Garuda - Garba Rujukan Digital

p-Index From 2021 - 2026

5.384

P-Index

This Author published in this journals

All Journal FORUM STATISTIKA DAN KOMPUTASI Media Statistika Jurnal Riset Statistika Pattimura Proceeding : Conference of Science and Technology Bandung Conference Series: Statistics Statistika

Nusar Hajarisman

Prodi Statistika, Fakultas Farmasi Dan Sains, Universitas Islam Bandung, Indonesia

Author-ID : 272850

Agriculture, Biological Sciences & Forestry Astronomy Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Control & Systems Engineering Decision Sciences, Operations Research & Management Education Energy Engineering Materials Science & Nanotechnology Mathematics Physics

Published : 45 Documents Claim Missing Document

Claim Missing Document

Articles

1 2 3 4 5

PEMERIKSAAN DATA BERPENGARUH DALAM MODEL REGRESI GAMMA Hajarisman, Nusar
MEDIA STATISTIKA Vol 3, No 2 (2010): Media Statistika
Publisher : Department of Statistics, Faculty of Science and Mathematics, Universitas Diponegoro

In certain cases, often encountered a group of data where the observed respone variable shaped non-negative and not symmetrical (skewed to the right). The case data such as this one can be found in the field of insurance, such as variable stating the amount of claims or states of time between when a customer claims to obtain these claims. To handle such cases one of them is by using a generalized linear model, with respone variables that follow the gamma distribution. The paper discusses the inspection data outliers and influential data in the modeling of the respone following the gamma distribution. Several statistical measures used to examine the outlier data is the value of leverage, standardized deviance residual, standardized Pearson residual, and residual likelihood. Then the data outliers potentially influential data will be examined using Cook's distance statistics. Â Keywords: Gamma Distributions, Leverage, Standardized Deviance Residual, Standardized Pearson Residual, And Residual Likelihood, Cook's Distance Statistics

Penaksiran Dan Pengujian Model Regresi Beta-Logistik Heckman-Willis Nusar Hajarisman; Asep Saefuddin
FORUM STATISTIKA DAN KOMPUTASI Vol. 6 No. 2 (2001)
Publisher : FORUM STATISTIKA DAN KOMPUTASI

Show Abstract | Download Original | Original Source | Check in Google Scholar

Methods are presented for modeling dose-related effects in proportion data when extra-binomial variability is a concern. Motivation is taken from experiments in developmental toxicology, where the observed proportions. Appeal is made to the well-known beta-binomial distribution to represent the overdispersion. From this, an exponential function of the linear predictor is used to model the dose-response relationship. The spesification was introduced previously for econometric applications by Heckman and Willis; it induces a form logistic regression for mean response, together with a reciprocal biexponential model for the intralitter correlation. For large sample, likelihood based methods for estimating and testing the joint proportion-correlation response are studied.Keywords: logistic regression, beta-binomial distributin, biexponential model

PENDEKATAN NONPARAMETRIK UNTUK ANALISIS TREND PADA RESPONS BINER Nusar Hajarisman; Asep Saefuddin
FORUM STATISTIKA DAN KOMPUTASI Vol. 11 No. 1 (2006)
Publisher : FORUM STATISTIKA DAN KOMPUTASI

Show Abstract | Download Original | Original Source | Check in Google Scholar

Pada saat penelitian lebih difokuskan pada proporsi dari banyaknya ‘sukses’, pi = Yi/Ni, maka analisis seringkali dilakukan berdasarkan model sampling untuk proporsi:distribusi binomial. Distribusi statistik sederhana seperti binomial kadang-kadang tidak mampu untuk menggambarkan distribusi sampling dari Yi atau pi. Dengan demikian, untuk setiap analisis berdasarkan pada penaksiran parameter dari model binomial (yaitu metode parametrik binomial) akan membawa pada kekeliruan dalam inferensi mengenai efek dari suatu stimulus yang sedang diamati. Dalam makalah ini akan dibahas mengenai suatu alternatif dari model parametrik untuk pi, yaitu dengan menggunakanmetode bebas-distribusi (nonparametrik). Dua buah metode berdasarkan pendekatan nonparametrik untuk keperluan analisis trend yang akan dibahas dalam makalah ini ujiCochran-Armitage dan uji Permutasi.

