KOPERTIP: Jurnal Ilmiah Manajemen Informatika dan Komputer JURNAL ILMIAH INFORMATIKA Pelita : Jurnal Penelitian dan Karya Ilmiah JURIKOM (Jurnal Riset Komputer) Jurnal Informasi dan Komputer JOURNAL INFORMATICS, SCIENCE & TECHNOLOGY Jurnal Tekno Kompak Jurnal ICT : Information Communication & Technology Jurnal Manajemen Komunikasi Jurnal Informatika dan Rekayasa Perangkat Lunak JURSIMA (Jurnal Sistem Informasi dan Manajemen) JATI (Jurnal Mahasiswa Teknik Informatika) E-Link: Jurnal Teknik Elektro dan Informatika Journal of Computer System and Informatics (JoSYC) Jurnal Sistem Komputer dan Informatika (JSON) MEANS (Media Informasi Analisa dan Sistem) JURNAL TEKNOLOGI TECHNOSCIENTIA Jurnal Informatika Terpadu Prosiding Seminar Nasional Sisfotek (Sistem Informasi dan Teknologi Informasi) Journal of Artificial Intelligence and Engineering Applications (JAIEA) Jurnal Informatika dan Teknologi Informasi INFORMATION SYSTEM FOR EDUCATORS AND PROFESSIONALS : Journal of Information System TAMIKA: Jurnal Tugas Akhir Manajemen Informatika & Komputerisasi Akuntansi JURSIMA Jurnal Teknologi Ilmu Komputer AMMA : Jurnal Pengabdian Masyarakat Jurnal Informatika Polinema (JIP) Jurnal Sistem Informasi dan Manajemen Jurnal Ilmiah Betrik : Besemah Teknologi Informasi dan Komputer Jurnal Ilmiah Sistem Informasi Informasi interaktif : jurnal informatika dan teknologi informasi

Gifthera Dwilestari

STMIK IKMI Cirebon

Author-ID : 2690772

Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Chemistry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Nursing Social Sciences Other

Published : 99 Documents Claim Missing Document

Claim Missing Document

Articles

6 7 8 9 10

OPTIMALISASI STRATEGI PEMASARAN MENGGUNAKAN ALGOTIMA AGGLOMERATIVE HIERARCHICAL CLUSTERING PADA HASIL PENJUALAN Ramiro Firjatullah, Federicko; Faqih, Ahmad; Dwilestari, Gifthera
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.13662

Industri fashion di Indonesia terus berkembang, menghadirkan tantangan persaingan yang semakin ketat. Toko H. Edi Jaya adalah salah satu pelaku usaha di bidang fashion yang menghadapi tantangan ini. Namun, pemanfaatan data hasil penjualan untuk mendukung strategi pemasaran masih minim. Penelitian ini bertujuan untuk mengoptimalkan strategi pemasaran di Toko H. Edi Jaya melalui analisis data penjualan menggunakan algoritma Agglomerative Hierarchical Clustering (AHC). Metode yang digunakan adalah pendekatan Knowledge Discovery in Databases (KDD), meliputi seleksi data, pra-pemrosesan, transformasi data, penerapan algoritma AHC, dan evaluasi hasil. Data penjualan dari Januari hingga Oktober 2024 digunakan sebagai dasar analisis. Hasil penelitian menunjukkan bahwa data hasil penjualan dapat dikelompokkan ke dalam empat kategori utama berdasarkan algoritma AHC, masing-masing dengan karakteristik berbeda. Evaluasi menggunakan metrik Silhouette Score memberikan nilai rata-rata 0,6, menunjukkan kualitas pengelompokan yang cukup baik. Strategi pemasaran berbasis analisis data yang dihasilkan membantu meningkatkan efektivitas promosi dan loyalitas pelanggan. Penelitian ini memberikan wawasan praktis untuk Toko H. Edi Jaya dalam mengembangkan strategi pemasaran berbasis data yang lebih personal dan efisien.

