Garuda - Garba Rujukan Digital

p-Index From 2021 - 2026

11.311

P-Index

This Author published in this journals

All Journal TEKNIK INFORMATIKA Syntax Jurnal Informatika Jurnal Ilmu Komputer dan Agri-Informatika SITEKIN: Jurnal Sains, Teknologi dan Industri CESS (Journal of Computer Engineering, System and Science) Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) RABIT: Jurnal Teknologi dan Sistem Informasi Univrab Jurnal Informatika Jurnal CoreIT JURNAL MEDIA INFORMATIKA BUDIDARMA Indonesian Journal of Artificial Intelligence and Data Mining Seminar Nasional Teknologi Informasi Komunikasi dan Industri INOVTEK Polbeng - Seri Informatika JURNAL INSTEK (Informatika Sains dan Teknologi) Jurnal Informatika Universitas Pamulang Jurnal Nasional Komputasi dan Teknologi Informasi JURIKOM (Jurnal Riset Komputer) JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) JOISIE (Journal Of Information Systems And Informatics Engineering) Building of Informatics, Technology and Science Progresif: Jurnal Ilmiah Komputer Zonasi: Jurnal Sistem Informasi Journal of Applied Engineering and Technological Science (JAETS) Jurnal Tekinkom (Teknik Informasi dan Komputer) JOURNAL OF INFORMATION SYSTEM MANAGEMENT (JOISM) Indonesian Journal of Electrical Engineering and Computer Science JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Journal of Computer System and Informatics (JoSYC) Jurnal Sistem Komputer dan Informatika (JSON) JUKI : Jurnal Komputer dan Informatika TIN: TERAPAN INFORMATIKA NUSANTARA Jurnal Teknik Informatika (JUTIF) Jurnal Restikom : Riset Teknik Informatika dan Komputer Information System Journal (INFOS) Jurnal Computer Science and Information Technology (CoSciTech) Jurnal UNITEK Bulletin of Computer Science Research KLIK: Kajian Ilmiah Informatika dan Komputer Jurnal Informatika Teknologi dan Sains (Jinteks) Malcom: Indonesian Journal of Machine Learning and Computer Science Jurnal Teknik Indonesia Jurnal Informatika: Jurnal Pengembangan IT Jurnal Komtika (Komputasi dan Informatika)

Fadhilah Syafria

Universitas Islam Negeri Sultan Syarif Kasim Riau

Author-ID : 660108

Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities 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 Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Social Sciences Transportation Veterinary Other

Published : 103 Documents Claim Missing Document

Claim Missing Document

Articles

3 4 5 6 7

Penerapan Fuzzy Backpropagation Neural Network dalam Klasifikasi Penyakit Stroke Karina Julita; Iis Afrianty; Suwanto Sanjaya; Fadhilah Syafria
Jurnal Informatika Universitas Pamulang Vol 8, No 2 (2023): JURNAL INFORMATIKA UNIVERSITAS PAMULANG
Publisher : Teknik Informatika Universitas Pamulang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32493/informatika.v8i2.31351

Stroke adalah penyakit cerebrovaskuler yang ditandai dengan gejala neurologis tiba-tiba akibat cedera vaskular akut pada otak. Menurut WHO pada tahun 2019, stroke penyebab utama kematian dan kecacatan kedua di dunia, dengan prevalensi global 101,5 juta orang. Diagnosis medis penting dalam penanganan stroke, namun biaya yang tinggi sering menjadi kendala bagi masyarakat. Penelitian ini bertujuan untuk mengembangkan metode Fuzzy Backpropagation Neural Network dalam klasifikasi stroke dengan menggunakan data sekunder dari platform Kaggle yang berjumlah 4981 data. Analisis data melibatkan sepuluh variabel relevan dalam klasifikasi stroke diantaranya variabel seperti jenis kelamin, umur, hipertensi, riwayat penyakit jantung, indeks massa tubuh, nilai kadar gula dalam darah, status pernikahan, status merokok, tipe pekerjaan dan lingkungan tempat tinggal. Pada penelitian ini, pengujian yang dilakukan dibagi menjadi tiga skenario diantaranya, skenario 1 dengan α = 0,1, skenario 2 dengan α = 0,01 dan skenario 3 dengan α = 0,001 pada epoch 10, 1000 dan 100000. Hasil pengujian menunjukkan akurasi tertinggi dengan menggunakan pola jaringan 10-4-1 pada pembagian data latih dan data uji 70%:30% dengan α = 0.01 dan epoch 100000 menghasilkan tingkat akurasi sebesar 86,52%, presisi 0,87, recall 0,87 dan f-1 score 0,87. Berdasarkan hasil pengujian tersebut, FBPNN dinilai mampu dalam mengklasifikasi stroke dengan kinerja yang baik.

