1. Proses Normalisasi
|
|
- Devi Hartanto
- 6 tahun lalu
- Tontonan:
Transkripsi
1 BAB IV PEMBAHASAN A. Pr-Procssing Pross pngolahan signal PCG sblum dilakukan kstaksi dan klasifikasi adalah pr-procssing. Signal PCG untuk data training dan data tsting trdapat dalam lampiran 5 (halaman 81). Signal PCG yang dirkam slama kurang lbih 10 dtik dinormalisasi kmudian dilakukan pmotongan signal dngan bantuan prangkat lunak Sound Forg Pro Rkaman data PCG diprolh dari pasin pnyakit jantung di Rumah Sakit Umum PKU Muhammadiyah Yogyakarta dan orang dngan jantung yang shat kmudian disimpan dngan format fil Wavform Audio Format (.wav). Brikut adalah langkah-langkah pr-prosccing signal PCG. 1. Pross Normalisasi Signal PCG yang sudah dirkam kmudian dinormalisasi dngan bantuan softwar Matlab R016a, pross normalisasi brtujuan agar data tidak brpngaruh pada bsar kcilnya amplitudo signal hasil prkaman, pross normalisasi juga tidak mngubah informasi yang trdapat pada signal. Pross normalisasi dilakukan dngan mncari nilai mutlak trndah/trtinggi dari signal dan digunakan untuk mmbagi signal aslinya. Brikut ini adalah gambar hasil signal PCG sblum dan ssudah normalisasi. 4
2 (a) (b) Gambar 4.1. Signal PCG ; (a) N0.wav sblum dinormalisasi, (b) N0.wav stlah dinormalisasi. Untuk hasil normalisasi signal yang lain trdapat pada lampiran 6 (halaman (87).. Pross Pmotongan Signal Signal PCG yang tlah dinormalisasi kmudian dilakukan pmotongan untuk mngambil satu dtakan trdiri dari suara jantung prtama (S1) dan suara jantung kdua (S). Pross pmotongan signal PCG dilakukan dngan bantuan softwar Sound Forg Pro 10.0, pmotongan dilakukan dngan mtod rctangl. Brikut adalah hasil pmotongan signal PCG. S S S S S S S1 S1 S1 S1 S1 S1 (a) S S S S S S S1 S1 S1 S1 S1 (b) S1 43
3 (c) Gambar 4.. Signal PCG; (a) N0.wav sblum dipotong, (b) pross pmotongan N0.wav, (c) N0.wav stlah dipotong. Gambar 4. (c) mnunjukkan signal PCG yang tlah dinormalisasi dan dipotong shingga siap untuk didkomposisi. Untuk hasil pmotongan signal yang lain trdapat pada lampiran 7 (halaman 93). 3. Dkomposisi Signal Pross dkomposisi signal mnggunakan Discrt Wavlt Transform (DWT) mothr Haar dngan lvl maksimum dkomposisi diprolh dari prsamaan (.7). Pross DWT digunakan untuk mnunjukkan ciri signal, mnapis data dan mningkatkan kualitas data. Pross dkomposisi dilakukan dngan bantuan toolbox dari Matlab R016a, signal PCG yang diprolh brupa fil.wav shingga dapat langsung digunakan. Brikut pross dkomposisi signal dngan DWT. Langkah 1. Mmilih Wavlt Dsign & Analysis dari toolbox Matlab R016a di mnu Apps. Langkah. Mmilih Wavlt 1-D pada mnu On Dimnsional. Langkah 3. Load signal PCG yang sudah dinormalisasi dan dipotong dngan Fil- Load-Signal. Langkah 4. Mmilih Wavlt Haar dngan lvl yang sudah dicari dngan prsamaan (.1). S1 S 44
4 Brikut adalah hasil dkomposisi N0.wav DWT Haar lvl 1. D1 D D3 D4 D5 D6 D7 D8 D9 D10 D11 A11 Gambar 4.3. Hasil Dkomposisi signal N0.wav Kofisin korlasi antara hasil dkomposisi dan signal aslinya sbagai brikut. Tabl 4.1. Kofisin Korlasi Hasil Dkomposisi Kofisin Korlasi D D D D D D D D D D D A
5 Brdasarkan tabl kofisin korlasi antara hasil dkomposisi dngan signal aslinya diprolh bahwa D4 dan D5 mmiliki kofisin korlasi yang lbih bsar shingga DWs dibntuk dari D4 dan D5. Gambar 4.4. Plot DWs data N0.wav Untuk hasil dkomposisi signal yang lain trdapat pada lampiran 8 (halaman 99). 4. Ekstraksi Signal Hasil DWs yang diprolh kmudian dikstraksi, pada pnlitian ini kstraksi yang digunakan brjumlah 5 fitur yaitu nilai minimum, maximum, ratarata, standar dviasi dan nrgi. Klima fitur trsbut sudah trdapat dalam Matlab R016a. Brikut adalah contoh hasil kstraksi signal PCG N0.wav. Tabl 4.. Hasil kstraksi N0.wav Nama Fil N0.wav Minimum Maximum Rata-rata -1.0E-06 Standar Dviasi Enrgi Untuk hasil kstraksi signal yang lain trdapat dalam lampiran 9 (halaman 105). 46
6 B. Klasifikasi Logika Fuzzy 1. Mngidntifikasi Himpunan Fuzzy pada Input Himpunan fuzzy yang digunakan pada input adalah himpunan univrsal yang didapat dari nilai pndkatan minimum dan maximum dari stiap data input untuk 80 data latih, shingga smua nilai input akan masuk pada intrval himpunan trsbut. Brikut adalah himpunan fuzzy untuk stiap input. a. Minimum (min) Nilai trkcil dan trbsar input minimum pada data latih adalah dan maka himpunan smsta untuk fitur minimum adalah U 0.88, 0.04 dngan lbar kurva Variabl untuk input min minimum dibagi mnjadi 9 himpunan fuzzy dngan rntang yang sama yaitu min1, min, min3, min4, min5, min6, min7, min8, dan min9 dngan pusat dari masing-masing himpunan fuzzy trsbut adalah -0.88, , -0.67, , -0.46, , -0.5, , dan Smbilan fungsi kanggotaan trsbut dirprsntasikan kdalam fungsi kanggotaan Gauss. Fungsi kanggotaan untuk input minimum adalah sbagai brikut. min f( x, , 0.88) 1 min f( x, , 0.775) ( x ( 0.88)) ( ) ( x ( 0.775)) ( ), 0.9 x 0.75, 0.9 x
7 min4 f( x, , 0.565) min5 f( x, , 0.46) min6 f( x, , 0.355) min7 f( x, , 0.5) min f( x, , 0.145) 8 9 f ( x, , 0.67) min 3 min f( x, , 0.04) ( x ( 0.67)) ( ), x ( x ( 0.565)) ( ), 0.75 x ( x ( 0.46)) ( ), x ( x ( 0.355)) ( ), x ( x ( 0.5)) ( ), x ( x ( 0.145)) ( ), x 0.04 ( x ( 0.04)) ( ), x 0.04 Gambar 4.5. Grafik Fungsi Kanggotaan Variabl Minimum 48
8 b. Maksimum (max) Nilai trkcil dan trbsar input maksimum pada data latih adalah dan maka himpunan smsta untuk fitur maksimum adalah U 0.05,0.89 dngan lbar kurva Variabl untuk input max maksimum dibagi mnjadi 9 himpunan fuzzy dngan rntang yang sama yaitu max1, max, min3, max4, max5, max6, max7, max8, dan max9 dngan pusat dari masing-masing himpunan fuzzy trsbut adalah -0.05, , -0.6, , -0.47, , -0.68, , dan Smbilan fungsi kanggotaan trsbut dirprsntasikan kdalam fungsi kanggotaan Gauss. Fungsi kanggotaan untuk input maksimum adalah sbagai brikut. max f( x, , 0.05) 1 max f( x, , 0.155) max f( x, , 0.6) 3 max f( x, , 0.365) 4 max5 f( x, , 0.47) ( x0.05) ( ),0.05 x ( x0.155) ( ),0.05 x ( x0.6) ( ) ( x0.365) ( ) ( x0.47) ( ),0.105 x ,0.015 x 0.55,0.315 x
9 max f( x, , 0.575) 6 max7 f( x, , 0.68) max f( x, , 0.785) 8 max f( x, , 0.9) 9 ( x0.575) ( ) ( x0.68) ( ) ( x0.785) ( ), x 0.735, x ,0.675 x 0.89 ( x0.9) ( ),0.735 x 0.89 Gambar 4.6. Grafik Fungsi Kanggotaan Variabl Maksimum c. Rata-rata (man) Nilai trkcil dan trbsar input rata-rata pada data latih adalah dan maka himpunan smsta untuk fitur rata-rata adalah U , dngan lbar kurva Variabl man untuk input maksimum dibagi mnjadi 9 himpunan fuzzy dngan rntang yang sama yaitu man1, man, man3, man4, man5, man6, man7, man8, dan man9 dngan pusat dari masing-masing himpunan fuzzy trsbut adalah , , , , , 50
10 , , , dan Smbilan fungsi kanggotaan trsbut dirprsntasikan kdalam fungsi kanggotaan Gauss. Fungsi kanggotaan untuk input rata-rata adalah sbagai brikut. f( x, , ) man1 f ( x, , ) man f ( x, , ) man3 f ( x, , ) man4 f ( x, , ) man5 f ( x, , ) man6 f ( x, , ) man7 f ( x, , ) man8 ( x ( )) ( ) ( x( )) ( ) ( x( )) ( ) ( x( )) ( ) ( x( )) ( ) ( x( )) ( ) ( x( )) ( ) ( x( )) ( ), x , x , x , x , x , x , x , x