ALGORITMA FP-GROWTH UNTUK MENINGKATKAN MODEL POLA PEMBELIAN PELANGGAN PADA PERCETAKAN Suryani Dewi, Ike; Faqih, Ahmad; Dwilestari, Gifthera
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.14155

Dalam era digital yang kompetitif, pemahaman terhadap perilaku konsumen menjadi kunci keberhasilan bisnis, termasuk dalam industri percetakan. Permasalahan yang sering dihadapi oleh pelaku usaha percetakan adalah kurangnya informasi mengenai pola pembelian pelanggan, sehingga menyulitkan dalam pengambilan keputusan strategis, khususnya terkait pemasaran dan pengelolaan persediaan. Penelitian ini bertujuan untuk mengidentifikasi pola pembelian pelanggan dengan menerapkan algoritma Frequent Pattern Growth (FP-Growth) sebagai salah satu metode data mining. Penelitian menggunakan 1.018 data transaksi penjualan dari sebuah usaha percetakan, dan diolah menggunakan perangkat lunak RapidMiner. Tahapan analisis meliputi praproses data binomial, pembangunan FP-Tree, serta penetapan parameter minimum support sebesar 0,3 dan minimum confidence sebesar 0,8. Hasil penelitian menunjukkan sejumlah pola pembelian yang signifikan, antara lain kombinasi produk Ivory23 dan FoodpakMatte1 dengan nilai confidence sebesar 0,820, serta pola GreaseProof → FoodpakMatte1 dengan confidence sebesar 0,867. Temuan ini diharapkan dapat menjadi dasar dalam perumusan strategi promosi dan manajemen stok yang lebih efektif.

RANCANG BANGUN APLIKASI PENGAJUAN PEMBUATAN KTP ONLINE BERBASIS WEB DI KELURAHAN ARGASUNYA KOTA CIREBON Kencana, Junaedi Surya; Dwilestari, Gifthera; Dana, Raditya Danar; Ajiz, Abdul; Kaslani
MEANS (Media Informasi Analisa dan Sistem) Volume 7 Nomor 1
Publisher : LPPM UNIKA Santo Thomas Medan

Argasunya village is an institution responsible for the management of community data in a government environment. The need for public service will involve the state as a public service provider and individual citizens as recipients. But there is no application about the design of the application for the creation of E-KTP online, for that the author tried to make the Final Task regarding the Application for Submission of E-KTP Online which until now has not existed in Argasunya Village. In the process of collecting data with the aim to solve the problem, the author uses methods with data collection techniques, namely by observation and interview. And to design the application, the author used prototype development methods. In order to solve the problem, an application was made to make E-KTP Online. The final result obtained in this study is an application that can make it easier for people to create E-KTP. With some of the advantages that this application has, the application for the creation of E-KTP Online should be able to further alleviate the tasks given to the village. It is expected that this application will always be well controlled in terms of accuracy and data validation can be accounted for so that the information generated will be even better.

Clustering Data Persediaan Barang Dengan Menggunakan Metode K-Means Ramdhan, Dadan; Dwilestari, Gifthera; Dana, Raditya Danar; Ajiz, Abdul; Kaslani
MEANS (Media Informasi Analisa dan Sistem) Volume 7 Nomor 1
Publisher : LPPM UNIKA Santo Thomas Medan

