Garuda - Garba Rujukan Digital

p-Index From 2021 - 2026

5.254

P-Index

This Author published in this journals

All Journal Semantik MATICS : Jurnal Ilmu Komputer dan Teknologi Informasi (Journal of Computer Science and Information Technology) Jurnal Ilmiah Kursor Jurnal Teknologi Informasi dan Ilmu Komputer Proceeding of the Electrical Engineering Computer Science and Informatics Jurnal Teknologi dan Sistem Komputer JOIV : International Journal on Informatics Visualization Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Knowledge Engineering and Data Science SMARTICS Journal Applied Information System and Management Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI) Journal of Information System,Graphics, Hospitality and Technology Applied Technology and Computing Science Journal Teknika Journal of Electrical Engineering and Computer (JEECOM) Journal of Applied Data Sciences International Journal of Engineering, Science and Information Technology Insyst : Journal of Intelligent System and Computation J-Intech (Journal of Information and Technology) Jurnal Nasional Teknik Elektro dan Teknologi Informasi Jurnal Sistem Cerdas dan Rekayasa Jurnal Inovasi Teknologi dan Edukasi Teknik Nusantara Journal of Computers and its Applications Bulletin of Social Informatics Theory and Application Jurnal Informatika: Jurnal Pengembangan IT Journal of Information Technology Smatika Jurnal : STIKI Informatika Jurnal

Joan Santoso

Institut Sains Dan Teknologi Terpadu Surabaya

Author-ID : 3174216

Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Physics Social Sciences Transportation Other

Published : 48 Documents Claim Missing Document

Claim Missing Document

Articles

1 2 3 4 5

Klasifikasi Ketrampilan Kognitif Siswa dengan Menggunakan Metode Learning Vector Quantization dengan Bantuan Game Budi Irawan; Joan Santoso
Journal of Information System,Graphics, Hospitality and Technology Vol. 3 No. 02 (2021): Journal of Information System, Graphics, Hospitality and Technology
Publisher : Institut Sains dan Teknologi Terpadu Surabaya (d/h Sekolah Tinggi Teknik Surabaya)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37823/insight.v3i02.132

Untuk menilai tingkat kognitif seorang siswa sangatlah sulit banyak indikator yang mempengaruhi yang menyebabkan hasilnya tidak akurat. Dengan metode serius game ini akan diketahui tingkat kognitif seorang siswa yang akan diketahui penguasaan pembelajaran yang akan dicapai. Dalam serius game ini penguasaan pembelajaran merupakan inti dari proses belajar mengajar. Dalam tingkat kognitif ini perlu diklasifikasikan dengan menggunakan metode Cognitif Skill Game (CSG). Siswa sebagai pemain akan dipantau bagaimana berinteraksi dengan permainan untuk meningkatkan konsep permainan kognitif ini. Pada CSG ini menggunakan metode Learning Vector Quantization (LVQ) yang berfungsi untuk mengoptimalkan input klasifikasi ketrampilan kognitif pemain. Guru sebagai data training digunakan untuk mengobservasi LVQ. Guru mempunyai pengalaman yang banyak dan mempunyai banyak sertifikasi atau pelatihan dianggap cocok sebagai data training. Pengambilan data Guru menggunakan metode observasi kuesioner. Siswa jurusan Teknik Komputer dan Jaringan (TKJ) SMK adalah populasi klasifikasi ketrampilan kognitif saat menjalankan permainan dalam penelitian. Sebagian kecil pemain CSG masuk dalam kategori keterampilan kognitif hati-hati, beberapa masuk dalam kategori ahli, dan sebagian besar masuk dalam dalam kategori coba-coba. Hasil dari permainan CSG ini adalah pemain memiliki kemampuan ketrampilan kognitif masih rendah. High trial and error 75%, high expert 6%, dan high careful 19%. Dalam penelitian ini juga dilakukan validasi pengukuran secara berulang-ulang untuk mengetahui keakuratan klasifikasi CSG.

