Garuda - Garba Rujukan Digital

p-Index From 2021 - 2026

9.645

P-Index

This Author published in this journals

All Journal EKONOMIA Jurnal Informatika dan Teknik Elektro Terapan Informatika Mulawarman: Jurnal Ilmiah Ilmu Komputer JIKO (Jurnal Informatika dan Komputer) JURNAL MEDIA INFORMATIKA BUDIDARMA Indonesian Journal of Artificial Intelligence and Data Mining Jurnal Ilmiah Matrik JURNAL INSTEK (Informatika Sains dan Teknologi) Jurnal Teknologi Sistem Informasi dan Aplikasi JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Psychology, Evaluation, and Technology in Educational Research INFOMATEK: Jurnal Informatika, Manajemen dan Teknologi METIK JURNAL Building of Informatics, Technology and Science Progresif: Jurnal Ilmiah Komputer JISKa (Jurnal Informatika Sunan Kalijaga) Jurnal Ilmiah Betrik : Besemah Teknologi Informasi dan Komputer Jurnal Mnemonic JATI (Jurnal Mahasiswa Teknik Informatika) JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Didaktik : Jurnal Ilmiah PGSD STKIP Subang Reswara: Jurnal Pengabdian Kepada Masyarakat Journal of Computer Networks, Architecture and High Performance Computing BAKTI BANUA : JURNAL PENGABDIAN KEPADA MASYARAKAT Teknika Jurnal Informatika Teknologi dan Sains (Jinteks) Jurnal Bangkit Indonesia CONSEN: Indonesian Journal of Community Services and Engagement Jurtik STMIK Bandung Jurnal Abdimas Lamin Journal of Innovative and Creativity Kesatria : Jurnal Penerapan Sistem Informasi (Komputer dan Manajemen) Buffer Informatika INOVTEK Polbeng - Seri Informatika JSE Journal of Science and Engineering Journal of Information Technology KREATIF: Jurnal Pengabdian Masyarakat Nusantara Jurnal Abdimas Mahakam

Taghfirul Azhima Yoga Siswa

Universitas Muhammadiyah Kalimantan Timur

Author-ID : 3868511

Religion Agriculture, Biological Sciences & Forestry Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Mechanical Engineering Physics Social Sciences Transportation Other

Published : 79 Documents Claim Missing Document

Claim Missing Document

Articles

1 2 3 4 5

PENERAPAN OPTIMASI BERBASIS PARTICLE SWARM OPTIMIZATION (PSO) ALGORITMA NAÏVE BAYES DAN K-NEAREST NEIGHBOR SEBAGAI PERBANDINGAN UNTUK MENCARI KINERJA TERBAIK DALAM MENDETEKSI KANKER PAYUDARA Taghfirul Azhima Yoga Siswa; Prihandoko Prihandoko
METIK JURNAL Vol 2 No 2 (2018): METIK Jurnal
Publisher : LP3M Universitas Mulia

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

Saat ini kanker payudara menjadi jenis kanker yang sangat menakutkan bagi perempuan diseluruh dunia, hal ini juga berlaku di Indonesia. Salah satu pemanfaatan teknologi informasi dalam bidang kesehatan adalah disiplin ilmu yang berkembang pesat dewasa ini yaitu Data Mining. Dibutuhkan salah satu teknik data optimasi yang bertujuan untuk meningkatkan kinerja metode klasifikasi data mining konvensional yang sudah dipilih dalam penelitian ini. Salah satu algoritma optimasi yang cukup popular adalah Particle Swarm Optimization (PSO). Penelitian ini bertujuan menerapkan dan mengevaluasi perbandingan kinerja terbaik metode klasifikasi data mining algoritma Naïve Bayes dan K-Nearest Neighbor berbasis PSO untuk mendeteksi kanker payudara. Hasil Penelitian ini menjelaskan bahwa penerapan Particle Swarm Optimization (PSO) menghasilkan hasil yang signifikan dalam memberikan peningkatan kinerja (optimasi) pada algoritma Naïve Bayes dan K-Nearest Neighbor. Berdasarkan uji beda menggunakan T-Test didapatkan algoritma K-Nearest Neighbor berbasis Particle Swarm Optimization (PSO) memiliki nilai akurasi tertinggi diantara algoritma yang lain, dengan nilai perolehan sebesar 0,974.