Klasifikasi Citra Daging Sapi dan Babi Menggunakan Convolutional Neural Network (CNN) dengan Arsitektur EfficientNet-B2 dan Augmentasi Data Deny Ardianto; Jasril Jasril; Suwanto Sanjaya; Lestari Handayani; Fadhilah Syafria
Jurnal Informatika Universitas Pamulang Vol 8, No 2 (2023): JURNAL INFORMATIKA UNIVERSITAS PAMULANG
Publisher : Teknik Informatika Universitas Pamulang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32493/informatika.v8i2.30587

Permintaan daging sapi Indonesia meningkat secara signifikan setiap tahun. Meningkatnya kebutuhan daging sapi ini sering dimanfaatkan oleh pedagang untuk mendapatkan untung lebih dengan cara mencampurkan daging sapi dan babi (oplosan). Membedakan daging sapi, babi, dan oplosan secara manual menggunakan penciuman dan penglihatan manusia sangatlah sulit. Untuk membantu membedakan daging tersebut dapat menggunakan teknologi yaitu pengolahan citra. Penelitian ini menggunakan Convolutional Neural Network (CNN) berarsitektur EfficientNet-B2 untuk pengolahan citra dan klasifikasi. Pada penelitian ini juga dilakukan proses augmentasi data citra untuk memperbanyak citra dengan tujuan meningkatkan akurasi. Jumlah citra asli daging sebanyak 900 telah mengalami peningkatan setelah dilakukan proses augmentasi, menjadi 9000 citra yang mencakup daging sapi, babi, dan oplosan. Dataset dibagi menjadi dua bagian, yaitu dataset pelatihan dan testing, dengan rasio perbandingan 80:20 dan 90:10. Dengan menggunakan dataset citra augmentasi dengan kombinasi optimizer Adamax, activation Swish, dan learning rate 0.1, penelitian ini menghasilkan akurasi klasifikasi tertinggi, yaitu 98,22% accuracy, 98,25% precision, 98,22% recall, 98,22% f1-score, dengan rasio perbandingan data 90:10.

Klasifikasi Penyakit Stroke Jaringan Syaraf Tiruan Menerapkan Metode Learning Vector Quantization Puspa Melani Almahmuda; Iis Afrianty; Suwanto Sanjaya; Fadhilah Syafria
Jurnal Informatika Universitas Pamulang Vol 8, No 2 (2023): JURNAL INFORMATIKA UNIVERSITAS PAMULANG
Publisher : Teknik Informatika Universitas Pamulang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32493/informatika.v8i2.31359

Penyakit Stroke ialah salah satu penyebab kematian paling umum dan sering terjadi didunia termasuk Asia setelah penyakit jantung koroner dan kanker. Pemecahan masalah dengan melakukan klasifikasi penyakit stroke menggunakan metode Learning Vector Quantization (LVQ) dengan mengklasifikasikan data stroke dan tidak stroke (normal) berdasarkan gejala penyakit. Adapun dataset diperoleh dari situs Kaggle berjumlah 4981 data yang memiliki 10 variabel diantaranya jenis kelamin, usia, status pernikahan, hipertensi, penyakit jantung, tipe kerja, tipe tempat tinggal, tingkat avg glukosa, BMI (indeks massa tubuh), dan smoking status. Data tersebut dilakukan klasifikasi LVQ dengan membagi data yaitu 90:10, 80:20, 70:30 dan 60:40 dan parameter learning rate = 0,01 dan 0,001 serta epoch 1000. Dari proses klasifikasi tersebut maka didapatkan hasil akurasi tertinggi 70% dengan presisi 0,72 recall 0,70 dan f1 score 0,69, diperoleh dengan membagi data 90% : 10%. Berdasarkan hasil tersebut, metode LVQ pada penelitian ini mampu melakukan klasifikasi penyakit stroke dengan cukup baik.

