Garuda - Garba Rujukan Digital

Article Per Year (5 Year)

All

BIMASTER

jbmstr
Website

Published by Universitas Tanjungpura

ISSN : - EISSN : - DOI : -

Core Subject : Science, Education,

Decision Sciences, Operations Research & Management Mathematics

Bimaster adalah Jurnal Ilmiah berkala bidang Matematika, Statistika dan Terapannya yang terbit secara online dan dikelola oleh Jurusan Matematika FMIPA Untan

Arjuna Subject : -

Articles 19 Documents

1 2

Search results for , issue "Vol 7, No 4 (2018): BIMASTER" : 19 Documents clear

PERBANDINGAN HASIL PEMBENTUKAN POHON KLASIFIKASI METODE CHAID DAN IMPROVED CHAID Yudhi, Chici Damayanti, Dadan Kusnandar,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 4 (2018): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Metode CHAID merupakan teknik klasifikasi yang mengelompokkan data untuk menganalisis keterkaitan antara variabel dependen dan variabel independen dalam bentuk pohon klasifikasi. Metode Improved CHAID merupakan pengembangan dari metode CHAID yakni mengkolaborasikan tabel kontingensi dengan Tschuprowâ€™s T. Penelitian ini bertujuan untuk membandingkan hasil klasifikasi kedua metode tersebut. Langkah untuk mengerjakan metode CHAID adalah melakukan uji Chi-Square dilanjutkan dengan koreksi Bonferroni dan pembentukan pohon klasifikasi. Sedangkan metode Improved CHAID diawali dengan melakukan perhitungan Tschuprowâ€™s T kemudian koreksi Bonferroni dan pembentukan pohon klasifikasi. Metode penelitian ini diaplikasikan pada data hasil usaha tani masyarakat Desa Sebubus Kecamatan Paloh Kabupaten Sambas. Hasil penelitian menunjukkan bahwa metode CHAID dan Improved CHAID menghasilkan pohon klasifikasi yang berbeda. Hasil pohon klasifikasi metode Improved CHAID lebih sederhana dengan nilai akurasi yang tinggi.Kata kunci: CHAID, Improved CHAID, Pohon Klasifikasi, Tschuprowâ€™s T

PEMODELAN FAKTOR PENYEBAB KECELAKAAN LALU LINTAS DI KALIMANTAN BARAT DENGAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) Selvy Putri Agustianto; Shantika Martha; Neva Satyahadewi
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 4 (2018): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Geographically Weighted Regression (GWR) merupakan metode yang dapat digunakan untuk membentuk analisis regresi yang bersifat lokal untuk setiap lokasi. Penaksiran parameter Model GWR diperoleh menggunakan Weighted Least Square (WLS). Tujuan penelitian ini menganalisis faktor-faktor yang berpengaruh dengan GWR dan mendapatkan model terbaik antara regresi linear dan GWR yang dapat diterapkan pada kasus kecelakaan lalu lintas di setiap Kabupaten/Kota Kalimantan Barat. Berdasarkan hasil penelitian penyebab kecelakaan lalu lintas tahun 2015, faktor yang berpengaruh terhadap kecelakaan lalu lintas tiap Kabupaten/Kota dengan GWR memiliki kesamaan di setiap lokasi yaitu jumlah pelanggaran lalu lintas. Model terbaik pada kasus kecelakaan lalu lintas adalah model GWR karena memiliki nilai AIC lebih kecil yaitu 130,8698 dan memiliki nilai SSE lebih kecil yaitu 24876,11 dari model regresi. Kata Kunci: Gaussian, Weighted Least Square, AIC

GRUP WALLPAPER PADA KREASI SENI DEKORATIF KHAS DAYAK Fransiskus Fran, Rosalina Cindi Panamuan, Helmi,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 4 (2018): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Perwujudan kebudayaan merupakan benda-benda yang diciptakan oleh manusia sebagai mahluk yang berbudaya, salah satunya adalah kreasi seni dekoratif khas Dayak. Kreasi seni dekoratif ini mengandung pola-pola kultural yang memiliki ciri khas dan makna yang berbeda-beda sesuai dengan pola-pola yang digunakan. Pola-pola berulang atau pola periodik yang terdapat pada kreasi seni dekoratif berkaitan erat dengan konsep grup simetri. Grup simetri dinotasikan dengan Â merupakan himpunan isometri yang memetakan setiap titik pada bidang ke bidang itu sendiri dan tetap mempertahankan jarak dengan operasi komposisi fungsi. Terdapat empat tipe isometri yaitu translasi , rotasi , refleksi , dan refleksi glide Â sebagai penentu kesimetrian yang dimiliki masing-masing pola. Grup simetri yang dibangun oleh dua translasi dengan arah yang berbeda disebut dengan grup wallpaper. Berdasarkan teori-teori yang ada ditelaah konsep dasar eksistensi tujuh belas grup yang terdapat pada grup wallpaper. Selain itu dilakukan juga identifikasi pola-pola kultural yang terdapat pada kreasi seni dekoratif berdasarkan grup wallpaper. Terdapat tepat tujuh belas grup pada grup wallpaper yang ditelaah berdasarkan jumlah refleksi pada point group . Hasil identifikasi untuk grup dengan order rotasi tertinggi Â memiliki sumbu refleksi atau sumbu refleksi glide yang sejajar dan untuk order rotasi tertinggi Â memiliki sumbu refleksi atau sumbu refleksi glide tegak lurus (saling berpotongan) yang menjadi pembeda grup terdapat pada letak rotocenter (titik pusat).Kata Kunci: pola wallpaper, isometri, grup simetri