Prediksi Kinerja Mahasiswa Dalam Perkuliahan Berbasis Learning Management System Menggunakan Algoritma Naïve Bayes Asnur Karima; Taghfirul Azhima Yoga Siswa
Progresif: Jurnal Ilmiah Komputer Vol 18, No 2: Agustus 2022
Publisher : STMIK Banjarbaru

The Covid-19 pandemic that has hit Indonesia since the beginning of 2020 has had a major impact on the world of education, so that the learning process that was originally carried out face-to-face has turned into online learning. In such a situation, the University of Muhammadiyah East Kalimantan utilizes the Learning Management System (LMS) in an online learning system using the LMS Open Learning platform. The purpose of this study is to find the best attribute values using Correlation Based Featured Selection and to test the performance of the Naïve Bayes algorithm using Confusion Matrix. The attributes used after going through the feature selection are time spent on course, course completed, assignments, mid-semester exams and quizzes. The results of testing 178 data with a ratio of training data schemes and testing data of 70:30 produce an accuracy of 98.14%, 80:20 produces an accuracy of 97.22% and 90:10 produces an accuracy of 94.44%. Thus, the best accuracy is obtained at 70:30 data composition, which is 98.14%.Keywords: Accuracy level; Naive Bayes; Online learning; Prediction Abstrak. Pandemi Covid-19 yang melanda Indonesia sejak awal tahun 2020 memberikan dampak besar terhadap dunia pendidikan, sehingga proses pembelajaran yang semula dilakukan secara tatap muka berubah menjadi Pembelajaran Dalam Jaringan (daring). Dalam situasi seperti tersebut, Universitas Muhammadiyah Kalimantan Timur memanfaatan Learning Management System (LMS) dalam sistem pembelajaran daring menggunakan platform LMS Open Learning. Tujuan penelitian ini adalah mencari nilai atribut terbaik menggunakan Correlation Based Featured Selection dan menguji performa algoritma Naïve Bayes menggunakan Confusion Matrix. Atribut yang digunakan setelah melalui seleksi fitur adalah time spent on course, course completed, nilai penugasan, nilai Ujian Tenga Semester dan nilai quiz. Hasil pengujian 178 data dengan rasio skema data training dan data testing 70:30 menghasilkan akurasi sebesar 98,14%, 80:20 menghasilkan akurasi sebesar 97,22% dan 90:10 menghasilkan akurasi sebesar 94,44%. Dengan demikian, akurasi terbaik diperoleh pada komposisi data 70:30, yaitu sebesar 98,14%.Kata kunci: Akurasi; Naïve Bayes; Pembelajaran dalam jaringan; Prediksi

Implementasi K-Nearest Neighbor Dalam Memprediksi Keterlambatan Pembayaran Biaya Kuliah Di Perguruan Tinggi Muhammad Rhosyid Akhmad; Taghfirul Azhima Yoga Siswa
Progresif: Jurnal Ilmiah Komputer Vol 18, No 2: Agustus 2022
Publisher : STMIK Banjarbaru