11 f ( x, , ) man9 ( x( )) ( ), x Gambar 4.7. Grafik Fungsi Kanggotaan Variabl Rata-rata d. Standar Dviasi (std) Nilai trkcil dan trbsar input standar dviasi pada data latih adalah dan maka himpunan smsta untuk fitur standar dviasi adalah Ustd = [0.005,0.18] dngan lbar kurva Variabl untuk input standar dviasi dibagi mnjadi 9 himpunan fuzzy dngan rntang yang sama yaitu std1, std, std3, std4, std5, std6, std7, std8, dan std9 dngan pusat dari masing-masing himpunan fuzzy trsbut adalah 0.005, , , , 0.095, , , 0.158, dan Smbilan fungsi kanggotaan trsbut dirprsntasikan kdalam fungsi kanggotaan Gauss. Fungsi kanggotaan untuk input standar dviasi adalah sbagai brikut. f( x, , 0.005) std1 ( x0.005) ( ),0.005 x
12 f( x, , ) std f( x, , ) std3 f( x, , ) std4 f( x, , 0.095) std5 f( x, , ) std6 f( x, , ) std7 f( x, , 0.158) std8 f( x, , 0.18) std9 ( x0.0688) ( ),0.005 x ( x ) ( ) ( x ) ( ) ( x0.095) ( ),0.016 x , x , x 0.15 ( x0.1144) ( ) ( x0.1363) ( ) ( x0.158) ( ), x 0.147, x 0.169,0.15 x 0.18 ( x0.18) ( ),0.147 x
13 Gambar 4.8. Grafik Fungsi Kanggotaan Variabl Standar Dviasi. Enrgi (n) Nilai trkcil dan trbsar pada input nrgi data latih adalah dan maka himpunan smsta untuk fitur standar dviasi adalah U 0,70 dngan lbar kurva.655. Variabl untuk input nrgi n dibagi mnjadi 9 himpunan fuzzy dngan rntang yang sama yaitu n1, n, n3, n4, n5, n6, n7, n8, dan n9 dngan pusat dari masing-masing himpunan fuzzy trsbut adalah 0, 6.5, 3.5, 38.75, 45, 51.5, 57.5, 63.75, dan 70. Smbilan fungsi kanggotaan trsbut dirprsntasikan kdalam fungsi kanggotaan Gauss. Fungsi kanggotaan untuk input nrgi adalah sbagai brikut. f( x,.654,0) n1 f( x,.654,6.5) n f( x,.654,3.5) n3 ( x0) (.654),0 x ( x6.5) (.654),0 x ( x3.5) (.654),3.15 x
14 f( x,.654,38.75) n4 f( x,.654,45) n5 f( x,.654,51.5) n6 f( x,.654,57.5) n7 f( x,.654,63.75) n8 f( x,.654,70) n9 ( x38.75) (.654),9.375 x ( x45) (.654),35.65 x ( x51.5) (.654), x ( x57.5) (.654),48.15 x ( x63.75) (.654), x 70 ( x70) (.654),60.65 x 70 Gambar 4.9. Grafik Fungsi Kanggotaan Variabl Enrgi. Mngidntifikasi Himpunan Fuzzy pada Output Output yang digunakan pada klasifikasi pnyakit jantung mnggunakan gabungan antara rprsntasi kurva linar turun, kirva sgitiga, dan kurva linar 55
15 naik untuk diklasifikasi mnjadi 4 yaitu Normal, HHD, CHF, Angina Pctoris dngan intrval [1 4].. Brikut adalah fungsi kanggotaan dari output. normal HHD CHF ( x) ( x ) ( x ) x 1 AnginaPctoris( x ), 1 x 0, x 0, x 1 dan x 3 x 1, 1 x 1 x, x < 3 3 0, x dan x 4 x, < x x, 3 x < x, 3 x , x 4 Gambar Grafik Fungsi Kanggotaan Variabl Output 3. Mmbangun Aturan Fuzzy Stlah mnntukan himpunan fuzzy pada input dan output langkah slanjutnya adalah mmbangun aturan (rul) fuzzy brdasarkan hasil kstraksi dari dari 80 data latih PCG. Hasil kstraksi trdapat pada lampiran 9 untuk data latih dan data uji. Untuk masing-masing hasil kstraksi signal PCG dicari nilai kanggotaannya yang trbsar untuk mmbangun aturan fuzzy, shingga trdapat 56
16 80 aturan fuzzy pada lampiran 10 (halaman 108). Pmbntukan aturan fuzzy dilakukan dngan toolbox Fuzzy Logic pada Matlab R016a. Brikut adalah langkah pmbntukan aturan fuzzy dngan contoh N0.wav diagnosis normal. a. Minimum Hasil kstraksi untuk nilai minimum adalah dianggap sbagai nilai x. Pada 9 himpunan fuzzy yang tlah didfinisikan pada variabl minimum, nilai x = masuk pada intrval himpunan min5, min6, dan min7, maka slain ktiga himpunan trsbut nilai kanggotaannya 0. Brikut adalah prhitungan drajat kanggotaan pada stiap himpunan fuzzy variabl minimum. ( ) 0 min, ( ) 0, ( ) 0, ( ) 0 1 min min 3 min 4 min min min ( ( 0.46)) ( ) ( ( 0.355)) ( ) ( ( 0.5)) ( ) min ( ) 0, ( ) 0 min 8 9 max {μ min1,μ min,μ min3, μ min4, μ min5, μ min6, μ min7, μ min8,μ min9} max{0,0,0,0,0.44,0.7963,0.010,0,0} = Nilai kanggotaan trbsar trdapat pada min6, shingga data kstraksi untuk variabl minimum dari signal data n0.wav masuk dalam himpunan fuzzy min6. 57
17 b. Maksimum Hasil kstraksi untuk nilai maksimum adalah dianggap sbagai nilai x. Pada 9 himpunan fuzzy yang tlah didfinisikan pada variabl maksimum, nilai x = masuk pada intrval himpunan max5, max6, dan max7, maka slain ktiga himpunan trsbut nilai kanggotaannya 0. Brikut adalah prhitungan drajat kanggotaan pada stiap himpunan fuzzy variabl maksimum. (0.5336) 0 max, (0.5336) 0, (0.5336) 0, (0.5336) 0 1 max max 3 max 4 max max max ( ) ( ) ( ) ( ) ( ) ( ) (0.5336) 0 max, (0.5336) 0 8 max 9 max {μ max1,μ max, μ max3, μ max4,μ max5,μ max6,μ max7, μ max8, μ max9} max{0,0,0,0,0.3616,0.6159,0.0031,0,0} = Nilai kanggotaan trbsar trdapat pada max6, shingga data kstraksi untuk variabl maksimum dari signal data n0.wav masuk dalam himpunan fuzzy max6. c. Rata-rata Hasil kstraksi untuk nilai rata-rata adalah dianggap sbagai nilai x. Pada 9 himpunan fuzzy yang tlah didfinisikan pada variabl ratarata, nilai x = masuk pada intrval himpunan man4, man5, dan man6, maka slain ktiga himpunan trsbut nilai 58
18 kanggotaannya 0. Brikut adalah prhitungan drajat kanggotaan pada stiap himpunan fuzzy variabl maksimum. man ( ) 0, 1 m an ( ) 0, man ( ) 0, 3 4 ( ( )) ( ) man 5 ( ( )) ( ) man ( ( )) ( ) man6 m an ( ) 0, ( ) 0 7 max 8 m an ( ) 0 9 max {μ man1, μ man,μ man3,μ man4, μ man5,μ man6, μ man7, μ man8,μ man9} max{0,0,0, ,0.6530,0.358,0,0,0} = Nilai kanggotaan trbsar trdapat pada man5, shingga data kstraksi untuk variabl rata-rata dari signal data n0.wav masuk dalam himpunan fuzzy man5. d. Standar Dviasi Hasil kstraksi untuk standar dviasi adalah dianggap sbagai nilai x. Pada 9 himpunan fuzzy yang tlah didfinisikan pada variabl standar dviasi, nilai x = masuk pada intrval himpunan std, std3, dan std4, maka slain ktiga himpunan trsbut nilai kanggotaannya 0. Brikut adalah prhitungan drajat kanggotaan pada stiap himpunan fuzzy variabl standar dviasi. std (0.0519)
19 ( ) ( ) std std 3 std 4 ( ) ( ) ( ) ( ) std (0.0519) 0, 5 std (0.0519) 0, 6 std (0.0519) 0, 7 std (0.0519) 0, 8 std (0.0519) 0 9 max {μ std1, μ std, μ std3, μ std4, μ std5, μ std6, μ std7, μ std8, μ std9} max{0,0.066,0.9374,0.1310,0,0,0,0,0} = Nilai kanggotaan trbsar trdapat pada std3, shingga data kstraksi untuk variabl standar dviasi dari signal data n0.wav masuk dalam himpunan fuzzy std3.. Enrgi Hasil kstraksi untuk nilai nrgi adalah dianggap sbagai nilai x. Pada 9 himpunan fuzzy yang tlah didfinisikan pada variabl nrgi, nilai x = masuk pada intrval himpunan n, n3, dan n4, maka slain ktiga himpunan trsbut nilai kanggotaannya 0. Brikut adalah prhitungan drajat kanggotaan pada stiap himpunan fuzzy variabl nrgi. n ( ) 0 1 n n 3 ( ) (.654) ( ) (.654)