Ekstraksi Relasi Antar Entitas di Bahasa Indonesia Menggunakan Neural Network Ananta Tio Putra; Eunike Kardinata; Hartarto Junaedi; Francisca Chandra; Joan Santoso
Journal of Information System,Graphics, Hospitality and Technology Vol. 3 No. 02 (2021): Journal of Information System, Graphics, Hospitality and Technology
Publisher : Institut Sains dan Teknologi Terpadu Surabaya (d/h Sekolah Tinggi Teknik Surabaya)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37823/insight.v3i02.156

Dengan perkembangan zaman yang begitu pesat, berdampak pada perkembangan data pula. Salah satu bentuk data yang paling banyak saat ini berupa data tekstual seperti artikel sederhana maupun dokumen lain yang terdapat di internet. Agar data tekstual tersebut dapat dimengerti dan dimanfaatkan dengan baik oleh manusia, maka perlu di proses dan disederhanakan agar menjadi informasi yang ringkas dan jelas. Oleh karena itu, semakin berkembang pula penelitian dalam bidang Information Extraction (IE) dan salah satu contoh penelitian di IE adalah Relation Extraction (RE). Penelitian RE sudah banyak dilakukan terutama pada Bahasa Inggris dimana resourcenya sudah termasuk banyak. Metode yang digunakan pun bermacam-macam seperti kernel, tree kernel, support vector machine, long short-term memory, convulution recurrent neural network, dan lain sebagainya. Pada penelitian kali ini adalah penelitian RE pada Bahasa Indonesia dengan menggunakan metode convulution recurrent neural network yang sudah dipergunakan untuk RE Bahasa Inggris. Dataset yang digunakan pada penelitian ini adalah dataset Bahasa Indonesia yang berasal dari file xml wikipedia. File xml wikipedia ini kemudian diproses sehingga menghasilkan dataset seperti yang digunakan pada CRNN dalam Bahasa inggris yaitu dalam format SemEval-2 Task 8. Uji coba dilakukan dengan berbagai macam perbandingan data training dan testing yaitu 80:20, 70:30, dan 60:40. Selain itu, parameter pooling untuk CRNN yang digunakan ada dua macam yaitu ‘att’ dan ‘max’. Dari uji coba yang dilakukan, hasil yang didapatkan adalah bervariasi mulai dari mendekati maupun lebih baik bila dibandingkan dengan CRNN dengan menggunakan dataset Bahasa inggris sehingga dapat disimpulkan bahwa dengan CRNN ini bisa digunakan untuk proses RE pada Bahasa Indonesia apabila dataset yang digunakan sesuai dengan penelitian sebelumnya.

Analisis Pendapat Masyarakat terhadap Berita Kesehatan Indonesia menggunakan Pemodelan Kalimat berbasis LSTM Esther Irawati Setiawan; Adriel Ferdianto; Joan Santoso; Yosi Kristian; Gunawan Gunawan; Surya Sumpeno; Mauridhi Hery Purnomo
Jurnal Nasional Teknik Elektro dan Teknologi Informasi Vol 9 No 1: Februari 2020
Publisher : Departemen Teknik Elektro dan Teknologi Informasi, Fakultas Teknik, Universitas Gadjah Mada

The uncertainty of health news content, which is spread on social media, raises the need for validation of the truth. One validation approach is to consider the opinion or attitudes of most people, which is called a stance on a topic, whether they support, oppose, or being neutral. This paper proposes a stance analysis model to classify the relationship between sentences so that it can recognize the correlation of the opinion of the writer in the headline of the problem claim. The proposed model uses several Long Short-Term Memory (LSTM), which represent the interrelationship of news for analysis of the relationship between a claim with other news. The formation of word representation vectors is carried out in conjunction with LSTM-based stance classification training. Sentence embedding is done to get the vector representation of sentences with LSTM. Each word in a sentence occupies one time-step in LSTM and the output of the last word is taken as a sentence representation. Based on the results of trials with the Indonesian health-related dataset that was built for this study, the proposed stance classification model was able to achieve an average F1-score value of 71%, with the supporting value 69%, opposing as much as 70%, and neutral 74%.