Metode Pemilihan Variabel pada Model Regresi Poisson Menggunakan Metode Nordberg Muhammad Bangkit Riksa Utama; Nusar Hajarisman
Jurnal Riset Statistika Volume 1, No. 1, Juli 2021, Jurnal Riset Statistika (JRS)
Publisher : UPT Publikasi Ilmiah Unisba

Abstract. In various experiments, data interactions take the form of discrete numbers or counts. The model that can be used for these data is the Poisson regression model. Poisson regression is included in the Generalized Linear Model (GLM). Poisson regression in general is very important in various fields and agreed to receive special attention. Often this model needs many independent variables. Then there needs to be a selection of poisson regression model variables. Due to the number of independent variables that exist, the selection of variables is carried out. Variable selection techniques that are commonly known are the forward, backward method, akaike information criteria and several other methods. In this paper, we will discuss one method of selecting variables in the Poisson regression model that has been made in the algorithm created by Famoye and Rothe. The algorithm created will be compared with the algorithm made by Nordberg. In this study data were used on Infant Mortality Rate (IMR) in West Java Province. Abstrak. Dalam berbagai eksperimen, seringkali data berupa bilangan diskrit atau cacah. Model yang dapat digunakan untuk data tersebut diantaranya adalah model regresi poisson. Regresi poisson termasuk kedalam Generalized Linear Model (GLM). Regresi poisson secara umum sangat penting dalam berbagai bidang dan karenanya patut mendapat perhatian khusus. Seringkali model ini melibatkan banyak variabel independen. Maka perlu adanya cara untuk mempertimbangkan pemilihan variabel model regresi poisson. Dikarenakan banyaknya variabel independen yang ada maka dilakukan penyeleksian variabel. Teknik pemilihan variabel yang sudah biasa dikenal yaitu metode forward, backward, akaike information criterion dan beberapa metode lainnya. Pada makalah ini akan dibahas mengenai salah satu metode pemilihan variabel dalam model regresi poisson yang telah dibentuk dalam algoritma yang dibuat oleh Famoye dan Rothe. Algortitma yang dibuat ini akan dibandingkan dengan algoritma yang telah dibuat oleh Nordberg. Pada penelitian ini digunakan data mengenai Angka Kematian Bayi (AKB) di Provinsi Jawa Barat.

EKSPLORASI SISA USIA BEARING MENGGUNAKAN DISTRIBUSI WEIBULL Sutawanir Darwis; Nusar Hajarisman; Suliadi Suliadi; Achmad Widodo
Pattimura Proceeding 2021: Prosiding KNM XX
Publisher : Pattimura University

Bearing merupakan komponen penting dalam suatu sistem mekanikal, berperansebagai elemen penghubung dua komponen mesin yang bergerak. Perawatan bearingmerupakan aspek utama dalam kelangsungan operasional sistem. Vibrasi yang dihasilkancacat pada bearing dimodelkan sebagai impulse, tingkat kerusakan dinyatakan oleh suatufungsi konstan. Sisa usia bearing merupakan merupakan suatu indikator degradasi padaanalisis survival bearing, didefinisikan sebagai ekspektasi residual diketahui survive hinggawaktu t. Sisa umur telah dijabarkan untuk beberapa distribusi antara lain: eksponensial,gamma, Weibull. Penelitian model sisa usia bearing dengan asumsi distribusi Weibullmerupakan masalah penelitian terbuka. Paper ini bertujuan meneliti pola sisa usia bearingsebagai fungsi dari parameter bentuk dan parameter skala. Parameter bentuk dan parameterskala ditaksir menggunakan data time to failure bearing menggunakan data real dan datasimulasi. Model simulasi bearing merupakan fungsi dari geometri, laju bearing dan distribusibeban. Dengan nilai taksiran parameter diperoleh kurva sisa usia bearing digunakansebagai prediksi sisa usia.