Klasifikasi Daging Sapi dan Daging Babi Menggunakan CNN dengan Arsitektur EfficientNet-B4 dan Augmentasi Data Ahmad Paisal; Jasril Jasril; Suwanto Sanjaya; Lestari Handayani; Fadhilah Syafria
Jurnal Informatika Universitas Pamulang Vol 8, No 2 (2023): JURNAL INFORMATIKA UNIVERSITAS PAMULANG
Publisher : Teknik Informatika Universitas Pamulang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32493/informatika.v8i2.30586

Meningkatnya kebutuhan daging sapi, membuat harga daging sapi melonjak. Banyak pedagang melakukan kecurangan dengan melakukan oplos daging sapi dengan daging babi agar mendapatkan keuntungan yang lebih. Salah satu teknologi dalam bidang informatika dapat dimanfaatkan untuk membantu membedakan daging sapi, daging babi, dan daging oplosan. Dengan cara klasifikasi hal ini dapat dilakukan, penelitian ini menggunakan Convolutional Neural Network dengan arsitektur EfficietnNet-B4. Proses augmentasi data juga dilakukan pada penelitian ini untuk memperbanyak data citra, setelah di-augmentasi total citra menjadi 9000 dari 3 kelas. Pembagian dataset pada penelitian ini dibagi menjadi 2 yaitu 80% data latih dan 20% data uji serta 90% dan 10%. Proses pengujian dilakukan dengan memfokuskan model yang mendapatkan validation accuracy diatas 75% pada proses pelatihan. Hasil percobaan pada dataset 80:20 citra dengan augmentasi lebih unggul pada setiap model dibanding dengan citra asli. Sedangkan pada dataset 90:10 hasil percobaan dengan citra asli rata – rata lebih unggul dibanding citra dengan augmentasi.

Implementasi Algoritma C4.5 dalam Melakukan Klasifikasi Penyakit Stroke Otak Felian Nabila; Iis Afrianty; Suwanto Sanjaya; Fadhilah Syafria
Jurnal Informatika Universitas Pamulang Vol 8, No 2 (2023): JURNAL INFORMATIKA UNIVERSITAS PAMULANG
Publisher : Teknik Informatika Universitas Pamulang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32493/informatika.v8i2.31361

Stroke merupakan gangguan kesehatan dalam jangka panjang dan menjadi salah satu penyakit dengan resiko kematian paling tinggi. Penanganan stroke dengan cepat menyebabkan tingkat kemunculan komplikasi dan kerusakan yang terjadi pada otak berkurang. Oleh karena itu perlunya melakukan analisa diri pada orang yang bersangkutan apakah orang tersebut mengalami penyakit stroke atau tidak. Penelitian ini melakukan klasifikasi algoritma C4.5 penyakit brain stroke guna menganalisa data terkait penyebab stroke dengan model decision tree dan membagi dataset menjadi 3 yakni train set, validation set, test set dengan perbandingan 70:20:10, kemudian didapatkanlah hasil dengan akurasi yang tinggi sebesar 95% disetiap data train set, validation set, test set. Serta presisi sebesar 0,91, recall sebesar 0,54, f1-score sebesar 0,56 untuk data train set, kemudian presisi sebesar 0,48, recall sebesar 0,50, f1-score sebesar 0,49 untuk validation set, dan presisi sebesar 0,48, recall sebesar 0,50, f1-score sebesar 0,49 untuk test set. Dapat Disimpulkan bahwa algoritma C4.5 decision tree ini dapat melakukan klasifikasi penyakit stroke dengan sangat baik.