Pengenalan Lirik Lagu Otomatis Pada Video Lagu Indonesia Menggunakan Hidden Markov Model Yang Dilengkapi Music Removal Luhfita Tirta; Joan Santoso; Endang Setyati
Journal of Information System,Graphics, Hospitality and Technology Vol. 4 No. 2 (2022): Journal of Information System, Graphics, Hospitality and Technology
Publisher : Institut Sains dan Teknologi Terpadu Surabaya (d/h Sekolah Tinggi Teknik Surabaya)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37823/insight.v4i2.225

Video sangat penting untuk membuat informasi berupa suara dalam video agar dapat dipahami oleh semua kalangan masyarakat, dan orang-orang yang memiliki masalah pendengaran yaitu dengan cara paling alami terletak pada penggunaan subtitle. Oleh karena itu, peneliti membuat pengenalan lirik lagu otomatis pada video lagu Indonesia menggunakan Hidden Markov Model yang dilengkapi music removal. Dalam pengenalan suara lebih akurat dilakukan dengan menggunakan model HMM yang dilengkapi oleh MFCC (kata yang cocok 81% dan WER 19%) dibandingkan dengan model LDA + MFCC (kata yang cocok 71% dan WER 29%) dan DWT + MFCC (kata yang cocok 61% dan WER 39%). Jumlah kata dan sample suara pada library Bahasa Indonesia yang digunakan cukup sangat mempengaruhi MFCC dan CMU Sphinx-4, Nada pada inputan lagu yang akan diproses CMU Sphinx-4 juga sangat berpengaruh pada tingkat keberhasilan, dikarenakan CMU Sphinx-4 sangat sensitif dengan nada yang terlalu tinggi dan noise yang ada pada inputan lagu tersebut sehingga peneliti menambahkan fitur ekstraksi pada suara yaitu menggunakan MFCC. Dalam hal ini menggunakan dataset kecil terlebih dahulu untuk memastikan metode Hidden Markov Model yang dilengkapi MFCC dan CMU Sphinx-4 dapat berjalan dengan baik, Dari penelitian beberapa peneliti sebelumnya, maka hasil akhir yang diperoleh dengan menggunakan metode HMM yang dilengkapi oleh MFCC dan CMU Sphinx-4 dalam penelitian ini mendapatkan hasil akurasi training 78% dan testing 81% kecocokan kata pada video lagu.

SISTEM REKOMENDASI OBAT PENGGANTI MENGGUNAKAN METODE CNN Aditya Dwi Aryanto; Joan Santoso; Devi Dwi Purwanto
Jurnal Sistem Cerdas dan Rekayasa (JSCR) Vol 3 No 1 (2021): Jurnal Sistem Cerdas dan Rekayasa (JSCR) 2021
Publisher : Lembaga Penelitian dan Pengabdian kepada Masyarakat Universitas Widya Kartika (LPPM UWIKA)

Dengan semakin banyaknya merk obat yang beredar dengan indikasi dan fungsi yang sama membuat dokter maupun apoteker dijadikan sebagai pilihan untuk memberikan obat yang tepat sesuai dengan penyakit yang diderita oleh pasien. Dengan semakin banyaknya merk dan jenis obat yang beredar saat ini, dimana tiap merk yang ada kadang kala memiliki bahan dasar dan indikasi yang sama ataupun berbeda. Selain itu, Obat-obatan yang tertera pada resep terkadang tidak dapat disajikan sepenuhnya karena berbagai alasan. Oleh karena itu, perlu dilakukan penggantian obat oleh apoteker. Penggantian obat tersebut dapat dilakukan oleh apoteker selama dokter mengizinkan penggantian dilakukan. Penelitian ini dilakukan untuk membuat rekomendasi obat pengganti saat obat tersebut dalam keadaan kosong. Penelitian ini menggunakan metode CNN. Hasil rekomendasi obat yang didapat, digunakan untuk mengurangi waktu proses pencarian obat yang dibutuhkan oleh pasien. Metode CNN digunakan untuk menentukan rekomendasi obat pengganti berdasarkan pemilihan obat yang paling ideal. Bahan obat yang direkomendasikan sama persis dengan obat-obatan sebelumnya yang dicari.