20 n 4 ( ) (.654) n (0.0519) 0, 5 (0.0519) n 6 0, n (0.0519) 0, 7 n (0.0519) 0, (0.0519) 8 n 9 0 max {μ n1, ì n, ì n3, ì n4, ì n5, ì n6, ì n7, ì n8, ì n9 } max{0,0.0041,0.631,0.3768,0,0,0,0,0} = Nilai kanggotaan trbsar trdapat pada n3, shingga data kstraksi untuk variabl nrgi dari signal data N0.wav masuk dalam himpunan fuzzy n3. Brdasarkan hasil pnglompokan hasil kstraksi signal PCG data N0.wav pada himpunan fuzzy, diprolh minimum min 6, maksimum max 6, rata-rata man 5, standar dviasi std 3, dan nrgi n 3 shingga hasil trsbut mnjadi satu aturan untuk diagnosis normal. Tabl 4.3. Hasil kstraksi dan pnglompokan himpunan fuzzy fil N0.wav Data Hasil Ekstraksi Drajat Kanggotaan Himpunan Fuzzy Minimum min 6 Maksimum max 6 Rata-rata -1.0E man 5 Standar Dviasi std 3 Enrgi n 3 Diagnosis Normal Dari data N0.wav didapatkan aturan fuzzy Jika min adalah min5 dan max adalah max5 dan man adalah man5 dan std adalah std3 dan n adalah n4 maka normal. Cara yang sama digunakan pada 79 data latih PCG yang lain dalam pross pmbntukan aturan fuzzy dngan bantuan Matlab R016a shingga diprolh 80 61
21 aturan fuzzy pada lampiran 10 (halaman 108). 4. Infrnsi Fuzzy Pada infrnsi fuzzy, prinsip logika fuzzy digunakan untuk mngvaluasi output brdasarkan aturan fuzzy if-thn. Sistm infrnsi fuzzy yang digunakan adalah mtod Mamdani, karna lbih mudah dalam pnggunaan dan pmahaman. Mtod Mamdani dngan mtod And adalah prod, mtod Or adalah max, Implication adalan min, dan Aggrgation adalah max. Pnghitungan infrnsi fuzzy dilakukan dngan bantuan softwar Matlab R016a.. Drajat kanggotaan dari data n0.wav untuk aturan 0 trdapat dalam tabl 4.3. Brdasarkan drajat kanggotaan trsbut maka aturan yang mmnuhi adalah aturan 5, aturan 18 dan aturan 0. Brikut adalah aturan yang mmnuhi data n0.wav (lampiran 10). Aturan 5, Jika min adalah min5 dan max adalah max6 dan man adalah man5 dan std adalah std3 dan n adalah n4 maka normal Aturan 18, Jika min adalah min5 dan max adalah max5 dan man adalah man5 dan std adalah std3 dan n adalah n4 maka normal Aturan 0 Jika min adalah min6 dan max adalah max6 dan man adalah man5 dan std adalah std3 dan n adalah n3 maka normal Drajat kanggotaan untuk ktiga aturan trsbut dicari nilai minimumnya dngan mnggunakan prsamaan (.7). Brikut adalah hasil prhitungan untuk Aturan 5. p min(0.9464,0.9558,0.6683,0.635,0.7050)
22 Hasil prhitungan untuk aturan 18 q min(0.999,0.8588,0.6749,0.6876,0.9197) Hasil prhitungan untuk aturan 0 r min(0.7963,0.6159,0.6530,0.9374,0.631) Agrgrasi untuk tiga aturan trsbut mnggunakan fungsi max atau OR. Brdasarkan prsamaan (.8) drajat kanggotaan brdasarkan mtod agrgrasi adalah sbagai brikut s max(0.635,0.6749,0.6159) Brdasarkan drajat kanggotaan trsbut, kurva rprsntasi dari himpunan fuzzy pada output ditunjukkan pada Gambar Gambar 4.11 Grafik fungsi kanggotaan N0.wav pada output Stlah diprolh kurva pada gambar 4.11, langkah slanjutnya adalah mncari titik potong pada Gambar 4.11 dngan mnggunakan fungsi kanggotaan himpunan fuzzy normal pada output, untuk s = maka Normal x () x 1 x
23 x x Maka fungsi kanggotaan untuk data n0.wav adalah 0 x 1 dan x ( x) x (4.1) x x 5. Dfuzzifikasi Dfuzzifikasi yang digunakan adalah Man of Maxima (MOM) yaitu ratarata domain yang mmilki drajat kanggotaan maksimum. Pross dffuzifikasi dilakukan dngan bantuan Matlab R016a, pada data n0.wav dngan mlakukan input minimum = , maksimum = , rata-rata = , standar dviasi = dan nrgi = pada Rul Viwr didapatkan hasil dfuzzifikasi sbsar 1.39 dngan diagnosa normal. Gambar 4.1, Rul Viwr untuk dfuzzifikasi data N0.wav. 64
24 C. Hasil Pmbahasan 1. Hasil Sistm Fuzzy pada Data Latih Brikut adalah hasil sistm fuzzy pada data latih dan hasil diagnosis yang diprolh brdasarkan aturan dari sistm fuzzy yang tlah dibuat. Tabl 4.4 Hasil sistm fuzzy pada data latih No Data Diagnosis Hasil Prdiksi Dffuzifikasi Diagnosis Ktrangan 1 N1 Normal 1.33 Normal Bnar N Normal 1.33 Normal Bnar 0 N0 Normal 1.39 Normal Bnar Angina Angina Pctoris 3.69 Pctoris Bnar Hasil sistm fuzzy pada data latih slngkapnya trdapat pada lampiran 11 (halaman 115).. Hasil Sistm Fuzzy pada Data Uji Brikut adalah hasil sistm fuzzy pada data uji dan hasil diagnosis yang diprolh brdasarkan aturan dari sistm fuzzy yang tlah dibuat. Tabl 4.5 Hasil sistm fuzzy pada data uji No Data Diagnosis Hasil Prdiksi Dffuzifikasi Diagnosis Ktrangan 1 N1 Normal 1.45 Normal Bnar N Normal 1.45 Normal Bnar 3 N3 Normal 1.49 Normal Bnar Angina Angina 3.5 Pctoris Pctoris Bnar Hasil sistm fuzzy pada data uji slngkapnya trdapat pada lampiran 1 (halaman 118). 65
25 D. Analisis Pngujian Sistm Stlah data dimasukkan kdalam sistm maka langkah slanjutnya adalah mlakukan pngujian pada data latih dan data uji, cara pngujian dilakukan dngan pnghitungan akurasi, Tru Positiv, Tru Ngativ, Fals Positiv dan Fals Ngativ. Hasil dffuzifikasi 80 data training trdapat pada lampiran 11, dngan jumlah TP = 60, FP = 0, TN = 0, FN = 0. Dngan dmikian diprolh hasil nilai akurasi, snsitivitas dan spsifisitas untuk data latih sbagai brikut. jumlah data bnar 79 akurasi 100% 100% 98.75% jumlah data ksluruhan 80 Jadi, kakurasian sistm fuzzy untuk data latih sbsar 98.75%. TP 60 snsitivitas 100% 100% 100% TP FN 60 0 Jadi, tingkat snsitivitas sistm fuzzy untuk data latih sbsar 100%. TN 0 spsifisitas 100% 100% 100% TN FP 0 0 Jadi, tingkat spsifisitas sistm fuzzy untuk data latih sbsar 100%. Stlah mlakukan pngujian data latih slanjutnya adalah mlakukan pngujian untuk data uji, hasil dffuzifikasi data uji trdapat pada lampiran 1, dngan jumlah TP = 13, FP =, TN = 5, FN = 0. Dngan dmikian diprolh hasil nilai akurasi, snsitivitas dan spsifisitas untuk data uji sbagai brikut. jumlah data bnar 16 akurasi 100% 100% 80% jumlah data ksluruhan 0 Jadi, kakurasian sistm fuzzy untuk data uji sbsar 80%. TP 13 snsitivitas 100% 100% 100% TP FN
26 Jadi, tingkat snsitivitas sistm fuzzy untuk data uji sbsar 100%. TN 5 spsifisitas 100% 100% 71.43% TN FP 5 Jadi, tingkat spsifisitas sistm fuzzy untuk data latih sbsar 100%. Tingkat snsitivitas untuk data latih dan data uji adalah 100% shingga modl mngklasifikasikan ssuai untuk diagnosa positif pnyakit jantung. E. Tampilan Diagnosa Pnyakit Jantung dngan GUI Konstruksi modl fuzzy yang dibangun dngan GUI agar lbih mnarik dan mmudahkan pngguna dalam klasifikasi. Tampilan GUI dibuat brdasarkan modl fuzzy yang sudah dibangun. Brikut adalah rancangan akhir dari tampilan GUI diagnos pnyakit jantung Gambar 4.13 Tampilan layr GUI diagnosa pnyakit jantung Rancangan GUI diatas mnggunakan contoh sinyal PCG data training dngan diagnosis normal. Sinyal dimasukkan dalam rancangan GUI yang tlah dibuat untuk mngkstraksi nrgi, kmudian mmasukkan sinyal hasil dkomposisi untuk mngkstraksi minimum, maksimum, rata-rata dan standar dviasi. Kmudian hasil 67
27 kstraksi dijadikan input pada modl fuzzy yang dibangun. Stlah dipross mnggunakan modl fuzzy yang tlah dibangun, diprolh hasil bahwa sinyal PCG data training trsbut normal. Hasil rancangan sistm GUI tlah ssuai dngan rancangan modl fuzzy yang tlah diuji tingkat akurasinya. 68
HASIL DAN PEMBAHASAN. Gambar 3 Proses penentuan perilaku api.