UD. Anugerah Sukses Mandiri merupakan perusahaan yang bergerak dibidang distribusi food dan non food. Transaksi barang yang berjalan terus meningkat, sehingga perusahaan mengalami permasalahan dalam menentukan jumlah persediaan barang, dikarenakan jumlah permintaan barang yang dibutuhkan selalu berubah setiap waktu. Persediaan barang merupakan suatu aktivitas lancar yang meliputi barang-barang milik perusahaan dengan maksud dijual kembali pada suatu periode usaha normal. Data mining merupakan proses yang menggunakan teknik statistik, matematika, kecerdasan buatan dan machine learning untuk mengekstraksi dan mengidentifikasi informasi yang terkait dari berbagai warehouse. Tujuan penelitian ini dengan memanfaatkan data mining yaitu untuk melakukan pengelompokan barang dan meningkatkan akurasi klasterisasi data persediaan barang dengan menggunakan metode K-Means Clustering. Dengan metode K-Means ini dapat mempartisi data ke dalam kelompok sehingga data berkarakteristik sama akan dimasukan ke dalam satu kelompok yang sama dan data yang berkarakteristik berbeda dikelompokan kedalam kelompok yang lain, karena metode ini menggunakan centroid (rata-rata) sebagai model dari cluster. Hasil penelitian yang didapat berupa pengelompokan data menjadi 2 kluster yaitu data dengan kluster terendah/sedikit dan kluster tertinggi/terbanyak. Sehingga mendapatkan kesimpulan bahwa clustering persediaan barang dengan menggunakan metode K-Means ini cukup baik dari sisi nilai average within distance dan kompleksitas waktu. Keyword : Data Mining, K-Means Clustering, Persediaan barang

Penerapan Algoritma Decision Tree Dalam Penentuan Karyawan Kontrak Alibasyah, Aziz; Ajiz, Abdul; Dwilestari, Gifthera; Kaslani; Wahyudin, Edi
MEANS (Media Informasi Analisa dan Sistem) Volume 7 Nomor 1
Publisher : LPPM UNIKA Santo Thomas Medan

The problem that arises at this time is a complicated evaluation (assessment) process, meaning that what often happens now is that contract employees who get promoted to permanent employees are only seen on one criterion, but the employee is not necessarily superior on several other criteria. but still get promotions for permanent employees. And there are several problems that exist today, namely the process of evaluating contract employees which is still subjective. Data mining using the decision tree method is widely used to deal with problems with large amounts of data. This decision tree method is a classification method that is widely used because its construction is relatively fast, the results of the model built are easy to understand and the prediction results are very strong so that they can assist in decision making. This study uses 4 criteria, namely Achievement, Ability, Personality and Results. Prediction results accuracy obtained is 91.54% with the following details. Prediction results are accepted and it turns out to be true, 72 data are accepted. Prediction Result Accepted and it turns out True Not Accepted for 14 Data. Prediction Results Not Accepted and it turns out True Accepted 1 Data. Prediction Results Not Accepted and in fact True Not Accepted Amounting to 91 Data.

Implementasi Algoritma CNN dalam Sistem Absensi Berbasis Pengenalan Wajah Aldiani, Dea; Dwilestari, Gifthera; Susana, Heliyanti; Hamonangan, Ryan; Pratama, Denni
Jurnal Informatika Polinema Vol. 10 No. 2 (2024): Vol 10 No 2 (2024)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v10i2.4852

Pengembangan teknologi pengenalan wajah telah menjadi peluang untuk meningkatkan efisiensi sistem absensi. Penelitian ini bertujuan untuk mengimplementasikan algoritma Convolutional Neural Network (CNN) dalam sistem absensi berbasis pengenalan wajah. Keunggulan CNN dalam mengekstraksi fitur kompleks dari gambar menjadikannya pilihan yang potensial untuk meningkatkan akurasi pengenalan wajah dalam pengelolaan absensi. Penelitian ini menggunakan kumpulan dataset wajah yang beragam, mencakup variasi sudut pandang, ekspresi, dan kondisi pencahayaan. Data yang digunakan terdiri dari 20 kelas yang masing-masing memiliki 500 data wajah. Penerapan model CNN dimulai dengan perancangan arsitektur CNN sederhana dengan menambahkan lapisan konvolusi, pooling dan fully connected. Model CNN kemudian dilatih menggunakan data latih sebesar 85% dari keseluruhan data. Setelah model dilatih, selanjutnya dilakukan evaluasi model CNN melalui beberapa metrik evaluasi. Dari hasil evaluasi diperoleh tingkat akurasi yang baik sebesar 91%. Setelah memperoleh model CNN untuk pengenalan wajah, model CNN diimplementasikan dalam sistem absensi. Berdasarkan hasil implementasi algoritma CNN terhadap sistem absensi diperoleh proses absensi yang akurat dan efisien sehingga dapat mengatasi kecurangan dan manipulasi data serta meningkatkan efisiensi dalam manajemen kehadiran di berbagai lingkungan.

