Garuda - Garba Rujukan Digital

p-Index From 2021 - 2026

5.031

P-Index

This Author published in this journals

All Journal Jurnal Sarjana Teknik Informatika Jurnal Ilmiah Kursor TEKNOLOGI INFORMASI Jurnal EECCIS JAIS (Journal of Applied Intelligent System) Sistemasi: Jurnal Sistem Informasi Journal of Information Technology and Computer Science SMARTICS Journal Jurnal TAM (Technology Acceptance Model) INOVTEK Polbeng - Seri Informatika Pendas : Jurnah Ilmiah Pendidikan Dasar SENTIA 2016 MATRIK : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer PengabdianMu: Jurnal Ilmiah Pengabdian kepada Masyarakat Jurnal Teknologi Terapan J-Dinamika: Jurnal Pengabdian Kepada Masyarakat EDUMATIC: Jurnal Pendidikan Informatika MULTINETICS Jurnal Teknologi Informasi dan Multimedia Jurnal Teknik Informatika (JUTIF) Jurnal Pengabdian Polinema Kepada Masyarakat Jurnal Pengabdian kepada Masyarakat Buguh: Jurnal Pengabdian Kepada Masyarakat Jurnal Pengabdian pada Masyarakat Ilmu Pengetahuan dan Teknologi Terintegrasi Paradigma Jurnal ELTEK Jurnal Teknik Ilmu dan Aplikasi Komunita: Jurnal Pengabdian dan Pemberdayaan Masyarakat Jurnal Informatika Polinema (JIP) Jurnal TAM (Technology Acceptance Model) Jurnal Komtika (Komputasi dan Informatika)

Imam Fahrur Rozi

Politeknik Negeri Malang

Author-ID : 364934

Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mechanical Engineering Public Health Social Sciences Other

Published : 50 Documents Claim Missing Document

Claim Missing Document

Articles

1 2 3 4 5

MONITORING DAN PROFILING KONDISI INTENSITAS CAHAYA LAMPU DI RUANGAN MENGGUNAKAN METODE FUZZY TSUKAMOTO DAN RASPBERRY PI Ariyanto, Rudy; Rahmad, Cahya; Rozi, Imam Fahrur; Lestari, Vivin Ayu
JURNAL TEKNOLOGI INFORMASI: Teori, Konsep, dan Implementasi JURNAL TEKNOLOGI INFORMASI: Teori, Konsep dan Implementasi Vol 10 No 1 Tahun 2019
Publisher : JURNAL TEKNOLOGI INFORMASI: Teori, Konsep, dan Implementasi

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

Increasing the use of electricity resources can lead to an energy crisis, so efforts are needed to make efficient use of these resources. Malang State Polytechnic is one of the educational institutions that needs electrical energy to support learning activities. Based on the total number of students more than 10,000 so that the electrical power used daily can be categorized as very large. Along with the development of information technology that is increasingly rapid, it is possible to build an application to monitor the use of electricity resources so that it is expected to minimize the use of electrical energy that is not so important. This study using the Fuzzy Tsukamoto and Raspberry PI methods for monitoring and profilling light conditions. Input variables used are light and time which consists of five linguistic values. This research was implemented in 2 laboratory rooms at Malang State Polytechnic. The Raspberry Pi can monitor the light intensity in a room using two inputs, namely light and time, then the inoutan will be processed using fuzzy inference to get a very low, low, medium, high, and very high output score. So that the light intensity intensity monitoring system in this study can be used to conduct the conditions of the use of electrical energy, especially the power of indoor lighting. Keywords : Fuzzy Tsukamoto, Light, Monitoring, Profilling, Raspberry Pi

KLASIFIKASI TEKS LAPORAN MASYARAKAT PADA SITUS LAPOR! MENGGUNAKAN RECURRENT NEURAL NETWORK Imam Fahrur Rozi; Vivi Nur Wijayaningrum; Nur Khozin
Sistemasi: Jurnal Sistem Informasi Vol 9, No 3 (2020): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