6 yang diharapkan. Msin infrnsi disusun brdasarkan stratgi pnalaran yang akan digunakan dalam sistm dan rprsntasi pngtahuan. Msin infrnsi yang digunakan dalam pngmbangan sistm pakar ini adalah FIS. Implmntasi
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. Data penelitian diperoleh dari siswa kelas XII Jurusan Teknik Elektronika
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. DESKRIPSI DATA Data pnlitian diprolh dari siswa klas XII Jurusan Tknik Elktronika Industri SMK Ma arif 1 kbumn. Data variabl pngalaman praktik industri, kmandirian
Lebih terperinciOleh : Bustanul Arifin K BAB IV HASIL PENELITIAN. Nama N Mean Std. Deviation Minimum Maximum X ,97 3,
Kpdulian trhadap sanitasi lingkungan diprdiksi dari tingkat pndidikan ibu dan pndapatan kluarga pada kluarga sjahtra I klurahan Krtn kcamatan Lawyan kota Surakarta Olh : Bustanul Arifin K.39817 BAB IV
Lebih terperinciBAB III METODE PENELITIAN. jantung pasien penyakit jantung secara elektro-akustik atau PCG
BAB III METODE PENELITIAN A. Metode Pengumpulan Data Data penelitian ini diperoleh melalui observasi terhadap pasien penyakit jantung. Penelitian ini menggunakan alat untuk mendeteksi dan perekaman detak
Lebih terperinciBAB 3 METODOLOGI PERANCANGAN. 35 orang. Setiap orang diambil sampel sebanyak 15 citra wajah dengan
BAB 3 METODOLOGI PERANCANGAN 3.1 Input Data Citra Wajah Pada pnlitian ini, digunakan sbanyak 525 citra ajah yang trdiri dari 35 orang. Stiap orang diambil sampl sbanyak 15 citra ajah dngan pncahayaan yang
Lebih terperinciUJI KESELARASAN FUNGSI (GOODNESS-OF-FIT TEST)
UJI CHI KUADRAT PENDAHULUAN Distribusi chi kuadrat mrupakan mtod pngujian hipotsa trhadap prbdaan lbih dari proporsi. Contoh: manajr pmasaran suatu prusahaan ingin mngtahui apakah prbdaan proporsi pnjualan
Lebih terperinciBab 6 Sumber dan Perambatan Galat
Mtod Pnlitian Suradi Sirgar Bab 6 Sumbr dan Prambatan Galat 6. Sumbr galat. Data masukan, misal hasil pngukuran (galat bawaan). Slama komputasi (galat pross), galat ang timbul akibat komputasi 3. Galat
Lebih terperinciPemodelan Faktor-faktor yang Mempengaruhi Prestasi Mahasiswa Pasca Sarjana ITS dengan Regresi Logistik dan Neural Network
JURNAL SAINS DAN SENI ITS Vol., No., (Spt. 202) ISSN: 230-928X D-36 Pmodlan Faktor-faktor yang Mmpngaruhi Prstasi Mahasiswa Pasca Sarjana ITS dngan Rgrsi Logistik dan Nural Ntwork Wijdani Anindya Hadi
Lebih terperinciBAB IV PEMBAHASAN. A. Hasil Model Radial Basis Function Neural Network (RBFNN) Langkah-langkah untuk menentukan model terbaik Radial Basis Function
BAB IV PEMBAHASAN A. Hasil Model Radial Basis Function Neural Network (RBFNN) Langkah-langkah untuk menentukan model terbaik Radial Basis Function Neural Network (RBFNN) untuk diagnosis penyakit jantung
Lebih terperinciII. LANDASAN TEORI. digunakan sebagai landasan teori pada penelitian ini. Teori dasar mengenai graf
II. LANDASAN TEORI 2.1 Konsp Dasar Graf Pada bagian ini akan dibrikan konsp dasar graf dan dimnsi partisi graf yang digunakan sbagai landasan tori pada pnlitian ini. Tori dasar mngnai graf yang akan digunakan
Lebih terperinciKLASIFIKASI PENYAKIT JANTUNG MENGGUNAKAN WAVELET FUZZY SYSTEMS TUGAS AKHIR SKRIPSI
KLASIFIKASI PENYAKIT JANTUNG MENGGUNAKAN WAVELET FUZZY SYSTEMS TUGAS AKHIR SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Yogyakarta untuk Memenuhi Sebagian Persyaratan
Lebih terperinciAnalisis Dinamis Portal Bertingkat Banyak Multi Bentang Dengan Variasi Tingkat (Storey) Pada Tiap Bentang
Analisis Dinamis Portal Brtingkat Banyak Multi Bntang Dngan Variasi Tingkat (Story) Pada Tiap Bntang Hiryco Manalip Rky Stnly Windah Jams Albrt Kaunang Univrsitas Sam Ratulangi Fakultas Tknik Jurusan Sipil
Lebih terperinciAplikasi Integral. Panjang sebuah kurva w(y) sepanjang selang dapat ditemukan menggunakan persamaan
Aplikasi Intgral Intgral dapat diaplikasikan k dalam banyak hal. Dari yang sdrhana, hingga aplikasi prhitungan yang sangat komplks. Brikut mrupakan aplikasi-aplikasi intgral yang tlah diklompokkan dalam
Lebih terperinciRANCANG BANGUN PATCH RECTANGULAR ANTENNA 2.4 GHz DENGAN METODE PENCATUAN EMC (ELECTROMAGNETICALLY COUPLED)
RANCANG BANGUN PATCH RECTANGULAR ANTENNA 2.4 GHz DENGAN METODE PENCATUAN EMC (ELECTROMAGNETICALLY COUPLED) Winny Friska Uli,Ali Hanafiah Ramb Konsntrasi Tknik Tlkomunikasi, Dpartmn Tknik Elktro Fakultas
Lebih terperinciPROSES PEMANENAN DENGAN MODEL LOGISTIK STUDI KASUS PADA PTP. NUSANTARA IX
Prosiding SPMIPA. pp. 3-39, 006 ISBN : 979.704.47.0 PROSES PEMANENAN DENGAN MODEL LOGISTIK STUDI KASUS PADA PTP. NUSANTARA IX Eka Ariani, Agus Rusgiyono Jurusan Matmatika FMIPA Univrsitas Dipongoro Jl.
Lebih terperinciPenentuan Lot Size Pemesanan Bahan Baku Dengan Batasan Kapasitas Gudang
Pnntuan Lot Siz Pmsanan Bahan Baku Dngan Batasan Kapasitas Gudang Dana Marstiya Utama 1 Abstract. This papr xplains th problm o dtrmining th lot siz o ordring raw matrials with warhous capacity limitation
Lebih terperinciHUBUNGAN ANTARA KELOMPOK UMUR, JENIS KELAMIN DAN JENIS PEKERJAAN PADA PENDERITA HIV/AIDS DI KABUPATEN BANYUMAS
18Novmbr 17 Tma 7: Ilmu-Ilmu Murni (Matmatika, Fisika, Kimia dan Biologi) HUBUNGAN ANTARA KELOMPOK UMUR, JENIS KELAMIN DAN JENIS PEKERJAAN PADA PENDERITA HIV/AIDS DI KABUPATEN BANYUMAS Olh Agung Prabowo
Lebih terperinciDebuging Program dengan EasyCase
Modul asyc 1 Dbuging Program dngan EasyCas Di susun Olh : Di dukung olh : Portal dukasi Indonsia Opn Knowlodg and Education http://ok.or.id Modul asyc 2 KATA PENGANTAR Puji syukur kpada guru sjatiku Gusti
Lebih terperinciPembahasan Soal. Pak Anang SELEKSI MASUK UNIVERSITAS INDONESIA. Disertai TRIK SUPERKILAT dan LOGIKA PRAKTIS. Disusun Oleh :
Pmbahasan Soal SELEKSI MASUK UNIVERSITAS INDONESIA Disrtai TRIK SUPERKILAT dan LOGIKA PRAKTIS Disusun Olh : Pak Anang Kumpulan SMART SOLUTION dan TRIK SUPERKILAT Pmbahasan Soal SIMAK UI 2011 Matmatika
Lebih terperinciDeret Fourier, Transformasi Fourier dan DFT
Drt Fourir, Transformasi Fourir dan DFT A. Drt Fourir Drt fourir adalah drt yang digunakan dalam bidang rkayasa. Drt ini prtama kali ditmukan olh sorang ilmuan prancis Jan-Baptist Josph Fourir (1768-18).