OPERATOR NORMAL PADA RUANG HILBERT Nopiani Nopiani; Mariatul Kiftiah; Yudhi Yudhi
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 4 (2018): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Ruang Hilbert merupakan ruang hasil kali dalam (pre-Hilbert) yang lengkap. Ruang pre-Hilbert dikatakan lengkap jika setiap barisan Cauchy di dalamnya konvergen. Pada ruang Hilbert terdapat jenis-jenis operator linear diantaranya operator adjoint dan operator normal. Pembahasan mengenai operator normal memerlukan konsep ruang Hilbert, operator linear kontinu dan operator adjoint. Operator linear kontinu T dikatakan normal apabila operator T memenuhi sifat TT*=T*T , dengan T* merupakan operator adjoint. Hasil penelitian yang diperoleh adalah (i) jika T Î Lc(H ) operator normal maka T* operator normal dan || T* x || = || Tx ||, (ii) jika T Î Lc(H ) operator normal maka T-lI juga merupakan operator normal, (iii) jika T Î Lc(H ) operator normal dan T-1 ada maka T-1 dan TT-1 juga merupakan operator normal, (iv) jika T Î Lc(H ) operator normal maka || Tn || = || T ||n untuk setiap nÎN.Kata Kunci : Operator Linear Kontinu, Operator Normal, Ruang Hilbert

REKOMENDASI PEMILIHAN LAPTOP MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING Hendra Perdana, Novi Sri Wulandari, Shantika Martha,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 4 (2018): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Metode Simple Additive Weighting (SAW) merupakan metode yang digunakan untuk mencari penjumlahan terbobot dari rating alternatif setiap kriteria. Metode tersebut merupakan salah satu dari Fuzzy Multi Attribute Decision Making (FMADM). Data yang digunakan dalam penelitian ini adalah data primer yaitu data yang diperoleh dari brosur-brosur yang ada di toko komputer dan diambil sebanyak 72 data laptop merek Acer dan 80 data laptop merek Asus. Kriteria-kriteria dan bobot yang digunakan dalam rekomendasi pemilihan laptop antara lain harga laptop dengan bobot murah, ukuran layar dengan bobot kecil, kapasitas RAM dengan bobot sedang, HDD dengan bobot sedang dan prosesor dengan bobot besar. Hasil perhitungan dengan menggunakan metode SAW Â menunjukkan pemilihan laptop dari 72 data laptop merek Acer yang direkomendasikan adalah tipe ES1-132-C72S/C4BM/C44T dengan harga Rp 3.200.000,00 dan dari 80 data brosur laptop merek Asus yang direkomendasikan adalah tipeÂ X441NA dengan harga Rp 3.799.000,00.Kata Kunci: Logika Fuzzy, Fuzzy MADM, MetodeÂ SAW.

PERBANDINGAN ESTIMASI PARAMETER METODE BAYESIAN GELF UNTUK PRIOR GAMMA DAN JEFFREY PERLUASAN PADA MODEL SURVIVAL BERDISTRIBUSI WEIBULL DATA TERSENSOR Ria Andini; Neva Satyahadewi; Setyo Wira Rizki
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 4 (2018): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Data survival merupakan data yang menunjukkan waktu suatu individu atau objek dapat bertahan hidup hingga terjadinya suatu kejadian tertentu. Data dikatakan tersensor apabila data yang diamati tidak lengkap karena hilangnya objek penelitian atau sampai akhir penelitian objek tersebut belum mengalami kejadian tertentu. Tujuan dari penelitian ini adalah menentukan estimasi parameter optimal model survival yang berdistribusi Weibull pada data tersensor dengan metode Bayesian GELF menggunakan prior Gamma dan Jeffrey perluasan. Data yang digunakan adalah data sekunder pasien kanker paru-paru dari penelitian yang dilakukan oleh Kalbfleisch dan Prentice pada tahun 1980. Berdasarkan hasil dari nilai MSE pada penelitian ini, diperoleh metode Bayesian GELF dengan prior Jeffrey perluasan lebih baik dari metode Bayesian GELF prior Gamma. Kata Kunci: Distribusi Weibull, Metode Bayesian GELF