Aspect Based Sentiment Analysis Marketplace Product Reviews Using BERT, LSTM, and CNN Syaiful Imron; Esther Irawati Setiawan; Joan Santoso; Mauridhi Hery Purnomo
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 7 No 3 (2023): Juni 2023
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29207/resti.v7i3.4751

Bukalapak is one of the largest marketplaces in Indonesia. Reviews on Bukalapak are only in the form of text, images, videos, and stars without any special filters. Reading and analyzing manually makes it difficult for potential buyers. To help with this, we can extract this review by using aspect-based sentiment analysis because an entity cannot be represented by just one sentiment. Several previous research stated that using LSTM-CNN got better results than using LSTM or CNN. In addition, using BERT as word embedding gets better results than using word2vec or glove. For this reason, this study aims to classify aspect-based sentiment analysis from the Bukalapak marketplace with BERT as word embedding and using the LSTM-CNN method, where LSTM is for aspect extraction and CNN for sentiment extraction. Based on testing the LSTM-CNN method, it gets better results than LSTM or CNN. The LSTM-CNN model gets an accuracy of 93.91%. Unbalanced dataset distribution can affect model performance. With the increasing number of datasets used, the accuracy of a model will increase. Classification without using stemming on datasets can increase accuracy by 2.04%.

PENCARIAN BERITA BAHASA INDONESIA MENGGUNAKAN METODE GENERALIZED VECTOR SPACE MODEL (GVSM) Syaiful Huda; Joan Santoso
NJCA (Nusantara Journal of Computers and Its Applications) Vol 5, No 2 (2020): Desember 2020
Publisher : Computer Society of Nahdlatul Ulama (CSNU) Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36564/njca.v5i2.204

Berita bisa dating atau diperoleh dari mana saja, semisal dari teman, guru, atau media elektronik seperti mesinpencari. Salah satu metode yang dapat digunakan untuk membangun mesin pencari adalah Vector Space Model (VSM). Masalah yang muncul adalah terdapat dokumen yang tidak ditemukan padahal mengandung istilah yang berkaitan dengan query. Berdasarkan permasalahan ini diperlukannya sebuah metode yang lebih menyeluruh dalam melakukan pencarian yang tidak hanya terpaku pada ada tidaknya suatu istilah di dalam dokumen. Untuk itu dipilihlah metode GVSM yang diharapkan mampu mengatasi masalah tersebut. Metode Generalized Vector Space Model (GVSM) adalah pengembangan dari VSM yang menambahkan hubungan antar istilah (Semantic Relatedness) dalam melakukan penghitungan kesamaan antara vektor query dengan vektor dokumen. Denganmemperhitungkan relasi antar istilah maka pencarian sebuah dokumen akan lebih luas. Berdasarkan hasil uji coba yang telah dilakukan maka dapat disimpulkan bahwa penerapan metode GVSM belum mampu meningkatkan hasil pencarian berita Bahasa Indonesia dibandingkan dengan metode VSM. Dikarenakan penerapan metode GVSM pada sistem hanya mampu meningkatkan recall dan accuracy saja dengan persentase peningkatan masing-masing sebesar 30% dan 0.16%. Sedangkan precision memiliki nilai yang lebih rendah 11,17% dari pada metode VSM.

Self-Training Naive Bayes Berbasis Word2Vec untuk Kategorisasi Berita Bahasa Indonesia Joan Santoso; Agung Dewa Bagus Soetiono; Gunawan; Endang Setyati; Eko Mulyanto Yuniarno; Mochamad Hariadi; Mauridhi Hery Purnomo
Jurnal Nasional Teknik Elektro dan Teknologi Informasi Vol 7 No 2: Mei 2018
Publisher : Departemen Teknik Elektro dan Teknologi Informasi, Fakultas Teknik, Universitas Gadjah Mada

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1455.318 KB)