ABSTRACTThe existence of public dissatisfaction with public services causes the public to be provided with facilities to make complaints. One of the sites that can be used to make complaints is the Public Service Complaint Management System (SP4N LAPOR!). With this site, complaints made by the public can be handled quickly, transparently and accountably in accordance with the authority of each organizer. However, the large number of complaints that had to be processed caused the process of data verification and sorting of reports by respective departments to take quite a long time, so the report classification process was needed to speed up the handling and follow-up of a report. The purpose of this research is to classify each complaint report from the public in preparation for the verification process of each public report document, which is expected to have an impact on the accelerated process of handling and follow-up of each related institution or agency. In this study, Long Short-Term Memory Recurrent Neural Network was used to perform the classification process for each public report document. The learning model is evaluated using k-fold cross-validation of 10 parts of data. The evaluation results show that the average f-measure percentage is 85.69% for the balanced dataset and 79.44% for the unbalanced dataset, while the highest evaluation value of all evaluations results in an f-measure of 88.82%. The high accuracy of the modeling indicates that the proposed method can be used to classify public report documents.Keywords: classification, complaint, , long short-term memory, recurrent neural network, reportABSTRAKAdanya ketidak puasan masyarakat terhadap layanan publik menyebabkan masyarakat perlu disediakan fasilitas untuk melakukan pengaduan. Salah satu situs yang dapat digunakan untuk melakukan pengaduan adalah Sistem Pengelolaan Pengaduan Pelayanan Publik (SP4N LAPOR!). Dengan adanya situs ini, aduan yang dilakukan oleh masyarakat dapat ditangani dengan cepat, transparan, dan akuntabel sesuai dengan kewenangan masing-masing penyelenggara. Namun, banyaknya aduan yang harus diproses menyebabkan proses verifikasi data dan pemilahan laporan berdasarkan instansi masing-masing membutuhkan waktu yang cukup lama, sehingga proses klasifikasi laporan sangat dibutuhkan untuk mempercepat penanganan dan tindak lanjut dari sebuah laporan. Tujuan dari penelitian ini adalah mengklasifikasikan setiap laporan pengaduan dari masyarakat untuk persiapan proses verifikasi setiap dokumen laporan masyarakat, yang nantinya diharapkan dapat berdampak pada proses percepatan penanganan dan tindak lanjut dari setiap Lembaga atau instansi yang terkait. Pada penelitian ini, Long Short-Term Memory Recurrent Neural Network digunakan untuk melakukan proses klasifikasi setiap dokumen laporan masyarakat. Model pembelajaran dievaluasi menggunakan k-fold cross-validation sebanyak 10 bagian data. Hasil evaluasi menunjukkan rata-rata persentase f-measure sebesar 85,69% untuk dataset seimbang dan 79,44% untuk dataset tidak seimbang, sedangkan nilai evaluasi tertinggi dari semua evaluasi menghasilkan f-measure sebesar 88,82%. Akurasi pemodelan yag cukup tinggi menunjukkan bahwa metode yang diusulkan dapat digunakan untuk mengklasifikasikan dokumen laporan masyarakat.Kata Kunci: klasifikasi, pengaduan, long short-term memory, recurrent neural network, lapor

Implementasi Opinion Mining (Analisis Sentimen) untuk Ekstraksi Data Opini Publik pada Perguruan Tinggi Imam Fahrur Rozi; Sholeh Hadi Pramono; Erfan Achmad Dahlan
Jurnal EECCIS Vol 6, No 1 (2012)
Publisher : Fakultas Teknik, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (347.015 KB)