Lebih terperinciOnline Jurnal of Natural Science, Vol.3(1): ISSN: March 2014
Onlin Jurnal of Natural Scinc, ol.3(1): 65-74 ISSN: 338-0950 March 014 PELABELAN TOTAL SISI AJAIB SUPER (TSAS) PADA GABUNGAN GRAF ULAT BULU DAN BIPARTITE LENGKAP I W. Sudarsana 1, Fitria and S. Musdalifah
Lebih terperinciImplementasi Pemodelan Multi Kriteria (PMK) Pada Sistem Pendukung Keputusan Pengujian Mutu Ban Sepeda Motor
Implmntasi Pmodlan Multi Kritria (PMK) Pada Sistm Pndukung Kputusan Pngujian Mutu Ban Spda Motor Muliadi Muliadiaziz@yahoo.com Abstract This rsarch to dvlop a dsign dcision support systm with built tst
Lebih terperinciSIMULASI DESAIN COOLING SYSTEM DAN RUNNER SYSTEM UNTUK OPTIMASI KUALITAS PRODUK TOP CASE
SIMULASI DESAIN COOLING SYSTEM DAN RUNNER SYSTEM UNTUK OPTIMASI KUALITAS PRODUK TOP CASE Fabio Dwi Bagus Irawan 1,a, Cahyo Budiyantoro 1,b, Thoharudin 1,c 1 Program Studi Tknik Msin, Fakultas Tknik, Univrsitas
Lebih terperinciAnalisis Rangkaian Listrik
Sudaryatno Sudirham Analisis Rangkaian Listrik Mnggunakan Transformasi Fourir - Sudaryatno Sudirham, Analisis Rangkaian Listrik (4) BAB Analisis Rangkaian Mnggunakan Transformasi Fourir Dngan pmbahasan
Lebih terperinciBAB I METODE NUMERIK SECARA UMUM
BAB I METODE NUMERIK SECARA UMUM Aplikasi modl matmatika banyak muncul dalam brbagai disiplin ilmu pngtahuan, sprti isika, kimia, konomi, prsoalan rkayasa (tknik msin, sipil, lktro). Modl matmatika yang
Lebih terperinciUniversitas Indonusa Esa Unggul Fakultas Ilmu Komputer Teknik Informatika. Persamaan Diferensial Orde I
Univrsitas Indonusa Esa Unggul Fakultas Ilmu Komputr Tknik Informatika Prsamaan Difrnsial Ord I Dfinisi Prsamaan Difrnsial Prsamaan difrnsial adalah suatu prsamaan ang mmuat satu atau lbih turunan fungsi
Lebih terperinciModifikasi Analytic Network Process Untuk Rekomendasi Pemilihan Handphone
Modifikasi Analytic Ntwork Procss Untuk Rkomndasi Pmilihan Handphon Fry Dwi Hrmawan Jurusan Informatika Fakultas MIPA, Univrsitas Sblas Mart Surakarta frydh@yahoocom Ristu Saptono Jurusan Informatika Fakultas
Lebih terperinciMINAT SISWA TERHADAP EKSTRAKURIKULER OLAHRAGA BOLA VOLI DI SMA N 2 KABUPATEN PACITAN
Artikl Skripsi MINAT SISWA TERHADAP EKSTRAKURIKULER OLAHRAGA BOLA VOLI DI SMA N 2 KABUPATEN PACITAN SKRIPSI Diajukan Untuk Mmnuhi Sbagian Syarat Guna Mmprolh Glar Sarjana Pndidikan (S.Pd.) Pada Jurusan
Lebih terperinciPENENTUAN NILAI e/m ELEKTRON
Pnntuan Nilai E/m Elktron 013 PENENTUAN NILAI /m ELEKTRON Intan Masruroh S, Anita Susanti, Rza Ruzuqi, Zaky Alam Laboratorium Fisika Radiasi, Dpartmn Fisika Fakultas Sains Dan Tknologi, Univrsitas Airlangga
Lebih terperinciMODUL PERKULIAHAN REKAYASA FONDASI 1. Penurunan Tanah pada Fondasi Dangkal. Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh
MODUL PERKULIAHAN REKAYASA FONDASI 1 Pnurunan Tanah pada Fondasi Dangkal Fakultas Program Studi Tatap Muka Kod MK Disusun Olh Tknik Prnanaan Tknik A41117AB dan Dsain Sipil 9 Abstrat Modul ini brisi bbrapa
Lebih terperinciPenggunaan Algoritma RSA dengan Metode The Sieve of Eratosthenes dalam Enkripsi dan Deskripsi Pengiriman
Pnggunaan Algoritma RSA dngan Mtod Th Siv of Eratosthns dalam Enkripsi dan Dskripsi Pngiriman Email Muhammad Safri Lubis Jurusan Tknologi Informasi Fak. Ilmu Komputr dan Tknologi Informasi, USU Mdan, Indonsia
Lebih terperinciUJI PERFORMANCE MEJA GETAR SATU DERAJAT KEBEBASAN DENGAN METODE STFT
UJI PERFORMANCE MEJA GETAR SATU DERAJAT KEBEBASAN DENGAN METODE STFT Jhon Malta (1) (1) Laboratorium Dinamika Struktur Jurusan Tknik Msin Fakultas Tknik Univrsitas Andalas, Padang. Email: jhonmalta@ft.unand.ac.id
Lebih terperinciBAB IV DATA DAN ANALISA
BAB IV DATA DAN ANALISA Pngujian yang dilakukan brupa pngujian masa hidup (lifim) cahaya dari 0 uni lampu DC 4,8 Vol olh hardwar yang lah dirancang. Hasil pngujian ini akan dianalisa raa-raa lifim µ dari
Lebih terperinciBAB 2 LANDASAN TEORI
6 BAB LANDASAN TEORI Pada bab ini akan diuraikan mngnai tori dan trminologi graph, yaitu bntuk-bntuk khusus suatu graph. Di sini uga akan dilaskan mngnai minimum spanning tr, pmrograman 0-, dan aplikasi
Lebih terperinciKontrol Trakcing Laras Meriam 57mm dengan Menggunakan Hybrid Kontrol Logika Fuzzy - PID
129 Kontrol Trakcing Laras Mriam 57mm dngan Mnggunakan Hybrid Kontrol Logika Fuzzy - PID Jki Saputra, M. Aziz Muslim, dan Rini Nur Hasanah Abstrak Laras mriam adalah salah satu bagian bsar dari kontruksi
Lebih terperinciIV. Konsolidasi. Pertemuan VII
Prtmuan VII IV. Konsolidasi IV. Pndahuluan. Konsolidasi adalah pross brkurangnya volum atau brkurangnya rongga pori dari tanah jnuh brpmabilitas rndah akibat pmbbanan. Pross ini trjadi jika tanah jnuh
Lebih terperinciFUNGSI DOMINASI ROMAWI PADA LINE GRAPH
Bultin Ilmiah Mat. Stat. dan Trapannya (Bimastr) Volum 04, No. 2 (2015), hal 119 126. FUNGSI DOMINASI ROMAWI PADA LINE GRAPH Ysi Januarti, Mariatul Kiftiah, Nilamsari Kusumastuti INTISARI Himpunan D disbut
Lebih terperinciANALISIS PEMANFAATAN CITRA SATELIT ALOS-PRISM
ANALISIS PEMANFAATAN CITRA SATELIT ALOS-PRISM SEBAGAI DASAR PEMBUATAN PETA PENDAFTARAN TANAH (Studi Kasus : Dsa Babalan, Kcamatan Gabus, Kabupatn Pati) Pandu Sandy Utomo, Ir. Chatarina Nurdjati S., MT,
Lebih terperinciPertemuan XIV, XV VII. Garis Pengaruh
ahan jar Statika ulyati, ST., T rtmuan X, X. Garis ngaruh. ndahuluan danya muatan hidup yang brgrak dari satu ujung k ujung lain pada suatu konstruksi disbut bban brgrak. isalkan ada sbuah kndaraan mlalui
Lebih terperinciTINJAUAN ULANG EKSPANSI ASIMTOTIK UNTUK MASALAH BOUNDARY LAYER
TINJAUAN ULANG EKSPANSI ASIMTOTIK UNTUK MASALAH BOUNDARY LAYER HannaA Parhusip Cntr of Applid Mathmatics Program Studi Matmatika Industri dan Statistika Fakultas Sains dan Matmatika Univrsitas Kristn Sata
Lebih terperinciPELABELAN TOTAL SISI ANTI AJAIB SUPER (PTSAAS) PADA GABUNGAN GRAF BINTANG GANDA DAN LINTASAN
JIMT ol. 9 No. 1 Juni 01 (Hal. 16 8) Jurnal Ilmiah Matmatika dan Trapan ISSN : 450 766X PELABELAN TOTAL SISI ANTI AJAIB SUPER (PTSAAS) PADA GABUNGAN GRAF BINTANG GANDA DAN LINTASAN Nurainun 1, S. Musdalifah,
Lebih terperinciMODEL PERSEDIAAN DETERMINISTIK DENGAN MEMPERTIMBANGKAN MASA KADALUARSA DAN PENURUNAN HARGA JUAL
ISSN : 407 846 -ISSN : 460 846 MODEL PERSEDIAAN DETERMINISTIK DENGAN MEMPERTIMBANGKAN MASA KADALUARSA DAN PENURUNAN HARGA JUAL Chrish Rikardo *, Taufik Limansyah, Dharma Lsmono Magistr Tknik Industri,
Lebih terperinciANALISA PENGARUH PACK CARBURIZING MENGGUNAKAN ARANG MLANDING UNTUK MENINGKATKAN SIFAT MEKANIS SPROKET SEPEDA MOTOR SUZUKI
Analisa Pngaruh Pack Carburizing Mnggunakan Arang Mlanding (Mas ad dkk.) ANALISA PENGARUH PACK CARBURIZING MENGGUNAKAN ARANG MLANDING UNTUK MENINGKATKAN SIFAT MEKANIS SPROKET SEPEDA MOTOR SUZUKI Mas ad,
Lebih terperinciMETODE ITERASI KELUARGA CHEBYSHEV-HALLEY UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR. Yuli Syafti Purnama 1 ABSTRACT
METODE ITERASI KELUARGA CHEBYSHEV-HALLEY UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR Yuli Syafti Purnama Mahasiswa Program Studi S Matmatika Fakultas Matmatika dan Ilmu Pngtahuan Alam Univrsitas Riau Kampus
Lebih terperinciPENENTUAN RUTE TERPENDEK DENGAN MENGGUNAKAN ALGORITMA CHEAPEST INSERTION HEURISTIC (STUDI KASUS: PT.