Perbandingan Algoritma Klasifikasi Support Vector Machine, Random Forest dan Logistic Regression Pada Ulasan Shopee Saepudin, Asep; Faqih, Ahmad; Dwilestari, Gifthera
Jurnal Tekno Kompak Vol 18, No 1 (2024): FEBRUARI
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jtk.v18i1.3764

Abstrak− Dengan kemajuan teknologi, penggunaan internet semakin meluas di Indonesia dan turut mendorong perkembangan e-commerce. Namun, masih terdapat beberapa permasalahan yang perlu diselesaikan, salah satunya adalah kurangnya kepercayaan konsumen terhadap platform e-commerce. Oleh karena itu, penelitian tentang platform e-commerce seperti Shopee perlu dilakukan untuk memahami arah sentimen pengguna. Analisis sentimen digunakan untuk mengklasifikasikan sentimen ulasan pengguna Shopee. Penelitian ini bertujuan untuk membandingkan performa algoritma klasifikasi berdasarkan proses data mining menggunakan CRISP-DM. Algoritma klasifikasi yang digunakan adalah Support Vector Machine (SVM), Random Forest, dan Logistic Regression. Pengujian menggunakan 3.000 data, dengan 90% data training dan 10% data testing. Hasil pelabelan data menunjukkan bahwa sentimen positif berjumlah 307, sentimen netral 2.537, dan sentimen negatif 156. Hasil pengujian akurasi menggunakan confusion matrix menunjukkan bahwa algoritma Random Forest memiliki akurasi tertinggi sebesar 94%, diikuti oleh Support Vector Machine (SVM) sebesar 91%, dan Logistic Regression sebesar 86%. Penelitian ini berhasil mendapatkan algoritma yang efektif dan terbaik dalam mengklasifikasikan sentimen ulasan positif, sentimen ulasan netral, dan sentimen ulasan negatif terkait dengan aplikasi Shopee. Hasil dari algoritma terbaik tersebut akan diintegrasikan dalam antarmuka web menggunakan bahasa pemrograman PHP dan Python, untuk mengetahui arah sentimen yang akan dimasukan di masa mendatang.Kata Kunci: e-commerce, sentimen pengguna, analisis sentimen, algoritma klasifikasi, shopee.

Implementasi Algoritma Naïve Bayes untuk Prediksi Penerima Bantuan Sosial di Desa Cigayam Hoeriah, Dede; Nurhakim, Bani; Permana, Sandy Eka; Prihartono, Willy; Dwilestari, Gifthera
TAMIKA: Jurnal Tugas Akhir Manajemen Informatika & Komputerisasi Akuntansi Vol 4 No 1 (2024): TAMIKA: Jurnal Tugas Akhir Manajemen Informatika & Komputerisasi Akuntansi
Publisher : Universitas Methodist Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46880/tamika.Vol4No1.pp52-58

Social assistance is one of the government's programmes aimed at improving the lives of people especially for those who are economically disadvantaged. However, there are several reasons why some people are unable to access social assistance. In the case of this study, the authors used the Naïve Bayes algorithm with the KDD (Knowledge Discovery Database) method to predict the population in obtaining social assistance. The data was taken from the population data of Cigayam Village and the social welfare recipient data in the village ofCigayam with the results showing high accuracy in this study, for the true or false outcome of 1047 data and 53 data with the precision grade of 95.18%, 81.17%, for the real outcome, and 28.38% for the wrong outcome. So with the ROC curve shows the accuracy of the spinning visually, with an AUC of 0.868% for naïve bayes using the ROK curve of 0.90.1.