Sentiment analysis atau opinion mining merupakan topik riset yang penting dan sedang marak dilakukan saat ini. Opinion mining merupakan cabang penelitian dari text mining. Fokus dari opinion mining adalah melakukan analisis opini dari suatu dokumen teks. Terdapat tiga buah subproses dari opinion mining yaitu, document subjectivity, opinion orientation dan target detection. Dalam dunia bisnis, opinion mining banyak digunakan untuk menganalisis secara otomatis opini pelanggan tentang produk dan pelayanannya.Pada penelitian ini dikembangkan sistem opinion mining untuk menganalisis opini publik pada perguruan tinggi. Pada subproses document subjectivity dan target detection digunakan Part-of-Speech (POS) Tagging menggunakan Hidden Makov Model (HMM). Pada hasil proses POS Tagging kemudian diterapkan rule untuk mengetahui apakah suatu dokumen termasuk opini atau bukan, serta untuk mengetahui bagian kalimat mana yang merupakan objek yang menjadi target opini. Dokumen yang dikenali sebagai opini selanjutnya diklasifikasikan ke dalam opini negatif dan positif (subproses opinion orientation) menggunakan Naïve Bayes Classifier (NBC). Dari pengujian didapatkan nilai precission dan recall untuk subproses document subjectivity adalah 0.99 dan 0.88, untuk subproses target detection adalah 0.92 dan 0.93, serta untuk subproses opinion orientation adalah 0.95 dan 0.94.Kata Kunci—Analisis Sentimen, Opinion Mining, POS Tagging, Hidden Markov Model, Naïve Bayes Classifier.

Rancang Bangun Sistem Aplikasi Tanggap Cepat Pengaduan Infrastruktur Berbasis Android pada Dinas Pekerjaan Umum dan Penataan Ruang Kota Malang Meyti eka Apriyani; Imam Fahrur Rozi; Mahanani Nur Budiarti; Anita Ivianti
Jurnal Sarjana Teknik Informatika Vol 8, No 3 (2020): Oktober
Publisher : Teknik Informatika, Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/jstie.v8i3.17752

Banyaknya permasalahan mengenai infrastruktur yang terjadi di Kota Malang menjadi kendala majunya suatu pemerintahan kota. Untuk menyampaikan permasalahan dari masyarakat kepada pemerintahnya perlu adanya suatu fasilitas atau media. Fasilitas ini diharapkan membantu menguhubungkan antara masyarakat dengan pemerintah kota dengan lebih efektif dan efisien. Berkenaan degan hal tersebut, sangat diperlukan suatu aplikasi untuk menunjang penyampaian aspirasi masyarakat. Aplikasi tersebut berupa aplikasi mobile yang dapat diakses oleh masyarakat secara langsung sehingga nantinya pengaduan dan keluhan dari masyarakat akan ditangani secara cepat oleh Dinas Pekerjaan Umum dan Perumahan Rakyat (Dinas PUPR). Pada penelitian ini sebanyak 30 orang yang telah menggunakan aplikasi ini, sebesar 83% mengatakan setuju bahwa adanya aplikasi ini dapat membantu pelaporan kerusakan infrastruktur di Kota Malang. Berdasarkan hal tersebut dapat disimpulkan bahwa aplikasi ini dapat mempermudah masyarakat dalam pengaduan terkait infrastruktur dan juga dapat membantu Dinas PUPR dalam menerima aduan masyarakat dan penyaluran aduan ke bidang yang menanganinya

Cross-Language Text Document Plagiarism Detection System Using Winnowing Method Mustika Mentari; Imam Fahrur Rozi; Maria Puji Rahayu
Journal of Applied Intelligent System Vol 7, No 1 (2022): Journal of Applied Intelligent System
Publisher : Universitas Dian Nuswantoro and IndoCEISS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/jais.v7i1.5950

Currently, there are many text documents such as journals scattered on the internet, both Indonesian and English-language journals. With this, it is possible to act plagiarism by copying from foreign journals that are translated into other languages or copying directly without being changed from the original language. One way that can suppress these actions is to build a plagiarism detection system for cross-language text documents. The method that can be used to detect document plagiarism is the Winnowing method. Winnowing method is a method where text input will be processed to produce a hash value called a fingerprint. This study aims to build a system that can detect plagiarism of text documents in different languages using the Winnowing method. Text documents that can be tested are input text and PDF files. Documents used in system testing are journals that have the same topic. The results of the highest level of accuracy produced between the calculation of the Jaccard Coefficient with the Plagiarism Checker X application are in the fourth scenario with an average percentage value of 84.7%.