Pemodelan Klasifikasi Untuk Menentukan Penyakit Diabetes dengan Faktor Penyebab Menggunakan Decision Tree C4.5 Pada Wanita Nining Nur Habibah; Alwis Nazir; Iwan Iskandar; Fadhilah Syafria; Lola Oktavia; Ihda Syurfi
Jurnal Sistem Komputer dan Informatika (JSON) Vol 4, No 4 (2023): Juni 2023
Publisher : STMIK Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v4i4.6202

Diabetes is closely related to the pancreas, where the pancreas produces the natural hormone insulin, but its function is problematic which causes an increase in blood sugar levels in the body. Rising blood pressure can affect organ function in damaging the function of organs in a person's body such as the kidneys, heart and brain. Where makes a person have a history of diabetes. Diabetes that attacks adults can be prevented through exercise and a regular and healthy diet. According to the International Diabetes Federation (IDF) organization, it is estimated that at least 19.5 million Indonesian people between the ages of 20 and 79 will suffer from diabetes in 2021. China is in first place with diabetes with 140.9 million people. India is next in line with the number of people with diabetes of 74.2 million people. Therefore, early diagnosis is very important because it aims to reduce diabetes and diabetes complications in the future. It is necessary to collect data on patients with diabetes who are expected to be able to do prevention. Therefore applying classification techniques with data mining with the C4.5 algorithm. Where the classification can achieve better accuracy. Algorithm C4.5 is generally used in determining the nodes of a decision tree. Based on the test results, the accuracy is 76.67 percent, the precision is 72 percent, and the recall is 41.67 percent.

Penerapan Fuzzy Multi Criteria Decision Making untuk Diagnosa Awal Gangguan Jiwa dengan Metode Agregasi Wulandari, Fitri; Syafria, Fadhilah; Syafriandi, Muhammad
Jurnal CoreIT: Jurnal Hasil Penelitian Ilmu Komputer dan Teknologi Informasi Vol 1, No 2 (2015): Desember 2015
Publisher : Fakultas Sains dan Teknologi, Universitas Islam Negeri Sultan Syarif Kasim Riau

Penyakit Bipoalar Disorder merupakan penyakit psikologis dengan perubahan mood yang sangat ekstrim, yaitu berupa depresi dan mania. Dalam proses pendiagnosaan penyakit Bipolar Disorder masih sangat sulit dan jarang. Ini disebabkan karena banyak orang yang tidak menyadari bahwa dia telah telah terindikasi mengalami penyakit Bipolar Disorder, bahkan ada yang sudah merasakan telah terkena oleh penyakt ini, akan tetapi dia malu untuk berkonsultasi kepada psikolog atau dokter kejiwaan. Untuk menjawab mengatasi masalah tersebut maka timbullah bagaimana cara membangun suatu Sistem Informasi dalam benuk Sistem Pendukun Keputusan (SPK) dalam mendiagnosa kelas penyakit pasien Bipolar Disorder menggunakan metode Fuzzy Multi Criteria Decision Making yang berbasiskan komputersisasi yang lebih modern dan handal yang mudah di gunakan sehingga dapat mengatasi masalah dalam pendiagnosa penyakit Bipolar Disorder ini. Dalam penelitian penyakit Bipolar Disorder ini, kelas penyakit yang menjadi objek penelitian adalah kelas Mania, Hypomania, dan Depresi. Sistem yang dibangun hanya untuk Laboratorium Fakultas Psikolgi UIN Suska Riau. Dalam penelitian ini sistem berhasil dibangun dengan baik tanpa ada kesalahan atau Error System. Hasil pengujian di lapangan sistem ini cukup bisa dimengerti dan diterima oleh user dengan tingkat keberhasilan sebesar 83,34%. Dan dalam pengujian sistem dengan psikolog dengan menggunakan data dari sistem dan gejala yang sama menghasilkan yang sama.