Model Quasi-likelihood untuk Mengatasi Masalah Overdispersi pada Data yang Berdistribusi Multinomial Uli Silma; Nusar Hajarisman
Bandung Conference Series: Statistics Vol. 2 No. 1 (2022): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Abstract. Discrete data is data in the form of numbers (numbers) obtained by counting. As stated by McCullagh and Nelder (1989), overdispersion problems will often be encountered in discrete data analysis, both response variables in the form of binary (dichotomous), counts, and structures of more than two categories (polychotomous) such as in this multinomial distributed model. The number of events with more than two categories can be expressed by following a multinomial distribution. Several basic assumptions must be met when applying a multinomial distributed model to a particular data set, one of which is that the response variable is an independent random variable, and the probability of success of an event is constant. However, in practice, it is not uncommon for assumptions to be violated, in which random variables are independent. The independence between random variables is interpreted as a correlation between the response variables, this is an indication that there is a problem called overdispersion. Data can be said to have overdispersion problems when the Pearson deviance or chi-squared value is more than 1 (McCullagh & Nelder, 1989). The multinomial distribution is one method that can be used to overcome the problem of overdispersion in data that follows a normal distribution. The quasi-likelihood model discussed in this thesis is one model that can be used to overcome the problem of overdispersion in data that follows a multinomial distribution. The data used by the author for the application of the quasi-likelihood model is data on the satisfaction level of PDAM users in Antapani Wetan village in October 2019. Abstrak. Data diskrit adalah data yang berbentuk angka (bilangan) yang diperoleh dengan cara membilang. Sebagaimana yang diungkapkan oleh McCullagh dan Nelder (1989), masalah overdispersi akan sering dijumpai dalam analisis data diskrit, baik variabel respons yang berbentuk biner (dikotomus), cacahan, maupun struktur lebih dari dua kategori (polikotomus) seperti dalam model yang berdistribusi multinomial ini. Banyaknya kejadian dengan lebih dari dua kategorik dapat dinyatakan dengan mengikuti distribusi multinomial. Ada beberapa asumsi dasar yang harus dipenuhi pada saat mengaplikasikan model yang berdistribusi multinomial pada gugus data tertentu, salah satunya adalah bahwa variabel respon merupakan variabel acak yang saling bebas, dan peluang sukses dari suatu kejadian adalah konstan. Namun pada praktiknya tak jarang terjadi pelanggaran asumsi, di mana terdapat ketidakbebasan antar variabel acak. Ketidakbebasan antar variabel acak dimaknai sebagai adanya korelasi diantara variabel respon, hal tersebut merupakan suatu bukti indikasi bahwa terdapat masalah yang disebut overdispersi. Data dapat dinyatakan mengalami masalah overdispersi ketika nilai devians atau chi kuadrat Pearson yang lebih dari 1 (McCullagh & Nelder, 1989). Distribusi multinomial merupakan salah satu metode yang dapat digunakan untuk mengatasi masalah overdispersi pada data yang mengikuti distribusi normal. Model quasi-likelihood yang dibahas dalam skripsi ini merupakan salah satu model yang dapat digunakan untuk mengatasi masalah overdispersi pada data yang mengikuti distribusi multinomial. Data yang digunakan penulis untuk penerapan model quasi-likelihood adalah data tingkat kepuasan pengguna PDAM di kelurahan Antapani Wetan Bulan Oktober Tahun 2019.