PERBANDINGAN METODE BAYESIAN SELF DAN BAYESIAN LINEX PADA ESTIMASI PARAMETER MODEL SURVIVAL DISTRIBUSI WEIBULL DATA TERSENSOR Isra’ Sagita; Neva Satyahadewi; Setyo Wira Rizki
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 4 (2018): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Data survival adalah data yang menunjukkan waktu suatu objek atau individu dapat bertahan selama dilakukan pengamatan. Penelitian ini membahas perbandingan metode Bayesian SELF dan Linex pada estimasi parameter model survival berdistribusi Weibull data tersensor. Distribusi prior yang dipilih adalah distribusi Gamma. Distribusi prior dan fungsi likelihood digunakan untuk menentukan distribusi posterior yang menjadi dasar untuk memperoleh estimasi Bayesian. Data yang digunakan dalam penelitian ini adalah data penderita kanker paru-paru yang diperoleh dari program R. Berdasarkan nilai MSE yang diperoleh, metode Bayesian SELF lebih baik daripada metode Bayesian Linex pada kasus penderita kanker paru-paru. Berdasarkan hasil estimasi metode Bayesian SELF untuk studi kasus penderita kanker paru-paru dapat diketahui peluang seorang individu untuk bertahan hidup selama 30 hari adalah 96,99% dan selama 200 hari adalah 34,76%, hal ini berarti peluang seorang individu untuk bertahan hidup semakin lama semakin kecil (mendekati nol), hingga akhirnya mengalami kematian. Kata Kunci: Distribusi Weibull, Bayesian SELF, Bayesian Linex

PERBANDINGAN METODE SHEWHART X Ì… DENGAN METODE EXPONENTIALLY WEIGHTED MOVING AVERAGE DALAM MENDETEKSI PERGERAKAN RATA-RATA Helmi, Fadilah Turrahmah, Evy Sulistianingsih,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 4 (2018): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Diagram kendali merupakan teknik yang sering digunakan untuk melakukan kontrol terhadap variabilitas dan pergerakan rata-rata hasil produksi. Diagram kendali yang sering digunakan untuk melihat pergerakan rata-rata dalam hasil produksi yaitu diagram kendali Shewhart Â dan diagram kendali Exponentially Weighted Moving Average ( EWMA). Hasil penelitian menunjukkan bahwa pada diagram kendali Shewhart Â hasilÂ produksi Ring Piston terkendali. Diagram kendali Shewhart menunjukkan tidak terdapat titik-titik observasi yang berada diluar batas kendali. Sedangkan diagram kendali EWMA menunjukkan bahwa hasil produksi Ring Piston tidak terkendali. Terdapat titik-titik observasi yang berada diluar batas kendali pada saat menggunakan pembobot = 0,02. Namun, pada saat menggunakan pembobot Â yang lebih besar yaitu 0,05, 0,1, 0,2, 0,5 dan Â 0,9 tidak terdapat titik observasi yang berada diluar batas kendali. Titik â€“titik observasi berada di dalam batas kendali yang menunjukkan bahwa proses produksi Ring Piston terkendali pada saat menggunakan pembobot yang lebih besar. Dari kedua analisis didapat kesimpulan bahwa diagram kendali EWMA lebih efektif dibandingkan diagram kendaliÂ Shewhart Â dalam mendeteki pergerakan rata-rata pada proses produksi Ring Piston Automobil.Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Â Kata Kunci : EWMA, Diagram Kendali, Kualitas.

ANALISIS DEPENDENSI SPASIAL PADA DATA KEMISKINAN DENGAN PENDEKATAN SPATIAL DURBIN MODEL (SDM) Setyo Wira Rizki, Suci Wardani, Naomi Nessyana Debataraja,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 4 (2018): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Persoalan kemiskinan di tingkat nasional maupun daerah merupakan salah satu masalah yang perlu mendapat perhatian khusus, sehingga memerlukan strategi yang tepat dan berkelanjutan untuk mengatasinya. Setiap rumah tangga di wilayah yang berbeda memiliki karakteristik dan faktor-faktor yang berbeda, karenanya banyak faktor yang mempengaruhi kemiskinan pada wilayah tersebut. Masalah kemiskinan yang dipengaruhi oleh letak suatu wilayah dapat diatasi menggunakan Spatial Durbin Model (SDM). Tujuan pemodelan SDM adalah untuk mengetahui hubungan dependensi spasial yang terjadi tidak hanya pada variabel dependen, tetapi juga pada variabel independen. Hasil yang menunjukkan bahwa lag variabel dependen signifikan adalah dengan nilai parameter . Lag variabel independen yang signifikan adalah variabel independen dengan pembobot yang signifikan, namun tidak terdapat variabel independen yang signifikan dengan adanya pembobot.Kata kunci: pembobot spasial, dependensi spasial, SDM