Penerapan Learning Vector Quantization 3 (LVQ3) untuk Mengidentifikasi Citra Darah Acute Lymphoblastic Leukemia (ALL) dan Acute Myeloid Leukemia (AML) Putra, Fiqhri Mulianda; Syafria, Fadhilah
Jurnal CoreIT: Jurnal Hasil Penelitian Ilmu Komputer dan Teknologi Informasi Vol 4, No 1 (2018): Juni 2018
Publisher : Fakultas Sains dan Teknologi, Universitas Islam Negeri Sultan Syarif Kasim Riau

Leukemia merupakan kanker yang terjadi pada sel darah manusia. Salah satu cara mengenali penyakit leukemia dengan menggunakan teknik pengolahan citra dan metode jaringan syaraf tiruan. Penelitian ini membangun sebuah sistem untuk mengidentifikasi citra darah leukemia jenis Acute Lymphoblastic Leukemia (ALL) dan Acute Myeloid Leukemia (AML) dengan konsep pengolahan citra yakni ekstraksi ciri warna Hue, Saturation, Value (HSV) dan ekstraksi ciri tekstur Gray Level Co-Occurence Matrix (GLCM) serta klasifikasi Learning Vector Quantization 3 (LVQ3). Data citra pada penelitian terdiri dari 100 data citra leukemia. Pengujian identifikasi dilakukan terhadap pembagian data latih dan data uji yang berbeda. Sistem mampu mengenali citra ALL dan AML dengan akurasi tertinggi sebesar 100% pada pembagian data latih 90% dan data uji 10% dengan learning rate 0,01; 0,05; 0,09 dan window 0,2; 0,4 dan akurasi rendah sebesar 70% pada pembagian data latih 50% dan data uji 50% dengan learning rate 0,01; 0,05; 0,09 dan window 0,4. Dengan demikian dapat disimpulkan penelitian menggunakan metode HSV dan GLCM serta LVQ3 mampu mengimplementasikan sebuah sistem identifikasi citra darah leukemia.

Data Warehouse Design For Sales Transactions on CV. Sumber Tirta Anugerah Syaputra, Muhammad Dwiky; Nazir, Alwis; Gusti, Siska Kurnia; Sanjaya, Suwanto; Syafria, Fadhilah
Jurnal CoreIT: Jurnal Hasil Penelitian Ilmu Komputer dan Teknologi Informasi Vol 8, No 2 (2022): December 2022
Publisher : Fakultas Sains dan Teknologi, Universitas Islam Negeri Sultan Syarif Kasim Riau

Many data warehouses are implemented in companies engaged in retail, CV. Sumber Tirta Anugerah is one of the paint product retail companies that has not implemented it yet. As time goes by, the sales transaction data is getting more and more difficult to process because it is still stored in Microsoft Excel. This is a serious problem in utilizing historical data to assist in making a decision. It is difficult to store sales data because the data is quite large and a lot. Based on the above problems, a data warehouse design is needed for sales transaction data. This data warehouse design uses Kimball's nine-steps method and star schema. To perform the ETL process (extract, transform, and load) using Pentaho software. In this data warehouse design, Tableau software is used to visualize the processed data into a graph and dashboard report. The result of this research is a data warehouse design using nine steps and a star schema which gets a transformation response time of 4048 MS.

KLASIFIKASI DAGING SAPI DAN DAGING BABI MENGGUNAKAN ARSITEKTUR EFFICIENTNET-B3 DAN AUGMENTASI DATA Maulana Junihardi; Jasril jasril; Suwanto Sanjaya; Lestari Handayani; Fadhilah Syafria
Jurnal Tekinkom (Teknik Informasi dan Komputer) Vol 6 No 1 (2023)
Publisher : Politeknik Bisnis Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37600/tekinkom.v6i1.845

The increasing demand for beef has made its price soar. the traders then mix beef with pork to get more profit. There is a technology in the field of informatics that can be used to differentiate beef, pork and mixed meat. This research was conducted to find out the difference between beef, pork and mixed meat. In this study, a deep learning convolutional neural network with the EfficientNet-B3 architecture is used for image identification to distinguish between beef and pork. 9000 images have been divided into three categories: mixed meat, pork and beef. This study compares the classification results using original data and data augmentation. The data augmentation models used are brightness, rotation, and horizontal and vertical inversion. Data is split 80:20 and 90:10 for training and testing respectively. The best results are achieved by using a division ratio of 90:10 on image data with augmentation which has a learning rate of 0.01 and Adamax Optimizer which has accuracy, precision and recall levels of 98.66%, 98.67% and 98.66%.

