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 48 Documents

1 2 3 4 5

Search results for , issue "Vol 8, No 4 (2019): BIMASTER" : 48 Documents clear

ANALISIS REGRESI ROBUST ESTIMASI-M DENGAN MENGGUNAKAN PEMBOBOTAN BISQUARE TUKEY DAN WELSCH DALAM MENGATASI DATA OUTLIER Yaziz Yaziz; Dadan Kusnandar; Setyo Wira Rizki
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 4 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Analisis regresi adalah suatu analisis yang bertujuan membentuk hubungan antara satu variabel terikat (Y) dengan satu atau lebih variabel bebas (X) dalam suatu model matematis. Metode untuk mengestimasi parameter regresi yang sering digunakan adalah metode kuadrat terkecil. Ketika terdapat data outlier metode tersebut kurang efektif digunakan karena dapat menyebabkan estimasi yang didapat menjadi bias. Regresi robust adalah salah satu metode yang digunakan untuk mengestimasi parameter ketika distribusi dari galat tidak normal dan atau terdapat data outlier. Tujuan penelitian ini adalah melakukan estimasi parameter dan menunjukkan keefektifan metode estimasi-M. Studi kasus yang digunakan dalam penelitian ini adalah pengaruh rata-rata lama sekolah (X1), PDRB (X2) dan UMR (X3) terhadap IPM (Y) di Indonesia pada tahun 2015. Berdasarkan analisis deskriptif pada uji boxplot data yang digunakan mengidentifikasi adanya data outlier sehingga diperlukan prosedur regresi robust dengan pembobotan Bisquare Tukey dan Welsch untuk mengestimasi parameter model matematis. Nilai adjusted-R square pembobotan Bisquare Tukey relatif lebih besar dari Welsch (0,7366 > 0,727) dan standar error dari pembobotan Bisquare Tukey relatif lebih kecil dari pembobotan Welsch (1,596 < 1,606). Estimasi yang paling baik digunakan untuk mengestimasi model adalah metode pembobotan Bisquare Tukey. Kata Kunci: Estimasi-M, Regresi Robust, Tukey Bisquare, Welsch

FAKTOR-FAKTOR YANG MEMENGARUHI BESAR KLAIM ASURANSI JIWA DENGAN MENGGUNAKAN MODEL REGRESI TOBIT Adharty Pratiwi Sembiring
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 4 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Analisis regresi tobit merupakan analisis regresi yang dapat digunakan untuk variabel terikat yang sebagian datanya bernilai nol (diskrit) dan sebagian data yang lain memiliki nilai tertentu yang bervariasi (kontinu). Penelitian ini bertujuan untuk membentuk model regresi Tobit dan menentukan faktor yang memengaruhi besar klaim dari klaim asuransi jiwa. Data yang digunakan dalam penelitian berupa data besar klaim asuransi (Y), produk asuransi ( X1), cara pembayaran premi ( X2), masa asuransi (X3 ), besar pembayaran premi (X4 ) dan masa pembayaran premi (X5 ). Penduga parameter pada model regresi Tobit menggunakan metode Maximum Likelihood dan penentuan model terbaik dihitung menggunakan metode Akaike Information Criterion (AIC). Dari lima variabel bebas yang digunakan, hanya produk asuransi (X1 ) dan masa asuransi (X2 ) yang memengaruhi besar klaim asuransi jiwa. Adapun model akhir regresi Tobit yang diperoleh = -45.998.539-3.826.493,0 -1.818.050,0 dengan nilai sebesar 1,76%.Kata Kunci: Regresi Tobit, Maximum Likelihood, Akaike Information Criterion