The delay in payment of tuition fees at the Muhammadiyah University of East Kalimantan for the 2020/2021 academic year reached 3,018 out of a total of 5,533 students. The number of latecomers is quite large because it exceeds half of the total students. It is deemed necessary to conduct an analysis related to the late payment, so that prevention and treatment can be carried out as early as possible. The purpose of this study is to determine the parameters of delay in paying tuition fees, implementing the K-Nearest Neighbor algorithm, and evaluating the performance of the algorithm using a confusion matrix. The amount of data used for the algorithm performance testing process is 12,408 records with a ratio of 80% training data and 20% testing data. The results of the evaluation test showed that the accuracy of k=3 was 52.82%, k=5 was 52.49%, k=7 was 52.37%, k=9 was 52.33%, and k=11 was 52.53%. The best data test results were obtained at k = 3, namely 52.82%.Keywords: Accuracy; K-Nearest Neighbor; Tuition Fee Payment, Confusion matrix Abstrak. Keterlambatan pembayaran biaya kuliah di Universitas Muhammadiyah Kalimantan Timur tahun ajaran 2020/2021 mencapai 3.018 dari total keseluruhan 5.533 mahasiswa. Jumlah yang terlambat tersebut tergolong cukup banyak karena melebihi separuh dari keseluruhan mahasiswa. Dipandang perlu untuk melakukan analisis berkaitan dengan keterlambatan pembayaran tersebut, agar dapat dilakukan pencegahan dan penanganan sedini mungkin. Tujuan penelitian ini adalah menentukan parameter keterlambatan dari pembayaran biaya kuliah, mengimplementasi algoritma K-Nearest Neighbor, dan mengevaluasi kinerja algortima menggunakan Confusion Matrix. Jumlah data yang digunakan untuk proses pengujian kinerja algoritma adalah 12.408 record dengan rasio 80% data training dan 20% data testing. Hasil pengujian evaluasi didapatkan akurasi k=3 sebesar 52,82%, k=5 sebesar 52,49%, k=7 sebesar 52,37%, k=9 sebesar 52,33%, dan k=11 sebesar 52,53%. Hasil pengujian data terbaik didapatkan pada nilai k=3 yaitu 52,82%.Kata kunci: Akurasi; K-Nearest Neighbor; Pembayaran biaya kuliah, Confusion matrix

PELATIHAN PEMANFAATAN BARANG BEKAS SEBAGAI SARANA KREATIVITAS ANAK-ANAK DI PANTI ASUHAN USWATUN HASANAH SAMARINDA Santi Yatnikasari; Pitoyo Pitoyo; Taghfirul Azhima Yoga Siswa
RESWARA: Jurnal Pengabdian Kepada Masyarakat Vol 3, No 2 (2022)
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/rjpkm.v3i2.1852

Panti asuhan berupaya dalam memberikan dukungan mental, fisik, dan sosial kepada anak asuh sebagai bentuk pelayanan kesejahteraan sosial untuk perkembangan kepribadiannya dengan bimbingan agama, pendidikan, sosial, dan lingkungan. Tujuan dari kegiatan pengabdian ini adalah: 1) memberikan pengetahuan kepada anak asuh agar dapat memanfaatkan barang dan bahan bekas di lingkungannya, 2) memberikan pelatihan kepada anak asuh untuk membuat kreasi pemanfaatan barang bekas, 3) memberikan pengetahuan bahwa dengan produk kreasi yang memanfaatkan barang bekas dapat mengembangkan kreativitas anak sehingga dapat bersaing dan berjiwa wirausaha yang akan membentuk pribadi tangguh dan mandiri. Kegiatan pengabdian masyarakat di Panti Asuhan Uswatun Hasanah diawali dengan tahap persiapan, selanjutnya tahap pelaksanaan kegiatan antara lain sosialisasi kegiatan, penyampaian materi dan pelatihan kreasi. Kreasi pot bunga sebagai pemanfaatan barang dan bahan bekas dibuat dengan melakukan pencampuran air dan semen sehingga berbentuk pasta. Peserta yang mengikuti kegiatan berjumlah 25 orang. Hasil dari kegiatan pelatihan, anak asuh memperoleh pengalaman dan pengetahuan yang baru dengan membuat 10 pot bunga yang dirancang menjadi produk kreatif bernilai estetika dan ekonomis serta menumbuhkan jiwa wirausaha. Berdasarkan aspek penilaian kreativitas dapat diketahui persentase kelompok yang mendapat nilai sangat baik adalah 30% dan nilai baik adalah 70% dari 10 kelompok yang ada, dengan nilai rata-rata adalah 77,6%, menunjukan bahwa peserta pelatihan pembuatan pot dengan memanfaatkan barang bekas mampu mengembangkan kreativitas dengan baik. Dengan kepedulian anak asuh terhadap kebersihan lingkungannya, maka dampak negatif dari pencemaran lingkungan dapat diminimalisir.