News as one kind of information that is needed in daily life has been available on the internet. News website often categorizes their articles to each topic to help users access the news more easily. Document classification has widely used to do this automatically. The current availability of labeled training data is insufficient for the machine to create a good model. The problem in data annotation is that it requires a considerable cost and time to get sufficient quantity of labeled training data. A semi-supervised algorithm is proposed to solve this problem by using labeled and unlabeled data to create classification model. This paper proposes semi-supervised learning news classification system using Self-Training Naive Bayes algorithm. The feature that is used in text classification is Word2Vec Skip-Gram Model. This model is widely used in computational linguistics or text mining research as one of the methods in word representation. Word2Vec is used as a feature because it can bring the semantic meaning of the word in this classification task. The data used in this paper consists of 29,587 news documents from Indonesian online news websites. The Self-Training Naive Bayes algorithm achieved the highest F1-Score of 94.17%.

FlashCard Mobile Web App untuk Pembelajaran Matematika dengan Sencha Touch FrameWork Tjwanda Putera Gunawan; Esther Irawati Setiawan; Heppi Siswanto; Setya Ardhi; Joan Santoso
Jurnal Inovasi Teknologi dan Edukasi Teknik Vol. 3 No. 2 (2023)
Publisher : Universitas Ngeri Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17977/um068v3i22023p99-104

A flashcard is a learning card that is used by children. This study card has two sides, the front and rear. The front section usually contains questions, and the back contains the answers. The way to learn this card is by opening the front of the card and thinking about the answer. Then the card is reversed, if the answer is like the answer on the back of the card, it is correct. If the answer is wrong, this process is repeated until the answer is correct. Sencha Touch is a mobile web app framework. This framework is used by developers who want to develop web applications like the original, but Sencha only runs on the client side. If the developers want to run the application on the server side, they can use PHP which is called by using Ajax request. This application aims to develop a mobile flashcard application using Sencha Touch. Features such as quizzes and group will be added to share the flashcard or quiz questions with friends and find out their learning activities. There is also a multimedia feature, by which users can add images, voice, or video on flashcards. The use of Sencha Touch mobile web is very helpful because the GUI for web app development using Sencha Architect. Sencha Touch handles only the client side, so it is necessary to have an application to handle the server side for database processing, which is done by using PHP called by using Ajax request. Flashcard merupakan kartu belajar yang pada umumnya digunakan untuk belajar anak-anak pada usia balita. Kartu belajar tersebut memiliki dua sisi, bagian depan dan bagian belakang. Pada bagian depan biasanya berisi pertanyaan, dan bagian belakang berisi jawaban. Cara mempelajarinya adalah dengan membuka kartu bagian depan, kemudian pengguna memikirkan jawabannya. Setelah itu kartu dibalik, jika jawaban yang dipikirkan sama dengan jawaban pada bagian belakang kartu, maka jawabannya benar. Jika jawabannya salah pembelajaran diulangi berkali-kali hingga jawabannya benar. Sencha Touch merupakan framework mobile web app. Framework ini digunakan para pengembang yang ingin membuat aplikasi web seperti aplikasi asli, tetapi pada Sencha hanya berjalan pada client side. Jika pengembang ingin menjalankan aplikasi server side, pengembang dapat menggunakan PHP yang dipanggil menggunakan Ajax request. Aplikasi ini bertujuan membuat suatu aplikasi flashcard dengan Sencha Touch. Fitur yang akan ditambahkan antara lain fitur quiz, fitur grup untuk dapat berbagi kartu flashcard atau soal quiz kepada teman, dan mengetahui aktifitas belajar teman. Juga ada fitur multimedia, dimana pengguna dapat menambahkan gambar, suara, atau video pada flashcard yang dibuat. Penggunaan Sencha Touch sangat membantu pembuatan mobile web app, karena adanya GUI untuk pembuatan web app dengan menggunakan Sencha Architect. Sencha Touch hanya menangani aplikasi secara client side, sehingga dibutuhkan aplikasi server side untuk pengolahan database, yaitu dengan menggunakan PHP yang dipanggil menggunakan Ajax request.