PERBANDINGAN MODEL REGRESI LOGISTIK DAN MODEL REGRESI BETA BINOMIAL DALAM KASUS KREDIT MACET Shantika Martha, Tria Dewi Newita,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 4 (2018): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Regresi logistik adalah salah satu metode statistik yang menjelaskanÂ hubungan variabel tak bebas yang bersifat dikotomi dengan variabel bebas yang bersifat data kuantitatif dan kualitatif. Dalam regresi logistik overdispersi adalah konsep yang penting yang terjadi apabila adanya pengelompokan dan pengukuran atau percobaan yang berulang pada objek yang sama, yang mengakibatkan kesalahan pada standar eror atau kesalahan dalam penarikan kesimpulan.Oleh sebab itu untuk mengatasi overdispersi pada data biner maka dilakukan analisis dengan menggunakan model beta binomial. Model beta binomial adalah gabungan dari sebarang distribusi Beta dan distribusi Binomial dengan metode Maximum Likelihood digunakan untuk menduga parameter dari kedua model. Tujtuan penelitian ini adalah membandingkan antara model regresi Beta Binomial dan regresi Logistik padaÂ data kredit macet di salah satu unit simpan pinjam di Kalimantan Barat. Hasil analisis menunjukkan bahwa pada data terjadi overdispersi. Namun demikian yang regresi Beta Binomial tidak menunjukkan hasil yang lebih baik dibanding regresi Logistik.Kata Kunci:Overdispersi, Maksimum Likelihood, Kredit Macet.Â

Page 1 of 2 | Total Record : 19

1 2

Filter by Year

2018 2018

Filter By Issues

All Issue Vol 14, No 5 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 4 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 3 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 2 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 1 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 6 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 5 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 4 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 3 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 2 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 1 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 6 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 5 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 4 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 3 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya (dalam proses) Vol 12, No 3 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 2 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 1 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 5 (2022): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 4 (2022): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 3 (2022): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 2 (2022): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 1 (2022): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 4 (2021): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 3 (2021): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 2 (2021): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 1 (2021): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 4 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 3 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 3 (2020): BIMASTER Vol 9, No 2 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 2 (2020): BIMASTER Vol 9, No 1 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 1 (2020): BIMASTER Vol 8, No 4 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 4 (2019): BIMASTER Vol 8, No 3 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 3 (2019): BIMASTER Vol 8, No 2 (2019): BIMASTER Vol 8, No 2 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 1 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 1 (2019): BIMASTER Vol 7, No 4 (2018): BIMASTER Vol 7, No 4 (2018): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 3 (2018): BIMASTER Vol 7, No 3 (2018): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 2 (2018): BIMASTER Vol 7, No 2 (2018): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 1 (2018): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 1 (2018): BIMASTER Vol 6, No 03 (2017): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 6, No 03 (2017): BIMASTER Vol 6, No 02 (2017): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 6, No 02 (2017): BIMASTER Vol 6, No 01 (2017): BIMASTER Vol 6, No 01 (2017): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 5, No 03 (2016): BIMASTER Vol 5, No 02 (2016): BIMASTER Vol 5, No 01 (2016): BIMASTER Vol 4, No 03 (2015): BIMASTER Vol 4, No 01 (2015): BIMASTER Vol 4, No 2 (2015): BIMASTER Vol 3, No 03 (2014): BIMASTER Vol 3, No 02 (2014): BIMASTER Vol 3, No 01 (2014): Bimaster Vol 2, No 03 (2013) Vol 2, No 02 (2013): Bimaster Vol 2, No 1 (2013): BIMASTER Vol 1, No 01 (2012): BIMASTER More Issue

Home Page

OAI Link

Editorial Team

Contact

Reviewer

Google Scholar

Contact Name
-

Contact Email
-

Phone
-

Journal Mail Official
-

Editorial Address
-

Location
Kota pontianak,

Kalimantan barat

INDONESIA

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Home Page

OAI Link

Editorial Team

Contact

Reviewer

Google Scholar

Contact Name -

Contact Email -

Phone -

Journal Mail Official -

Editorial Address -

Location Kota pontianak, Kalimantan barat INDONESIA

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Contact Name
-

Contact Email
-

Phone
-

Journal Mail Official
-

Editorial Address
-

Location
Kota pontianak,

Kalimantan barat

INDONESIA