KOMPARASI ALGORITMA KLASIFIKASI UNTUK MENENTUKAN EVALUASI KINERJA TERBAIK PADA STATUS AKREDITASI SEKOLAH/MADRASAH KALIMANTAN TIMUR BERDASARKAN IASP 2020 Taghfirul Azhima Yoga Siswa; Naufal Azmi Verdikha
Jurnal Informatika Teknologi dan Sains Vol 4 No 3 (2022): EDISI 13
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Indonesia mulai beradaptasi pada era revolusi industri 4.0 ke era society 5.0 dengan penerapan teknologi modern dan penciptaan peluang baru pada semua aspek kehidupan. Selain pengembangan infrastruktur, rencana pemindahan Ibu Kota Negara (IKN) ke Provinsi Kalimantan Timur (KALTIM) juga menjadi catatan penting dalam kesiapan sumber daya manusia yang berkualitas yang dapat dilihat dari mutu pendidikan dengan status akreditasi sekolah. Penelitian ini bertujuan untuk melakukan komparasi terhadap beberapa algoritma klasifikasi seperti C4.5, Naïve Bayes, K-Nearest Neighbor (K-NN), Support Vector Machine (SVM) dan Logistic Regression untuk mencari kinerja terbaik dalam klasifikasi status akreditasi sekolah/madrasah provinsi Kalimantan Timur berdasarkan IASP 2020. Tahap preprocessing membagi data dilakukan menggunakan metode cross validation yang bersumber pada data BAN S/M KALTIM tahun 2020-2021 berjumlah 295 record. Kemudian dilakukan evaluasi kinerja algoritma untuk mencari nilai Accuracy, Precision dan Recall menggunakan confusion matrix.

Optimasi Seleksi Fitur Information Gain pada Algoritma Naïve Bayes dan K-Nearest Neighbor Muhammad Norhalimi; Taghfirul Azhima Yoga Siswa
JISKA (Jurnal Informatika Sunan Kalijaga) Vol. 7 No. 3 (2022): September 2022
Publisher : UIN Sunan Kalijaga Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14421/jiska.2022.7.3.237-255

There was an increase in the number of late payments of tuition fees by 3,018 from a total of 5,535 students at the end of 2020. This study uses the Python library which requires data to be of numeric type, so it requires data transformation according to the type of data in the study, data that has a scale is transformed using an ordinal encoder, and data that does not have a scale is transformed using one-hot encoding. The purpose of this study was to evaluate the performance of the Naïve Bayes algorithm and K-Nearest Neighbor with a confusion matrix in predicting late payment of tuition fees at UMKT. The dataset used in this study was sourced from the financial administration bureau as many as 12,408 data with a distribution of 90:10. Based on the results of the calculation of the selection of information gain features, the best 4 attributes that influence the research are obtained, namely faculty, study program, class, and gender. The results of the evaluation of the confusion matrix that have the best performance using the Naïve Bayes with information gain algorithm obtain an accuracy of 55.19%, while the K-Nearest Neighbor with information gain only obtains an accuracy of 50.76%. Based on the accuracy results obtained in the prediction of late payment of tuition fees by using attributes derived from information gain, it influences increasing the accuracy of Naïve Bayes, but the use of the information gain attribute on the K-Nearest Neighbor algorithm makes the accuracy obtained decrease.

IMPLEMENTASI CORRELATION BASED FEATURE SELECTION (CFS) UNTUK PENINGKATAN AKURASI ALGORITMA C4.5 DALAM PREDIKSI PERFORMA AKADEMIK MAHASISWA BERBASIS LEARNING MANAGEMENT SYSTEM Rizky Aspiah; Taghfirul Azhima Yoga Siswa
JURNAL ILMIAH BETRIK : Besemah Teknologi Informasi dan Komputer Vol 13 No 2 (2022): JURNAL ILMIAH BETRIK : Besemah Teknologi Informasi dan Komputer
Publisher : LPPM Sekolah Tinggi Teknologi Pagar Alam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36050/betrik.v13i2.523

The COVID-19 pandemic in the education aspect has an impact on the learning system. Muhammadiyah University of East Kalimantan utilizes the OpenLearning platform as a medium to support online learning. In this study, predictions of the performance of UMKT students in online lectures were carried out using a data mining approach. The dataset used comes from the OpenLearning platform and the Academic Administration Section which contains 2,663 data. This study aims to identify the best attributes, implement the C4.5 algorithm modeling, and search for modeling searches using a confusion matrix. The results showed that the influential indicators included time spent on courses, completed courses, assignments, quizzes, uts and labels. The implementation of the C4.5 algorithm produces a decision tree at the initial node of the quiz variable with a rank of -0.80 which is included in the true group, but if the rank is -0.80 it is included in the false group. The results of the accuracy using the distribution data of 80% training data and 20% testing data are 97.22%.