Klasifikasi Helpdesk Menggunakan Metode Support Vector Machine Stefanie Hilda Kusumahadi; Hartarto Junaedi; Joan Santoso
Jurnal Informatika: Jurnal Pengembangan IT Vol 4, No 1 (2019): JPIT, Januari 2019
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/jpit.v4i1.1125

The online helpdesk with ticketing system with the help of operators often experiences problems such as inappropriate delegation processes, the duration of the helpdesk waiting time to be delegated, even the helpdesk is missed to be handled. The ticket delegation checked manually by the operator has risks creating an error in delegating helpdesk tickets to inappropriate technicians. The helpdesk classification system is needed so that every incoming helpdesk ticket can be classified to the right technician according to the job description. The incoming Helpdesk is classified into 6 types of requests, namely multimedia, documentation, internet, server, hardware, software and miscellaneous. This helpdesk grouping is needed so that related technicians for each helpdesk can work and help the helpdesk according to their respective job descriptions. The Support Vector Machine method is used to classify text on the helpdesk. The use of Linear and Polynomial kernels produces an accuracy of 78%, the RBF or Gaussian kernel produces the highest accuracy of 81% while the Sigmoid kernel produces the smallest accuracy of 51%. The helpdesk classification results with the Support Vector Machine method can produce quite good accuracy.

Co-Authors Aditya Dwi Aryanto Adriel Ferdianto Afandi, Acxel Derian Agung Dewa Bagus Soetiono Ahdan, Syabith Umar Ahmad Syaifuddin Ali Djamhuri Ananta Tio Putra Andik Jatmiko Anita Guterres Budi Irawan Cahyadi, Billy Kelvianto Chandra, Francisca H. Christian Nathaniel Purwanto Collantes, Leonel Hernandez Daniel Gamaliel Saputra Devi Dwi Purwanto Dewi, Nindian Puspa Dipa, Sasra Edwin Pramana Eka Rahayu Setyaningsih Eko Mulyanto Yuniarno Elizabeth Shirley, Stephanie Endang Setyati Esther Irawati S. Esther Irawati Setiawan Eunike Kardinata F.X. Ferdinandus Fachrul Kurniawan Fachrul Kurniawan Febriantoro, Erfan Ferdinandus, F. X. Ferdinandus, Fransiskus Xaverius Francisca Chandra Fujisawa, Kimiya Gunawan Gunawan Gunawan Gunawan Gunawan Gunawan Halim, Kevin Jonathan Hans Juwiantho Hans Keven Budi Prakoso Harianto, Reddy Alexandro Hartarto Junaedi Hartono, Patrick Hendrawan Armanto Heppi Siswanto Herman Budianto Imron, Syaiful Indra Maryati Irawati Setiawan, Esther Jatmiko, Andik Kristian Indradiarta Gunawan Kristina, Natalia Kurniawan S, Putu Widiarsa Langgeng, Yudo Sembodo Hastoro Leonel Hernandez Lim, Ernest Luhfita Tirta Lukman Zaman Mauridhi Hery Purnomo Mochamad Hariadi Mohammad Farid Machfudin Mohammad Mauludin Muhammad Amfahtori Wijarnoko Mustaqin, Farhan Faisal Zainul Nagari, Widean Nindian Puspa Dewi Ong, Hansel Santoso Purwanto, Christian Nathaniel Putra, Bayu Anggara Putu Widiarsa Kurniawan S Rossy P. C. Rully Widiastutik Samuel Budi Wardhana Kusuma Saputra, Daniel Gamaliel Setiawan, Esther Setya Ardhi Soetiono, Agung Dewa Bagus Stefanie Hilda Kusumahadi Surya Sumpeno Sutanto, Patrick Sutanto, Ricky Syaiful Huda Syaiful Imron Tjendika, Patrick Tjwanda Putera Gunawan Tri Septianto Tuesday saka gustaf Ubaidi Ubaidi Ubaidi, Ubaidi Vania, Stella Vu, Tong Nam Tuan Wardoyo, Nikko Riestian Putra Yosi Kristian

Title

Found 48 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 48 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 48 Documents
Search