APLIKASI SISTEM PAKAR DIAGNOSA PENYAKIT KEPALA PRIMER DENGAN METODE CERTAINTY FACTOR Florena Galatia Mahardika; Imam Fahrur Rozi; Rudy Ariyanto
SENTIA 2016 Vol 8, No 1 (2016)
Publisher : SENTIA 2016

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (684.18 KB)

Sakit kepala merupakan suatu kondisi yang terdapat rasa sakit di dalam kepala atau sakit di belakang leher atau punggung bagian atas. Pada penelitian ini akan meneliti tentang penyakit kepala primer, dikarenakan jenis sakit kepala ini merupakan jenis penyakit yang paling umum dan sampai dengan 90% orang dewasa mengalami atau akan mengalami jenis sakit kepala ini (dr. Obed Paundralingga,Msc.2015).Penyakit kepala primer ini diklasifikasikan menjadi 4 bagian besar diantaranya Migraine, Tension Type Headache (TTH), Trigeminal autonomic cephalalgias (TACs), dan Gangguan sakit kepala primer lainnya. Penyakit migraine ini terbagi atas banyak sub penyakit, beberapa diantaranya ialah Migraine With Aura, Migraine Without Aura, Chronic Migraine, etc dan penyakit Tension Type Headache (TTH) terbagi atas 3 sub yakni Infrequent episodic tension-type headache,Frequent episodic tension-type headache, Chronic tension-type headache (International Headache Society.2013:636).Pada sistem pakar diagnosa penyakit kepala primer ini menggunakan metode certainty factor untuk perhitungan tingkat kepercayaannya. Certainty factor memiliki nilai kepercayaan user dan nilai kepercyaan dari pakar, dan nilai kepercayaan ini digunakan untuk mendapatkan nilai kepercayaan (CF). Dan setelah mendapatkan nilai kepercayaan (CF), metode ini mengkombinasikan nilai CF berdasarkan penyakitnya, dan hasil diagnosa akan tampil berdasarkan nilai kombinasi terbesar dari masing-masing penyakit.Sistem pakar ini diimplementasikan dalam bentuk website yang bertujuan untuk memudahkan para pengguna mencari informasi atau mendiagnosa penyakit kepala primer. Proses pengujian sistem pakar diagnosa penyakit kepala primer ini adalah dengan membandingkan perhitungan manual, perhitungan sistem dan dari seorang pakar yang nantinya akan menghasilkan keakuratan sistem. Pada penelitian ini menghasilkan keakuratan diagnosa penyakit sebesar 100% dari 10 sampel data .

PENGEMBANGAN SISTEM PENENTUAN KELAYAKAN KPR MENGGUNAKAN METODE SAW PADA BANK SYARIAH BUKOPIN Amalia Amalia; Imam Fahrur Rozi; Rudy Ariyanto
SENTIA 2016 Vol 8, No 1 (2016)
Publisher : SENTIA 2016

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1143.359 KB)

PT. Bank Syariah Bukopin memiliki beberapa kegiatan perusahanan salah satunya adalah pemberian Kredit Pemilikan Rumah (KPR). Penilaian kelayakan kredit ditentukan berdasarkan kriteria pada setiap nasabah yang mengajukan pinjaman. Sistem ini digunakan untuk menentukan siapa yang layak mendapat pinjaman berdasarkan ranking pada nasabah yang memenuhi kriteria. Sistem ini memproses perankingan yang akan menyeleksi alternatif terbaik dari sejumlah alternatif. Hasil dari penelitian ini menunjukkan hasil terbaik dari nasabah yang memenuhi kriteria untuk membantu Bank membuat keputusan lebih mudah dan efektif dalam memberikan pinjaman, baik berupa nilai dana yang di dapat dan kandidat nasabah yang mengajukan pinjaman.

IMPLEMENTASI FUZZY C-MEANS UNTUK PREDIKSI PERILAKU MAHASISWA BERDASARKAN JUMLAH KETIDAKHADIRAN Ridwan Rismanto; Imam Fahrur Rozi; Arief Prasetyo
SMARTICS Journal Vol 3 No 2: SMARTICS Journal (Oktober 2017)
Publisher : Universitas PGRI Kanjuruhan Malang