KLASIFIKASI INDEKS PENCEMARAN KUALITAS AIR DI KOTA PONTIANAK Ernita Saputri; Naomi Nessyana Debataraja; Setyo Wira Rizki
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 4 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Air merupakan bagian terpenting yang dibutuhkan dalam kehidupan, salah satunya untuk keperluan rumah tangga. Kegiatan manusia untuk keperluan rumah tangga yang semakin meningkat akan menimbulkan dampak pencemaran lingkungan khususnya pada pencemaran air. Data yang digunakan dalam penelitian ini adalah data primer yang terdiri dari 42 sampel air dari lokasi berbeda. Indikator fisik yang digunakan pada penelitian ini adalah kekeruhan, warna, dan Total Dissolved Solid (TDS). Berdasarkan indeks pencemaran, diperoleh tiga kriteria tingkat pencemaran air yaitu memenuhi baku mutu, tercemar ringan dan tercemar sedang. Hasil klasifikasi dengan menggunakan metode indeks pencemaran diperoleh total data yang memenuhi baku mutu sebanyak 8 titik lokasi,tercemar ringan sebanyak 24 titik lokasi tercemar ringan dan tercemar ringan sebanyak 10 titik lokasi. Kata Kunci: pencemaran air, indeks pencemaran, indikator fisik

MODEL VECTOR AUTOREGRESSIVE EXOGENOUS (VARX) DALAM MEMPREDIKSI HASIL PRODUKSI KARET PTPN XIII PROVINSI KALIMANTAN BARAT Setyo Wira Rizki, Rosella Alifa El Vinie, Shantika Martha,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 4 (2019): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Model Vector Autoregressive Exogenous (VARX) dapat digunakan untuk memprediksi data deret waktu lebih dari satu variabel yang menggunakan variabel eksogen dalam sistem persamaannya. Model VARX menggunakan variabel endogen yang saling berhubungan dipengaruhi waktu sebelumnya dan terdapat variabel eksogen yang mempengaruhi variabel endogen tersebut. Penelitian ini menggunakan data sekunder, yaitu data bulanan deret waktu hasil produksi karet kering dan karet basah dalam periode tahun 2016 sampai tahun 2018 pada kebun Sintang di Kalimantan Barat serta data deret waktu curah hujan pada kebun . Tujuan penelitian ini adalah melakukan pemodelan dan memprediksi hasil produksi karet kering dan karet basah PTPN XIII pada periode Juli sampai Desember 2018 dengan model VARX. Hasil analisis menunjukkan bahwa model VARX yang dapat diterapkan terhadap data hasil produksi karet kering dan karet basah adalah VARX(1,1). Nilai MAPE untuk model VARX(1,1) pada masing-masing variabel yaitu 14,73% dan 16,06% sehingga ketepatan hasil prediksi model dapat dikatakan baik.Â Kata Kunci: karet basah, karet kering, curah hujan, MAPE

ANALISIS CLUSTER NON-HIRARKI DENGAN METODE K-MODES Nurfitri Imroâ€™ah, Indah Ayuningtias, Naomi Nessyana Debataraja,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 4 (2019): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Analisis cluster merupakan suatu analisis multivariat yang digunakan untuk mengelompokkan objek-objek berdasarkan kemiripan karakteristik yang dimiliki. Salah satu teknik dari analisis cluster adalah metode K-Modes. Tujuan dari penelitian ini adalah untuk mengetahui jumlah cluster terbaik yang digunakan dalam pemilihan kegiatan ekstrakurikuler menari. Perbandingan hasil validitas cluster dilakukan berdasarkan nilai Davies-Bouldin Index (DBI) terkecil yang dihasilkan pada masing-masing cluster yaitu 2 cluster dan 3 cluster. Berdasarkan hasil analisis yang telah dilakukan pada perbandingan nilai DBI, diperoleh nilai terkecil sebesar 0,52 pada 2 cluster. Hasil penelitian menunjukkan bahwa cluster terbaik yang dihasilkan pada pemilihan kegiatan ekstrakurikuler menari adalah dengan menggunakan 2 cluster dimana anggota cluster 1 terdiri dari 56 siswi dan anggota cluster 2 terdiri dari 36 siswi.Kata Kunci: analisis multivariat, k-modes, davies-bouldin index