Penggunaan Small Area Estimation dengan Fay-Herriot pada Angka Partisipasi Kasar Perguruan Tinggi di Provinsi Jawa Barat Tahun 2019. Putri Alifia Azzahra; Nusar Hajarisman
Bandung Conference Series: Statistics Vol. 2 No. 2 (2022): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Abstract. Education is one of the sustainable development goals (SDGs). To find out whether education can be said to be good, it can be calculated using one of the indicators, namely the Gross Enrollment Rate (GER). GER in Higher Education can show that people can take higher education. The Gross Higher Education Enrollment Rate (APK-PT) only reaches 30.28% of the 19-23 year old school-age population (BPS, 2019). If viewed according to province, West Java province has a fairly low value of the Higher Higher Education Gross Enrollment Rate (APK-PT) of 25.15%. In this study, the Small Area Estimation (SAE) method with the Fay Herriot method will be used. The Small Area Estimation method is used because this study only uses a small area. The purpose of this study was to determine the APK-PT equation model using SAE Fay Herriot, to know the comparison of estimates directly or indirectly, and to know the comparison of the coefficient of variation values to evaluate the predicted results. In conducting the research, the data to be used is secondary data obtained from the Central Statistics Agency (BPS). The results of this study indicate that the model of SAE Fay Herriot is Y = 15.659257+0.288636 (Number of Universities in West Java) with the coefficient of variation of the direct estimator being greater than the coefficient of variation of the indirect estimator. Abstrak. Pendidikan merupakan salah satu tujuan pembangunan berkelanjutan atau Suistainable Development Goals (SDGs). Untuk mengetahui apakah pendidikan dapat dikatakan dengan baik, maka dapat dihitung menggunakan salah satu indikator yaitu Angka Partisipasi Kasar (APK). APK pada Perguruan Tinggi dapat menunjukkan bahwa masyarakat dapat menempuh pendidikan tinggi. Angka Partisipasi Kasar Perguruan Tinggi (APK-PT) hanya mencapai 30.28% dari populasi penduduk usia sekolah 19-23 tahun (BPS, 2019). Jika dilihat sesuai provinsi, provinsi Jawa Barat memiliki nilai Angka Partisipasi Kasar Perguruan Tinggi (APK-PT) cukup rendah yaitu 25.15%. Dalam penelitian ini akan menggunakan metode Small Area Estimation (SAE) dengan metode Fay Herriot. Digunakannya metode Small Area Estimation ini karena penelitian ini hanya menggunakan suatu area kecil. Tujuan dari penelitian ini adalah untuk mengetahui model persamaan APK-PT dengan menggunakan SAE Fay Herriot, dapat mengetahui perbandingan pendugaan secara langsung maupun tidak langsung, dan dapat mengetahui perbandingan nilai koefisien variasi untuk mengevaluasi terhadap hasil dugaan. Dalam melakukan penelitian, data yang akan dipakai merupakan data sekunder yang didapat dari Badan Pusat Statistik (BPS). Hasil dari penelitian ini menunjukkan bahwa, model dari SAE Fay Herriot adalah Y ̂= 15.659257+0.288636 (Jumlah Perguruan Tinggi di Jawa Barat) dengan nilai koefisien variasi penduga langsung lebih besar dari koefisien variasi penduga tidak langsung.