Dalam kegiatan belajar mengajar di perguruan tinggi, mahasiswa dituntut tertib dalam melaksanakan perkuliahan. Sebagai syarat agar mahasiswa dapat melanjutkan ke semester berikutnya adalah jumlah kehadiran dan indeks prestasi. Dalam pelaksanaannya, selalu ada mahasiswa bermasalah yang melakukan pelanggaran yaitu jumlah ketidakhadiran yang melebihi batas sehingga harus diterbitkan Surat Peringatan, atau bahkan putus studi. Tujuan surat peringatan ini adalah agar mahasiswa mengetahui status akademiknya sekaligus memunculkan efek jera agar kesalahan yang serupa tidak diulangai lagi. Namun pada prakteknya, masih ada saja mahasiswa yang melanggar meskipun sudah pernah mendapatkan surat peringatan. Kecenderungan yang terjadi adalah mahasiswa yang memiliki jumlah ketidakhadiran cukup banyak selama beberapa semester, pada semester berikutnya jumlah ketidakhadirannya pun akan banyak lagi. Hal ini juga berdampak pada indeks prestasi semesternya. Dalam penelitian ini akan dibuat sebuah sistem yang dapat mengklasifikasikan mahasiswa berdasarkan jumlah ketidakhadiran mahasiswa selama dua semester. Metode klasifikasi yang digunakan adalah clustering dengan Fuzzy C-Means. Hasil klasifikasi digunakan untuk memprediksi perilaku mahasiswa di semester berikutnya. Diharapkan penelitian ini akan bermanfaat untuk proses pembinaan mahasiswa dalam menempuh kegiatan belajar mengajar di perguruan tinggi.

IMPLEMENTASI SUPPORT VECTOR MACHINE PADA ANALISA SENTIMEN TWITTER BERDASARKAN WAKTU Faisal Rahutomo; Imam Fahrur Rozi; Haris Setiyono
Jurnal TAM (Technology Acceptance Model) Vol 10, No 2 (2019): Jurnal TAM (Technology Acceptance Model)
Publisher : LPPM STMIK Pringsewu

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (408.767 KB)

Sentiment analysis is one branch of science from data mining that aims to analyze, understand, process, and extract textual data in the form of opinions on entities such as products, services, organizations, individuals, and certain topics. In determining positive, negative or neutral categories, a public response on twitter can be done manually by reading each tweet. This certainly requires a lot of time and takes a lot of energy. In this study using the Support Vector Machine classification algorithm to classify tweet data into positive, negative or neutral sentiments. Analysis is carried out based on a certain time span, because each time can have a different topic of discussion and from the results of these data can be seen the development of sentiment trends and can be seen how the public response to a particular topic. The tweet data is obtained by crawling periodically with the target keywords of the names of candidates and vice president in the 2019 election. The dataset used in this study uses 600 tweets. In testing the classification using k-fold cross validation by dividing into 10 data parts, average value of 66% accuracy, 67% precision and 66% recall.

Implementasi Text Mining Pada Website/Blog Di Internet Untuk Menilai Kinerja Suatu Organisasi Faisal Rahutomo; Zanuar Hanif Rachmat Adi; Imam Fahrur Rozi; Pramana Yoga Saputra
Jurnal Inovtek Polbeng Seri Informatika Vol 3, No 2 (2018)
Publisher : P3M Politeknik Negeri Bengkalis

Melihat pola kehidupan manusia saat ini menunjukkan bahwa aktivitas sehari-hari tidak dapat dipisahkan dari internet. Gaya hidup ini secara tidak langsung memengaruhi cara seseorang berkomunikasi. Di internet, banyak sekali pendapat, kritik atau saran digunakan untuk menilai kinerja organisasi. Organisasi yang disebutkan adalah organisasi perbankan yang dimiliki pemerintah yang memberikan layanan kepada publik. Penelitian ini mengembangkan sistem yang dapat memberikan penilaian terhadap kinerja organisasi mengggunakan pendapat masyarakat pada perbankan pemerintah. Algoritma yang digunakan dalam penelitian ini adalah Rating System Based On Adjective. Jumlah pengambilan data adalah 10, 30 dan 50 pada pencarian data pertama. Pencarian data diperoleh dengan crawling data online memanfaatkan API Google di situs web atau blog di internet. Proses pengujian algoritme menggunakan "ulasan kinerja pada bank yang dicari" dalam 10 pencarian pertama adalah 98,59% dengan kesalahan persentase 45,2. Proses pengujian algoritma dalam 30 pencarian pertama adalah 99,84% dengan kesalahan persentase 40,04. Proses pengujian algoritma dalam 50 pencarian pertama adalah 98,21% dengan kesalahan persentase 30,73.