ANALISIS PENGENDALIAN KUALITAS PRODUKSI DENGAN DIAGRAM KONTROL MULTIVARIAT np Tri Jayanti Kwamjih Dasilia; Setyo Wira Rizki; Dadan Kusnandar
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 4 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Statistical quality control merupakan salah satu cara untuk mengendalikan kualitas produk. Alat yang umum digunakan dalam statistical quality control untuk pengendalian kualitas adalah diagram kontrol. Penerapan pengendalian kualitas diterapkan pada data kecacatan produk koran PT. JKL, dengan menggunakan diagram kontrol multivariat np. Hasil analisis pada data fase I menunjukkan bahwa data dalam keadaan terkontrol dan nilai batas kontrol pada fase I digunakan kembali pada analisis fase II. Analisis fase II proses produksi belum terkontrol, hal ini ditunjukkan oleh 4 pengamatan pada data fase II keluar dari batas kontrol atas dengan nilai sebesar 4.145 dan batas kontrol bawah dengan nilai sebesar 3.661. Beberapa faktor yang mempengaruhi kualitas produk koran adalah faktor manusia, faktor mesin, faktor metode, faktor lingkungan. Perlunya perbaikan pada faktor-faktor yang menyebabkan ketidaksesuaian pada kualitas, sehingga kualitas produk koran dapat terkendali secara statistik. Kata Kunci : Pengendalian Kualitas, Diagram Kontrol Multivariat np

BAGGING CLASSIFICATION TREES UNTUK KLASIFIKASI TINGKAT KESEJAHTERAAN RUMAH TANGGA DI KALIMANTAN BARAT Desi Ayu Wulandari; Dadan Kusnandar; Yudhi Yudhi
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 4 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Metode classification and regression trees (CART) merupakan teknik pohon keputusan untuk analisis klasifikasi variabel respon kategorik maupun kontinu yang dapat diterapkan pada data jumlah besar dan variabel yang banyak. Stabilitas dan kekuatan prediksi pohon klasifikasi diperbaiki dengan metode Bootstrap Aggregating (Bagging) classification trees. Tujuan penelitian ini adalah untuk menentukan nilai ketepatan hasil pengklasifikasian tingkat kesejahteraan rumah tangga di Kalimantan Barat dengan menggunakan bagging classification trees. Data yang digunakan adalah data sekunder dari hasil Survei Sosial Ekonomi Nasional (SUSENAS) Provinsi Kalimantan Barat Tahun 2017 dengan 1400 sampel yang terdiri dari tujuh variabel bebas dan satu variabel terikat. Penelitian ini menghasilkan ketepatan klasifikasi sebesar 57,5% dengan menggunakan metode bagging classification trees. Metode bagging classification trees mampu meningkatkan ketepatan klasifikasi dari 50% pada pohon klasifikasi awal menjadi 57,5% pada bagging classification trees. Dapat disimpulkan bahwa penerapan bagging classification trees lebih baik daripada pohon klasifikasi tanpa bagging karena mampu meningkatan ketepatan klasifikasi sebesar 7,5%. Kata Kunci: Bagging CART, Pohon Keputusan, Goodness of Split, Ketepatan Klasifikasi

PERHITUNGAN NILAI CADANGAN PREMI MENGGUNAKAN METODE PREMIUM DIFFERENCE FORMULA DAN PAID-UP FORMULA Hendra Perdana, Nova Novianti, Neva Satyahadewi,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 4 (2019): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Nasabah (tertanggung) yang sudah sepakat dengan perjanjian tertulis (polis asuransi) di perusahaan asuransi harus membayarkan premi. Perusahaan asuransi harus menyiapkan dana cadangan, hal ini memungkinkan perusahaan asuransi mendapatkan sumber dana baru untuk menutupi biaya tahun-tahun berikutnya dan mengantisipasi klaim yang akan terjadi pada saat nasabah meninggal dunia. Nilai cadangan asuransi dapat dihitung dengan cara prospektif. Perhitungan cadangan pada penelitian ini menggunakan metode premium difference formula dan metode paid-up formula pada produk asuransi jiwa dwiguna berjangka. Perhitungan metode premium difference formula menunjukkan bahwa cadangan merupakan nilai sekarang aktuaria dari selisih premi (premium difference) yang dibayarkan melebihi dari sisa pembayaran premi berjangkanya. Sementara itu, perhitungan metode paid-up formula diperoleh dengan memfaktorkan nilai sekarang aktuaria santunan yang akan datang dari rumus prospektif. Proses perhitungan nilai cadangan untuk ketiga metode diatas memiliki hasil yang sama dan memiliki perbedaan dalam informasi data. Pada masing-masing metode terdapat satu komponen didalam nilai cadangan yang tidak diketahui. Dalam menyelesaikan sebuah kasus harus diperhatikan setiap komponen yang ada pada masing-masing metode, misalnya pada metode prospektif tidak diketahui besarnya nilai premi bersih tahunan yang dibayarkan mulai tahun ke-t. Pada metode premium difference formula besarnya nilai sekarang aktuaria dari santunan tidak diketahui dan pada metode paid-up formula besarnya nilai anuitas awal tidak diketahui.Â Kata Kunci: Cadangan prospektif, premium difference, dan paid-up