Optimasi Correlation-Based Feature Selection Untuk Perbaikan Akurasi Random Forest Classifier Dalam Prediksi Performa Akademik Mahasiswa Yoga Priantama; Taghfirul Azhima Yoga Siswa
JURNAL INFORMATIKA DAN KOMPUTER Vol 6, No 2 (2022): ReBorn -- September 2022
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Kegiatan pembelajaran sejak pandemi covid-19 melanda Indonesia mengharuskan institusi pendidikan melaksakanan kegiatan pembelajaran secara online atau daring. Learning Management System (LMS) menjadi salah satu solusi untuk mendukung proses pembelajaran daring. Universitas Muhammadiyah Kalimantan Timur (UMKT) memanfaatkan plat-form LMS OpenLearning sebagai upayanya untuk menjaga agar kegiatan pembelajaran tetap berlangsung dimasa pan-demi. Tujuan penelitian ini adalah untuk mengidentifikasi indikator atau atribut yang berpengaruh menggunakan metode correlation-based feature selection dan mengevaluasi kinerja algoritma Random Forest Classifier untuk memprediksi per-forma akademik mahasiswa UMKT dalam pembelajaran daring berbasis LMS OpenLearning. Pada penelitian ini, data diperoleh dari bagian administrasi akademik dan LMS OpenLearning sebanyak 2.663 data. Hasil penelitian menunjukan identifikasi korelasi atribut terbaik menggunakan correlation-based feature selection (CFS) adalah pada atribut time spent on course, course completed, tugas, uts, dan quiz. Hasil pemodelan Random Forest Classifier menggunakan optimasi CFS terbukti dapat memperbaiki akurasi pemodelan sebesar 97,22%, sedangkan pemodelan tanpa menggunakan optimasi CFS menghasilkan akurasi sebesar 91,66%.

OPTIMASI CHI SQUARE DAN PERBAIKAN TEKNIK PRUNNING UNTUK PENINGKATAN AKURASI ALGORITMA C4.5 DALAM MODEL KASUS PREDIKSI KETERLAMBATAN BIAYA KULIAH Anton Saputra; Taghfirul Azhima Yoga Siswa
JURNAL INFORMATIKA DAN KOMPUTER Vol 6, No 2 (2022): ReBorn -- September 2022
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Universitas Muhammadiyah Kalimantan Timur menerapkan biaya kuliah yang mempunyai peranan penting dalam meningkatkan mutu pendidikan dan pembangunan infrastruktur, namun masih banyak mahasiswa yang terlambat dalam melakukan pembayaran biaya kuliah yang dapat berpengaruh pada biaya operasional. Penelitian ini bertujuan menentukan fitur, implementasi algoritma C4.5, dan mengevelauasi kinerja algoritma C4.5 dengan membagi 90% data training dan 10% data testing menggunakan confusion matrix. Pada penelitian ini dilakukan penerapan seleksi fitur menggunakan metode chi square dan teknik prunning dalam meningkatkan akurasi algoritma C4.5. Data yang digunakan berasal dari bagian Biro Administrasi Keuangan dan Biro Administrasi Akademik dengan jumlah 12.408. Pengujian algoritma C4.5 dilakukan tanpa menggunakan seleksi fitur chi square dan teknik prunning memperoleh nilai akurasi sebesar 61,40%. Sedangkan pengujian algoritma C4.5 dengan seleksi fitur chi square dan teknik prunning memperoleh nilai akurasi sebesar 65,53%. Dengan demikian adanya seleksi fitur chi square dan teknik prunning dapat meningkatkan akurasi algoritma C4.5 dalam prediksi keterlambatan pembayaran biaya kuliah.