IMPLEMENTASI APLIKASI PEMBELAJARAN PETUALANGAN BERBASIS AUGMENTED REALITY UNTUK MENINGKATKAN INTERAKTIVITAS DI SMAN 1 DUKUPUNTANG Hermawan, Bagus; Faqih, Ahmad; Dwilestari, Gifthera
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i1.5688

Kemajuan teknologi telah membawa perubahan signifikan dalam pendidikan, termasuk di SMAN 1 Dukupuntang, Kabupaten Cirebon, yang menghadapi masalah kejenuhan belajar. Penelitian ini bertujuan merancang aplikasi pembelajaran berbasis Augmented Reality (AR) untuk meningkatkan motivasi dan pemahaman siswa dalam Biologi, Fisika, Kimia, dan Matematika. Dengan menggunakan pendekatan Research and Development (R&D) dan model ADDIE (Analyze, Design, Development, Implementation, Evaluation), aplikasi AR ini berhasil mengurangi kejenuhan dan meningkatkan keterlibatan siswa. Pada tahap analisis, observasi dan wawancara menunjukkan kebutuhan siswa akan metode belajar yang lebih menarik. Desain aplikasi mencakup skenario petualangan dengan visualisasi 3D, mempermudah pemahaman konsep abstrak seperti struktur atom. Implementasi di kelas menggunakan marker-based tracking untuk meningkatkan partisipasi siswa. Evaluasi menunjukkan peningkatan minat belajar dari 61% menjadi 90% setelah menggunakan aplikasi. Umpan balik siswa dan guru menyatakan aplikasi ini memenuhi kebutuhan media belajar inovatif, meskipun ada tantangan perangkat dan koneksi internet. Hasil penelitian ini menekankan bahwa AR efektif meningkatkan interaktivitas pembelajaran, menciptakan pengalaman belajar menyenangkan dan relevan, serta memiliki potensi besar untuk diterapkan lebih luas guna mendukung proses belajar yang inovatif di sekolah.

IMPLEMENTASI AKURASI MODEL NAIVE BAYES MENGGUNAKAN SMOTE DALAM ANALISIS SENTIMEN PENGGUNA APLIKASI BRIMO Hermawan, Muhammad Andi; Faqih, Ahmad; Dwilestari, Gifthera
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i1.5748

Aplikasi Brimo dari Bank Rakyat Indonesia (BRI) menjadi salah satu platform utama interaksi nasabah dengan layanan perbankan. Analisis sentimen ulasan pengguna aplikasi ini pentring untuk memahami pendapat dan menaikkan kualitas pelayanan. Penelitian ini menggunakan algoritma Naïve bayes dengan menerapkan model Smote (Synthetic Minority Over-sampling Technique) untuk menangani ketidakseimbangan kelas antara kelas positif dan negatif dalam data ulasan pengguna. Dataset yang di peroleh mencapai 1.000 ulasan Play store yang di proses melalui tahap pengumpulan, pra-pemrosesan teks, dan evaluasi menggunakan Confusion Matrix. penelitian menunjukkan bahwa metode SMOTE secara signifikan meningkatkan kinerja model, dengan recall untuk sentimen negatif meningkat dari 0,55 menjadi 0,87 dan F1-score dari 0,71 menjadi 0,84. Akurasi model juga naik dari 93% menjadi 95%, dengan pengurangan False Negatives. Temuan ini membuktikan efektivitas SMOTE dalam meningkatkan akurasi dan representasi model untuk memahami opini pengguna BRImo secara lebih baik.