INVERS MOORE PENROSE SEBAGAI INVERS MATRIKS Mariatul Kiftiah, Yuli Yanti, Helmi,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 4 (2019): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Pada umumnya invers matriks hanya dapat dicari untuk matriks persegi dan nonsingular dengan bentuk invers dari suatu matriks Â yaitu . Untuk matriks singular dan nonsingular invers matriks berupa invers Moore Penrose yang dapat dicari dengan , dengan Â merupakan invers Moore Penrose dari matriks , matriks Â dan Â merupakan matriks yang diperoleh dari baris tak nol dan kolom yang memuat satu utama dari matriks , setelah dilakukan operasi baris elementer. Penelitian ini bertujuan untuk mengkaji formula invers Moore Penrose dan menerapkan formula yang didapat pada pencarian invers matriks untuk solusi sistem persamaan linear. Hasil yang dipenuhi menyatakan bahwa invers Moore Penrose dari suatu matriks Â akan didapat ketika Â kata kunci: matriks, invers, invers Moore Penrose

PENENTUAN MODEL TERBAIK PADA REGRESI SPLINE MENGGUNAKAN GENERALIZED CROSS VALIDATION (GCV) Yundari, Susnawati, Dadan Kusnandar,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 4 (2019): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Regresi nonparametrik merupakan suatu metode statistika yang digunakan untuk mengetahui hubungan antara variabel respon dengan variabel prediktor jika tidak diketahui bentuk kurva regresinya atau tidak terdapat informasi yang lengkap tentang bentuk pola datanya. Pada penelitian ini, digunakan regresi nonparametrik Spline yang bersifat fleksibel dalam mengatasi pola data yang mengalami kenaikan atau penurunan data dengan bantuan titik knot. Diperlukan beberapa langkah dalam menentukan model regresi Spline terbaik yaitu membuat statistik deskriptif dan matriks plot. PenentuanÂ nilai GCV untuk masing-masing Spline linier, kuadratik, dan kubik dengan satu titik knot. Kemudian dilakukan pengujian asumsi residual. Setelah diperoleh nilai GCV yang paling minimum dan memenuhi asumsi residual, selanjutnya memodelkan persentase penduduk miskin dengan angka melek huruf menggunakan regresi Spline. Studi kasus yang digunakan ialah data persentase penduduk miskin sebagai variabel respon dan angka melek huruf sebagai variabel prediktor. Hasil analisis menunjukkan model regresi nonparametrik Spline linier dengan satu titik knot yang memiliki nilai GCV yang paling minimum. Nilai GCV Â yang diperoleh adalah sebesar Â dengan titik knotnya adalah Â Â Kata Kunci: Regresi Nonparametrik Spline, GCV, Titik Knot.

Page 2 of 5 | Total Record : 48

1 2 3 4 5

Filter by Year

2019 2019

Filter By Issues

All Issue Vol 15, No 1 (2026): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 6 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya 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 Vol 8, No 3 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya 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 : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 3 (2018): BIMASTER Vol 7, No 2 (2018): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 2 (2018): BIMASTER 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 : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 6, No 01 (2017): BIMASTER 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