Co-Authors Abdul Aziz Abdullah, Said Noor Abdussalam Al Masykur Adrian Maulana Adzhima, Fauzan Afriyanti, Liza Agung Syaiful Rahman Agus Buono Agustina, Auliyah Ahmad Paisal Aji Pangestu Adek Akbar, Lionita Asa Alfin Hernandes Alwaliyanto Alwis Nazir Alwis Nazir Alwis Nazir Alwis Nazir Alwis Nazir Alwis Nazir Amalia Hanifah Artya Aminuyati Andre Suarisman Aprima, Muhammad Dzaky Ariq At-Thariq Putra Baehaqi Bib Paruhum Silalahi Boni Iqbal Che Hussin, Ab Razak Darmila Dede Fadillah Deny Ardianto Devi Julisca Sari Dina Septiawati Dodi Efendi Eka Pandu Cynthia Elin Haerani Elin Haerani Elin Haerani Elin Haerani Elin Haerani Elin Haerani Elin Haerani Elin Hearani Ellin Haerani Elvia Budianita Faska, Ridho Mahardika Fatma Hayati Fauzan Adzim Febi Nur Salisah Febi Yanto Felian Nabila Fitra Lestari Fitri Insani Fitri Insani Fitri Wulandari Fratiwi Rahayu Gusrifaris Yuda Alhafis Gusti, Siska Kurnia Guswanti, Widya Habibi Al Rasyid Harpizon Hafez Almirza Hafsyah Hara Novina Putri Harni, Yulia Hertati Ibnu Afdhal Ihda Syurfi Iis Afrianty Iis Afrianty Ikhsan, Tomi Ikhsanul Hamdi Indrizal, Habibi Putra Inggih Permana Irma Sanela Ismail Marzuki Ismar Puadi Isnan Mellian Ramadhan Israldi, Tino Iwan Iskandar Iwan Iskandar Iwan Iskandar Iwan Iskandar Iwan Iskandar Jasril Jasril Jasril Jasril Karina Julita Khair, Nada Tsawaabul Lestari Handayani Lestari Handayani Lili Rahmawati Liza Afriyanti Lola Oktavia Lola Oktavia M Fikry M. Afif Rizky A. Ma'rifah, Laila Alfi Masaugi, Fathan Fanrita Maulana Junihardi Mawadda Warohma Mazdavilaya, T Kaisyarendika Mhd. Kadarman Mori Hovipah Mori Hovipah Morina Lisa Pura Muhammad Affandes Muhammad Alvin Muhammad Fahri Muhammad Fikry Muhammad Hanif Abdurrohman Muhammad Ichsanul Bukhari Muhammad Irsyad Muhammad Syafriandi, Muhammad Muhammad Taufiq Muhammad Yusril Haffandi Muhammad Yusuf Fadhillah Mulyono, Makmur Muslimin, Al’hadiid Nabyl Alfahrez Ramadhan Amril Nailatul Fadhilah Nazir, Alwis Nazruddin Safaat H Negara, Benny Sukma Neni Sari Putri Juana Nesdi Evrilyan Rozanda Nining Nur Habibah Novriyanto Novriyanto Nurainun Nurainun Okfalisa Okfalisa Permata, Rizkiya Indah Pizaini Pizaini Puspa Melani Almahmuda Putra, Fiqhri Mulianda Putri Mardatillah Putri, Widya Maulida Rahmad Abdillah Rahmad Abdillah Rahmad Kurniawan Rahmadhani, R. Raja Sultan Firsky Ramadhan, Aweldri Ramadhan, Muhammad Ilham Ramadhani, Siti Reski Mai Candra Reski Mai Candra Reski Mai Candra Reski Mei Candra Riska Yuliana Roni Salambue Said Nanda Saputra Satria Bumartaduri Silfia Silfia Siti Ramadhani Siti Sri Rahayu Suswantia Andriani Suwanto Sanjaya Syaputra, Muhammad Dwiky Teddie Darmizal Vitriani, Yelvi Wulandari, Fitri Yaskur Bearly Fernandes Yusra, Yusra Yusril Hidayat Zabihullah, Fayat Zulastri, Zulastri

Title

Found 103 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 103 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 103 Documents
Search