Co-Authors Abdul Ajiz Abdul Ajiz, Abdul Abdul Rauf Chaerudin Abdullah Syafii Abdullah Syafii Aby Febrian Ade Irma Purnamasari Ade Irma Purnamasari Ade Rizki Rinaldi Agis Maulana Robani Agung Nugraha agus bahtiar Ahmad Faqih Ahmad Faqih Ahmad Rifa'i Ahmad Zam Zami Aldiani, Dea Alia Cahyani, Cica Alibasyah, Aziz Ananda Rafly Andi Suandi Anita Nur Kirana Anwar Musaddad Apriliyani, Ela Arif Rinaldi Dikananda Arifin, Bagas Adam Athhar Hafizha Luthfi Auliya Bagas Al Haddad Bambang Siswoyo Basysyar, Fadhil Muhammad Caswadi, Caswadi Chaerudin, Chaerudin Cindyk Irawanto Dadang Sudrajat Dea Miftahul Huda Dessy Angelina Destriyanah, Riska Dian Ade Kurnia Dias Bayu Saputra Dienwati Nuris, Nisa Dienwati, Nisa Dikananda, Arif Rinaldi Dikananda, Fatihanursari Dzaffa 'Ulhaq Edi Tohidi Edi Tohidi Eka Permana, Sandy Fadhil Muhammad Basysyar Fadhil Muhammad Basysyar Fajar Fauzan, Muhammad Fajria, Azzahra Moudy Fasa, Saefullah Fathurrohman Fathurrohman Fatihanursari Dikananda Faujia, Agnes Fithrah Ali, Dini Salmiyah Fuadi Ahmad, Cecep Hamonangan, Ryan Haris Abdul Hadi Herdiana, Rulli Hermawan, Bagus Hermawan, Muhammad Andi Hilya Ashfia Nabila Himawan, Irvan Hira Wahyuni Azizah Hoeriah, Dede Hoerunnisa, Anis Iin Iin Solihin Iis Riyana Irfan Ali Irfan Ali Irfan Ali, Irfan Irma Agustina Irma Purnamasari, Ade Irvan Himawan Jayawarsa, A.A. Ketut Karimah, Ayu Kaslani Kencana, Junaedi Surya Khaerul Anam Khoirul Huda, Muhammad Kokom Komariyah Lestari, Anjar Ayuning Martanto . Mar’atun Sholihah, Oliffia Maulana Sidiq, Cecep Mochamad Aditya Sunaryo Muhammad Abdurohman Muhammad Basysyar, Fadhil Mulyawan Mulyawan, Mulyawan Musliyadi, Mar'i Nana Suarna Nana Suarna Nana Suarna Narasati, Riri Narasati Nining R Nining Rahaningsih Nisa Dieanwati Nuris Nur Amalia Nur Kirana, Anita Nuraini, Asyifa Nurhakim, Bani Nurul Aini, Yuli Nurwahidah, Dalilah Odi Nurdiawan Odi Nurdiawan Permana, Sandy Eka Pratama, Denni Prihartono, Willy Puji Pramudya Marta Purnamasari, Ade Irma Purnamasari, Adinda Puspita Maulana Arumsari R, Nining Raditya Danar Dana Raena Agustin Laeliyah Rahaditya Dasuki Ramdhan, Dadan Ramiro Firjatullah, Federicko Ranu Husna Rini Astuti Rizaldy, Farhan Rizqy, Muhammad Enricco Rohmat, Cep Lukman Rosmeri Manurung, Agnes Rudi Kurniawan Saeful Anwar Saeful, Agung Saefullah Fasa Saepu Qirom, Dani Saepudin, Asep Saepul Hadi Sagita, Ayu Salsabila, Putri Sandy Eka Permana Septiana, Angga Setiawan, Riyan Sri Suwartini Suandi, Andi Suarna, Nana Subhiyanto, Fajar Sunana, Heliyanti Suryani Dewi, Ike Susana, Heliyanti Syafi'i Syafi'i Syafi'i, Syafi'i Tati Suprapti Tohidi, Edi Tuti Hartati Umi Hayati Vibrianti, Vera Wahyudin, Edi Yubi Aqsho Ramadhan Zacky Muhammad Dinata

Title

Found 99 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 99 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 99 Documents
Search