Bultin Ilmiah Math. Stat. dan Trapannya (Bimastr) Volum 04, No. 3 (2015), hal 295 304. PENENTUAN RUTE TERPENDEK DENGAN MENGGUNAKAN ALGORITMA CHEAPEST INSERTION HEURISTIC (STUDI KASUS: PT. Wicaksana Ovrsas
Lebih terperinciMETODE ITERASI TANPA TURUNAN BERDASARKAN EKSPANSI TAYLOR UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR ABSTRACT
METODE ITERASI TANPA TURUNAN BERDASARKAN EKSPANSI TAYLOR UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR E. Yuliani, M. Imran, S. Putra Mahasiswa Program Studi S Matmatika Laboratorium Matmatika Trapan, Jurusan
Lebih terperinciIV. HASIL DAN PEMBAHASAN
IV. HASIL DAN PEMBAHASAN A. KARAKTERISTIK MUTU DAN REOLOGI CPO AWAL Minyak sawit kasar (crud palm oil/cpo) mrupakan komoditas unggulan Indonsia yang juga brpran pnting dalam prdagangan dunia. Mngingat
Lebih terperinciPENGARUH MODEL PROBLEM BASED LEARNING (PBL) TERHADAP HASIL BELAJAR SISWA PADA MATERI POKOK OPTIKA GEOMETRIS
PENGARUH MODEL PROBLEM BASED LEARNING (PBL) TERHADAP HASIL BELAJAR SISWA PADA MATERI POKOK OPTIKA GEOMETRIS Rani Dliana Panggaban 1 dan Pintor Simamora 1 Alumni Mahasiswa Program Studi Pndidikan Fisika
Lebih terperinciANALISIS NOSEL MOTOR ROKET RX LAPAN SETELAH DILAKUKAN PEMOTONGAN PANJANG DAN DIAMETER
Analisis Nosl Motor Rokt RX-1 LAPAN... (Ahmad Jamaludin Fitroh, Sari) ANALISIS NOSEL MOTOR ROKET RX - 1 LAPAN SETELAH DILAKUKAN PEMOTONGAN PANJANG DAN DIAMETER Ahmad Jamaludin Fitroh, Sari Pnliti Pnliti
Lebih terperinciIntegral Fungsi Eksponen, Fungsi Trigonometri, Fungsi Logaritma
Modul Intgral Fungsi Eksponn, Fungsi Trigonomtri, Fungsi Logaritma Dr. Subanar D PENDAHULUAN alam mata kuliah Kalkulus I Anda tlah mngnal bahwa intgrasi adalah pross balikan dari difrnsiasi. Jadi untuk
Lebih terperincimodel pengukuran yang menunjukkan ukur Pengukuran dalam B. Model Mode sama indikator dan 1 Pag
Modl Modl Pngukuran dalam Pmodlan Prsamaan Struktural Wahyu Widhiarso Fakultas Psikologi UGM Tulisan ini akan mmbahas bbrapa modl dalam SEM yang unik. Dikatakan unik karna jarang dipakai. Tulisan hanya
Lebih terperinciMuatan Bergerak. Muatan hidup yang bergerak dari satu ujung ke ujung lain pada suatu
Muatan rgrak Muatan hidup yang brgrak dari satu ujung k ujung lain pada suatu konstruksik disbut bb bban brgrak Sbuah kndaraan mlalui suatu jmbatan, maka akan timbul prubahanbh nilai i raksi kimaupun gaya
Lebih terperinciPENGGUNAAN JARINGAN SYARAF TIRUAN UNTUK PENGKLASIFIKASIAN STATUS GIZI SKRIPSI. Oleh: INDA SAFITRI NIM
PENGGUNAAN JARINGAN SYARAF TIRUAN UNTUK PENGKLASIFIKASIAN STATUS GIZI SKRIPSI Olh: INDA SAFITRI NIM. 065009 JURUSAN MATEMATIKA FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS ISLAM NEGERI MAULANA MALIK IBRAHIM
Lebih terperinciBAB II TEORI DASAR 2.1 Pengertian Pasang Surut
BAB II TEORI DASAR 2.1 Pngrtian Pasang Surut Pasang surut air laut (pasut) adalah pristiwa naik turunnya muka air scara priodik dngan rata-rata priodnya 12,4 jam (di bbrapa tmpat 24,8 jam) (Pond dan Pickard,
Lebih terperinciRANCANG BANGUN SCREW FEEDER SEBAGAI PERANGKAT DUKUNG PELEBURAN KONSENTRAT ZIRKON
Yogyakarta, Sptmbr 0 RANCANG BANGUN SCREW FEEDER SEBAGAI PERANGKAT DUKUNG PELEBURAN KONSENTRAT ZIRKON Sajima, Dddy Hasnurrofiq, Sudaryadi -BATAN-Yogyakarta Jl Babarsari Nomor, Kotak pos 0 Ykbb 558 -mail
Lebih terperinciAPLIKASI METODE STATED PREFERENCE PADA PEMILIHAN MODA ANGKUTAN UMUM PENUMPANG (RUTE MAKASSAR MAJENE)
APLIKASI METODE STATED PREFERENCE PADA PEMILIHAN MODA ANGKUTAN UMUM PENUMPANG (RUTE MAKASSAR MAJENE) Abdul Gaus Program Studi Tknik Siil Fakultas Tknik Univrsitas Khairun Trnat Tl/Fax (091) 38049 Irnawaty
Lebih terperinciPENGARUH MODEL ROLE PLAYING BERBASIS PERMAINAN TRADISIONAL BALI TERHADAP KETERAMPILAN BERBICARA PADA MATA PELAJARAN BAHASA INDONESIA SISWA KELAS III
Jurusan PGSD Vol: 4 No: Tahun: 06 PENGARUH MODEL ROLE PLAYING BERBASIS PERMAINAN TRADISIONAL BALI TERHADAP KETERAMPILAN BERBICARA PADA MATA PELAJARAN BAHASA INDONESIA SISWA KELAS III Kadk Yuda wibawa,
Lebih terperinciProsiding Seminar Nasional Manajemen Teknologi XVII Program Studi MMT-ITS, Surabaya 2 Februari 2013
ANALISIS PENGARUH KUALITAS LAYANAN, CITRA MEREK, DAN WORD OF MOUTH TERHADAP MINAT BELI KONSUMEN DENGAN METODE STRUCTURAL EQUATION MODELING (STUDI KASUS : PEMINAT PRODUK PONSEL X DI SURABAYA) I Putu Wisnu
Lebih terperinciOPERASI GABUNGAN, JOIN, KOMPOSISI DAN HASIL KALI KARTESIAN PADA GRAF FUZZY SERTA KOMPLEMENNYA. Tina Anggitta Novia 1 dan Lucia Ratnasari 2
OPERASI ABUNAN JOIN KOMPOSISI DAN HASIL KALI KARTESIAN PADA RAF FUZZY SERTA KOMPLEMENNYA Tina Anggitta Novia Lucia Ratnasari Program Studi Matmatika FMIPA UNDIP Jl Prof Sodarto SH Smarang 5075 Abstract
Lebih terperinciTinjauan Termodinamika Sistem Partikel Tunggal Yang Terjebak Dalam Sebuah Sumur Potensial. Oleh. Saeful Karim
Tinjauan Trmodinamika Sistm artikl Tunggal Yang Trjbak Dalam Sbua Sumur otnsial Ol Saful Karim Jurusan ndidikan Fisika Fakultas ndidikan Matmatika dan Ilmu ngtauan Alam Univrsitas ndidikan Indonsia 00
Lebih terperinciANALISIS LOG-LOGISTIK UNTUK MENGGAMBARKAN HUBUNGAN DOSIS-RESPON HERBISIDA PADA TIGA JENIS GULMA
ANALISIS LOG-LOGISTIK UNTUK MENGGAMBARKAN HUBUNGAN DOSIS-RESPON HERBISIDA PADA TIGA JENIS GULMA Olh : Yanti Muliyaningsih G40026 PROGRAM STUDI STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciATMOSFER HIDROSTATIS DIATAS WATUKOSEK DARI DATA TEKANAN VERTIKAL TAHUN 2009
Sminar Nasional Statistika IX Institut Tknologi Spuluh Nopmbr, 7 Novmbr 2009 ATMOSFER HIDROSTATIS DIATAS TUKOSEK DARI DATA TEKANAN VERTIKAL TAHUN 2009 Lalu Husnan Wijaya *, Dian Yudha Risdianto ** Pnliti
Lebih terperinciPROFIL DATA PENGOBATAN DALAM USADA TENUNG TANYALARA
PROFIL DATA PENGOBATAN DALAM USADA TENUNG TANYALARA Wahyuni, N.N.S 1, Warditiani, N.K. 1, Lliqia, N.P.E. 1 1 Jurusan Farmasi Fakultas Matmatika Dan Ilmu Pngtahuan Alam Univrsitas Udayana Korspondnsi: Ni
Lebih terperinci3. PEMODELAN SISTEM. Data yang diperoleh pada saat survey di lokasi potensi tersebut adalah sebagai berikut :
3. PEMODELAN SISTEM 3.1. Kondisi Darah Studi Kabupatn Solok Slatan trltak di bagian slatan Propinsi Sumatra Barat pada posisi 0 43 1 43 Lintang Slatan 101 01 101 30 Bujur Timur dngan luas wilayah 3.346,20