Penerapan Penduga Area Kecil untuk Menduga Pengeluaran Per Kapita di Provinsi Jawa Barat melalui Metode Empirical Best Linear Unbiased Prediction Giatri Divianis; Nusar Hajarisman
Bandung Conference Series: Statistics Vol. 2 No. 2 (2022): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Abstract. A research small sample will lead to errors which gets unexpected stats and precision. So as be solved by direct estimation. However, direct estimation provides insufficient accuracy resulting in large variance. But, can be overcome by estimating small area using Empirical Best Linear Unbiased Prediction (EBLUP) method by borrowing information data from surrounding area. Output evaluation’s by comparing Relative Root Mean Square Error (RRMSE). It’s used in Per Capita Expenditure in West Java. Presentation of Expenditure Per Capita data by BPS still limited in district/city level. The data’s obtained from National Socio-Economic Survey (SUSENAS) of BPS 2021 with household-based information Expenditures as a response variable and companion variables from BPS West Java in Figures 2022, namely Health Facilities, Motorcycle Users, Education Participants, Beneficiary Families, Education Facilities , and Manpower in Micro and Small Industries. With analysis stage, normality test and homoscedasticity test of Per Capita Expenditure then Correlation Test of Per Capita Expenditure value with companion variables, estimating , random effect ( ) and random effect variance ( ), then normality test and homoscedasticity test of influence random ( ), estimates value of EBLUP ( ), calculate RRMSE of two estimators. The RRMSE results from EBLUP estimator are smaller, RRMSE average of 0.23566 compared Direct Estimator's RRMSE average of 0.27016. So, Small Area Estimator of the EBLUP method in Per Capita Expenditure in West Java is better than the result of the Direct Estimator. Abstrak. Suatu penelitian jika memiliki sampel sedikit akan menimbulkan kesalahan dimana memperoleh statistik dan presisi yang tidak diharapkan. Sehingga dapat diatasi dengan pendugaan secara langsung namun, pendugaan langsung memberikan ketelitian yang tidak cukup sehingga menghasilkan varian besar. Tetapi dapat diatasi dengan pendugaan area kecil metode Empirical Best Linear Unbiased Prediction (EBLUP) dengan meminjam data informasi di area sekitar. Evaluasi output dilakukan dengan membandingkan nilai Relative Root Mean Square Error (RRMSE). Hal ini dimanfaatkan pada Pengeluaran Per Kapita di Provinsi Jawa Barat. Penyajian data Pengeluaran Per Kapita oleh BPS masih terbatas pada level kabupaten/kota. Data yang diperoleh dari Survei Sosial Ekonomi Nasional (SUSENAS) BPS 2021 dengan variabel respon Pengeluaran,Per Kapita informasi berbasis Rumah Tangga serta variabel penyerta dari BPS Jawa Barat dalam Angka 2022 yakni Sarana Kesehatan, Pengguna Sepeda Motor, Penempuh Pendidikan, Keluarga Penerima Manfaat, Fasilitas Pendidikan, dan Tenaga Kerja pada Industri Mikro dan Kecil. Dengan tahapan analisis melakukan uji normalitas dan uji homoskedastis Pengeluaran Per Kapita lalu Uji Korelasi nilai Pengeluaran Per Kapita dengan variabel penyerta, pendugaan , pengaruh acak ( ) dan varian pengaruh acak ( ), kemudian uji normalitas dan uji homoskedastisitas pengaruh acak ( ), menduga nilai EBLUP ( ), menghitung RRMSE dari kedua penduga, lalu membandingkannya. Hasil RRMSE penduga EBLUP lebih kecil dengan rata-rata RRMSE sebesar 0,23566 dibandingkan Penduga Langsung diperoleh rata-rata RRMSE sebesar 0,27016. Maka, Penduga Area Kecil metode EBLUP dalam Pengeluaran Per Kapita di Provinsi Jawa Barat lebih baik dibandingkan hasil Penduga Langsung.