PERBANDINGAN KINERJA ALGORITMA C4.5, NAÏVE BAYES, K-NEAREST NEIGHBOR, LOGISTIC REGRESSION, DAN SUPPORT VECTOR MACHINES UNTUK MENDETEKSI PENYAKIT KANKER PAYUDARA Taghfirul Azhima Yoga Siswa; Prihandoko Prihandoko
JURTIK:Jurnal Penelitian dan Pengembangan Teknologi Informasi dan Komunikasi Vol 7 No 2 (2018): JURTIK : Jurnal Teknologi Informasi dan Komunikasi
Publisher : LPPM STMIK BANDUNG

Evaluate the best performance comparison of C4.5, Naïve Bayes, K-Nearest Neighbor, Logistic Regression, and Support Vector Machines classification methods for detecting breast cancer using a 10 fold Cross Validation test by comparing the values of accuracy, precision, and recall using confusion matrix . The breast cancer dataset used was 699 records with 11 indicator parameters consisting of Code Number, Clump Thickness, Uniformity of Cell Size, Uniformity of Cell Shape, Marginal Adhesion, Single Epithelial Cell Size, Bare Nuclei, Bland Chromatin, Normal Nucleoli, Mitoses, and Classes obtained from http://archive.ics.uci.edu. The data was processed using Rapid Miner Version 9 software. The results of this study found that the percentage of performance of each classification algorithm analyzed, that is C4.5 Algorithm (accuracy 93.70%, precision 94.26%, recall 87.86%), Naïve Bayes Algorithm (accuracy 96.19 %, precision 92.25%, recall 97.50%), K-Nearest Neighbor Algorithm (95.61% accuracy, precision 94.99%, recall of 92.43%), Logistic Regression Algorithm (accuracy 96.77%, precision 95.93%, recall 94.98%), and Support Vector Machines algorithm (accuracy 96.78%, precision 94.83%, recall 96.20%). The best performance results tested using T-Test found that the Logistic Regression and Support Vector Machines algorithm has the same highest accuracy value that is equal to 0.968.

Co-Authors Abdul Rahim Abdul Rahim Abror, Irfan Fiqry Agustya Nanda Pratiwi Akbar, Zakaria Ihza Albab, Muhammad Ulil Alfi Arif Anis Siti Nurrohkayati Anitasari, Dini Anton Prafanto Anton Saputra Arbansyah Arbansyah Ari Ahmad Dhani Ariyadi, Dedy Asnur Karima Aspianur Bahrudin, Faizal Bayu Wijayantini, Bayu Betris Dea Maretta, Nanda Damari, Azwar Darmawan Setiya Budi Daryanto Daryanto Dewi, Catur Kumala Dzul Rachman, Dzul Ekawati Ekawati Enriko Chiesa Sipahutar Fattah, Mi'raj FAUZI Fendy Yulianto Fendy Yulianto Gubtha Mahendra Putra Haryadi, Rina Mashitoh Haryadi, Rina Masithoh Hasudungan, Rofilde Heri Abijono Hery Kurniawan Hidayati Ramadhani, Novia Hidayatullah, Muhammad Wahyu Istimaroh Istimaroh Joko Pranoto, Wawan Jubaidi Khanisa Octavia Khatimah, Khusnul lia, Alvina Lidya Sari Mardiana Mardiana Muhammad Aditya Rahman Muhammad Fadly Ramadhani Muhammad Najeri Al Syahrin Muhammad Norhalimi Muhammad Rhosyid Akhmad Muhammad Wildan Hadinata Naufal Azmi Verdikha Pambudi, Faldy Alfareza Paula Mariana Kustiawan Pitoyo Pitoyo Pitoyo, Pitoyo Poernamawan, Ahmad Nugraha Prihandoko . Putri, Azzahra Namira Raenald Syaputra Rahmad Fahrozi, Mu. Aldi Rahman, Febrian Nor Ramadhani, Daib Jidan Renaldi Panji Wibowo Restu, Anggiq Karisma Aji Rivaldo, Vito Junivan Rizky Aspiah Rochman, Bagus Fathur Rofilde Hasudungan Rudiman, R Rudiman, Rudiman Salsabila, Cindy Azra Santi Yatnikasari Sarina Safitri Satria, Bima Sidiq, Reza June Siti Muawwanah Sobri, Taufik Taufiq, Ilham Taufiqurrahman Taufiqurrahman Triawan Adi Cahyanto Wahyu Hidayat Wawan Joko Pranoto Wawan Joko Pranoto Wawan Joko Pranoto Widyastuti, Dessy Yoga Priantama

Title

Found 79 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 79 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 79 Documents
Search