Lebih terperinciPENGARUH KONSELING KELOMPOK TERHADAP PENINGKATAN SELF REGULATION SISWA KELAS X JURUSAN TEKNIK KOMPUTER DAN JARINGAN SMK MUHAMMADIYAH 2 PEKANBARU
PENGARUH KONSELING KELOMPOK TERHADAP PENINGKATAN SELF REGULATION SISWA KELAS X JURUSAN TEKNIK KOMPUTER DAN JARINGAN SMK MUHAMMADIYAH 2 PEKANBARU Novi Frlinita Sari 1, Tri Umari 2, Abu Asyari 3 Email :
Lebih terperinciBAB 2 LANDASAN TEORI
6 A ANDAAN TEORI Pngrtian MM Multi vl Markting MM adalah salah satu contoh unit usaha yang brpola bisnis unik, yang sdang brkmbang di dalam bidang pnjualan barangbarang kbutuhan manusia, mulai brupaya
Lebih terperinci8. Fungsi Logaritma Natural, Eksponensial, Hiperbolik
8. Fungsi Logaritma Natural, Eksponnsial, Hiprbolik 8.. Fungsi Logarithma Natural. Sudaratno Sudirham Dfinisi. Logaritma natural adalah logaritma dngan mnggunakan basis bilangan. Bilangan ini, sprti halna
Lebih terperinciKONTROL URBAN SPRAWL DENGAN PENDEKATAN PEMODELAN PERILAKU PERJALANAN DAN PARTISIPASI PENDUDUKNYA
LAPORAN PENELITIAN HIBAH PENELITIAN STRATEGIS NASIONAL TAHUN ANGGARAN 2009 KONTROL URBAN SPRAWL DENGAN PENDEKATAN PEMODELAN PERILAKU PERJALANAN DAN PARTISIPASI PENDUDUKNYA Pnliti : Lasmini Ambarwati, ST.,
Lebih terperinciPengaruh Rasio Tinggi Blok Tegangan Tekan Dan Tinggi Efektif Terhadap Lentur Balok Bertulangan Tunggal
Rcivd: March 2017 Accptd: March 2017 Publishd: April 2017 Pngaruh Rasio Tinggi Blok Tgangan Tkan Dan Tinggi Efktif Trhadap Lntur Balok Brtulangan Tunggal Agus Sugianto 1*, Andi Marini Indriani 2 1,2 Dosn
Lebih terperinciIDE - IDE DASAR MEKANIKA KUANTUM
IDE - IDE DASAR MEKANIKA KUANTUM A. Radiasi Bnda Hitam 1. Hasil-Hasil Empiris Gambar 1. Grafik fungsi radiasi spktral bnda hitam smpurna a. Hukum Stfan Hukum Stfan dapat dituliskan sbagai total = f df
Lebih terperinciKAJIAN AWAL MEKANISME REAKSI ELEKTROLISIS NaCl MENJADI NaClO 4 UNTUK MENENTUKAN TAHAPAN REAKSI YANG EFEKTIF DARI PROSES ELEKTROLISIS NaCl
KAJIAN AWAL MEKANISME REAKSI ELEKTROLISIS NaCl MENJADI NaClO 4 UNTUK MENENTUKAN TAHAPAN REAKSI YANG EFEKTIF DARI PROSES ELEKTROLISIS NaCl Bayu Prianto Pnliti Bidang Matrial Dirgantara Abstrak Amonium prklorat
Lebih terperinciPERBANDINGAN METODE MAXIMUM LIKELIHOOD ESTIMATION (MLE) DENGAN BAYESIAN PADA REGRESI LOGISTIK MULTINOMIAL
J-Statistika Vol 4 No PERBANDINGAN METODE MAXIMUM LIKELIHOOD ESTIMATION (MLE) DENGAN BAYESIAN PADA REGRESI LOGISTIK MULTINOMIAL Prmadina Kanah Ariska -mail : blaar_statistika@yahoo.com ABSTRAK Rgrsi logistik
Lebih terperinciREGRESI LINEAR & KORELASI. Elty Sarvia, ST., MT. Fakultas Teknik Jurusan Teknik Industri Universitas Kristen Maranatha Bandung REGRESI
9/08/0 REGREI LINEAR & KORELAI Elty arvia, T., MT. Fakultas Tknik Jurusan Tknik Industri Univrsitas Kristn Maranatha Bandung REGREI jauh ini,kita hanya mmbuat statistik dngan satu variabl pada waktu trtntu,
Lebih terperinciFaculty of Economic Riau University, Pekanbaru, Indonesia
Pngaruh Pngumuman Right Issu Trhadap Rturn Saham, Abnormal Rturn, Frkunsi Prdagangan, Volum Prdagangan, Risiko Saham dan Kapitalisasi Pasar Pada Prusahaan Proprty, Ral Estat and Building Construction yang
Lebih terperinciANALISIS KETERSEDIAAN PENGGUNA JASA DALAM MEMBAYAR TERHADAP PENINGKATAN KUALITAS PELAYANAN (STUDI KASUS : KOPAJA P20 JURUSAN SENEN LEBAK BULUS)
ANALISIS KETERSEDIAAN PENGGUNA JASA DALAM MEMBAYAR TERHADAP PENINGKATAN KUALITAS PELAYANAN (STUDI KASUS : KOPAJA P0 JURUSAN SENEN LEBAK BULUS) Nincy Ayu Lstari 1 Nahdalina Fakultas Tknik Sipil Univrsitas
Lebih terperinciVI. EFISIENSI PRODUKSI DAN PERILAKU RISIKO PRODUKTIVITAS PETANI PADA USAHATANI CABAI MERAH
VI. EFISIENSI PRODUKSI DAN PERILAKU RISIKO PRODUKTIVITAS PETANI PADA USAHATANI CABAI MERAH.. Faktor-Faktor yang Mmpngaruhi Produktivitas Cabai Mrah dan Nilai Elastisitas Input trhadap Produktivitas...
Lebih terperinciMata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 7
Mata Kuliah : Matmatika Diskrit Program Studi : Tknik Informatika Minggu k : 7 MATRIK GRAPH Sbuah graph dapat kita sajikan dalam bntuk matrik, yaitu : a. Matrik titik (Adjacnt Matrix) b. Matrik rusuk (Edg
Lebih terperinciBAB V DISTRIBUSI PROBABILITAS DISKRIT
BAB V DISTRIBUSI ROBABILITAS DISKRIT 5.. Distribusi Uniform Disrit Bila variabl aca X mmilii nilai,,... dngan probabilitas yang sama, maa distribusi uniform disrit dinyataan sbagai: f (, ) ;,,... paramtr
Lebih terperinciKonsolidasi http://www.pwri.go.jp/ http://www.ashirportr.org Pmbbanan tanah jnuh brprmabilitas rndah akan mnaikkan tkanan air pori Air akan mngalir k lapisan tanah dngan tkanan pori yg lbih rndah Prmabilitas
Lebih terperinciRELEVANSI SIKAP ILMIAH SISWA DENGAN KONSEP HAKIKAT SAINS DALAM PELAKSANAAN PERCOBAAN PADA PEMBELAJARAN IPA DI SDN KOTA BANDA ACEH
70 RELEVANSI SIKAP ILMIAH SISWA DENGAN KONSEP HAKIKAT SAINS DALAM PELAKSANAAN PERCOBAAN PADA PEMBELAJARAN IPA DI SDN KOTA BANDA ACEH Olh Sardinah, Tursinawati, dan Anita Noviyanti Abstrak: Hakikat sains
Lebih terperinciANALISIS PERPINDAHAN PANAS KONVEKSI PAKSA NANOFLUIDA AIR-Al2O3 DALAM SUB-BULUH VERTIKAL SEGIENAM
ISSN : 2355-9365 -Procding of Enginring : Vol.4, No.1 April 2017 Pag 632 Abstrak ANALISIS PERPINDAHAN PANAS KONVEKSI PAKSA NANOFLUIDA AIR-Al2O3 DALAM SUB-BULUH VERTIKAL SEGIENAM FORCED CONVECTION HEAT
Lebih terperinciKARAKTERISASI ELEMEN IDEMPOTEN CENTRAL
Jurnal Barkng Vol 5 No Hal 33 39 (0) KAAKTEISASI ELEMEN IDEMPOTEN CENTAL HENY W M PATTY, ELVINUS ICHAD PESULESSY, UDI WOLTE MATAKUPAN 3,,3 Staf Jurusan Matmatika FMIPA UNPATTI Jl Ir M Putuhna, Kampus Unpatti,
Lebih terperinciUmitri Astuti 1), Siti Wahyuningsih 2), Chumdari 3) PGSD FKIP Universitas Sebelas Maret, Jalan Slamet Riyadi 449 Surakarta 1)
PENINGKATAN PEMAHAMAN KONSEP AKTIVITAS EKONOMI BERKAITAN DENGAN SUMBER DAYA ALAM MELALUI PENERAPAN MODEL PEMBELAJARAN KOOPERATIF TIME TOKEN BERBASIS PROBLEM SOLVING PADA SISWA SEKOLAH DASAR Umitri Astuti
Lebih terperinciKata Kunci : Contingent Valuation Method (CVM), Fuzzy MCDM, kualitas air sungai, kesanggupan membayar masyarakat/ willingness to pay (WTP).