Penerapan Penduga Area Kecil Melalui Metode Empirical Best Linear Unbiased Prediction (EBLUP) untuk Estimasi Persentase Penduduk Miskin Level Kabupaten/Kota di Provinsi Jawa Barat Aulia Syafira; Nusar Hajarisman
Bandung Conference Series: Statistics Vol. 2 No. 2 (2022): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Abstract. Poverty is a problem that is still a concern in every country until now. Poverty data needs to be available to the smallest area in order to implement targeted programs and measures to combat poverty. It is difficult to obtain information in a small area using the BPS survey design, because the sample size used is too small and the estimation results are less accurate. Efforts can be made to estimate the small area is to increase the sample size, but this will increase the cost. Small Area Estimation (SAE) is a method that can be applied to areas with small sample sizes to increase the accuracy of direct estimates. One approach that can be used for Small Area Estimation is to use the Empirical Best Linear Unbiased Prediction (EBLUP) approach. In this study, the accuracy of EBLUP estimation can be evaluated with Mean Square Error (MSE) and Coefficient of Variation (CV). By using an indirect estimation, namely the EBLUP method, the highest percentage of poor people is found in Indramayu Regency and the lowest is in Depok City, the average percentage of poor people in West Java Province is 8.95%, the average Mean Square Error (MSE) is 8.95%. 0.1997 and the Coefficient of Variation (CV) value of 29.63% and from the results of the comparison of direct estimates with EBLUP estimates there is the biggest difference, namely in Tasikmalaya City of 0.5791. Abstrak. Kemiskinan merupakan permasalahan yang masih menjadi perhatian di setiap negara hingga kini. Data kemiskinan perlu tersedia sampai area terkecil agar dapat menerapkan program dan langkah-langkah yang tepat sasaran untuk memerangi kemiskinan. Sulit untuk mendapatkan informasi di area kecil menggunakan desain survei BPS, karena ukuran sampel yang digunakan terlalu kecil dan hasil estimasi kurang akurat. Upaya yang dapat dilakukan untuk memperkirakan area kecil adalah dengan penambahan ukuran sampel, namun hal ini akan meningkatkan biaya. Small Area Estimation (SAE) adalah metode yang dapat diterapkan pada area dengan ukuran sampel kecil untuk meningkatkan ketepatan estimasi langsung. Salah satu pendekatan yang dapat digunakan untuk pendugaan area kecil adalah dengan menggunakan pendekatan Empirical Best Linear Unbiased Prediction (EBLUP). Dalam penelitian ini, akurasi estimasi EBLUP dapat dievaluasi dengan Mean Square Error (MSE) dan Coefficient of Variation (CV). Dengan menggunakan estimasi tidak langsung yaitu metode EBLUP, didapat hasil persentase penduduk miskin tertinggi terdapat pada Kabupaten Indramayu dan terendah terdapat pada Kota Depok, rata-rata persentase penduduk miskin di Provinsi Jawa Barat sebesar 8.95%, rata-rata Mean Square Error (MSE) sebesar 0.1997 dan nilai Coefficient of Variation (CV) sebesar 29.63% dan dari hasil perbandingan estimasi langsung dengan estimasi EBLUP terdapat selisih paling besar yaitu pada Kota Tasikmalaya sebesar 0.5791.