Co-Authors Abdul Muhsyi Agung Nugroho Agung Nugroho Pramudhita Ahmad Adil Faruqi Ahmad Sudi Pratikno Ahmadi Yuli Ananta Al Huda, Muhammad Iqbaluddin Ali Rahman Wibisana, Hafid Amalia Amalia Amalia, Astrifidha Rahma Angga Aditya Indra Wiratmaka Anggraini, Serly Anita Ivianti Annisa Taufika Firdausi Arief Prasetyo Arifin, Muh. Syamsul Arin Kistia Nugraeni Astrifidha Rahma Amalia Atiqah Nurul Asri Budiarti, Arry Budiarti, Mahanani Nur Bulan, Novita Putri Cahya Rahmad Dianti, Amelia Dika Rizky Yunianto Dimas Firman AL-Hafiidh Donavan, Khasadika Dwi Puspitasari Eka Larasati Ekojono Ekojono Ekojono Ekojono Ekojono, Ekojono Elok Nur Hamdana Endah Septa Sintiya Erfan Achmad Dahlan Erfan Rohadi Fadjar Purnomo Fahmy Ainun Nazilla Faisal Rahutomo Faishal Rahutomo Farida Ulfa Faruqi, Ahmad Adil Florena Galatia Mahardika Gaghana, Geo Alfriza Hakim, Muhammad Ilham El Haris Setiyono Ika Kusumaning Putri Indra Wiratmaka, Angga Aditya Iqbal Alfahmi, Muhammad Balya Irawan, Ferry Buyung Bakhtiar Irvan Wahyu Nurdian Islamiyah, Khalimatul Ivianti, Anita Kadek Suarjuna Batubulan Khalimatul Islamiyah Khansa, M. Roid Billy Khasadika Donavan Mahanani Nur Budiarti Mamluatul Hani’ah Mardiana, Aida Milati Maria Puji Rahayu Maulidia, Irma Meyti Eka Apriyani Millenia Rusbandi Moch. Sholeh, Moch. Mochamad Panggih Nirwanto Mufidah, Nursita Al Muhammad Afif Hendrawan Muhammad Alfahmi Mustika Mentari Nazilla, Fahmy Ainun Nirwanto, Mochamad Panggih Novia Puspitasari Nugraeni, Arin Kistia Nur Khozin Nurdian, Irvan Wahyu Nurizal Dwi Priandani Nursita Al Mufidah Nurudin Santoso Nurul Jannah Odhitya Desta Odhitya Desta Triswidrananta Odhitya Desta Triswidrananta Odhitya Desta Triswidrananta Pangestu Nur Mirzha Pramana Yoga Saputra Rahmadhany, Tahta Reza Rahman, Muhammad Arif Rakhmat Arianto Rakhmat Arianto Ratih Indri Hapsari Rawansyah Rawansyah Ridwan Rismanto Rokhman, Syaiful Rosa Andrie Asmara Rudy Arianto, Rudy Rudy Ariyanto Rusbandi, Millenia Santoso, Nurudin Saputra, Zainal Ulu Prima Saskia Putri, Anisa Sholiha, Afifah Sugianto, Yuyung Syafaat Akbar Syaiful Rokhman Tahta Reza Rahmadhany Thalia Amira Rifda Triyanna Widiyaningtyas Usman Nurhasan Vipkas Al Hadid Firdaus Vivi Nur Wijayaningrum Vivin Ayu Lestari Viyus, Vinan Wahyu Caesarendra Wibowo, Rahmat Catur Widito, Sasmojo Wijanarko, Eko Setio Yan Watequlis Syaifudin Yogi Kurniawan Yoppy Yunhasnawa Yuri Ariyanto Yushintia Pramitarini Zahra Rifdani, Mir'ah Zakaria, Arief Syukron Zanuar Hanif Rachmat Adi

Title

Found 50 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 50 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 50 Documents
Search