VALUASI EKONOMI PENCEMARAN KALI SURABAYA DENGAN PENDEKATAN WILLINGNESS TO PAY DAN FUZZY MCDM WILLINGNESS TO PAY AND MCDM APPROARCH FOR ECONOMIC EVOLUTION OF SURABAYA WATER RIVER POLLUTION PROBLEM Lita
Lebih terperinciKARAKTERISTIK DAN PELUANG KECELAKAAN PADA MOBIL PRIBADI DI WILAYAH PERKOTAAN (Characteristic and Accident Probability on Private Car in Urban Area)
KARAKTERISTIK DAN PELUANG KECELAKAAN PADA MOBIL PRIBADI DI WILAYAH PERKOTAAN (Charactristic and Accidnt Probability on Privat Car in Urban Ara) Lasmini Ambarwati, Harnn Sulistio, Gama Hndika Ngara, Zanuar
Lebih terperinciANALISIS STABILITAS DAN ADAPTABILITAS GALUR PADI DATARAN TINGGI DI LIMA LINGKUNGAN
65 ANALISIS STABILITAS DAN ADAPTABILITAS GALUR PADI DATARAN TINGGI DI LIMA LINGKUNGAN (Stability and Adaptability Analysis of Highland Ric Gnotyps across Fiv Diffrnt Environmnts) Shrly Rahayu 1,2, Dsta
Lebih terperinciMODEL PEMBELAJARAN LIMA DOMAIN SAINS DENGAN PENDEKATAN KONTEKSTUAL UNTUK MENGEMBANGKAN PEMBELAJARAN BERMAKNA. Dadan Rosana
Jurnal Pnlitian dan Evaluasi Pndidikan MODEL PEMBELAJARAN LIMA DOMAIN SAINS DENGAN PENDEKATAN KONTEKSTUAL UNTUK MENGEMBANGKAN PEMBELAJARAN BERMAKNA Pndidikan Fisika FMIPA UNY haidaraufa@yahoo.co.id Abstrak
Lebih terperinciPENGARUH COMPUTER SELF-EFFICACY, SUBJECTIVE NORM, DAN SYSTEM QUALITY TERHADAP PENERIMAAN WOMUNITY OLEH NASABAH WOM FINANCE
Pngaruh Computr Slf Efficacy... (Dwi Ariyani Muslimah) PENGARUH COMPUTER SELFEFFICACY, SUBJECTIVE NORM, DAN SYSTEM QUALITY TERHADAP PENERIMAAN WOMUNITY OLEH NASABAH WOM FINANCE THE EFFECT OF COMPUTER SELF
Lebih terperinciBab 1 Ruang Vektor. I. 1 Ruang Vektor R n. 1. Ruang berdimensi satu R 1 = R = kumpulan bilangan real Menyatakan suatu garis bilangan;
Bab Ruang Vktor I. Ruang Vktor R n. Ruang brdimnsi satu R = R = kumpulan bilangan ral Mnyatakan suatu garis bilangan; -3 - - 0. Ruang brdimnsi dua R = bidang datar ; Stiap vktor di R dinyatakan sbagai
Lebih terperinciINFLUENCE OF LIMES COLUMN VARIATION DISTANCE IN SOFT CLAY STABILIZATION A REVIEW OF INDEX COMPRESSION (Cc) PARAMATER
INFLUENCE OF LIMES COLUMN VARIATION DISTANCE IN SOFT CLAY STABILIZATION A REVIEW OF INDEX COMPRESSION (Cc) PARAMATER PENGARUH VARIASI JARAK KOLOM KAPUR DALAM STABILISASI LEMPUNG LUNAK PADA TINJAUAN NILAI
Lebih terperinciPada gambar 2 merupakan luasan bidang dua dimensi telah mengalami regangan. Salah satu titik yang menjadi titik acuan adalah titik P.
nurunan Kcpatan Glombang dan Glombang S Glombang sismik mrupakan gtaran yang mrambat pada mdium batuan dan mnmbus lapisan bumi. njalaran mnybabkan dformasi batuan.strss atau tkanan didfinisikan gaya prsatuan
Lebih terperinciPENGARUH SEGMEN BOTTLENECK SISTEMATIK TERHADAP KARAKTERISTIK LALU LINTAS (STUDI KASUS: JL. JAMIN GINTING KM 14.5)
PENGARUH EGEN BOTTLENECK ITEATIK TERHAAP KARAKTERITIK LALU LINTA (TUI KAU: JL. JAIN GINTING K 14.5) Kristian Napitupulu ahasiswa Program arjana Tknik ipil Fakultas Tknik Univrsitas umatra Utara Jln. Prpustakaan
Lebih terperinciPENENTUAN POLA - POLA GRAF TERHUBUNG BERLABEL BERORDE ENAM TANPA GARIS PARALEL DENGAN BANYAKNYA GARIS 5. (Skripsi) Oleh SITI FATIMAH
PENENTUAN POLA - POLA GRAF TERHUBUNG BERLABEL BERORDE ENAM TANPA GARIS PARALEL DENGAN BANYAKNYA GARIS 5 (Skripsi) Olh SITI FATIMAH FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS LAMPUNG BANDAR
Lebih terperinciDESAIN AWAL SISTEM KENDALI PARAMETER BERKAS RADIASI MESIN BERKAS ELEKTRON 350 kev/10 ma PTAPB BATAN YOGYAKARTA
DESIN WL SISTEM KENDLI RMETER BERKS RDISI MESIN BERKS ELEKTRON 350 k/10 m TB BTN YOGYKRT SUTNTO Skolah Tinggi Tknologi Nuklir Badan Tnaga Nuklir Nasional - BTN JL.Babarsari Kotak os 6101 YKBB, Yogyakarta
Lebih terperinciANALISA NILAI SIMPANGAN HORIZONTAL (DRIFT) PADA STRUKTUR TAHAN GEMPA MENGGUNAKAN SISTEM RANGKA BRESING EKSENTRIK TYPE BRACED V
Tras Jurnal, Vol.7, No.2, Sptmbr 2017 P-ISSN 2088-0561 ANALISA NILAI SIMPANGAN HORIZONTAL (DRIFT) PADA STRUKTUR TAHAN GEMPA MENGGUNAKAN SISTEM RANGKA BRESING EKSENTRIK TYPE BRACED V Said Jalalul Akbar
Lebih terperinciTinjauan Termodinamika Pada Sistem Partikel Tunggal Yang Terjebak Dalam Sebuah Sumur Potensial
injauan rmodinamika ada Sistm artikl unggal Yang rjbak Dalam Sbua Sumur otnsial Dngan mngmbangkan ubungan trmodinamik yang sdrana untuk pngumpulan partikl yang tunggal yang ditmpatkan pada dara potnsial.
Lebih terperinciPartial Least Squares (PLS) Generalized Linear dalam Regresi Logistik
Partial Last Squars (PLS) Gnralizd Linar dalam Rgrsi Logistik Rtno Subkti Jurusan Pndidikan Matmatika FMIPA UNY Abstrak Kasus multikoliniritas sringkali diumai dalam rgrsi yang mngakibatkan salah intrrtasi
Lebih terperinciANALISIS KINERJA STRUKTUR PADA BANGUNAN BERTINGKAT BERATURAN DAN KETIDAK BERATURAN HORIZONTAL SESUAI SNI
ANALISIS KINERJA STRUKTUR PADA BANGUNAN BERTINGKAT BERATURAN DAN KETIDAK BERATURAN HORIZONTAL SESUAI SNI 03-1726-2012 Hotma L Purba Jurusan Tknik Sipil,Univrsitas Sriwijaya Korspondnsi pnulis : hotmapurba@hotmail.com
Lebih terperinciBAB I PENDAHULUAN 1.1.Latar Belakang
BAB I PENDAHULUAN 1.1.Latar Blakang Sarana dan prasarana transportasi di suatu ngara mmpunyai pranan yang sangat pnting dalam pngmbangan suatu kawasan trtntu, baik konomi, sosial, budaya dan sbagainya.
Lebih terperinciUci Sri Sundari STIE Kusuma Negara Indra Isharyanto.
Url : http://aktiva.sti-kusumangara.ac.id - Vol I, No. Dsmbr 27 PENGAUH KEPUTUSAN INVESTASI, KEPUTUSAN PENDANAAN DAN KEBIJAKAN DIVIDEN TEHADAP NILAI PEUSAHAAN PADA PEUSAHAAN OOD AND BEVEAGE YANG TEDATA
Lebih terperinci