Pendugaan Angka Pengangguran di Jawa Barat Pada Tahun 2019 dengan Menggunakan Small Area Estimation Melalui Pendekatan Empirical Bayes Berbasis Model Beta-Binomial Mela Rafela; Nusar Hajarisman
Bandung Conference Series: Statistics Vol. 2 No. 2 (2022): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Abstract. Unemployment data is one of the main indicators of development. However, the unemployment data required by the Regional Government is not yet available at the district/city level due to the limited sample coverage in the National Labor Force Survey (Sakernas) conducted by BPS. The solution to this problem is to apply Small Area Estimation (SAE). Unemployment problem which assumes a binomial distribution with parameters (n,θ) and θ is a variable probability of success. This situation is known as the overdispersion problem. The method that is suitable for this case is the Empirical Bayes model of beta-binomial. The purpose of this study is to apply the Empirical Bayes method based on the beta-binomial model to estimate the district/city level unemployment rate in West Java Province and to obtain the results of a comparison between the direct and indirect estimators through the Mean Square Error (MSE) value using the Naive method. After testing the fit of the beta-biomial distribution, there is an overdispersion problem in the research data. This study resulted in the estimated value of the district/city unemployment rate in West Java Province in 2019 with the direct method and the indirect method producing relatively the same value. The highest unemployment rate is in Cirebon Regency and the lowest is in Majalengka Regency. The results of the estimation of the two methods can be concluded that the estimator using the Empirical Bayes method based on the beta-binomial model is better than the direct method. Abstrak. Data pengangguran merupakan salah satu indikator utama pembangunan. Namun, data pengangguran yang dibutuhkan oleh Pemerintah Daerah belum tersedia di level kabupaten/kota karena terbatasnya cakupan sampel dalam Survei Angkatan Kerja Nasional (Sakernas) yang dilakukan oleh BPS. Solusi dari permasalahan ini yaitu dengan menerapkan Small Area Estimation (SAE). Masalah pengangguran yang diasumsikan distribusi binomial dengan parameter (n,θ) dan θ adalah peluang sukses yang bervariasi. Keadaan seperti ini disebut sebagai masalah overdispersi. Metode yang cocok untuk kasus ini yaitu Empirical Bayes model beta-binomial. Tujuan dari peneitian ini adalah mengaplikasikan metode Empirical Bayes berbasis model beta-binomial untuk menduga angka pengangguran level kabupaten/kota di Provinsi Jawa Barat serta memperoleh hasil perbandingan antara penduga langsung dan penduga tidak langsung melalui nilai Mean Square Error (MSE) dengan menggunakan metode Naive. Setelah dilakukan pengujian kecocokan distribusi beta-biomial, terdapat masalah overdispersi dalam data penelitian. Penelitian ini menghasilkan nilai dugaan angka pengangguran kabupaten/kota di Provinsi Jawa Barat pada tahun 2019 dengan metode langsung dan metode tidak langsung menghasilkan nilai yang relatif sama. Angka pengangguran paling tinggi ada di Kabupaten Cirebon dan paling rendah ada di Kabupaten Majalengka. Hasil pendugaan dari kedua metode tersebut dapat disimpulkan bahwa penduga menggunakan metode Empirical Bayes berbasis model beta-binomial lebih baik dari pada metode langsung.

Co-Authors 10060116101, Tanti Rudiawan Putri Aceng Komarudin Mutaqin Achmad Widodo Achmad Widodo Achmad Widodo Adinda Zahrotul Rizkiah Akmal Hafis Hakim Alma Mariana Sofiah Anggi Savitri Ani Ressa Nuryaningsih Anneke Iswani A. Anneke Iswani Ahmad Annisa Lisa Nurjanah Arya Ramadhan, Iqbal ASEP SAEFUDDIN Aulia Syafira Aulia, Githa Balqis Nabilah Khairunnisa Budiman, Aulia Sabila Chandra Maulana Dewi Rosiana Dewi Rosiana Diahsty Marasabessy, Munira Dwi Agustin Nuriani Sirodj Dwi Andini Juniawati Erfina Agustin Hidayat Esa Nurtiara Fadia Wahyu Utami Fatiha nurfauzan, Arsyi Fera Shintarini Giatri Divianis Hardiana Prasasti Isma Amarita Jasmine Wildani Arisa Kamilatul 'Aini Khairi A N Khalisha Azzahra Kusman Sadik Labana Kaulika Mardha Tri Meilani Mela Rafela Muh. Fahmi Nur Akbar Muhammad Bahry Baidhowy Muhammad Bangkit Riksa Utama Nanda Shofia Nur Ihsan Natasya Neng Marlina Nopita Sari Murtafiah Novita Sheisariana Fahira Putri Alifia Azzahra Rafi Fitra Rahma Elia Nurazizah Rejeki Wulan Islamiyati Rida Faridah Riyani Desriawati Siti Magfiratul Hasanah Siti Nur Rohmah Suliadi Sutawanir Darwis Sutawanir Darwis Teti Sofia Yanti Tiara Yulianisah Uli Silma Winda Aya Haliza Wulan Putri Prihartini Yayat Karyana

Title

Found 45 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 45 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 45 Documents
Search